Matematika (1)
.docxМножество векторов с действительными компонентами, в котором определены операции сложения векторов и умножения вектора на число, удовлетворяющие приведённым выше свойствам, называется векторным пространством.
-
Векторное пространство R, называется n-мерным, если в нем существует n линейно независимых векторов, а любые n+1 векторов уже являются зависимыми. Число n называется размерностью векторного пространство R и обозначается dim(R).
№29
Линейные операторы
-
Определение. Если задан закон (правило), по которому каждому вектору x пространства ставится в соответствие единственный вектор y пространства
то говорят: что задан оператор (преобразование, отображение) A(x), действующий из в и
записывают y=A(x).
-
Оператор называется линейным, если для любого вектора x и y пространства
и любого числа λ выполняются следующие соотношения:
№37
-
Пустъ А – множество, состоящее из конечного числа элементов a1, a2, a3…an. Из различных элементов множества А можно образовывать группы. Если в каждую группу входит одно и то же число элементов m (m из n), то говорят, что они образуют соединения из n элементов пo m в каждом. Различают три вида соединений: размещения, сочетания и перестановки.
-
Соединения, в каждое из которых входят все n элементов множества А и которые, следовательно, отличаются друг от друга только порядком элементов называются перестановками из n элементов. Число таких перестановок обозначается символом Рn.
№35
Классическое определение вероятности основано на понятии равновозможности событий.
Равновозможность событий означает, что нет оснований предпочесть какое-либо одно из них другим.
Рассмотрим испытание, в результате которого может произойти событие A. Каждый исход, при котором осуществляется событие A, называется благоприятным событию A.
Вероятностью события A (обозначают P(A)) называется отношение числа исходов, благоприятных событию A (обозначают k), к числу всех исходов испытания – N т.е. P(A)= k/ N.
-
Из классического определения вероятности вытекают следующие ее свойства:
-
Вероятность любого события заключена между нулем и единицей.
-
Вероятность достоверного события равна единице.
-
Вероятность невозможного события равна нулю
№39, 40
-
Теорема сложения. Если А и В несовместны, то Р(А + В) = Р(А) +Р(В)
Если и противоположные события, то
Теорема умножения. Если А и В независимые события, то
Р(АВ) = Р(А)Р(В).
Если А и В совместны, то теорема сложения принимает вид:
Р(А+В)=Р(А)+Р(В) - Р(АВ) .
№41
-
Пусть событие А может наступить при условии реализации одной из гипотез Н1, Н2, ..., Нn, образующих полную группу событий.
Тогда
-
Формула (1) называется формулой полной вероятности.
№№42
-
Предположим, что в результате испытания событие А произошло. Какова вероятность, что событие А произошло в результате реализации гипотезы Нk , т.е. P(Hk/A) = ? (происходит переоценка вероятностей гипотез). Ответ дает формула Байеса:
№44
-
Дисперсией D(X) случайной величины называется математическое ожидание квадрата ее отклонения от математического ожидания:
-
D(X) = M[Х-M(X)]2 или D(X) = M[X-a]2 , где а = М(Х). Часто вместо дисперсии используют среднее квадратическое отклонение:
-
Свойства дисперсии случайной величины.
-
1. Дисперсия постоянной величины равна нулю: D(С) = 0.
-
2. Постоянный множитель можно выносить за знак дисперсии, возводя его и квадрат : D(кХ) = к2D(X)
-
3. Дисперсия случайной величины равна разности между математическим ожиданием квадрата случайной величины и квадратом математического ожидания D(X) = М(Х2)-[М(Х)]2.
№46
-
Дисперсией D(X) непрерывной случайной величины называется математическое ожидание квадрата отклонения случайной величины от её математического ожидания:
-
D(Х) = М[Х-a]2, а=M(X).
№№46
-
Справедливы формулы:
-
µ0=1;
-
µ1=0;
-
µ2= α2- α2;
-
µ3= α3- 3αα2+2α3;
-
µ4=α4 +6α2α2-4αα3-3α4.
-
Величина называется коэффициентом асимметрии. Он
-
характеризует «скошенность» распределения случайной величины по отношению к математическому ожиданию.
-
Для симметричных распределений µ3=0, поэтому коэффициент асимметрии равен нулю.
№47
Дискретная случайная величина X имеет биномиальный закон распределения, если она принимает значения 0,1, 2,…,m,….,n с вероятностями р(m) = Р(Х = m) = Cnm рm qn-m, где 0 < p <1, q = 1─ р.
-
Биномиальный закон распределения представляет собой закон распределения числа Х = m наступлений события А в n независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью р.
Теорема. Математическое ожидание и дисперсия случайной величины, распределенной по биномиальному закону, даются формулами
M(X) = np, D(X) = npq.
-
Следствие. Математическое ожидание величины (m/n) в n независимых испытаниях, в каждом из которых оно может наступить с одной и той же вероятностью р, равно р, т.е. M(m/n) = р, D(m /n)=pq/n.
-
Дискретная случайная величина X имеет закон распределения Пуассона, если она принимает значения 0,1 2,…,m,…,n с вероятностями р(m) = Р(Х=m) =е─λ λm/m! , где λ = np.
Tеорема. Математическое ожидание и дисперсия случайной величины, распределенной по закону Пуассона, совпадают и равны параметру λ этого закона. т.е. М(Х) = λ, D(X)= λ.
Распределение Пуассона ─ частный случай биномиального закона распределения для относительно больших n и относительно малых р.
-
Равномерный закон распределения
Непрерывная случайная величина X имеет равномерный закон распределения на отрезке [a, b], если её плотность вероятности постоянна на этом отрезке и равна нулю вне его, т.e.
-
Непрерывная случайная величина X имеет нормальный закон распределения (закон Гаусса) с параметрами а и s2 , если её плотность вероятности имеет вид:
№48 Числовые характеристики системы двух случайных величин
Условным математическим ожиданием дискретной случайной величины Y при X=x (x- определенное возможное значение X) называют сумму произведений возможных значений Y на их условные вероятности:
-
Для непрерывных величин:
-
где - условная плотность случайной величины Y при X=x.
Зависимые и независимые случайные величины
-
Теорема. Для того, чтобы случайные величины X и Y были независимыми необходимо и достаточно, чтобы функция распределения системы (Х, У) была равна произведению функций распределения составляющих: F(x,y)= F1(x)F2(y)
-
Ковариацией (или корреляционным моментом) называется математическое ожидание произведения отклонения этих величин от своих математических ожиданий: