bardushkin
.pdfP 1 0,5
|
|
|
|
|
|
|
|
- многоугольник |
1 |
2 |
3 |
4 |
5 |
6 |
7 ... |
x |
распределения |
|
Часто удобной бывает механическая интерпретация СВДТ.
|
P |
|
P |
|
P |
|
P |
|
1 |
|
2 |
|
3 |
|
4 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
P P |
P |
P |
1 |
|
1 |
2 |
3 |
4 |
|
Аналитическое задание СВДТ
Примеры
1. Гипергеометрическое распределение
Это распределение числа белых шаров (X) в выборке без возвращения, объем выборки n, из урны, содержащей М – белых шаров и (N–M) – черных шаров.
P X m |
C |
m |
C |
n m |
||
M |
N M |
|||||
|
|
|||||
|
|
|
||||
|
|
|
n |
|
||
|
|
|
C |
|
|
|
|
|
|
N |
|
||
m 0,1,..., min n, M |
|
2. Равномерное распределение на множестве
1,2,..., N
P X m |
1 |
, m 1,2,..., N |
|
N |
|||
|
|
§2. Функция распределения случайной величины. Её свойства. Функция распределения СВДТ.
Ряд распределения может быть построен только для СВДТ, для недискретных случайных величин из-за несчетности множества возможных значений такое представление невозможно. Наиболее общей формой закона распределения пригодной для всех типов случайных величин является функция распределения.
Функция F x FX x P X x , x R
С помощью функции распределения можно выразить вероятности попадания CB Х в различные интервалы вида
x X x |
2 |
x X x |
2 |
x X x |
2 |
x |
X x |
2 |
|||||||||||||||
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
1 |
|
|||||
Пусть x1 x2 , |
тогда X |
x2 разложим в сумму двух несовместных событий |
|||||||||||||||||||||
X x2 |
X x1 x1 |
X x2 , |
тогда |
|
|
||||||||||||||||||
P X x2 |
P X x1 x1 X x2 |
|
|
||||||||||||||||||||
P X x1 P x1 |
X x2 |
|
|
|
|
|
|
|
|||||||||||||||
F |
x |
2 |
|
F |
x P x |
X x |
|
|
|
|
|
|
|||||||||||
|
X |
|
|
|
|
X |
|
1 |
|
|
|
1 |
|
|
|
2 |
|
|
|
|
|
|
|
P x1 X x2 FX x2 |
FX x1 |
(**) |
|
|
|
||||||||||||||||||
Событие X x можно представить, как счетную сумму несовместных событий |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
1 |
|
|
|
|
|
||
X x |
|
x |
X |
x |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
. |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
n 1 |
|
|
|
|
n |
|
|
|
|
n 1 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
x |
|
x |
1 |
|
|
x+1 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P X x lim |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
1 |
X |
|
|
|
|
||||||||||
P X x 1 |
|
|
|
x 1 ... |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
||
|
|
|
|
|
N |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
... |
|
x |
1 |
X |
x |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
N |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
N 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
P X x 1 |
|
|
|
|
N |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
1 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
X x |
|
|
|
|||||||||||||||||
lim |
|
P x |
n |
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
N |
n 2 |
|
|
|
|
|
|
|
|
|
|
n 1 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Согласно (**). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
P X x 1 |
|
|
|
|
N |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
||||||||||
lim |
|
|
|
|
|
|
|
|
|
|
|
F |
|
|
|||||||||||||||||
|
|
|
|
|
|
F |
x |
|
|
|
|
|
|
x |
|
||||||||||||||||
|
N |
|
X |
|
|
|
|
|
n 1 |
X |
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|||||||||||||||||
