- •Вероятность событий
- •1.1 Элементарные понятия теории вероятности.
- •1.2 Операции над случайными событиями
- •1.3 Вероятность случайного события
- •1.4 Формулы комбинаторики
- •1.5 Вероятность произведения событий
- •1.6 Вероятность суммы событий
- •1.7 Формула полной вероятности. Формула Байеса.
- •Независимые повторные испытания
- •2.1 Формула Бернулли
- •2.2 Наивероятнейшее число появлений успеха в n независимых испытаниях.
- •2.3 Обобщение формулы Бернулли
- •2.4 Формула Пуассона
- •2.5 Локальная теорема Лапласа.
- •2.6 Интегральная теорема Лапласа
- •2.7 Вероятность отклонения относительной частоты от вероятности события a
- •Дискретные случайные величины
- •3.1 Основные определения
- •3.1.1.Дискретная случайная величина
- •3.1.2 Функция дискретной случайной величины
- •3.2 Законы распределения случайной дискретной величины
- •3.2.1. Биномиальное распределение
- •3.2.2. Распределение Пуассона
- •3.2.3. Геометрическое распределение
- •3.2.4. Гипергеометрическое распределение
- •3.3 Числовые характеристики дискретной случайной величины.
- •3.3.1. Математическое ожидание дискретной случайной величины
- •3.3.2. Математическое ожидание функции дискретной случайной величины
- •3.3.3. Свойства математического ожидания
- •3.3.4. Дисперсия дискретной случайной величины
- •3.3.5. Основные свойства дисперсии
- •3.4 Другие числовые характеристики дискретной случайной величины
- •3.4.1 Среднеквадратическое отклонение
- •3.4.2. Моменты k-го порядка
- •3.4.3. Нормированная случайная величина
- •3.4.4. Функция распределения дискретной случайной величины.
- •3.4.5. Мода и медиана дискретной случайной величины
- •3.4.6. Ковариация и коэффициент корреляции
- •Непрерывные случайные величины.
- •4.1. Функция распределения и плотность вероятности непрерывной случайной величины
- •5.2. Функция непрерывной случайной величины
- •5.3. Основные характеристики непрерывной случайной величины
- •5.3.1. Математическое ожидание
- •5.3.2. Дисперсия
- •5.3.3. Мода и медиана
- •5.3.4. Моменты k-го порядка
- •5.3.5. Асимметрия и эксцесс.
- •5.3. Законы распределения непрерывной случайной величины
- •5.3.1. Равномерное распределение
- •5.3.2. Показательное распределение
- •5.3.3. Нормальное распределение
- •5. Закон больших чисел
- •5.1. Центральная предельная теорема
- •5.2. Неравенство и теорема Чебышева.
- •5.3. Теорема Бернулли (Закон больших чисел)
- •5.4. Эмпирическая оценка параметров случайной величины
- •Система двух случайных величин
- •6.1. Закон распределения дискретной двумерной случайной величины
- •6.2. Функция распределения двумерной случайной величины
- •6.3. Свойства функции распределения двумерной случайной величины
- •6.4. Функция плотности вероятности непрерывной двумерной случайной величины
- •6.5. Функция двумерной случайной величины
- •6.6. Условные законы распределения составляющих двумерной случайной величины
- •6.6.1. Условные законы распределения дискретной случайной величины
- •6.6.2. Условные законы распределения непрерывной случайной величины
- •6.6.3. Условное математическое ожидание
- •6.7. Корреляция случайных величин
- •6.7.1 Независимость компонент двумерной случайной величины
- •6.7.2. Корреляционный момент и коэффициент корреляции
- •6.7.3. Линейная регрессия, линейная корреляционная зависимость.
3.4 Другие числовые характеристики дискретной случайной величины
3.4.1 Среднеквадратическое отклонение
Среднеквадратическим отклонением случайной величины X называется квадратный корень из ее дисперсии
(X)=(D(X))0.5
В отличие от дисперсии, размерность которой соответствует квадрату размерности случайной величины, среднеквадратичное отклонение измеряется в тех же единицах, что и сама случайная величина X и является более наглядной характеристикой степени разброса значений.
3.4.2. Моменты k-го порядка
Начальным моментом k-го порядка случайной величины X называется математическое ожидание величины Xk
k (X)=M(X k)=pixik
i
Таким образом, математическое ожидание случайной величины является ее начальным моментом первого порядка. Моменты с k1 позволяют “усилить ” роль тех значений, которые имеют малую вероятность, но большую величину.
Разность между случайной величиной X и ее математическим ожиданием называется центрированной случайной величиной.
X= X -M(X)
Центральным моментом k-го порядка случайной величины X называется математическое ожидание k-ой степени соответствующей центрированной величины.
Mk(X)=M(X k)=pi(xi- M(X))k
i
Дисперсия случайной величины является ее вторым центральным моментом.
