- •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
Лекция № 8
Функцию распределения можно рассчитать
Вероятность того, что случайная величина попадет в интервал, определяется из общих свойств функцию распределения случайно величины
Если t положить равно 1 , то перепишем следующим образом.
, то вероятность приблизительно 0,68.
Если P- обратная вероятность
Вероятность того, что = 0,05
Отклонится реализация от математического ожидания на величину больше чем 2.
Если отклонится на 3,то Р=0,01, в этом заключается правило трех сигм.
Из тысячи реализаций одна тысяча попадет в интервал 3. Если определить математическое ожидание случайной величины, определи как интеграл:
Если взять интеграл по частям, выполнить соответствующие преобразования, интеграл окажется равным
Воспользуемся подстановкой: t=
Параметр распределения , входящий в функцию плотности распределения имеет значение среднего (математического ожидания) случайной величины. Число имеет понятный смысл – это среднее значение математического ожидания.
Если найдем дисперсию (2), найдем смысл параметра. Определение дисперсии случайной нормальной величины ,выполненное по формуле (2) ,показывает смысл второго параметра распределения- среднеквадратичное отклонение или стандартное отклонение. Чем больше, тем больше растянуто распределение.. Зная математическое ожидание и дисперсию, мы грубо оцениваем область наиболее вероятных значений случайной величины: узкая или более широкая область расположения.
Итоговая таблица свойств основных распределений случайных величин.
-
Наименование случайных величин
Распределение.
Формула.
Числовые характеристики
Мат. ожидание
Дисперсия.
1)Биномиальная случайная величина
n
2)Геометрически распределенная случайная величина
3)Пуассоновская случайная величина
А
А
4)Непрерывная случайная величина (равномерная)
5)Нормальная случайная величина
6)Экспоненциальная случайная величина
7)Гамма распределение – зависит от 2-х параметров
8)Случайная величина Коши (непрерывная)
-----
------
Подбором иможно получить разные графики. Вид графика определяется набороми.
Дополнительные способы описания случайной величины.
Производящие функции в описании свойств случайной величины.
Понятие производящих функций встречается в комбинаторике. Идея механизма производящих функций из комбинаторики, которые позволили упростить перечисление множества объектов.
Различают степенные и моментные производящие функции.
Производящей моментной функцией ПМФ дискретной целочисленной случайной величины z, принимающей значения z=0,1,2… , называют функцию, которая есть математическое ожидание от случайной величины .S – формальная переменная.
- сумма реализаций самой случайной величины.
Вероятность того, что принять какое-то значение.
Получим функцию, зависящую от распределения S случайной величины. Переходим от набора чисел к функции, которая отражает особенности появления случайной величины на оси z. Мы заменяем неопределенность определенной функцией.
ПМФ – это детерминированная функция аргумента S, она является обобщенным представлением особенности самой случайной величины и вероятностных свойств ее. Если ПМФ известна, то можно найти начальный момент k-го порядка по правилу:
Начальный момент k-го порядка случайной величины z равен k-й произвольной от ПМФ по S, при S=0, то, что получаем и будет k-й момент. Что бы найти математическое ожидание нужно взять момент первого порядка – это степенная производящая функция СПФ.
, где z-та же случайная величина.
СПФ – это математическое ожидание от S в степени. Применяя СПФ, получим общее описание распределения, которое можно заменить одной функцией и работать с ней как с зависимостью изображения от частоты.
Характеристическая функция (ХФ). Вводится для описания особенностей непрерывной величины. С точки зрения математики ХФ – это преобразование Фурье.
f(x) – плотность распределения
w – частота.
Если возьмем первую производную от характеристической функции.
Если возьмем первую производную от характеристической функции по w, w положим равным 0, то в итоге получим математическое ожидание, умноженную на комплексную единицу, можно разделить производную на j, тогда получим результат, который нас интересует.
ХФ используется для описания случайных величин.
Энтропия случайной величины.
Случайная величина – это множество реализаций. Энтропия – характеристика случайной дискретной величины. Есть некоторые наблюдатели. Интерес для наблюдателей представляет: он должен вытащить некоторую случайную величину, после этого должен принимать решение, оно зависит от того, какую реализацию он вытащит. Действие наблюдателя оценивается множеством таких решений. Можно ввести средний риск - отнесенный к одному действию. Средняя неопределенность появления одной какой-либо реализации случайной величины оценивается энтропией.
- определение для дискретной величины.