- •Учреждение образования Белорусский государственный университет информатики и радиоэлектроники
- •Общие сведения Сведения об эумк
- •Методические рекомендации по изучению дисциплины
- •Рабочая учебная программа
- •Учреждение образования
- •«Белорусский государственный университет
- •Информатики и радиоэлектроники»
- •Пояснительная записка
- •Содержание дисциплины
- •2. Перечень тем практических занятий, их содержание и объем в часах
- •3. Литература
- •3.2 Дополнительная
- •4. Контрольные работы, их характеристика
- •5. Учебно-методическая карта дисциплины
- •Теоретический раздел Лекция 1
- •1.1 Введение
- •1.2 Основные понятия
- •1.3 Аксиомы теории вероятностей
- •1.4 Непосредственный подсчет вероятностей
- •1.5 Основные комбинаторные формулы
- •Лекция 2
- •2.1 Геометрическое определение вероятностей
- •2.2 Теоремы сложения вероятностей
- •2.3 Условная вероятность
- •2.4 Зависимые и независимые события
- •2.5 Теоремы умножения вероятностей
- •2.6 Вероятность безотказной работы сети
- •Лекция 3
- •3.1 Формула полной вероятности
- •3.2 Формула Байеса
- •3.3 Теорема о повторении опытов
- •Формула Пуассона
- •Формулы Муавра-Лапласа
- •Лекция 4
- •4.1 Случайные величины. Закон распределения вероятностей
- •4.2 Функция распределения
- •4.3 Ряд распределения
- •4.4 Плотность распределения
- •Лекция 5
- •5.1 Числовые характеристики случайной величины
- •5.1.1 Математическое ожидание
- •5.1.2 Начальные моменты
- •5.1.3 Центральные моменты
- •5.1.4 Дисперсия
- •5.1.5 Среднее квадратическое отклонение
- •5.1.6 Мода
- •5.1.7 Медиана
- •6.2 Типовые законы распределения непрерывных случайных величин
- •6.2.1 Равномерное распределение
- •6.2.2 Экспоненциальное распределение
- •6.2.3 Нормальное распределение
- •Лекция 7
- •7.1. Закон распределения функции случайного аргумента
- •7.1.1 Монотонно возрастающая функция
- •7.1.2 Монотонно убывающая функция
- •7.1.3 Немонотонная функция
- •7.2 Числовые характеристики функции случайного аргумента
- •7.2.1 Характеристическая функция случайной величины
- •Лекция 8
- •8.1 Двухмерные случайные величины. Двухмерный закон распределения
- •8.1.1 Двухмерная функция распределения
- •8.1.2 Матрица распределения
- •8.1.3 Двухмерная плотность распределения
- •8.2 Зависимые и независимые случайные величины
- •8.3 Условные законы распределения
- •Лекция 9
- •9.1 Числовые характеристики двухмерных величин
- •9.1.1 Смешанные начальные моменты
- •9.1.2 Смешанные центральные моменты
- •9.1.3 Корреляционный момент
- •9.1.4 Коэффициент корреляции
- •9.2Условные числовые характеристики
- •9.2.1 Pегрессия
- •Лекция 10
- •10.1 Нормальный закон распределения на плоскости
- •10.2 Закон распределения функции двух случайных величин
- •10.3 Многомерные случайные величины
- •10.3.1 Функция распределения
- •10.3.2 Плотность распределения
- •10.3.3 Числовые характеристики
- •11.2.2 Теорема о дисперсии суммы
- •11.3 Числовые характеристики произведения случайных величин
- •11.3.1 Теорема о математическом ожидании произведения
- •11.3.2 Теорема о дисперсии произведения
- •Лекция 12
- •12.1 Закон больших чисел
- •12.1.1 Неравенство Чебышева
- •12.1.2 Теорема Чебышева
- •12.1.3 Теорема Бернулли
- •12.2 Центральная предельная теорема
- •Лекция 13
- •13.1 Математическая статистика. Основные понятия
- •13.2 Оценка закона распределения
- •13.2.1 Эмпирическая функция распределения
- •13.2.2 Статистический ряд распределения
- •13.2.3 Интервальный статистический ряд
- •13.2.4 Гистограмма
- •Лекция 14
- •14.1 Точечные оценки числовых характеристик
- •14.1.1 Оценка математического ожидания
- •14.1.2 Оценка начального момента
- •14.1.3 Оценка дисперсии
- •14.1.4 Оценка центрального момента
- •14.1.5 Оценка вероятности
- •14.2 Оценка параметров распределения
- •14.3 Интервальные оценки числовых характеристик
- •14.3.1 Доверительный интервал для математического ожидания
- •14.3.2 Доверительный интервал для дисперсии
- •14.3.3 Доверительный интервал для вероятности
- •Лекция 15
- •15.1 Проверка статистических гипотез
- •15.1.1 Проверка гипотезы о равенстве вероятностей
- •15.2 Критерии согласия
- •15.2.1 Критерий Пирсона
- •15.2.2 Критерий Колмогорова
- •Лекция 16
- •16.1 Статистическая обработка двухмерных случайных величин
- •16.1.1 Оценка корреляционного момента
- •16.2.1 Гипотеза о равенстве математических ожиданий
- •16.2.2 Гипотеза о равенстве дисперсий
- •16.2.3 Гипотеза о равенстве законов распределения
- •Лекция 17
- •17.1 Оценка регрессионных характеристик
- •17.1.1 Метод наименьших квадратов
- •Практический раздел Контрольные работы Указания по выбору варианта
- •Контрольная работа №1. Теория вероятностей Задача 1. Случайные события. Вероятность события Условия вариантов задачи
- •Методические указания
- •Основные комбинаторные формулы
- •Примеры
