![](/user_photo/2706_HbeT2.jpg)
- •Преобраз Лапл:
- •Свертка функций
- •Прилож Оп исчисл
- •Случ События
- •Cлучайн величины
- •F(X) – Распредел дсв
- •Закон больш чисел
- •Сист 2х случ велич
- •Дсв(X,y) –Закон Распредел
- •Плотн распределен:
- •Условное м и d:
- •Коэф ковариации и кореляции
- •1) Кореляц Мом
- •Функц св
- •2. Φ(X) – монотон, деффиренц
- •Эл мат статистики
- •Регресс: корелляц анализ
- •Оц кач регрессии
- •3. Оц значим отдельн факторов
- •5.Оц значим мод в целом
- •3) Оц генерал ср X¯
Плотн распределен:
Двум СВ-непрер – ф непрер по X и Y
f(t,s)=p(t,s)=∂2F(t,s)/ ∂t∂s
Св-ва:
1) f(t,s)>=0,
2) ∫∫-∞+∞ f(t,s)dtds = 1
3) F(t,s)= ∫-∞tdn∫-∞s (u,v)dv
4)P((X,Y)изD)=∫ ∫Df(u,v)dudv
5)fx(t)= ∫-∞+∞f(t,v)dv, fy(t)= ∫-∞+∞f(u,s)du
Для X,Y независим: f(t,s)=fx(t)*fy(s)
Пример: X,Y независ. X-R(-1;3), Y-R(1;6) равном распр
З-н распределен
Условн зак распред СВ X из XY – з-н распред X, найден при услов чт Y прим опред знач.
Если СВ дискр: P(Y=yj| X=xi)= P(X=xi и Y=yj)/P(X=xi)
и наоборот
Пр: x\y -1 0 1 Σ (X|Y=-1) 2 4
2 0.06 0.24 0.30 0.6 P 0.3 0.7
4 0.14 0.06 0.20 0.4
Σ 0.2 0.3 0.5 1
Условное м и d:
1)ДСВ: M(Y|X=xi)= M(Y|xi)= Σ yj P(Y=yj| X=xi)
D(Y|xi)= Σ(yj – M[Y|X=xi])2 p(Y=yj|X=xi) = Σyj2P(Y=yi|X=xi) – M2(Y|xi)
2)НСВ: M(Y|X=x)= ∫-∞+∞yf(y|x)dy
D(Y|x)= ∫-∞+∞ (y-M[Y|x])2 f(y|x)dy=∫-∞+∞ y2 f(y|x)dy-M2[Y|x]
Коэф ковариации и кореляции
1) Кореляц Мом
Kxy=cov(X,Y)=M(XY) – M(X)*M(Y)=
= M[(X-M(x))*(Y-M(Y))]
1)ДСВ Kxy=ΣΣ (xi – M(X))(yj-M(y))pji =
Σσxiyjpij – M[X] *M[Y]
Знач: K(X,Y)=0 -> X,Y – независимы
Rxy= r(XY) = cov(X,Y)/σ[x]σ[y]=cov(X.Y)/√D(x)D(y)
Св-ва: -1<=r(x,y)<=1
r(x,y)=0 -> X,Y – независ
r(x,y)=+-1/ Y=aX+b – линейн связь
знач:хар-ет тесноту лин связи (мал знач – знач связь X и Y слабая или сильная но не линейн)
2)НСВ: Kxy=cov(X,Y)=∫∫-∞+∞(x=M[x])(y=M[y])f(X,Y)dxdy
=∫∫-∞+∞xyf(x,y)dxdy - M[X]M[Y]
Функц св
1. 1 перемен: Y=φ(X): 1)обратима: 1X->1Y, 1Y->1X
2) X-ДСВ -> Y –ДСВ
3) P(Y=y1)=(Y=φ(x1))=p(X=x1)=p1
xi 1 2 ... Y φ(x1) φ(x2)…
p p1 p2 ... P p1 p2 …
4) M[Y]=M[φ(x)]=Σyipi = Σ φ(xi)pi
5) Y=ax+b -> M[Y]=aM[X]+b –для лин функц
y=φ(x)=ax+b -> M[Y]=Σ(axi+b)pi=aM[X]+b
6) D[Y]=Σ(yi-M[Y]2)pi=Σyi2–M2[Y]= Σφ2(x)pi– M2[φ(X)]
2. Φ(X) – монотон, деффиренц
1) X-НСВ -> Y= φ(X) –НСВ
2) f(X)-> g(Y)=f(φ-1(y))*|( φ-1(y))'|
3. Z= φ(X,Y) – кажд паре одно Z
Ф. распред СВ – Z: G(Z)=p(z<t)=p(φ(x,y)<t)
Если X,Y –ДСВ с вер pij=p(X=xi, Y=yj)
Тогда G(Z)=Σpij (φ(x,y)<t)
Gz(t)=∫∫Dt f(X,Y) dx dy, где Dt{(x,y)| φ(x,y)<t}
Частн случ: Z=X+-Y, φ(x,y)=x+y
Gz(t)= ∫-∞+∞ dx ∫-∞t-xf(x,y)dy
Dt={(x,y)| x+y<t }
X,Y – независ -> f(x,y)=f1(x)-f2(y)
Плотн распредел Z: gz(t)=dG(t)/dt=
= d/dt (∫-∞+∞dx ∫-∞t-xf(x,y)dy)= ∫-∞+∞(d/dt∫-∞t-xf(x,y)dy)dx =
=∫-∞+∞ f(x,t-x)dx= ∫-∞+∞ f1(x) * f2(t-x)dx= (f1*f2)(t) – свертка
f(x,y)= ∂2F(x,y) / ∂x∂y
Эл мат статистики
Сущ X-СВ –> Fx(t)
CВ Х – наблюд в случ Эксперим (услов экспер не мен)
Вектор СВ (Х1,Х2,…Xn)
Конкр знач образ выборки: независ, одинак распредел X
Числа(x1,x2,…xn) – конкр знач получ при кажд испыт
Зак распред Fx(t) – Зак распред генеральн совок-ти
Выбор Св (x1,x2,…xn) - выборка
Вариац ряд: сущ X – рост студента курса: 163,178,159,187,178,182,182,168,178. Распол знач в пор возр(убыв) – вар ряд: X 159 163 168 178 182 187
f 1 2 1 3 2 1
X1,Xn – крайн члены вариац ряда
f-Частота встреч
Дискр вариац ряд(интервал – если знач зад промеж-ми)
Для Оц: D(Xn)=minD(X), M(Xn)=C – задан