- •Математична статистика”
- •Мелітополь
- •3. Розділ 3. Теоретичні питання та завдання до виконання типового
- •Розділ 1. Теорія ймовірностей
- •1.1. Основні поняття теорії ймовірностей
- •Властивості ймовірностей подій
- •Елементи комбінаторики
- •1.2. Теореми додавання і множення
- •1.3. Формула повної ймовірності. Формули Бейеса
- •1.4. Повторення випробувань
- •Локальна теорема Муавра-Лапласа
- •Інтегральна теорема Муавра-Лапласа
- •1.5. Випадкові величини
- •1.5.1. Дискретні випадкові величини і їх числові характеристики
- •Властивості математичного сподівання
- •Властивості дисперсії
- •1.52. Неперервні випадкові величини і їх числові характеристики
- •Властивості функції розподілу
- •Властивості щільності ймовірностей
- •1.6. Основні закони розподілу
- •Розділ 2. Математична статистика
- •2.1. Основні поняття математичної статистики
- •Вибірка – частина об’єктів генеральної сукупності, що потрапили на перевірку або дослідження.
- •Властивості емпіричної функції розподілу:
- •2.2.Числові характеристики варіаційного ряду
- •2.3.Вибірковий метод
- •Алгоритм вибіркового методу
- •2.3 Кореляційний аналіз
- •Властивості коефіцієнта кореляції:
- •2.4. Однофакторний дисперсійний аналіз
- •Алгоритм однофакторного дисперсійного аналізу
- •Розділ 3. Теоретичні питання та завдання до типового розрахунку теоретичні питання
- •Основні поняття теорії ймовірностей.
- •Розрахункові завдання
- •1. Задачі на класичну, статистичну і геометричну ймовірності
- •2. Задачі на теореми складання і множення ймовірностей
- •3. Задачі на формулу повної ймовірності та формули Бейеса
- •4. Задачі на використання формул при повторних випробуваннях
- •6. Задачі на інтегральну та диференціальну функції розподілу
- •7. Задачі на закони розподілу
- •8. Задачі на вибірковий метод
- •9. Задачі на кореляційний аналіз
- •10. Задачі на дисперсійний аналіз Визначити вплив фактора (попередня культура) на врожай буряка
- •Література
- •З Додаток 1 начення функції
- •З Додаток 2 начення функції
- •К Додаток 3 ритичні точки – розподілу
- •Критичні точки – розподілу Ст’юдента
- •Міністерство аграрної політики україни
- •Таврійський державний агротехнологічний університет
- •Кафедра вищої математики
- •Теорія ймовірностей та
- •Математична статистика
Властивості математичного сподівання
1. Математичне сподівання сталої величини дорівнює самій сталій:
2. Сталий множник можна виносити за знак математичного сподівання:
3. Математичне сподівання алгебраїчної суми кінцевого числа випадкових величин дорівнює тій же сумі їх математичних сподівань:
4. Математичне сподівання добутку кінцевого числа незалежних випадкових величин дорівнює добутку їх математичних сподівань
5. Якщо всі значення випадкової величини збільшити (зменшити) на сталу С, то на цю ж сталу збільшиться (зменшиться) математичне сподівання цієї випадкової величини:
6. Математичне сподівання відхилення випадкової величини від її математичного сподівання дорівнює нулю:
.
Дисперсією
випадкової
величини
Х
називається математичне сподівання
квадрата її відхилення від математичного
сподівання
(1.26)
або
, (1.26′)
де
.
Властивості дисперсії
1. Дисперсія сталої величини дорівнює нулю:
2. Сталий множник можна виносити за знак дисперсії, підносячи його до квадрата:
3. Дисперсія випадкової величини дорівнює різниці між математичним сподіванням квадрата випадкової величини і квадратом її математичного сподівання:
(1.27)
4. Дисперсія алгебраїчної суми кінцевого числа незалежних випадкових величин дорівнює сумі їх дисперсій:
5. Дисперсія числа появи події в незалежних випробуваннях, в кожнім з яких ймовірність появи події стала, дорівнює добутку числа випробувань на ймовірність появи і не появи події в одному випробуванні:
.
Дисперсія
має розмір квадрата випадкової величини,
що не завжди зручно. Тому показником
розсіювання використовують також
величину
.
Середнім
квадратичним відхиленням
(стандартним
відхиленням
або
стандартом)
випадкової величини Х
називається арифметичне значення кореня
квадратного з її дисперсії
(1.28)
Приклад 1.20. На шляху руху автомобіля чотири світлофори. Кожний з них з ймовірністю 0,5 або дозволяє, або забороняє автомобілю подальший рух. Побудувати многокутник розподілу ймовірностей випадкової величини, що відображує число світлофорів, які автомобіль пройде без зупинки. Чому дорівнюють математичне сподівання і дисперсія випадкової величини.
Р
озв’язання.
Нехай випадкова величина Х
– число світлофорів, які пройде автомобіль
без зупинки. Ця величина може приймати
наступні значення:
,
,
,
,
.Ймовірність
того, що число пройдених світло-
По цим даним будуємо многокутник розподілу ймовірностей (рис. 4).
Знайдемо математичне сподівання випадкової величини по її закону розподілу
|
0 |
1 |
2 |
3 |
4 |
|
0,5 |
0,25 |
0,125 |
0,0625 |
0,0625 |
Тоді використавши формулу (1.25), отримаємо:
.
Для
визначення дисперсії дискретної
випадкової величини визначимо спочатку
,
для чого складемо таблицю.
|
0 |
1 |
4 |
9 |
16 |
|
0,5 |
0,25 |
0,125 |
0,0625 |
0,0625 |
.
Тоді за формулою (1.27) матимемо
.
