
- •Экзаменационные вопросы по дисциплине
- •2. Частота события. Статистическое определение вероятности.
- •3. Классическое и геометрическое определения вероятности.
- •4. Аксиомы теории вероятностей. Основные следствия из аксиом.
- •5. Условная вероятность. Независимость событий. Теорема умножения вероятностей.
- •6. Теорема сложения вероятностей.
- •7. Формула полной вероятности. Формула Байеса.
- •8. Вычисление вероятностей событий с помощью биномиальной и полиномиальной формул.
- •9. Понятие случайной величины и её закона распределения. Дискретные и непрерывные величины.
- •10. Ряд и многоугольник распределения дискретной случайной величины.
- •11. Функция распределения случайной величины и её свойства.
- •12. Плотность распределения непрерывной случайной величины и её свойства.
- •13. Математическое ожидание, мода и квантили случайной величины.
- •14. Моменты, дисперсия и среднее квадратическое отклонение случайной величины.
- •15. Биномиальное распределение. Распределение Пуассона. Геометрическое распределение. Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •16. Равномерное распределение. Показательное распределение. Равномерное распределение
- •Показательное распределение
- •17. Одномерное нормальное распределение.
- •18. Понятие случайного вектора. Ряд распределения двумерного дискретного случайного вектора.
- •19. Функция и плотность распределения случайного вектора.
- •20. Зависимость и независимость случайных величин.
- •21. Корреляционный момент и коэффициент корреляции двух случайных величин.
- •22. Многомерное нормальное распределение.
- •23. Математическое ожидание и дисперсия функции случайных величин.
- •24. Основные свойства математического ожидания.
- •25. Основные свойства дисперсии и коэффициента корреляции.
- •26. Распределения “хи-квадрат”, Стьюдента и Фишера.
- •27. Закон больших чисел.
- •28. Центральная предельная теорема.
- •29. Дискретная цепь Маркова: основные понятия и свойства.
- •30. Выборка и её вариационный ряд. Статистический ряд результатов измерений.
- •31. Гистограмма и полигон частот.
- •32. Статистическая функция распределения.
- •33. Понятие о точечных оценках параметров и их свойствах.
- •34. Точечные оценки математического ожидания, дисперсии и среднего квадратического отклонения.
- •35. Понятие об интервальном оценивании параметров.
- •36. Построение доверительных интервалов для математического ожидания и дисперсии нормально распределённой случайной величины.
- •37. Проверка статистических гипотез: основные определения и общая схема проверки.
- •38. Критерий согласия Пирсона.
- •39. Критерий согласия Колмогорова. Критерий однородности Смирнова. Критерий согласия Колмогорова
- •. Критерий однородности Смирнова
13. Математическое ожидание, мода и квантили случайной величины.
При решении многих практических задач нет необходимости знать закон распределения рассматриваемой СВ, а достаточно указать лишь некоторые его характерные особенности. С этой целью используются числовые характеристики СВ.
Математическим
ожиданием дискретной СВ Х
с возможными значениями
называется число
,
где
,
и
.
Если множество возможных значений
является счётным, то
(ряд в правой части равенства должен
быть абсолютно сходящимся, иначе
математическое ожидание не существует).
Математическим
ожиданием непрерывной СВ Х
с плотностью распределения
называется число
(предполагается, что интеграл в правой
части является абсолютно сходящимся).
Математическое ожидание представляет собой среднее значение, принимаемое данной СВ, и является как бы центром, вокруг которого группируются её возможные значения. Отметим, что не у каждой СВ математическое ожидание совпадает с одним из возможных значений.
При большом числе
независимых наблюдений (измерений) СВ
Х
среднее арифметическое результатов
наблюдений (измерений) почти всегда
лишь незначительно отличается от
.
Покажем это на примере дискретной СВ с
возможными значениями
.
Пусть при N
независимых измерениях значение
появилось
раз,
–
раз, ... ,
–
раз (очевидно,
).
Среднее арифметическое результатов
измерений СВ в данной серии определяется
равенством
,
где
– частота появления значения
.
Отсюда следует, что при достаточно
большом N
почти всегда справедливо приближённое
равенство
,
где правая часть есть
.
Модой дискретной
СВ называется такое её возможное значение
,
которому соответствует наибольшая
вероятность
.
Модой непрерывной СВ называется такое её возможное значение х, которому соответствует наибольшая плотность вероятности .
Квантилем уровня
р
непрерывной СВ Х
называется такое число
,
для которого
.
Квантиль
называется медианой.
14. Моменты, дисперсия и среднее квадратическое отклонение случайной величины.
Начальным моментом
k-го
порядка СВ Х
называется число
.
Для дискретной СВ начальные моменты
определяются по формуле
,
для непрерывной СВ – по формуле
.
Первый начальный момент совпадает с
математическим ожиданием.
Случайная величина
называется центрированной по отношению
к СВ Х.
Центральным моментом k-го
порядка СВ Х
называется число
.
Для дискретной СВ центральные моменты
определяются по формуле
,
для непрерывной СВ – по формуле
.
Первый центральный
момент равен нулю. Действительно, для
дискретной СВ
,
для непрерывной СВ
.
Второй центральный
момент называется дисперсией СВ Х
и обозначается
или
.
Формулы для дисперсии дискретной и
непрерывной СВ имеют вид
и
.
Из неотрицательности слагаемых под
знаком суммы и неотрицательности
подынтегральной функции следует, что
.
Для дисперсии
справедливо равенство
.
Действительно, для дискретной СВ
,
для непрерывной СВ
.
Дисперсия
характеризует среднюю степень рассеивания
(разброса) возможных значений СВ
относительно её математического ожидания
(среднего значения). На практике вместо
дисперсии
в качестве характеристики рассеивания
часто используется величина
,
называемая средним квадратическим
отклонением СВ Х.
Размерность
совпадает с квадратом размерности СВ
Х,
размерность
– с размерностью самой СВ Х.