- •Лекционный курс
- •Раздел 1. Линейная алгебра с элементами аналитической геометрии
- •Тема 1. Элементы векторной алгебры и ее приложения.
- •1.1. Линейные операции над векторами
- •1.2. Скалярное произведение векторов
- •1.3. Векторное произведение векторов
- •1.4. Типовые задачи, решаемые средствами векторной алгебры
- •1.5. Линейное, евклидово и нормированное пространства.
- •Тема 2. Матрицы и определители
- •2.1. Понятие матрицы и действия с ними.
- •2.2. Транспонирование матриц
- •2.3. Произведение матриц.
- •2.4. Ранг матрицы
- •2.5. Понятие обратной матрицы
- •2.6.Определители и их свойства.
- •2.7. Линейные операторы и матрицы
- •2.8. Задача о собственных значениях
- •2.9. Свойства симметрических матриц
- •2.10. Квадратичные формы и их приведение к каноническому виду
- •Тема 3. Системы линейных уравнений
- •3.1.Формулы Крамера
- •3.2. Метод Гаусса.
- •3.3.Матричный метод решения линейной системы.
- •3.4. Понятие о приближенных методах решения линейных систем
- •Тема 4. Элементы аналитической геометрии на прямой, плоскости и в трехмерном пространстве.
- •4.1. Уравнения линий и поверхностей
- •4.2. Уравнение 1-й степени на плоскости
- •4.3. Уравнения первой степени в пространстве
- •4.4. Уравнения первой степени в пространстве
- •4.5. Типовые задачи на плоскость в пространстве.
- •4.6. Уравнения 2-й степени на плоскости.
- •4.7. Уравнения 2-й степени в пространстве
- •4.8. Цилиндры и поверхности вращения
- •Раздел 2. Математический анализ и дифференциальные уравнения.
- •Тема 5.Функции и их свойства
- •5.1. Функция, способы ее задания, свойства, график функции, преобразование графика сдвигом и деформацией.
- •Тема 6. Пределы и непрерывность.
- •6.1. Понятие предела
- •6.2. Замечательные пределы.
- •6.3. Алгоритм вычисления пределов.
- •6.4. Примеры эквивалентных бмв.
- •Тема 7. Производная и дифференциал функции.
- •7.1. Понятие производной
- •7.2. Дифференциальное исчисление функции одного переменного.
- •7.3. Из определения вытекает алгоритм вычисления производной.
- •7.4.Таблица и основные правила.
- •7.5. Производная и дифференциал.
- •7.6. Производная и дифференциал высшего порядка.
- •Тема 8. Приложения производной
- •8.2.Приложение производной к исследованию функций.
- •Тема 9. Неопределенный интеграл.
- •9.1.Первообразная. Неопределенный интеграл и его свойства
- •9.3.Методы интегрирования.
- •9.4.Рациональные дроби.
- •9.4.Рациональные тригонометрические функции.
- •9.5.Простейшие иррациональные выражения.
- •Тема 10. Определенный интеграл.
- •Методы нахождения определенного интеграла
- •10. 2.Несобственные интегралы.
- •Тема 11. Дифференциальные уравнения.
- •11.1 Определение дифференциального уравнения
- •11.2. Некоторые дифференциальные уравнения первого порядка. Методы Их Решения.
- •Тема 12 Функции нескольких переменных
- •12.1.Основные понятия
- •12.2.Непрерывность функций нескольких переменных
- •12.3.Частные производные и дифференциалы
- •12.4. Производная по направлению и градиент
- •12.5. Производная сложной функции нескольких переменных
- •12.6. Производные и дифференциалы высших порядков
- •12.7. Производные неявных функций
- •12.8.Экстремумы функций нескольких переменных
- •Раздел 3. Ряды.
- •Тема 13. Числовые и степенные ряды.
- •Раздел 4. Теория вероятностей и математическая статистика
- •Тема 14. Основные понятия теории вероятностей.
- •1. Понятие события.
- •2. Классическое определение вероятности. Свойства вероятности.
- •3. Статистическое определение вероятности.
- •4. Элементы комбинаторики
- •Тема 15. Основные теоремы теории вероятностей и следствия из них.
- •15.1.Теорема сложения.
- •15.2. Условная вероятность события. Теорема умножения
- •15.3. Вероятность появления хотя бы одного события
- •15.4. Формула полной вероятности.Формула Байеса.
- •15.5. Повторные независимые испытания
- •15.6. Локальная теорема Муавра- Лапласа
- •15.7. Интегральная теорема Муавра-Лапласа.
- •Тема 16. Случайные величины и способы их описания
- •16.1. Понятие случайной величины. Дискретные и непрерывные
- •16.2. Функция распределения случайной величины. График функции
- •16.4. Равномерный закон распределения.
- •16.6. Правило «трех сигм».
- •16.7. Показательное распределение.
- •16.8. Функция надежности.
- •16.9. Показательный закон надежности.
- •16.10. Математическое ожидание.
- •16.11. Дисперсия.
- •16.12. Числовые характеристики непрерывных случайных величин.
- •16.13. Числовые характеристики случайных величин, имеющих некоторые стандартные законы распределения.
