- •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
11.2.2 Теорема о дисперсии суммы
Теорема о дисперсии суммы случайных величин. Дисперсия суммы случайных величин равна сумме всех элементов корреляционной матрицы слагаемых:
. (11.7)
Доказательство:
Следствие. Дисперсия суммы некоррелированных случайных величин равна сумме дисперсий этих величин, так как :
. (11.8)
Если ,- не случайные коэффициенты, то дисперсияY равна:
. (11.9)
Это легко доказать, используя (11.7) и свойства дисперсии (D[c] = 0, D[X+c] = DX, D[c×X] = c2DX).
Пример. Докажем, что абсолютная величина корреляционного момента двух случайных величин не превышает среднего геометрического их дисперсий:
или .
Введем в рассмотрение случайные величины и вычислим их дисперсии по формуле (11.9):
; .
Так как дисперсия всегда неотрицательна, то и . Таким образом, .
11.3 Числовые характеристики произведения 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 .
11.3.1 Теорема о математическом ожидании произведения
Теорема о математическом ожидании произведения случайных величин. Математическое ожидание произведения двух случайных величин равно произведению их математических ожиданий плюс ковариация:
. (11.10)
Доказательство. По определению ковариация равна:
Откуда следует формула (11.10).
Следствие. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:
(11.11)
Доказательство: Пусть n = 2. Для независимых случайных величин , тогда формула (11.10) примет вид .
Используя метод математической индукции, легко доказать, что (11.11) справедлива для любого n.
11.3.2 Теорема о дисперсии произведения
Теорема о дисперсии произведения случайных величин. Дисперсия произведения независимых случайных величин равна
(11.12)
Доказательство: По определению дисперсия равна
.
Следствие. Дисперсия произведения независимых центрированных случайных величин равна произведению дисперсий этих величин:
. (11.12)
Лекция 12
12.1 Закон больших чисел
Пусть проводится некоторый опыт, в котором нас интересует значение случайной величины Х. При однократном проведении опыта нельзя заранее сказать, какое значение примет величина Х. Но при n-кратном (n > 100...1000) повторении «среднее» (среднее арифметическое) значение величины Х теряет случайный характер и становится близким к некоторой константе.
Закон больших чисел – совокупность теорем, определяющих условия стремления средних арифметических значений случайных величин к некоторой константе при проведении большого числа опытов.
12.1.1 Неравенство Чебышева
Неравенство Чебышева. Для любой случайной величины X с математическим ожиданием mX и дисперсией DX выполняют следующее неравенство:
, (12.1)
где ε > 0.
Доказательство. Рассмотрим вероятность :
Таким образом, . Заменив нецентрированную величину X на центрированную , получим .
Пример. Определим вероятность, что случайная величина примет значение за пределами интервала 3σX. Полагаем в неравенстве Чебышева , имеем:
.
Неравенство Чебышева дает только верхнюю границу вероятности данного отклонения. Значение вероятности быть выше этой границы (1/9) не может ни при каком законе распределения. Таким образом, правило 3σX выполняется с вероятностью не меньшей чем 8/9.
Сходимость по вероятности. Последовательность случайных величин Xn сходится по вероятности к величине a, , если при увеличении n вероятность того, что Xn и a будут сколь угодно близки, неограниченно приближается к единице:
где , - произвольно сколь угодно малые положительные числа.
Одна из наиболее важных форм закона больших чисел – теорема Чебышева, она устанавливает связь между средним арифметическим наблюдаемых значений случайной величины и ее математическим ожиданием.