- •Теория вероятности
- •План лекции
- •2.1.Случайные величины. Функция распределения.
- •Функция X f ( ) отображает множество Ω на множество действительных чисел R.
- •Случайные величины
- •СВ считается заданной, если задан ее закон распределения, либо соотношение между значениям xi
- •Функцией распределения СВ X называется функция F(X), выражающая вероятность того, что СВ X
- •Функция распределения F(x)
- •2.2 Дискретные случайные величины (ДСВ). Способы задания.
- •Рядом распределения ДСВ X называется таблица, где перечислены возможные (различные) значения этой СВ
- •Графическим изображением ряда распределения ДСВ является многоугольник распределения, который представляет собой ломаную, соединяющую
- •Графически, функция распределения F(x)ДСВ X есть разрывная ступенчатая функция.
- •2.3. Непрерывные случайные величины (НСВ).
- •Плотностью вероятности СВ называется производная ее функции распределения F(X) :
- •График плотности вероятности
- •Основные свойства плотности вероятности:
- •Пример.
- •3) Вероятность попадания СВ X в интервал a;b
- •Свойства M (x) :
- •Отклонение СВ
- •Модой СВ называют ее наиболее вероятное значение.
- •Медианой СВ X называется такое ее значение
- •Обобщением понятия медианы является квантиль порядка
- •2.4.2.Характеристики рассеивания СВ.
- •Дисперсией СВ X называется неотрицательное число
- •Для наглядности характеристики рассеивания удобно пользоваться средним квадратическим отклонением x СВ, размерность x
- •Свойства Дx и x :
- •При вычислении центральных моментов 2-го, 3-го, … порядков используются формулы:
- •Центральный момент третьего порядка характеризует асимметрию распределения СВ.
- •Нормальная
- •Для характеристики «островершинности» распределения служит характеристика называемая
- •Пример 1. ДСВ X - число попаданий в мишень при трех выстрелах. Вероятность
- •Пример 2. Дана плотность вероятности СВ :
- •Пример 3. Найти медиану СВ X , имеющей плотность:
Для наглядности характеристики рассеивания удобно пользоваться средним квадратическим отклонением x СВ, размерность x совпадает с размерностью СВ X.
Среднеквадратическим отклонением СВ X
называется неотрицательное число:(x) x Д(x)
Случайные величины
Свойства Дx и x :
1) |
Д(с) 0 |
1) (c) 0 |
|
|
|||||
2) Д(cx) c2Д(x) |
2) (cx) |
|
c |
|
(x) |
|
|
||
|
|
|
|
||||||
|
|
|
|
||||||
3) |
Если X и Y – независимые СВ, то: |
|
|
||||||
|
Д(x y) Д(x) Д(y) |
(x y) |
2(x) 2(y) |
|
|||||
4) Д(c x) Д(x) |
4) (c x) (x) |
|
|||||||
|
5) Для любых случайных величин, имеющих |
||||||||
конечную дисперсию, справедливо соотношение: |
|||||||||
|
Д(x) Д(y) Д(x) Д(y) 2cov(x,y) |
||||||||
где cov(x,y) - ковариация |
|||||||||
|
cov(x,y) M((X m )(Y m )) |
||||||||
|
x |
x |
|||||||
|
Случайные величины |
6)Д( x y) 2Д(X ) 2Д(X ) 2 cov(x,y)
7)Д(xy) Д(x)* Д(y) mx2Д(y) m2y Д(x)
Случайные величины
2.4.3. |
Моменты |
случайной |
величины. |
Моменты случайной
величины
начальны
е
Начальным моментом k- го порядка (k=1,2,3… ) СВ X называется число, равное математическому ожиданию k-ой степени этой СВ.
центральные
Центральным моментом k- го порядка ( k=1,2,3…) СВ X называется математическое ожидание k- ой степени отклонения этой величины от ее математического ожидания.
|
|
n |
для ДСВ; |
|
|
|
n |
|
mx)k pi |
для ДСВ; |
|
|
xik pi |
|
|
|
(xi |
||||
M (xk ) i 1 |
|
M[(x m )k ] i 1 |
|
|
|
|||||
|
|
|
|
|
x |
|
|
|
|
|
k |
|
|
|
k |
|
|
(x mx)k f (x)dx для НСВ. |
|||
|
(x)dx для НСВ. |
|
||||||||
|
|
xk f |
|
|
|
|
||||
|
|
|
Случайные величины |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
При вычислении центральных моментов 2-го, 3-го, … порядков используются формулы:
0 1
1 0
2 Д(x) 2 12 2 mx2
3 3 3 1 2 2 13 3 3mx 2(x) 2m3x
4 4 4 1 3 6 12 2 3 14 4 4mx 3 6mx2Д(x) 3mx4
Случайные величины
Центральный момент третьего порядка характеризует асимметрию распределения СВ.