1 P X x 1 |
|
|
|
|
|
n 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
1 F x 1 |
|
|
|
|
N |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
||||||||||
lim |
|
|
|
|
|
|
|
|
|
|
|
F |
|
|
|||||||||||||||||
|
|
|
|
|
|
F |
x |
|
|
|
|
|
|
x |
|
||||||||||||||||
|
|
|
X |
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
n 1 |
X |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
N n 2 |
|
|
|
|
|
|
|
|
n |
|
|||||||||||||
1 lim |
F |
|
|
1 |
|
1 F |
|
x 0 |
|
|
|
|
|
|
|
||||||||||||||||
x |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
N |
X |
|
|
N |
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
P X x 1 FX x 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
P X x 1 P X x F |
x 0 |
|
|
|
|
|
|
|
|
||||||||||||||||||||||
P X x F |
|
x 0 |
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
P x |
|
X x |
|
F |
x |
2 |
|
0 F |
|
|
x |
|
|
|
|
|
|
|
|
||||||||||||
1 |
|
|
|
2 |
|
|
X |
|
|
|
|
|
|
|
|
X |
|
1 |
|
|
|
|
|
|
|
|
|||||
P x |
|
X x |
|
F |
x |
2 |
|
0 F |
|
x |
0 |
|
|
|
|
||||||||||||||||
1 |
|
|
|
2 |
|
|
X |
|
|
|
|
|
|
|
|
X |
|
1 |
|
|
|
|
|
|
|
|
|||||
P x |
|
X x |
|
F |
x |
2 |
F |
x |
|
|
0 |
|
|
|
|
|
|
|
|||||||||||||
1 |
|
|
|
2 |
|
|
X |
|
|
|
|
|
X |
|
1 |
|
|
|
|
|
|
|
|
|
|
||||||
P X x F |
|
x 0 F |
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Т е о р е м а . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Функция |
FX x |
обладает следующими свойствами: |
|
|
1.FX x – не убывает;
2.FX x – непрерывна слева;
3.FX 1 ;
4.FX 0 .
Доказательство: |
P x1 X x2 0 . |
1. Следует из (**), т.к. |
2.Следует из аксиомы непрерывности 4, т.к. события
Bn |
|
|
x |
||
|
|
|
P B |
|
|
|
n |
|
F |
x |
|
X |
|
|
1 n
F |
X |
x |
|
|
|
F |
x |
|
|
X |
|
F
0
|
|
|
|
|
|
x |
|
|
|
||
|
|
|
|
|
|
|
|
1 |
|
0 |
n |
x |
|
|
|||
X |
|
n |
|
|
|
|
|
|
|
.
Свойства 3, 4 вытекают из аксиомы счетной аддитивности (3*), т.к. An , где
An | n 1 X n , тогда
n
|
|
|
|
|
N |
|
|
1 P P An |
|
lim |
P An lim |
FX N FX N |
|||
|
|
n |
|
N n N 1 |
N |
|
|
lim |
FX |
N lim |
|
FX N |
|
|
|
N |
|
N |
|
|
|
|
Пусть
lim N0
lim N
FX
FX F
N
N N
C
1C
(по теореме Вейeрштрасса).
1 0 C 1,C 1 .
Лекция № 6
Из равенства P X x FX x 0 FX x следует, что в точках разрыва функции |
FX x имеет место |
|||
положительная вероятность. P X x 0 |
|
|
|
|
Так как при каждом натуральном n может быть не более n-точек x с вероятностями |
P X x |
1 |
, то у |
|
n |
||||
функции FX x имеется не более счетного числа точек разрыва. |
|
|
||
|
|
|
||
Обозначим через x1, x2, ... все точки разрыва функции FX x , если вероятности |
P X xk Pk та- |
ковы, что |
pk |
1 |
, то это равносильно тому, что СВ X имеет дискретное распределение, то есть является |
|
k |
|
|
СВДТ.
З а м е ч а н и е . Для СВДТ FX x
П р и м е р .
имеет ступенчатый вид.
X |
-3 |
-1 |
0 |
2 |
3 |
P |
0,1 |
0,3 |
0,1 |
0,3 |
0,2 |
Получить функцию распределения и построить ее график.
Решение. |
|
||
F |
x P X x |
||
X |
|
|
|
|
|
0, |
x 3 |
|
|
|
3 x 1 |
|
|
0,1, |
|
|
|
|
|
|
|
|
1 x 0 |
|
x |
0,4, |
|
F |
|
|
|
X |
|
0 x 2 |
|
|
|
0,5, |
|
|
|
|
|
|
|
|
2 x 3 |
|
|
0,8, |
|
|
|
|
x 3 |
|
|
1, |
|
|
|
|
|
FX x
1
0,8
0,5
-3 |
-1 0 1 2 3 |
x |
P X 2 P 1 X
FX
2
2 0 F |
|
|
X |
F |
2 0 |
X |
|
2 0,8 0,5 0,3 |
|
F |
1 0 0,8 0,4 0,4 |
X |
|
Введем новое важное понятие индикатора события.
