Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Лекции по математике. Теория вероятности

.pdf
Скачиваний:
97
Добавлен:
29.03.2016
Размер:
4.02 Mб
Скачать

Статистическая оценка неизвестного параметра теоретического распределения - функция от наблюдаемых случайных величин.

Эффективная оценка – статистическая оценка, которая при заданном объеме выборки n имеет наименьшую возможную дисперсию.

К лекции 16

Доверительный интервал - интервал, в который попадает неизвестный параметр с заданной надежностью .

Надежность (доверительная вероятность) оценки Θ*

параметра Θ - вероятность γ того, что выполняется неравенство

Θ* Θ .

К лекции 17

Детерминированные процессы – процессы, которые можно описать математическими формулами, определяя положение системы в любой момент времени с разумной точностью.

Дисперсия случайного процесса – неслучайная функция, которая равна дисперсии соответствующего сечения для t :

D (t) x2 p (x, t)dx m2 (t) .

Корреляционная функция случайного процесса - неслучайная функция равная математическому ожиданию от произведения значений процесса в два различных момента времени и характеризующая степень их линейной зависимости:

K (t1 , t2 ) (x1 m (t1 ))(x2 m (t2 )) p (x1 , x2 , t1 , t2 )dx1 , dx2

Математическое ожидание случайного процесса - неслучайная функция m (t) , которая t равна математическому

ожиданию соответствующего сечения случайного процесса:

271

m (t) xp (x, t)dx .

Нормированная корреляционная функция - неслучайная

функция, равная

 

 

 

 

 

r (t1

, t2 )

K (t1 , t2 )

 

 

(t1 )

(t2 )

 

 

 

Реализация

случайного

процесса -

неслучайная функция

(t, w0 ) ,

в которую превращается процесс в результате

испытания

 

 

 

 

Случайный процесс - семейство случайных величин { (t, w)} , определѐнных на , F, P , где под параметром t

понимается время.

Случайные сигналы (процессы) - сигналы, математическим описанием которых являются случайные функции времени.

Стационарный случайный процесс в узком смысле - случайный процесс (t) для которого многомерные законы

распределения не меняются при сдвиге всех временных переменных на одно и то же число:

F (x1 , ..., xn ; t1 , ..., tn ) F (x1 , ..., xn ; t1 h, ..., tn h) ,

n N , h R .

Стационарный случайный процесс в широком смысле -

случайный процесс, для которого

m (t) m const , D (t) D const , K (t1 , t2 ) K (t2 t1 ) K ( ) .

Теория случайных процессов - математическая наука, изучающая случайные явления в динамике их развития.

Хаотические случайные процессы – детерминированные,

нелинейные случайные процессы, с сильной зависимостью от начальных условий.

Эргодический стационарный случайный процесс - стационарный случайный процесс, для которого осреднение по ансамблю реализаций может быть заменено осреднением по времени одной реализации.

272

273

Приложение 1

Таблица значений функции

274

Приложение 2

Таблица значений функции

275

Приложение 3

Таблица критических точек распределения

276

Список основных формул

1.P A mn , 0 P(A) 1 классическое определение

вероятности случайного события А

2.

n! nn e n

2 n

формула

Стирлинга,

приближенное вычисление факториала

 

3.

Am

n!

размещение из n по m

 

 

 

n m !

 

 

n

 

 

 

 

 

 

 

 

4.

P An n!

перестановки из n элементов

 

n

n

 

 

 

5.

Сnm

n!

 

m! n m !

 

 

m

n

6. x y n Cnm xm

m 0

Ньютона

сочетаниями из n элементов по

yn m разложение

бинома

mes g

7. P A

mesG

вероятности события

геометрическое

определение

A

8.

W A

N A

 

статическое

определение

вероятности

N

 

случайного события A

 

 

 

 

9.

P A1 A2

P A1 P A2

 

вероятность

суммы двух

несовместных событий

 

 

 

 

10.

P A1 A2 P A1 P A2

P A1 A2

вероятность

суммы двух совместных событий

 

 

 

 

11.

P A1 A2 P A1 P A2

 

 

вероятность

 

произведения независимых событий

277

12.

P A1 A2 P A1 P A2 / А1 вероятность

произведения зависимых событий

13.P A 1 P A1 P A2 P An 1 q1 q2 qn

вероятность появления хотя бы одного из событий,

независимых в совокупности

 

 

 

 

 

 

 

 

 

 

14.

