- •Лекция № 1 Место и роль дисциплины в общеобразовательной структуре
- •Алгебра случайных событий
- •Понятие вероятности случайного события.
- •Лекция №2 Статистическая устойчивость вероятности события.
- •Аксиоматическое определение вероятности (по Колмагорову).
- •Элементарные теоремы теории вероятности.
- •Теорема вероятности полной группы событий.
- •Теорема сложения вероятностей.
- •Лекция № 3. Теорема о полной вероятности
- •(Схема независимых последовательных испытаний длиной n)
- •Биноминальное распределение (1) случайной величины
- •Геометрическая вероятность случайного события
- •Лекция №4 Полиномиальное распределение (схемы)
- •Ассимтотические приближения биноминального распределения (для схемы Бернулли)
- •3Способа аппроксимации данной формулы:
- •Лекция №5 Случайная величина
- •Функция распределения для непрерывной случайной величины
- •Лекция №6 Числовые характеристики случайной величины
- •Моментные характеристики
- •Центрированные моменты Центральные моменты
- •Дисперсия для непрерывной случайной величины
- •Лекция № 7
- •Примеры распределения случайной величины.
- •Лекция № 8
- •Лекция № 9
- •Лекция № 10
- •Лекция № 11 Теорема числовых характеристик
- •Лекция № 12 Центральные предельные теоремы
- •Случайные процессы
- •Свойства случайного процесса
- •Лекция № 13
- •Лекция № 14 Разложение апериодических случайных процессов.
- •Спектральная плотность случайного процесса.
- •Лекция № 15
- •Лекция № 16
- •Основные задачи математической статистики
- •Лекция №17 Задача оценивания параметров распределения Формальная постановка задачи
- •Лекция №18 Представление об интервальных оценках
- •Лекция 19 Логическая схема проведения испытаний статистической гипотезы.
- •Лекция № 20 Корреляционный и регрессионный анализ
- •Лекция № 21 Анализ временных рядов
Функция распределения для непрерывной случайной величины
F(x)
x
a b
Из общих свойств F(а) = 0; F(b) = 1. Если рассматривать абсолютно непрерывную случайную величину, то F(а) – монотонно возрастающая функция. Вероятностные свойства можно найти, если найти приращение в точках; разделим на приращение аргумента, проанализируем это приращение:
lim ∆F(x) / ∆x = f(x)
∆x→ 0
f(x) = dF(x) / dx
- производная функции F(x) - есть плотность распределения непрерывной случайной величины.
Плотность распределения непрерывной случайной величины – есть вероятность того, что реализация непрерывной случайной величины попадет в единичный интервал в окрестности выбранной точки x.
Зная плотность распределения F(x), можно найти саму функцию:
x
F(x) =∫ f(x) dx
a
А плотность распределения вызывает интерес в практических задачах.
P{x = c} = 0
P{α ≤ x ≤ β } = F(β) – F(α)
P{c ≤ x ≤ c + ∆x} ≈ f(c) ∆x
Вывод: применение плотности распределения случайной величины F(x) позволяет уточнить местные вероятностные свойства случайной величины.
Лекция №6 Числовые характеристики случайной величины
Рассмотренные в предыдущем параграфе вероятностные характеристики случайной величины дают полное описание вероятностных свойств случайной величины. В практике анализа исследования случайных величин обладают меньшим объемом сведений. В таких ситуациях прибегают к использованию интегральных свойств случайной величины и говорят об интегральном описании случайной величины. К таким интегральным характеристикам относятся числовые характеристики случайной величины. Они делятся на:
характеристики положения характеризуются расположением случайной величины вдоль оси х;
моментные характеристики отражают особенности графика, отражено либо плотность распределения или закон распределения;
Представления о свойствах прямой.
Числовые характеристики, относящиеся к характеристикам положения.
Медиана (Ме) – есть такое значение, для которого вероятность случайной величины меньше или равно значения медианы:
P{x ≤ Me} = P{x > Me}
х - такое значение случайной величины, для которой вероятность какой-то реализации будет меньше медианы. Медиана может совпасть с какой-то реализацией.
Pi
P1
Pi-1 Pn
Pi-2
… …
Сточки зрения моды отличают одномодальную случайную и другие многомодальные. Мода определяется из условияf(x) = 0
f(x)
x
0
Моментные характеристики
Моментные характеристики являются аналогом использования теоретической механики, понятием центра тяжести фигуры, центр масс кривой. Рассмотрим начальные моменты. Если рассматриваются дискретные случайные величины.
n
М(k)[X] = μk = ∑ xik P(xi) k=1,2
i=1
k – порядок;
xik - i-я реализация случайной величины х;
P(xi) – вероятность этой реализации;
n – число реализаций.
Характеризует центр случайной величины М[x] = Мi
x
х1 х2 хi хn
n
∑ xi P(xi)
i=1
Первый начальный момент называют математическое ожидание случайной величины. Смысл мат. ожидания дает пример усреднения вероятностного объекта случайной величины.
Вычисляя мат. ожидание мысленно осуществляем замену:
М[x] mx
Чтобы получить представление о случайной величине действуем оператором М – мат. ожидание. Действие этого оператора будем называть математическим ожиданием. В результате действия математического ожидания мы получаем число mx .
μk [x] с целью получения уточненного описания свойств случайной величины. В самом первом приближении часто используют математическое ожидание. Если рассматривается непрерывная случайная величина, случайные моменты k-го порядка, то правила определения этих порядков следующие:
b
Мк(к) [X] = ∫ xk f(x) dx ;
a
где a,b – область значения случайной величины.
Найдем математическое ожидание: b
М [X] = ∫ x f(x) dx
a