О п р е д е л е н и е . Индикатором события A A называется СВ
Ряд распределения случайной величины |
I A имеет следующий вид |
||||
|
IA |
0 |
1 |
|
|
|
P |
|
1–p |
p |
|
где р-вероятность события А.
1, A I A I A 0, A
.
Многоугольник распределения
|
I |
|
|
A |
|
p |
|
|
1 - p |
|
|
0 |
1 |
x |
Функция распределения
F |
|
x |
I |
|
|
|
A |
|
1
|
|
1 - p |
|
|
|
|
|
|
|
1 |
x |
|
|
|
0, |
x 0 |
|
F |
|
x |
|
0 x 1 |
|
|
1 p, |
|
|||
I |
A |
|
|
|
|
|
|
|
|
|
|
|
|
|
x 1 |
|
|
|
|
|
1, |
|
|
|
|
|
|
|
|
§3. Непрерывная СВ. Плотность распределения.
О п р е д е л е н и е . Функция |
f x |
x2
x1 x2 , P x1 X x2 f X x dx
x1
f |
X |
x |
|
|
(***)
есть плотность распределения СВ X, если
Из определения (***) следуют свойства плотности распределения.
Свойства
|
|
x |
f X t dt |
1. |
FX |
|
|
|
|||
|
|
|
|
З а м е ч а н и е .
Для СВ X имеющей функции. Плотности из свойства 1 непрерывности интеграла с переменным верхним пределом)
и теоремычто FX
изx
курса математического анализа (о непрерывна.
|
' |
|
|
|
|
f X x . |
|
2. |
FX x f X x |
в точках непрерывности |
|
||||
|
|
|
x |
|
|
|
|
|
FX x2 FX x1 |
2 |
f X x dx, x1 x2 . |
|
|
||
3. |
|
|
|
||||
|
|
|
|||||
|
|
|
x |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
f X x 0 , т.к. |
FX x неубывающая функция, то |
' |
||||
4. |
FX x 0 . |
||||||
|
|
|
|
|
f X x dx 1 . |
|
|
5. Условия нормировки: |
|
|
|
||||
|
|
|
|||||
|
|
|
|
|
|
|
|
О п р е д е л е н и е . СВ X называется СВНТ, если ее распределение имеет функцию плотности
.
Через плотность f X x можно выразить любую вероятность
P X B |
|
f X |
x dx . |
|||
|
||||||
|
B |
|
|
|
|
|
Примеры. |
|
|
|
|
|
|
0, |
|
|
|
x 0 |
||
|
|
2 |
|
|
||
I. FX x ax |
, |
0 x 1 |
||||
|
||||||
|
|
|
|
x 1 |
||
|
1, |
|
|
|
||
|
|
|
|
|
1)a – ?
2)f X x и построить ее график – ?
3)0,25 X 0,5P
Решение.
1) |
Так как |
FX x |
непрерывная в точке 1 и |
FX 1 1, то |
ax |
2 |
|x 1 |
1, |
a 1 . |
|||
|
||||||||||||
|
|
|
0, |
|
|
x 0 |
|
|
|
|
|
|
|
f X x |
|
|
|
0 x 1 |
|
|
|
|
|
|
|
2) |
2x, |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
x 1 |
|
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f |
X |
(x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
x |
|
|
|
|
|
|
f |
X |
x |
|
|
3)P 0,25 X 0,5 FX 0,5 FX 0,250,25 0,0625 0,1875
II.
1)
2)
f |
X |
x |
|
|
a – ? |
|
F |
x |
X |
|
|
x |
|
|
|
|
0, |
|
|
|
||
|
|
2 |
|
|
|
|
|
|
|
|
|
a cos x, |
x |
||||
|
|||||
|
|
|
|
2 |
|
|
|
|
|
и построить ее график – ?
