- •А.А. Халафян
- •Лекция 1. Теории вероятностей. История возникновения. Классическое определение вероятности
- •Классическое определение вероятности
- •Лекция 2. Теоремы сложения и умножения вероятностей. Статистическое, геометрическое определение вероятности
- •Статистическое определение вероятности
- •Геометрическое определение вероятности
- •Последовательность испытаний. Формула Бернулли
- •Лекция 3. Аксиоматическое построение теории вероятностей. Аксиоматика колмогорова
- •Лекция 4. Случайная величина. Функция распределения
- •Основные свойства функции распределения
- •X1 x2 … xn …, причём xn→-∞, n→∞.
- •Лекция 6. Интегральная теорема муавра–лапласа, теорема бернулли
- •Лекция 7. Непрерывные случайные величины
- •Свойства непрерывной случайной величины
- •Законы распределения непрерывных случайных величин Равномерное распределение
- •Экспоненциальное распределение
- •Нормальное распределение
- •Лекция 8. Понятие многомерной случайной величины
- •Аналогично закон распределения y имеет вид
- •Лекция 9. Функция распределения многомерной случайной величины
- •Плотность вероятностей двумерной случайной величины
- •Лекция 10. Свойства плотности вероятностей двумерной случайной величины
- •Лекция 11. Функции от случайных величин
- •Лекция 12. Теорема о плотности суммы двух случайных величин
- •Лекция 13. Распределения стьюдента, фишера .Числовые характеристики случайных величин
- •Числовые характеристики случайных величин
- •Свойства математического ожидания случайной величины
- •Лекция 14. Числовые характеристики случайных величин (продолжение)
- •Другие характеристики центра группирования случайной величины
- •Характеристики вариации случайной величины
- •Свойства дисперсии
- •Свойства среднеквадратического отклонения
- •Лекция 15. Вычисление дисперсии основных распределений
- •Лекция 16. Числовые характеристики меры связи случайных величин
- •Лекция 17. Предельные теоремы теории вероятностей. Неравенство чебышева. Закон больших чисел
- •Неравенство Чебышева
- •Закон больших чисел
- •Закон больших чисел для одинаково распределенных случайных величин
- •Закон больших чисел в форме Бернулли
- •Лекция 18. Центральная предельная теорема
- •Лекция 19. Математическая статистика. Предмет математической статистики. Вариационные ряды
- •Лекция 20. Средние величины. Показатели вариации
- •Свойства среднего арифметического
- •Показатели вариации (изменчивости) вариационного ряда
- •Свойства дисперсии
- •Статистическая выборка
- •Лекция 21. Оценка параметров генеральной совокупности
- •Лекция 22. Точечные и интервальные оценки параметров распределения Метод наибольшего правдоподобия
- •Метод моментов
- •Интервальная оценка
- •Лекция 23. Проверка статистических гипотез
- •Лекция 24. Проверка гипотезы о равенстве средних
- •Проверка гипотезы о равенстве дисперсий
- •Проверка гипотезы о законе распределения
- •Лекция 25. Элементы регрессионного и корреляционного анализов
- •Линеаризующие преобразования
- •Линейный множественный регрессионный анализ
- •Множественный корреляционный анализ
- •Библиографические ссылки
Другие характеристики центра группирования случайной величины
1. Среднегеометрическое случайной величины Х: G(Х) = eM(ln Х).
Пусть Х – дискретная случайная величина, имеющая равномерное распределение.
, тогда
– среднее геометрическое.
2. Среднее гармоническое: .
Используется в экономике в индексных расчетах.
3. Медиана: Me(x) – квантиль xp, соответствующая вероятности p = 0,5.
Точка хр, являющаяся решением уравнения F(xp) = р, называется квантилью распределения. Медиана используется в качестве характеристики среднего, если случайная величина измерена в порядковой шкале.
4. Мода: M0(x) – это значение случайной величины, соответствующей максимальной вероятности pi, если X – дискретная величина. Используется для оценки среднего величин, измеренных в номинальной шкале.
Если Х – непрерывная случайная величина, то мода – точка локального максимума плотности распределения.
Если плотность одномодального распределения непрерывной случайной величины симметрична относительно некоторой прямой х = а, то МХ = Ме(х) = М0(х) = а.
Характеристики вариации случайной величины
Характеристики вариации дают представления о степени отклонения случайной величины от центра группирования. Одной из характеристик вариации является среднее модуля отклонения случайной величины от своего математического ожидания. Для дискретной случайной величины
,
для непрерывных
.
Данную характеристику используют редко, так как выражение задается разными функциями на разных участках. Этого недостатка лишены дисперсия и среднеквадратическое отклонение.
Определение 1. Дисперсией случайной величины X называют число, равное математическому ожиданию квадрата отклонения случайной величины от её математического ожидания:
. (1)
Если Х – непрерывная, то . (2)
Если Х – дискретная, то . (3)
Формулы (2) и (3) следуют из определения дисперсии и теорем 1 и 2 лекции 13. Часто пользуются другой формулой
. (4)
Доказательство.
Определение 2. Средним квадратическим отклонением случайной величины называется квадратный корень из дисперсии: .
Пример1. Пусть Х – погрешность регистрации веса при взвешивании на весах с ценой деления 1 кг. Y – погрешность с ценой деления 2 кг. Найти DX, DY, σx, σy.
Будем считать, что погрешности Х и Y равномерно распределены соответственно на интервалах (–0,5; 0,5) и (–1; 1), .
Тогда
Пользуясь выведенной формулой, получим – ; ; ; .
По условию задачи один из весов вдвое точнее других, а дисперсии отличаются в четыре раза, в то время как среднеквадратические отклонения отличаются в два раза. Таким образом, среднеквадратическое отклонение может служить мерой точности приборов. Заметим, что единица измерения дисперсии – кг2, а единица измерения среднеквадратического отклонения – кг, т.е. среднеквадратическое отклонение измеряется в тех же величинах, что и исходная величина.