MathCadTV 5semestr
.pdf
|
|
|
1 |
|
x2 |
|
p(x) |
|
|
|
|
exp |
|
|
|
|||||
|
|
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
2 |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
t2 |
|
|
|
|
1 |
|
|
(t x)2 |
|
|
|
|
exp |
|
|
x |
|
|
|||||||||||||||||||||||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
4 |
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
exp |
|
|
|
|
|
|
|
|
|
|
|
|
exp |
|
|
|
|
|
dt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
2 |
|
|
|
2 |
|
|
|
2 |
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
exp 1 |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
py(x) |
|
1 |
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
2 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
py(x) |
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p(x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
0 |
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
finv(x) |
|
x |
dfinv(x) |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
exp 1 |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
exp 1 |
x2 |
||||||||||||||||||||||||
|
1 |
|
|
|
|
|
|
|
x2 |
|
|
1 |
|
2 |
|
|
pxx(x) |
1 |
|
|
|
2 |
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
exp |
|
|
2 |
|
|
1 |
|
8 |
|
|
|
|
|
|
|
4 |
|
1 |
|
|
8 |
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
2 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.4
pxx(x)
0.2
py(x)
|
|
|
5 |
0 |
5 |
|
x |
|
Более сложные функции от случайных величин
Пусть (ξ, η ) — дискретный случайный вектор с распределением
|
1 |
2 |
3 |
4 |
ξ |
|
|
|
|
0 |
0.01 |
0.02 |
0.03 |
0.04 |
1 |
0.1 |
0.1 |
0.2 |
0.4 |
2 |
0.05 |
0.01 |
0.01 |
0.03 |
Найдем распределение случайной величины ζ=ξη, которая принимает значения 0, 1, 2, 3, 4, 6, 8. Вычислим соответствующие вероятности:
P(ζ = ξη = 0) = P(ξ = 0, η =1) + P(ξ = 0,η = 2)+ P(ξ = 0, η = 3) + P(ξ = 0,η = 4)= =0.01+0.02+0.03+0.04=0.1
P(ζ=1)=P(ξ=1,η=1)=0.1, P(ζ=2)= P(ξ=1,η=2)+ P(ξ=2,η=1)=0.1+0.05=0.15.
В результате получим распределение случайной величины ζ=ξη:
ξ |
0 |
1 |
2 |
3 |
4 |
6 |
8 |
р |
0.1 |
0.1 |
0.15 |
0.2 |
0.41 |
0.01 |
0.03 |
Для того чтобы найти распределение произведения непрерывных случайных величин, необходимо выполнить более громоздкие вычисления. Пусть (ξ,η) — двумерный непрерывный случайный вектор с плотностью распределения pξ,η(x1,x2). Построим функцию распределения случайной величины ζ=ξη. Согласно определению
F (x) P( x) P( x) |
p , (x1, x2 )dx1dx2 . |
|
x1x2 x |
Для вычисления этой вероятности рассмотрим отдельно случаи х > 0 и х<0. Области интегрирования для обоих случаев на рис. 5.2 закрашены.
Рис. 5.2. Области интегрирования для вычисления распределения произведения В обоих случаях имеем
0 |
|
|
x / x |
F (x) P( x) dx1 |
p , (x1, x2 )dx2 dx1 |
p , (x1, x2 )dx2 |
|
|
x / x1 |
0 |
|
ЗАДАНИЕ 5.19
Найдите функцию распределения произведения двух зависимых случайных величин, распределенных равномерно соответстипи на промежутках [а, b] и [с, d].
N |
а |
b |
с |
d |
N |
а |
b |
с |
d |
N |
а |
b |
с |
d |
N |
а |
b |
с |
d |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1 |
2. |
3 |
4 |
6 |
1 |
2 |
8 |
9 |
11 |
–1.5 |
1.3 |
0 |
1 |
16 |
1.2 |
1.6 |
–1.6 |
1.6 |
2 |
1 |
2 |
4 |
5 |
7 |
–1 |
2 |
–2 |
2 |
12 |
–2.5 |
1.4 |
1 |
2 |
17 |
2.3 |
2.7 |
–1.7 |
1.7 |
3 |
1 |
2 |
5 |
6 |
8 |
–1 |
3 |
–2 |
3 |
13 |
–3.5 |
1.5 |
0 |
1 |
18 |
3.4 |
3.8 |
–1.8 |
1.8 |
4 |
1 |
2 |
6 |
7 |
9 |
–1 |
4 |
–2 |
4 |
14 |
–4.5 |
2.6 |
1 |
2 |
19 |
4.4 |
4.9 |
–1.9 |
1.9 |
5 |
1 |
2 |
7 |
8 |
10 |
–1 |
5 |
–2 |
5 |
15 |
–5.5 |
3.7 |
0 |
1 |
20 |
5.5 |
6.0 |
–2.0 |
2.0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Порядок выполнения задания
1.Запишите выражение для вычисления функции распределения.