P 0 3)
1)1 f X
|
|
2) |
FX x |
|
1 |
X |
|
|
|
|
|
– ?. |
|||
|
|
4 |
|
|
x dx |
/ 2 |
|||
a |
||||
|
|
|
|
/ 2 |
P X x |
||||
|
|
|
|
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
cos xdx a sin x / 2
/ 2
|
3 |
|
x |
2 |
|
2a 2a 1, a 12 .
1. |
x |
|
|
, |
f |
|
x 0 |
|
2 |
X |
|||||
|
|
|
|
|||
|
|
|
|
|
FX x |
x |
x |
f X t dt |
0 dt 0 |
|
|
|
|
2. |
|
|
x |
|
|
2 |
2 |
||
|
FX x |
x |
f X t dt |
x |
x |
1 |
|
|
1 |
|
|
|
0 dt |
|
cos f |
dt |
x |
|
||||
2 |
2 |
sin t / 2 |
||||||||
|
|
|
|
/ 2 |
|
|
|
|
||
|
|
|
|
|
|
|
|
1
2
3. |
x |
sin x |
1 |
||
2 |
|||
|
|
||
|
|
|
|
2 |
|
||
|
|
|
x |
|
|
|
|
/ 2 |
|
/ 2 |
1 |
|
x |
|||
FX x |
f X t dt |
|
0 dt |
|
costdt |
0 dt 1 |
||||||||
|
2 |
|||||||||||||
|
|
|
|
|
|
|
|
|
/ 2 |
|
/ 2 |
|||
|
|
|
|
|
|
|
|
|
||||||
|
0, |
|
x |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
||
FX x |
|
|
sin x |
|
, |
|
x |
|
||||||
|
|
|
|
|
|
|
|
|
||||||
2 |
|
2 |
|
2 |
2 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|||||
|
1, |
|
x |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F |
(x) |
|
X |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0 X |
|
|
4 |
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
x dx |
1 |
cos x dx |
1 |
|
2 |
|
||||||
3) P |
f |
|
sin x 4 |
|
||||||||||||
|
|
X |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
2 |
2 |
|
|
4 |
|
|||||
|
|
4 |
|
|
|
|
0 |
|
|
|||||||
|
|
|
|
0 |
|
|
|
0 |
|
|
|
|
|
|
|
Глава IV. Числовые характеристики случайных величин
Лекция № 7
§ 1. Математическое ожидание
Пусть вероятность P на конечном вероятностном пространстве ( , A , P) определяется с помощью элементарных вероятностей p( ) .
|
О п р е д е л е н и е . МО случайной величины |
|
X ( ) p( ) . |
||
|
||
|
|
X X ( ), M[X ] mX
называется сумма
З а м е ч а н и е .
В литературе математическое ожидание часто называют средним значением X. Из определения МО – вытекают следующие свойства :
Свойства
1. M[I A ] P(A) .
Д о к а з а т е л ь с т в о :
M[I A ] I A ( ) p( ) I A ( ) p( ) p( ) |
|||
|
|
A |
|
A |
1 |
||
|
|
|
p( A)
.
2. Аддитивность: M [ X Y ] M [ X ]
Д о к а з а т е л ь с т в о :
M [Y
]
.
M [ X Y ] ( X ( ) Y ( )) p( ) |
|
|
|
X ( ) p( ) Y ( ) p( ) M [ X ] M [Y ] |
|
|
|
.
З а м е ч а н и е .
Из свойства 2 по индукции выводится свойство конечной аддитивности.
M[X |
1 |
... X |
n |
] M[X |
] ... M[X |
n |
]. |
|
|
1 |
|
|
|||
3. c R : M [c X ] c M [ X ] . |
|
|
|||||
|
|
M [c] c |
|
|
|
Д о к а з а т е л ь с т в о :
M[c X ] (c M[c] c
X ( )) p( ) c X ( ) p( ) c p( ) c 1
p c
( )
.
c
M[ X
]
.
4. Если X Y , то mX mY
Д о к а з а т е л ь с т в о :
.
