- •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
10.3 Многомерные случайные величины
Совокупность произвольного числа n одномерных случайных величин Хi, i = 1,…,n, которые принимают значение в результате проведения одного и того же опыта, называется n-мерной случайной величиной (Х1, Х2, …Хn). Ее можно интерпретировать как случайную точку или случайный вектор в n-мерном пространстве.
Полной характеристикой n-мерной случайной величины (Х1, Х2, …Хn) является n-мерный закон распределения, который может быть задан функцией распределения или плотностью вероятности.
10.3.1 Функция распределения
Функцией распределения n-мерной случайной величиной (Х1, Х2, …Хn) называется вероятность выполнения n неравенств вида Хi <xi:
. (10.6)
Функцию распределения любой частной системы из величин, входящих в систему, можно получить, если положить все остальные аргументы n-мерной функции распределения равными бесконечности.
10.3.2 Плотность распределения
Плотностью распределения n-мерной случайной величиной (Х1, Х2, …Хn) называется n-я смешанная частная производная функции , взятая один раз по каждому аргументу:
. (10.7)
Она обладает следующими свойствами:
1. f(x1…xn) 0.
2. Условие нормировки:
(10.8)
3. Плотности распределения меньшего порядка могут быть получены путем интегрирования n-мерной плотности распределения по ненужным переменным. Например, одномерная плотность распределения величины Хк равна:
(10.9)
4. Вероятность попадания случайной точки (Х1, Х2, …Хn) в пределы n-мерной области D равна n-кратному интегралу по этой области:
(10.10)
Случайные величины (Х1, Х2, …Хn) называются независимыми, если закон распределения каждой частной системы, выделенной из системы (Х1, Х2, …Хn), не зависит от того, какие значения приняли остальные случайные величины.
Плотность распределения системы независимых случайных величин равна произведению плотностей распределения отдельных величин, входящих в систему: .
10.3.3 Числовые характеристики
Основные числовые характеристики n-мерной случайной величиной (Х1, Х2, …Хn) следующие.
1. Вектор математических ожиданий M=(m1,m2,…mn):
(10.11)
2. Вектор дисперсий D=(D1,D2,…Dn)
(10.12)
3. Корреляционная матрица, характеризующая попарную корреляцию всех величин, входящих в систему:
где
. (10.13)
Данная матрица является симметричной () и включает в себя вектор дисперсий, так какКii = Di
4. Матрица коэффициентов корреляции:
,
где
. (10.14)
Матрица квадратная и симметричная.
Лекция 11
11.1 Числовые характеристики функции многих переменных
Пусть Y = (x1 , x2 ,…,xn), где Х1 , Х2 ,…Хn - случайные величины с известной совместной n-мерной плотностью вероятностей.
Начальные моменты величины Y определяются по формуле
, (11.1)
а центральные моменты по формуле
, (11.2)
причем
, (11.3)
. (11.4)
В случае, когда совместная плотность вероятности аргументов неизвестна, а известны числовые характеристики аргументов, то задача определения числовых характеристикY разрешима только для определения классов функций .
11.2 Числовые характеристики суммы случайных величин
Пусть , гдеХ1 , Х2 ,…Хn - случайные величины с известными числовыми характеристиками:
- вектор математических ожиданий M=(m1,m2,…mn);
- вектор дисперсий D=(D1,D2,…Dn);
- корреляционная матрица .
11.2.1 Теорема о математическом ожидании суммы
Теорема о математическом ожидании суммы случайных величин. Математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых:
. (11.5)
Доказательство. Пусть n = 2, т.е. Y = Х1 + Х2 и предположим, что слагаемые непрерывные случайные величины с некоторой совместной плотностью распределения . Тогда
Аналогично и для дискретных слагаемых. Используя метод математической индукции, легко доказать, что теорема справедлива для любого n.
Если , где- не случайные коэффициенты, то математическое ожиданиеY равно:
; (11.6)
Это легко доказать, используя (11.5) и свойства математического ожидания (M[c] = c, M[X+c] = ,M[c×X] = ).