2.Вычислите соответствующие интегралы символьно.
3.Опишите полученную функцию и постройте ее график.
4.Найдите плотность вероятностей произведения.
Пример выполнения задания
Пусть ξ и η — независимые случайные величины, распределенные равномерно на
промежутке [0,1]. Найдем функцию распределения их произведения ζ = ξη. Случайная величина ζ неотрицательна, поскольку значения сомножителей неотрицательны. Это означает, что Fζ(x)=0 при х 0. Прежде чем воспользоваться формулой для вычисления функции распределения при х > 0, заметим, что при х > 1 гипербола x1x2 = х не пересекает квадрат Ω = [0, 1] х [0, 1] (рис. 5.3), т.е. область интегрирования (pξ,η(x1,x2)=0 вне квадрата Ω и pξ,η(x1,x2)=1 внутри квадрата Ω ) совпадает с квадратом Ω и Fζ(x) = 1 при х > 1.
0 |
1 |
2 0 x |
1 |
2 |
Рис. 5.3. Области |
интегрирования для вычисления функции распределения |
При 0 < х < 1 первый интеграл в формуле функции распределения равен нулю, а второй разбивается на два слагаемых:
x |
1 |
1 |
x / x1 |
dx1 |
p , (x1, x2 )dx2 |
dx1 |
p , (x1, x2 )dx2 |
0 |
0 |
x |
0 |
Вычисление интегралов, определение функции распределения и построение ее графика приведены ниже.
Из приведенных вычислений видно, что плотность распределения бесконечно большая в окрестности точки х = 0. Но это не означает, что вероятность какого-либо события может
1
оказаться большей 1, поскольку ( ln x)dx 1.
0
p (x) |
|
1 |
|
if |
0 x 1 |
|
|
|
|
|
p (y) |
|
1 |
if 0 y 1 |
|||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
0 |
|
if x 0 |
|
|
|
|
|
|
|
|
|
|
|
0 if y 0 |
|||||||
|
|
|
|
|
|
if |
x 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
if y 1 |
|||
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
1 |
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
F(x) |
|
|
1dy dt |
|
1dy dt |
|
|
F(x) x ln(x) x |
|||||||||||||||||
|
0 |
0 |
|
|
|
|
x |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
p(x) d F(x) |
|
|
p(x) ln(x) |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F(x) |
|
|
if |
x 0 |
|
|
|
|
p(x) |
|
|
|
0 |
if |
x 0 |
||||||||||
|
0 |
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
F(x) |
if 0 x 1 |
|
|
|
|
|
|
|
|
|
p(x) |
if 0 x 1 |
|||||||||
|
|
|
|
|
|
if |
x 1 |
|
|
|
|
|
|
|
|
|
|
|
0 |
if |
x 1 |
||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
F (x) |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
0.5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
0 |
|
|
1 |
2 |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
Задание .8 Числовые характеристики случайных величин
Каждая случайная величина полностью определяется своей функцией распределения. В то же время при решении практических задач достаточно знать несколько числовых параметров, которые позволяют представить основные особенности случайной величины в сжатой форме. К таким величинам относятся в первую очередь математическое ожидание и дисперсия.
Математическое ожидание случайной величины
Математическое ожидание — число, вокруг которого сосредоточены значения случайной величины.
Если ξ — дискретная случайная величина с распределением
ξ |
х1 |
х2 |
… |
хп |
p |
p1 |
p2 |
… |
pn |
то ее математическим ожиданием — оно обозначается Мξ — называется величина
M pi xi ,
i 1
если число значений случайной величины конечно. Если число значений случайной величины счетно, то
M pi xi .
i 1
При этом если ряд в правой части равенства расходится или сходится условно, то говорят, что случайная величина ξ не имеет математического ожидания.