 

P Hi

 

A

 

P Hi P A

 

Hi

формула Бейеса

 

 

 

 

 

 

 

 

 

 

 

P A

 

 

 

 

 

 

 

 

 

 

 

 

i s

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

15.

 

P A

P Hi P A

 

Hi

 

полная

вероятность

 

 

 

 

 

 

 

i 1

 

 

 

 

 

 

 

 

 

 

 

 

события A

 

 

 

 

 

 

 

 

 

 

 

 

 

 

16.

 

F x P X x

 

 

функция распределения

F(x)

случайной величины X

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

x x1

 

 

 

 

 

P

 

 

 

 

x1 x x2

 

 

 

 

1

 

 

 

 

x2 x x3

 

 

 

 

P1 P2

 

 

 

 

 

F x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P P P

x

n 1

x x

n

 

 

 

1

2

 

n 1

 

 

 

 

 

 

 

 

 

1

 

 

 

 

x x

n

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i s

 

 

 

 

 

 

 

 

 

 

17.

 

x

М X xi p xi

 

математическое

 

 

 

 

 

 

 

 

i 1

 

 

 

 

 

 

 

 

 

 

ожидание дискретной случайной величины

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i s

 

 

 

 

 

18.

 

D X M x mx 2 xi mx 2 p xi

дисперсия

 

 

 

 

 

 

 

 

 

 

 

 

i 1

 

 

 

 

 

дискретной случайной величины

 

 

 

 

 

19.

 

D X Y

D X D Y

 

 

дисперсия

суммы

двух независимых случайных величин

 

 

 

 

20.

 

D X Y

D X D Y

 

 

дисперсия

 

разности двух независимых случайных величин

 

 

21.

 

M X Y M X M Y

 

математическое

 

ожидание суммы двух случайных величин

278

22.

M XY M X M Y

математическое

ожидание произведения двух независимых случайных

23.D X среднеквадратическое отклонение

 

 

 

 

n

 

 

24.

k

M X k xik pi

начальный момент

 

 

 

 

i 1

 

 

степени k

 

 

 

 

 

 

 

 

 

 

n

 

25.

k

M X M X k xi

a k pi

 

 

 

 

 

i 1

 

 

центральный момент степени k

 

26.

A

3

 

коэффициент ассиметрии

3

 

 

 

 

 

 

 

27.

E

4

3

эксцесс

 

4

 

 

 

 

 

 

 

28.

P X m Cm pm

1 p n m

биноминальный

 

 

 

 

n

 

 

закон распределения (закон Бернулли)

29. M X np математическое ожидание случайной величины, распределенной по биноминальному закону

 

m

e

 

 

 

30.

P X m m!

 

закон Пуассона

 

 

 

 

 

31.

f (x) F x

плотность распределения

непрерывной

случайной величины x

 

 

 

 

 

в

 

 

 

32.

P(a X в) f (x)dx

вероятность

попадания

 

а

 

 

 

непрерывной случайной величины X в интервал a, b

 

 

 

 

 

 

33.

M x x f

x dx

математическое

ожидание

непрерывной случайной величины x

279

34.

 

 

 

 

 

 

 

 

дисперсия

непрерывной

D( X ) x

2

f (x)dx М

2

( X )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

случайной величины X

 

 

 

 

 

 

 

1

 

, x a,b

 

 

 

35.

f x

 

 

 

 

 

 

равномерный

закон

 

 

 

 

 

b

a

 

 

 

 

0, x a,b

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

распределения

e x , x 0

36. f x экспоненциальное

0, x 0

(показательное) распределение

37.M ( X ) 1 , , математическое ожидание случайной

величины X ,распределенной по экспоненциальному закону

38.

D( X )

1

 

 

 

 

 

 

дисперсия

случайной

величины

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X ,распределенной по экспоненциальному закону

 

39.

P(a X в) е а е в

вероятность

попадания

непрерывной

случайной

 

величины

X в интервал a, b ,

распределенной по экспоненциальному закону

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x m

 

 

 

 

f x

m

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

40.

xm 1e

 

a

 

распределение Вейбулла

 

 

 

 

 

 

a

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

( x m)2

 

 

 

41.

f (x)

 

 

e

2 2

,

нормальное

(гауссовское)

 

 

 

 

 

 

2

 

 

 

 

 

 

 

распределение

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

42.

M X m ,

D X 2 математическое ожидание и

дисперсия непрерывной случайной величины X , распределенной по нормальному закону

280