- •Задача 2. Теоремы сложения и умножения вероятностей Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 3. Формула полной вероятности. Формула Байеса Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 4. Формула Бернулли Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 5. Дискретная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 6. Непрерывная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 7. Закон распределения функции случайного аргумента Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 8. Двухмерные случайные величины Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 9. Числовые характеристики суммы и произведения случайных величин Условия вариантов задачи
- •Методические указания
- •Примеры
- •Контрольная работа №2. Математическая статистика Задача 10. Обработка одномерной выборки Условие задачи
- •Методические указания
- •Оценка закона распределения
- •Точечные оценки числовых характеристик
- •Интервальные оценки числовых характеристик
- •Проверка статистических гипотез
- •Примеры
- •Задача 11. Обработка двухмерной выборки Условие задачи
- •Методические указания
- •Оценка регрессионных характеристик
- •Примеры
- •8,74746;
- •8,86278
7.1. Закон распределения функции случайного аргумента
В случае, если Х - дискретная случайная величина с известным рядом распределения вероятностей:
xi |
x1 |
x2 |
… |
xn |
pi |
p1 |
p2 |
… |
pi |
то определение ряда вероятностей Y не составит сложности. Так как , то значениебудет появляться вероятностьюpi :
yi |
(x1) |
(x2) |
… |
(xn) |
pi |
p1 |
p2 |
… |
pn |
(*)
Из (*) путем упорядочивания и объединения одинаковых значений получаем ряд распределения случайной величины Y:
yi |
y1 |
y2 |
… |
ym |
pj |
p1 |
p2 |
… |
pm |
Если Х – непрерывная случайная величина с известной плотностью вероятности , то алгоритм получения закона распределениязависит от вида. Рассмотрим участок оси абсцисс [а,b], на котором лежат все возможные значения величины Х, т.е. , в частном случае. Способ решения поставленной задачи зависит от поведения функции на участке [а,b]: монотонна она на этом участке или нет.
7.1.1 Монотонно возрастающая функция
Пусть - монотонно возрастающая функция. Определим функцию распределения случайной величины У.
По определению она равна
,
где (y) - обратная функция (x).
Для выполнения условия необходимо и достаточно, чтобы случайная величина Х попала на участок оси абсцисс от а до (y). Таким образом, функция распределения Y для аргумента X, распределенного в интервале [a,b], равна:
7.1.2 Монотонно убывающая функция
Пусть - монотонно убывающая функция. Определим функцию распределения случайной величиныY.
По определению она равна
где (y) - обратная функция (x).
Для выполнения условия необходимо и достаточно, чтобы случайная величина Х попала на участок оси абсцисс от х = (y) до b. Таким образом, функция распределения Y для аргумента X, распределенного в интервале [a,b], равна
Плотность вероятностей случайной величины для любого монотонного случая имеет следующий вид:
(7.1)
Пример. Пусть случайная величина Х имеет нормальный закон распределения ,. Найти
Функция строго монотонна, дифференцируема и имеет обратную.Воспользуемся формулой (7.1). Так как
то искомая плотность распределения функции :
.
7.1.3 Немонотонная функция
Пусть - немонотонная функция. Алгоритм получения закона распределения приведен ниже.
1. Построить график и определить диапазон значений .
2. Диапазон Y разбить на M интервалов, в каждом из которых одинаковая степень неоднозначности ki, i=1,2, .. M:
.
Степень неоднозначности ki – число значений Х, соответствующих одному значению Y, или число обратных функций для данного интервала j(у), j=1… ki.
3. Определить обратные функции j(у) = -1 (х) и вычисляется j'(у).
В общем случае число обратных функций j(у) в i-м интервале равко ki
4. Определить плотность вероятностей по следующей формуле:
(7.2)
В частном случае, когда обратные функций одинаковы для всех интервалов, формула (7.2) принимает вид
, (7.3)
а если величина Х равномерно распределена в интервале a, b, т.е. ее плотность равна , то выражение дляg(у) можно представить как
(7.4)
7.2 Числовые характеристики функции случайного аргумента
Пусть Y = (х), где X – случайная величина с известным законом распределения, и необходимо определить числовые характеристики Y. В том случае, когда закон распределения Y определен (см. выражения (7.1) (7.4)), то числовые характеристики Y легко вычислить по формулам (5.1) (5.7). Однако, если закон распределения величины Y в явном виде не нужен, а необходимы только ее числовые характеристики, применимы следующие формулы.
Если Х – дискретная случайная величина с известным рядом распределения вероятностей, то
; (7.5)
; (7.6)
; (7.7)
. (7.8)
Если Х – непрерывная случайная величина с известной плотностью вероятностей f(x), то формулы принимают вид
; (7.9)
; (7.10)
; (7.11)
. (7.12)