1. Статистический анализ данных.

Случайной называется величина, которая в результате эксперимента, который может быть повторен при постоянных условиях большое количество раз, может принимать значение . Дискретной случайной называется величина, которая может принимать конечное количество значений (например, количество детей, которое родилось за сутки). Непрерывной случайной называется величина, которая может принимать любое числовое значение в данном интервале значений (например, масса тела и вес новорожденных).

Закон распределения случайных величин – функциональная зависимость между значениями случайных величин и вероятностями, с которыми они принимают эти значения. Закон распределения может быть задан в виде таблицы, формулы или графика.

Функцией распределения F(x) случайной величины X называется вероятность того, что она примет значение меньшее, чем аргумент функции x:

F(x) = p{X < x}.

Ее называют интегральной функцией.

Проиллюстрируем с помощью наглядной геометрической интерпретации.

Для этого рассмотрим случайную величину как случайную точку Х на оси ОХ, которая в результате опыта может занять то или иное положение. Тогда функция распределения F(x) есть вероятность того, что случайная точка Х в результате опыта попадет левее точки х. Увеличиваем х, перемещая точку вправо по оси абсцисс очевидно, что при этом вероятность выполнения неравенства X < x убывать не может. При уменьшении х до –∞ событие X < x становится невозможным, т.е. F(–∞) = 0, при увеличении х до +∞ – достоверным, т.е. F(+∞) = 1.

Функция распределения используется при рассмотрении как дискретных, так и непрерывных случайных величин.

Случайная величина Х называется непрерывной, если ее функция распределения F(x) – непрерывная и дифференцируемая функция для всех значений аргумента.

Для непрерывной функции распределения F(x) вероятность любого отдельного значения случайной величины должна быть равна нулю, т.е. не должно быть скачков ни в одной точке. То есть при непрерывном распределении вероятностей вероятность попадания на сколь угодно малый участок отлична от нуля, тогда вероятность попадания в строго определенную точку в точности равна нулю.

Плотностью распределения (плотностью вероятности) f(x) непрерывной случайной величины X называется производная ее функции распределения

f(x)=F’(x)

а график плотности распределения называется кривой распределения. Пусть имеется точка x и прилегающий к ней отрезок dx. Вероятность попадания случайной величины X на этот интервал равна f(x)dx. Эта величина называется элементом вероятности. Вероятность попадания случайной величины X на произвольный участок [a, b] равна сумме элементов вероятности

на этом участке:

В геометрической интерпретации равна площади, ограниченной сверху кривой плотности распределения f(x) и участком [a, b].

Числовые характеристики случайной величины

Закон распределения случайной величины является исчерпывающей характеристикой, которая полностью описывает случайную величину с вероятностной точки зрения. Однако во многих практических задачах нет надобности в таком полном описании и достаточно указать только отдельные числовые параметры, характеризующие существенные черты распределения. Такие числа называются числовыми характеристиками случайной величины.

Математическое ожидание характеризует среднее значение случайной величины и определяется по формулам:

Для дискретных величин:

Для непрерывных величин:

MX – оператор математического ожидания.

В качестве математического ожидания используется «среднее взвешенное значение», причем каждое из значений случайной величины учитывается с «весом», пропорциональным вероятности этого значения.

Физический смысл математического ожидания – среднее значение случайной величины, т.е. то значение, которое может быть использовано вместо случайной величины в приблизительных расчетах или оценках.

Дисперсия случайной величины характеризует степень рассеивания (разброса) значений случайной величины относительно ее математического ожидания и определяется по формулам:

Для дискретных величин:

Для непрерывных величин:

Дисперсия случайной величины имеет размерность квадрата случайной величины, поэтому для анализа диапазона значений величины Х дисперсия не совсем удобна. Этого недостатка лишено среднеквадратическое отклонение (СКО), размерность которого совпадает с размерностью случайной величины.

Среднеквадратическое отклонение случайной величины X характеризует ширину диапазона значений X и равно:

СКО измеряется в тех же физических единицах, что и случайная величина.

Правило 3σ. Практически все значения нормальной случайной величины находятся в интервале

[ m_x – 3σ_x; m_x + 3σ_x; ].

Математическое ожидание и дисперсия (или СКО) – наиболее часто применяемые характеристики случайной величины. Они характеризуют наиболее важные черты распределения: его положение и степень разбросанности значений. Для более подробного описания используются начальные и центральные моменты высших порядков. Кроме математического ожидания на практике часто применяются и другие характеристики положения распределения значений.