M [ X Y ] ( X ( ) Y ( )) p( ) 0 |
|||
|
0 |
||
A |
0 |
||
|
|||
|
|
||
По свойствам 2 и 3 |
|
|
|
M [ X Y ] M [ X ] M [Y ] |
|
m |
X |
m |
0 |
|
Y |
. |
|
m |
|
m |
|
X |
|
||
|
Y |
|
5. МО СВ X выражается через ряд распределения СВ X с помощью формулы
K |
K |
M [ X ] xi P{X xi } xi pi |
|
i 1 |
i 1 |
Д о к а з а т е л ь с т в о :
|
K |
Так так СВ |
X xi I{X x } |
|
i |
|
i 1 |
, тогда
|
K |
|
|
|
|
K |
|
K |
|
M [ X ] |
x |
M [I |
{X x |
} |
] |
x |
P{X x } |
x |
p |
|
i |
|
|
i |
i |
i |
i |
||
|
|
|
i |
|
|
|
|
|
|
|
i 1 |
|
|
|
|
i 1 |
|
i 1 |
|
.
Пусть |
y(x) – некоторая числовая функция, подставляя вместо аргумента x СВ Х, получим новую СВ |
Y g( X )
M [Y ] – ? |
|
1 |
способ. С помощью закона распределения Y; |
2 |
способ. С помощью формулы |
K M [Y ] M [g( X )] g(xi ) P{X i 1
Докажем формулу для M [Y ] .
xi
}
.
|
|
|
K |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
g( X ) g(xi ) I{X x } . |
|
|
|
|
|
|
|
|
|
||||||||
|
|
i 1 |
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Все дальнейшие выкладки повторяют свойство 5. |
|
|
|
|
|||||||||||||
|
П р и м е р . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
-1 |
|
0 |
|
|
1 |
|
|
2 |
|
|
|
|
|
|
|
|
P |
|
0,1 |
|
0,2 |
|
0,3 |
|
|
0,4 |
|
|
|
|
|
|
||
|
а) mX – ? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
б) Найти |
mY |
двумя способами, где Y= X2. |
|
|
|
|
|
||||||||||
|
Решение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
mX 1 0,1 0 0,2 1 0,3 2 0,4 1. |
|
|
|
|
|
||||||||||||
|
Y |
|
0 |
|
1 |
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
P |
|
0,2 |
|
0,4 |
|
0,4 |
|
|
|
|
|
|
|
|
|
||
|
1 способ: |
mY 0 0,2 1 0,4 4 0,4 2 . |
|
|
|
|
|
|||||||||||
|
|
|
mY |
( 1) |
2 |
0,1 (0) |
2 |
2 |
0,3 2 |
2 |
0,4 2 . |
|
|
|||||
|
2 способ: |
|
|
0,2 1 |
|
|
|
|||||||||||
|
Статистическое истолкование МО. |
|
|
|
|
|
||||||||||||
|
Пусть в некоторой лотерее имеется 1 выигрыш , размер которого случаен и равен |
|||||||||||||||||
лотерея проводится N-раз, |
причем выигрыш xi |
выпадает Ni-раз. |
N N1 N2 |
... |
||||||||||||||
|
|
|
|
|
|
|
|
|
1 |
K |
|
|
|
|
|
|||
тельная частота выигрыша |
xi . x |
xi Ni – средний выигрыш на одну лотерею. |
||||||||||||||||
N |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
, |
1 |
|
N |
|
k |
x |
2 |
, ..., x |
|
|
,N i – N
k . Если относи-
Х – СВ равная размеру выигрыша в одной лотерее.
|
Ni |
|
P{X x } |
|
|
|
||||
|
|
– из статистической устойчивости частот. Поэтому средний выигрыш x колеблется |
||||||||
|
|
|
||||||||
|
N |
|
i |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|||
около МО. |
|
|
|
|
|
|
||||
|
|
|
|
1 |
K |
K |
Ni |
K |
||
|
|
|
xi Ni xi |
xi P{X xi } mX . |
||||||
|
x |
|||||||||
|
N |
N |
||||||||
|
|
|
|
i 1 |
i 1 |
i 1 |
||||
|
|
|
|
|
|
Пусть теперь вероятностное пространство ( , A тельства теоремы, по которым вычисляются M [ X ] и
1. Х – СВДТ.
Теорема.
, P) не является конечным. Сформулируем без доказа-
M [g( X )] .