Математическое ожидание непрерывной случайной величины с плотностью вероятностей pξ(x) вычисляется по формуле
M xp (x)dx .
При этом если интеграл в правой части равенства расходится, то говорят, что случайная величина ξ не имеет математического ожидания.
Если случайная величина η является функцией случайной величины ξ, η=f(ξ), то
M f (x) p (x)dx .
Аналогичные формулы справедливы для функций дискретной случайной величины:
n |
|
M pi f (xi ) |
M pi f (xi ) |
i 1 |
i 1 |
При вычислении математического ожидания случайной величины полезны следующие его свойства:
•математическое ожидание константы равно этой константе, т.е. Мс = с;
•математическое ожидание — линейный функционал случайной величины, т.е. при произвольных постоянных a и b верно равенство M(aξ+bη)=aMξ+bMη;
•математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий, т.е. М(ξη)=Мξ·Mη. Приведем формулы математических ожиданий для наиболее известных распределений:
•биномиальное распределение ( P( k) Cnk pk qn k ): Mξ=np;
•геометрическое распределение ( P( k) qk p ):Mξ=p/q;
• гипергеометрическое распределение ( P( k) |
Ck |
Cn k |
|
|
M |
N M |
):Mξ=mM/n; |
||
Cm |
||||
|
|
|||
|
|
N |
|
• пуассоновское распределение ( P( k) k e ):Mξ=λ; k!
•равномерное распределение (pξ(x)=1/(b-a), x [a,b]):Mξ=(a+b)/2;
• |
экспоненциальное (показательное) |
распределение ( p (x) e x |
, x 0): Mξ=1/λ; |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
x a 2 |
|
||
• |
нормальное распределение N(a,σ) ( |
p (x) |
|
|
|
exp |
|
|
|
|
): Mξ=a; |
|
|
|
|
|
|||||||
|
|
|
|
2 |
|
2 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
•распределение хи-квадрат (χ2-распределение) с n степенями свободы
|
|
|
|
n |
|
n |
1 |
|
n 2 |
|
x |
|
|
2 |
|
|
|
|
|
|
|
||||||||
p |
|
2 (z) |
|
|
|
2 |
|
z 2 e 2 |
, z 0 |
|
χ |
|||
|
|
2 |
|
: M = n; |
||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
• распределение Стьюдента (t-распределение) с n степенями свободы
|
|
|
|
n 1 |
|
1 |
|
|
x2 |
|
n 1 |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|||||||||
|
|
|
1 |
|
2 |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
tn |
|
|
|
|
|
|
|
|
||||||||
|
p (x) |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
: Mt |
=0; |
|
|
|
n |
2 |
2 |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
• F-распределение Фишера с n и m степенями свободы
|
((n m) / 2) |
|
|
|
n |
|
n |
|
|
|
|
|
n m |
|
|
|
|
|
|
|
|
|
|||||
|
n |
2 |
|
|
1 |
|
|
nx |
2 |
||||
|
|
|
|||||||||||
pF (x) |
|
|
|
|
|
x 2 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
(n / 2) (m / 2) m |
|
|
|
|
|
|
m |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, x 0 : MF=m/(m-2), m>2;
•распределение Парето (рξ(х) = раρх-ρ-1, х а, а, ρ > 0) имеет математическое ожидание только при ρ > 1: Мξ = ρa/( ρ-1);
|
|
1 |
|
z |
|
|
x |
|
|
|
• логистическое распределение p (x) |
|
, гдеz e |
|
|
|
:Mξ=α. |
||||
b |
(1 z)2 |
|||||||||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
Дисперсия случайной величины
Дисперсия случайной величины характеризует меру разброса значений случайной величины около ее математического ожидания.
Бели случайная величина ξ имеет математическое ожидание Мξ, то дисперсией случайной величины ξ называется величина Dξ = = М(ξ — Мξ)2. Легко показать, что Dξ = Мξ2 — (Мξ)2. Эта универсальная формула одинаково хорошо применима как для дискретных случайных величин, так и для непрерывных. Величина Мξ2 вычисляется по формулам:
n |
|
M 2 pi xi2 |
M 2 x2 p (x)dx |
i 1 |
|
для дискретных и непрерывных случайных величин соответственно.