3.4.3. Нормированная случайная величина
Нормированной случайной величиной называется величина
X=X/(X)
Легко показать, что
D(X)=D(X/(X))=1/((X)2D(X)=1
3.4.4. Функция распределения дискретной случайной величины.
Функция распределения дискретной случайной величины равна вероятности того, что дискретная случайная величина X в результате испытания примет значение, меньшее, чем заданная величина x.
F(x)=P(Xx), 0 F(x)1, -x
Рассмотрим в качестве примера дискретную случайную величину
xi
1
4
8
pi
0.3
0.1
0.6
X
При x1 функция F(x)=P(X x)=0
При 1x4 функция F(x)=P(X x)=0.3
При 4x8 функция F(x)=P(X x)=0.3+0.1=0.5
При x8 F(x)=P(X x)=1
На графике эта функция будет выглядеть следующим образом:
Рис. 7. Пример функции распределения дискретной случайной величины
3.4.5. Мода и медиана дискретной случайной величины
Модой дискретной случайной величины является ее наиболее вероятное значение. Например, в случае биномиального закона распределения наиболее вероятным будет значение k0=[np-q]+1. В примере, рассмотренном выше - Mo= 8.
Медиана дискретной случаной величины равна значению, начиная с которого функция распределения превышает 0.5. В рассмотренном примере Me=8
3.4.6. Ковариация и коэффициент корреляции
Пусть X и Y -две дискретные случайные величины с законами распределения
xk
x1
x2
...
xm
pk
p1
p2
...
pm
X
и
yi
y1
y2
...
yn
pi
g1
g2
...
gn
Y
Пусть для этих величин математическое ожидание равно M(X) и M(Y), а дисперсия - D(X) и D(Y). В общем случае эти величины могут быть зависимыми и математическое ожидание для произведения величин X и Y должно вычисляться по формуле
M(XY)=pijxiyj,
ij
В данном выражении pij - вероятность того, что величины X и Y одновременно примут значения xi и yj. Для независимых случайных величин
pij= pi gj
Ковариацией случайных величин X и Y называют математическое ожидание произведения центрированных случайных величин
Cov(X, Y)=M(XY)=M([X-M(X)][Y-M(Y)])
Для дискретных случайных величин X и Y
Cov(X, Y)=M(XY)= pij[xi- M(X)][yj- M(Y)]
ij
Если в определении ковариации раскрыть скобки, получим:
Cov(X, Y)= M([X-M(X)][Y-M(Y)])=
=M([XY-M(X)Y-M(Y)X+M(X)M(Y)]=
= M(XY)-2 M(X)M(Y)+M(X)M(Y)=
== M(XY)-M(X)M(Y)
Таким образом, мы получили для ковариации выражение, уже использованное ранее при доказательстве формулы для дисперсии суммы двух случайных величин. Как уже отмечалось, в случае, если X и Y - независимые величины, то Cov(X, Y)= 0.
Ковариация нормированных случайных величин
X=X/(X) и Y=Y/(Y)
называется коэффициентом корреляции.
( X, Y)= Cov(X, Y)=Cov(X, Y)/(X)/(Y)
Так же, как и ковариация, коэффициент корреляции обращается в 0, если величины X и Y независимы. Вместе с тем, обратное верно не всегда, то есть и для зависимых величин возможна ситуация, когда коэффициент корреляции равен 0.
Сверху значения модуля коэффициента корреляции ограничены единицей
|(X, Y)|1
Рассмотрим выражение
D(X + Y)= D(X)+ D(Y)+2 Cov(X, Y)=2[1+(X, Y)]0
Дисперсия не может быть отрицательной, поскольку в нее входят квадраты отклонений и неотрицательные вероятности. Для того, чтобы это условие было выполнено, необходимо, чтобы заключительное выражение в скобках было неотрицательным, то есть коэффициент корреляции обязан быть по модулю не больше единицы.
Равенство коэффициента корреляции единице выполняется только в том случае, когда величины X и Y связаны между собой линейной зависимостью
Пусть
|(X, Y)|=1
Тогда
D(X + Y)= 0,
следовательно
X + Y=C= const,
и
Y= C +X, Y= C +(Y)/(X)X,
то есть величины связаны линейно.
С другой стороны, если величины связаны линейной зависимостью
Y= aX+b,
то
M(Y)=aM(X)+b, D(Y)=a2D(X),
M(XY)= M(X(aX+b))= aM(X2)+bM(X)
M(X)M(Y)= a(M(X))2+bM(X)
и
( X, Y)= Cov(X, Y)=Cov(X, Y)/(X)/(Y)=
=[M(XY)- M(X)M(Y)]/(X)/(Y)= a·D(X)/((X)(X)|a|)
Результат равен 1 при a 0 и –1 при a 0