- •Пример.
- •Определение случайного события.
- •Несовместные события.
- •Вероятность случайного события.
- •Свойства вероятности
- •Классическое определение вероятности события
- •Пример.
- •Основные формулы теории вероятностей Независимость случайных событий.
- •Правило умножения вероятностей
- •Вероятность суммы событий.
- •Некоторые формулы комбинаторики. Правило сложения.
- •Правило умножения.
- •Пример.
- •Размещения и перестановки
- •Сочетания
- •Формула Пуассона
- •Формула полной вероятности.
- •Случайная величина.
- •Пример.
- •Дискретные случайные величины.
- •Непрерывные случайные величины.
- •Числовые характеристики случайных величин.
- •Свойства дисперсии.
- •Некоторые законы распределения. Биномиальный закон распределения.
- •Закон распределения Пуассона.
- •Полиномиальное распределение
- •Пример.
- •Равномерный закон распределения случайной величины.
- •Нормальный закон распределения случайной величины (закон Гаусса).
- •Стандартная форма нормального закона распределения.
- •Распределение «хи-квадрат».
- •График распределения.
- •Показательный (экспоненциальный) закон распределения.
- •Структурные характеристики распределения случайной величины.
- •Медиана.
- •Квантиль.
- •Системы случайных величин.
- •Свойства функции распределения.
- •Свойства плотности вероятности.
- •Математическое ожидание и дисперсия системы случайных величин.
- •Дисперсия двумерной случайной величины.
- •Условное математическое ожидание.
- •Свойства коэффициента корреляции.
- •Функции случайных величин. Функции одной случайной величины.
- •Функция двух случайных величин.
- •Случайные функции.
- •Свойства математического ожидания случайной функции.
- •Свойства дисперсии случайной функции.
- •Свойства корреляционной функции.
- •Свойства взаимной корреляционной функции.
- •Свойства корреляционной функции стационарной случайной функции.
- •Математическая статистика. Выборочный метод.
- •Свойства эмпирической функции распределения.
- •Статистические оценки параметров распределения. Точечные оценки.
- •Метод моментов.
- •Метод наибольшего правдоподобия.
- •Распределение дискретной случайной величины.
- •Распределение непрерывной случайной величины.
- •Распределение выборочных характеристик.
- •Пример 1.
- •Пример 2.
- •3.Распределение выборочной дисперсии.
- •Доверительные интервалы.
- •Проверка статистических гипотез.
- •1.Понятие статистической гипотезы.
- •Проверкa гипотезы о равенствt средних двух нормальных распределений с известными дисперсиями.
- •Двухвыборочный t-тест с одинаковыми и различными дисперсиями.
- •Двухвыборочный f-тест для дисперсий.
- •Парный двухвыборочный t-тест для средних значений.
- •Дисперсионный анализ.
- •Двухфакторный дисперсионный анализ без повторений и с повторениями
Свойства коэффициента корреляции.
rxy [-1,1].
Если Х и Y независимы, то rxy=0.
Если Х и Y связаны линейной зависимостью вида Y=а+bX, то rxy=1.
Если rxy =1, то случайные величины Х и Y связаны линейной функциональной зависимостью:
прямой – если rxy=1, обратной - если rxy=-1.
Функции случайных величин. Функции одной случайной величины.
Пусть рассматриваются две случайные величины Х и Y, которые связаны функциональной зависимостью вида Y= (X).
Если Х – дискретная случайная величина, закон распределения которой определяется формулой
,
то случайная величина Y также дискретна, а её закон распределения выражается следующим образом:
, где yi = φ(xi), а = .
Математическое ожидание и дисперсия случайной величины Y вычисляется по формулам:
для дискретной случайной величины
М[Y]=М[ (X)]= ,
D[Y] = D[[ (X)] = Σ(yi – my)2 pi = Σ( (xi) – my)2 pi
и для непрерывной случайной величины
М[Y]=М[ (X)] =
D[Y]=D[ (X)]= .
Функция двух случайных величин.
Пусть рассматривается система двух случайных величин . Если каждой паре возможных значений случайных величин соответствует одно возможное значение Z= , которое находится по определённому закону, то случайная величина Z называется функцией двух случайных аргументов .
Для функции двух и более случайных аргументов удобнее сначала находить функцию распределения G(z), а затем плотность вероятности g(z):
.
Если - система дискретных случайных величин, то
,
где .
Если - система непрерывных случайных величин, то
,
где - плотность распределения случайной величины Z.
Важное значение имеет задача определения закона распределения суммы двух случайных величин:
Z= Х+Y.
Плотность распределения этой суммы равна:
или
Если случайные величины Х и Y независимы, то ,
и можно записать:
или
где , - плотности распределения случайных величин Х и Y.
Случайные функции.
ОСНОВНЫЕ ПОНЯТИЯ И ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ФУНКЦИЙ.
Cлучайной функцией X(t) называют функцию неслучайного аргумента t, которая при каждом фиксированном значении t является случайной величиной. Если аргументом случайной функции является время, то случайная функция называется случайным процессом.
Сечением случайной величины X(t) называют случайную величину, соответствующую фиксированному значению аргумента случайной величины t.
Реализацией случайной функции X(t) называют неслучайную функцию аргумента t – x(t), которой соответствуют значения случайной функции, являющиеся результатом испытания.
Случайную функцию можно рассматривать как совокупность неслучайных величин {x(t)}, зависящих от параметра t, или как совокупность её возможных реализаций.
Характеристиками случайной функции называют её моменты, которые являются неслучайными функциями.
Математическим ожиданием случайной функции X(t) называют неслучайную функцию mx(t), значение которой при каждом фиксированном значении аргумента равно математическому ожиданию сечения, соответствующего этому же значению аргумента:
mx(t)=М[X(t)].