Еще одним параметром для определения меры разброса значений случайной величины является среднеквадратичное отклонение σξ, связанное с дисперсией соотношением
D .
Перечислим основные свойства дисперсии:
-дисперсия любой случайной величины неотрицательна: Dξ > 0;
-дисперсия константы равна нулю: DC = 0;
-для произвольной константы с: D(cξ) — c2Dξ;
-дисперсия суммы (разности) двух независимых случайных величин равна сумме их дисперсий: D(ξ ± η) = Dξ + Dη.
Приведем формулы для дисперсий наиболее известных стандартных распределений:
•биномиальное распределение: Dξ = npq;
•геометрическое распределение: Dξ = q/p2;
•гипергеометрическое распределение: D
•пуассоновское распределение: Dξ=λ
•равномерное распределение: Dξ=(b-a)2/12;
M(N M)(N n)n N 2 (n 1) ;
•экспоненциальное (показательное) распределение: Dξ = λ-2;
•нормальное распределение N (a,σ): Dξ = σ2;
•распределение хи-квадрат (2-распределение) с п степенями свободы: Dξ2=2n;
•распределение Стьюдента с n степенями свободы: Dξ =n/(n-2), п > 2;
• |
F-распределение Фишера сnиm степенями свободы: DF |
2m2 (n m 2) |
, m 4 ; |
||||||
n(m 2)2 (m 4) |
|||||||||
|
|
|
|
|
|
|
|
||
• |
распределение Парето: D |
a |
, 2; |
|
|
||||
|
|
|
|
|
|
||||
( 1)2 ( 2) |
|
|
|||||||
• |
логистическое распределение: D |
1 |
2 2 . |
|
|
|
|||
|
|
|
|
||||||
|
3 |
|
|
|
|
ЗАДАНИЕ 5.20
Вычислите математическое ожидание и дисперсию слyчайной величины Y = (X), которая представляет собой площадь указанной в задании геометрической фигуры, для случайной величины X, распределенной равномерно на промежутке [а, b].
№ |
Геометрическая фигура |
а |
b |
|
|
|
|
1 |
Квадрат со стороной X |
1 |
3 |
2 |
Правильный треугольник со стороной X |
2 |
4 |
3 |
Круг радиуса X |
3 |
9 |
4 |
Эллипс с полуосями X и 2X |
4 |
4 |
5 |
Правильный шестиугольник со стороной X |
5 |
7 |
6 |
Боковая поверхность тетраэдра с ребром X |
6 |
8 |
7 |
Поверхность шара радиуса X |
7 |
9 |
8 |
Прямоугольник со сторонами X и 2X |
8 |
10 |
9 |
Осевое сечение конуса с радиусом основания X и высотой Х |
9 |
11.5 |
10 |
Прямоугольный треугольник с катетами Х и 2Х . |
10 |
11.5 |
11 |
Прямоугольный треугольник с катетом Х и гипотенузой 2Х |
9 |
12.5 |
12 |
Квадрат со стороной Х |
8 |
12 |
13 |
Правильный треугольник со стороной Х |
7 |
10 |
14 |
Круг радиуса Х |
6 |
4 |
15 |
Эллипс с полуосями Х и 2Х |
5 |
6 |
16 |
Правильный шестиугольник со стороной Х |
4 |
5 |
17 |
Боковая поверхность тетраэдра с ребром Х |
3 |
4 |
18 |
Поверхность шара радиуса Х |
2 |
4.5 |
19 |
Прямоугольник со сторонами Х и 2Х |
1 |
4.5 |
20 |
Осевое сечение конуса с радиусом основания Хи высотой Х |
1.5 |
3.5 |
|
|
|
|
Порядок выполнения задания
1.Запишите выражение для функции ξ = S(η) от случайной величины η, определяющей площадь фигуры.
2.Вычислите математическое ожидание случайной величины ξ.
3.Вычислите математическое ожидание случайной величины ξ2.
4.Вычислите дисперсию случайной величины ξ = S(η) по формуле Dξ = Мξ2 - (Мξ)2.
Пример выполнения задания
Случайная величина η распределена равномерно на промежутке [0, 1]. Найдем математическое ожидание и дисперсию площади квадрата со стороной ту, т.е. характеристики случайной величины ξ = S(η)=η2. Ниже приведено решение задачи в среде
MathCAD.