За меру отклонения (асимметрии) распределения СВ X от симметрии относительно M(x) (центра распределения) принимают число A равное:
Ax 3
3x
где A – коэффициент асимметрии, или скошенности
Случайные величины
Нормальная
кривая
A>0 A<0
0 Mx |
Mx |
A 0 - функция плотности вероятности симметрична
M (x) Mo Me
A 0, |
Mo M(x) и |
A 0, |
Mo M(x) |
Случайные величины
Для характеристики «островершинности» распределения служит характеристика называемая
эксцессом: |
|
|
|
|
E |
x |
4 |
3 |
|
|
|
4 |
|
|
|
|
|
x |
|
|
|
|
|
Нормальная |
|
|
|
|
кривая |
0
Случайные величины
Пример 1. ДСВ X - число попаданий в мишень при трех выстрелах. Вероятность попадания при одном выстреле
равна |
p 0,8 |
M (x) |
, |
Д(x) |
, |
|
x , |
M |
o , |
A |
|
|
|
||
. Найти: |
|
|
|
|
|
x . |
|
|
|
||||||
Решение: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Составим закон распределения СВ: |
|
|
|
|
|
|
|||||||||
xi |
0 |
1 |
2 |
|
3 |
|
|
|
|
|
|
|
|
|
|
pi |
0,008 |
0,096 |
0,384 |
0,512 |
|
|
|
|
|
|
|
||||
Вероятности p P(X x ) |
находим по формуле Бернулли: |
||||||||||||||
|
|
i |
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
P (m) Cm pmqn m |
|
|
|
|
|
||||||||
|
|
n |
|
|
n |
|
|
|
|
|
|
|
|
|
|
n 3, |
p 0,8, |
q 0,2 |
|
|
|
|
p3 P(X |
2) |
2 |
2 |
1 |
0,384 |
|||
p P(X 0) C00,800,23 0,008 |
|
||||||||||||||
|
C3 |
0,8 0,2 |
|||||||||||||
1 |
3 |
1 2 |
|
|
|
|
p P(X 3) C30,830,20 |
0,512 |
|||||||
|
1 |
0,096 |
|
||||||||||||
p2 P(X 1) C30,8 0,2 |
|
|
4 |
|
|
|
3 |
|
|
|
|||||
|
|
|
|
n |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
||||
|
|
|
i 1 i |
|
|
|
|
|
|
|
|
|
|||
|
|
|
Случайные величины |
|
|
|
|
|
|
M (x) 0 0,008 1 0,096 2 0,384 3 0,512 2,4 |
|
|
|
|
|
|||||||
Д(x) |
n |
2 |
pi |
2 |
|
|
|
2 |
|
|||
x |
|
mx 0 0,008 1 0,096 4 0,384 9 0,512 2,4 |
||||||||||
|
i |
1 |
|
|
|
|
|
|
|
|
|
|
0,096 1,536 4,608 5,57 0,48 |
|
|
|
|
|
|||||||
x |
|
|
|
0,69 |
|
|
|
|
|
|||
Д(x) |
0,48 |
|
|
|
|
|
||||||
Mo 3 |
|
|
|
|
т.к. для ДСВ – это то значение СВ, которое |
|||||||
реализуется с максимальной вероятностью. |
M |
o |
X 3 |
|||||||||
|
|
|
, т.к. |
|||||||||
– P(X 3) 0,512 наибольшая из всех вероятностей.3 |
|
|
Ax 3
3x
Ax 0,103
3 i31(xi mx)3 pi
3 (0 2,4)3 0,008 (1 2,4)3 0,096 (2 2,4)3 0,384 (3 2,4)3 0,512
0,03434
3x 0,693 0,3326
Случайные величины