- •1. Биномиальное распределение.
- •2. Закон Пуассона.
- •3. Равномерное распределение.
- •4. Нормальное распределение.
- •16.14. Закон больших чисел. Неравенство Чебышева. Теоремы Чебышева и Бернулли.
- •Корреляционный анализ.
- •Глоссарий
- •Темы контрольных работ.
- •Основная литература
- •Дополнительная литература
16.11. Дисперсия.
Для того, чтобы иметь представление о поведении случайной величины, недостаточно знать только ее математическое ожидание. Рассмотрим две случайные величины: Х и Y, заданные рядами распределения вида
Х |
49 |
50 |
51 |
р |
0,1 |
0,8 |
0,1 |
Y |
0 |
100 |
p |
0,5 |
0,5 |
Найдем М(Х) = 49·0,1 + 50·0,8 + 51·0,1 = 50, М(Y) = 0·0,5 + 100·0,5 = 50. Как видно, мате-матические ожидания обеих величин равны, но если для Х М(Х) хорошо описывает пове-дение случайной величины, являясь ее наиболее вероятным возможным значением (при-чем остальные значения ненамного отличаются от 50), то значения Y существенно отсто-ят от М(Y). Следовательно, наряду с математическим ожиданием желательно знать, на-сколько значения случайной величины отклоняются от него. Для характеристики этого показателя служит дисперсия.
Определение. Дисперсией (рассеянием) случайной величины называется математи-ческое ожидание квадрата ее отклонения от ее математического ожидания:
D(X) = M (X – M(X))².
Пример. Найдем дисперсию случайной величины Х (числа стандартных деталей среди отобранных) в примере 1 данной лекции. Вычислим значения квадрата отклонения каждого возможно-го значения от математического ожидания:
(1 – 2,4)2 = 1,96; (2 – 2,4)2 = 0,16; (3 – 2,4)2 = 0,36. Следовательно,
Замечание 1. В определении дисперсии оценивается не само отклонение от среднего, а его квадрат. Это сделано для того, чтобы отклонения разных знаков не компенсировали друг друга.
Замечание 2. Из определения дисперсии следует, что эта величина принимает только неотрицательные значения.
Замечание 3. Существует более удобная для расчетов формула для вычисления дисперсии, справедливость которой доказывается в следующей теореме:
Теорема. D(X) = M(X ²) – M ²(X).
Доказательство.
Используя то, что М(Х) – постоянная величина, и свойства математического ожидания, преобразуем формулу (7.6) к виду:
D(X) = M(X – M(X))² = M(X² - 2X·M(X) + M²(X)) = M(X²) – 2M(X)·M(X) + M²(X) =
= M(X²) – 2M²(X) + M²(X) = M(X²) – M²(X), что и требовалось доказать.
Пример. Вычислим дисперсии случайных величин Х и Y, рассмотренных в начале этого раздела. М(Х) = (492·0,1 + 502·0,8 + 512·0,1) – 502 = 2500,2 – 2500 = 0,2.
М(Y) = (02·0,5 + 100²·0,5) – 50² = 5000 – 2500 = 2500. Итак, дисперсия второй случайной величины в несколько тысяч раз больше дисперсии первой. Таким образом, даже не зная законов распределения этих величин, по известным значениям дисперсии мы можем утверждать, что Х мало отклоняется от своего математического ожидания, в то время как для Y это отклонение весьма существенно.
Свойства дисперсии.
Дисперсия постоянной величины С равна нулю:
D (C) = 0.
Доказательство. D(C) = M((C – M(C))²) = M((C – C)²) = M(0) = 0.
Постоянный множитель можно выносить за знак дисперсии, возведя его в квадрат:
D(CX) = C²D(X). Доказательство. D(CX) = M((CX – M(CX))²) = M((CX – CM(X))²) = M(C²(X – M(X))²) =
= C²D(X).
Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий:
D(X + Y) = D(X) + D(Y). (7.10)
Доказательство. D(X + Y) = M(X² + 2XY + Y²) – (M(X) + M(Y))² = M(X²) + 2M(X)M(Y) +
+ M(Y²) – M²(X) – 2M(X)M(Y) – M²(Y) = (M(X²) – M²(X)) + (M(Y²) – M²(Y)) = D(X) + D(Y).
Следствие 1. Дисперсия суммы нескольких взаимно независимых случайных величин равна сумме их дисперсий.
Следствие 2. Дисперсия суммы постоянной и случайной величин равна дисперсии случайной величины.
Дисперсия разности двух независимых случайных величин равна сумме их дисперсий:
D(X – Y) = D(X) + D(Y). Доказательство. D(X – Y) = D(X) + D(-Y) = D(X) + (-1)²D(Y) = D(X) + D(X).
Дисперсия дает среднее значение квадрата отклонения случайной величины от среднего; для оценки самого отклонения служит величина, называемая средним квадратическим отклонением.
Определение. Средним квадратическим отклонением σ случайной величины Х называется квадратный корень из дисперсии:
.
Пример. В предыдущем примере средние квадратические отклонения Х и Y равны соответственно