Математическое ожидание площади квадрата ξ
2 |
|
1 |
|
|
|
7 |
|
M ( ) : x2 |
|
|
dx |
M( ) |
|||
2 |
1 |
3 |
|||||
1 |
|
|
|||||
|
|
|
|
|
|
Математическое ожидание квадрата случайной величины ξ
2 |
|
1 |
|
|
|
31 |
|
M 2( ) : x4 |
|
|
dx |
M2( ) |
|||
2 |
1 |
5 |
|||||
1 |
|
|
|||||
|
|
|
|
|
|
Дисперсия площади квадрата ξ
D( ) : M 2( ) M( )2 |
D( ) |
34 |
|
|
45 |
Указание. Математическое ожидание и дисперсию площади квадрата со стороной η вычислите символьно по формулам Мξ = Mη2, Dξ = Mη4 - (Мξ)2. Определите искомые математическое ожидание и дисперсию как функции переменной ξ.
Моменты
В теории вероятностей и математической статистике, помимо математического ожидания и дисперсии, используются и другие числовые характеристики случайных величин. В первую очередь это начальные и центральные моменты.
Начальным моментом k-го порядка случайной величины называется математическое ожидание k-й степени случайной величины , т.е. k = М k.
Центральным моментом k-го порядка случайной величины называется величина k , определяемая формулой k = М( - M )k.
Заметим, что математическое ожидание случайной величины — начальный момент первого
порядка, 1 = М , а дисперсия — центральный момент второго порядка: 2 = М( — M)2 =
D .
Существуют формулы, позволяющие выразить центральные моменты случайной величины
через ее начальные моменты. Одна из таких формул приведена выше: D = М( – M )2 = 2
– 12.
В дальнейшем будет использована формула 3 = 3 – 3 2 1+ 213
Нетрудно понять, что если плотность распределения вероятностей случайной величины симметрична относительно прямой х = М , то все ее центральные моменты нечетного порядка равны нулю.
В теории вероятностей и в математической статистике в качестве меры асимметрии распределения служит коэффициент асимметрии, который определяется формулой
= 32
|
|
|
|
|
|
где 3 — центральный момент третьего порядка; |
= |
D = |
2 — |
||
среднеквадратичное отклонение. |
|
|
|
|
|
Коэффициент асимметрии — безразмерная величина, а по его знаку можно судить о
характере асимметрии. |
|
|
|
|
||
Ниже |
приведено |
вычисление |
коэффициентов |
асимметрии распределения Рэлея, |
||
плотность |
вероятностей которого |
p(x) = xexp(– |
x2 |
), и коэффициентов асимметрии |
||
2 |
||||||
|
|
|
|
|
||
распределения с плотностью вероятностей |
|
|
||||
p(x) = 12x2(1 – x), 0 |
x 1. |
|
|
|
|
|
|
|
x2 |
p1(x) x exp |
|
|||
|
|
|
|
2 |
|
|
|
|
|
|
|
x p1(x) dx |
||
M1 |
|
|||
|
0 |
|
|
|
|
|
|
x |
M1 2 p1(x) dx |
|
|
|||
21 |
|
|||
|
0 |
|
|
|
1 |
21 |
|
|
|
x M1 3 p1(x) dx |
|
||
31 |
|
|
0 |
|
0.5
p1(x)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
2 |
|
|
|
|
4 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
||||
p2(x) 12 x2 (1 x) |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
1 |
|
x p2(x) dx |
|
|
|
|
|
|
|
|||||||||
M2 |
|
|
|
|
|
|
|
|
|||||||||||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
x M2 2 p2(x) dx |
|
|
1 |
x M2 3 p2(x) dx |
|||||||||||||
22 |
|
|
|
32 |
|||||||||||||||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
2 |
22 |
2 |
32 |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
2 3 |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
p2(x) |
1 |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
1 |
2 |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
Указание. Для того чтобы вычислить значение коэффициента асимметрии, выделите выражение для него, щелкните в строке Floating Point в меню Symbolics и укажите в окне диалога число десятичных знаков в выводе.
Как видно, коэффициент асимметрии первого распределения положителен и у графика плотности вероятностей "круче левый склон". У второго распределения, наоборот,