Математическое ожидание и его св-ва.
Мат–ое ожиданием дискретной СВ наз-ся сумма произведений всех ее значений на их вероятности и обозначается М(Х).
Если дискретная СВ Х принимает значение х1,х2,…,хn с соотв-щими вероятностями р1,р2,…рn, то ее мат ожидание вычисляется по форлуле:
М(Х)= х1*р1+х2*р2+…+хn*pn
Если дискретная СВ Х принимает счетное множество значений х1,х2,…,хn,… с соответ-щей вероятностью р1,р2,…,рn,…,то мат ожидание вычисляется по фор-ле:
∞
М(Х)= ∑ хi*pi причем
i=1
числовой ряд сходится обсолютно.
Счетное множество-бесконечное множ-во, кот-ое можно записать в виде бесконечной числовой последовательности.
Опре-ие: мат ожидание непрерывной СВ Х, значение которой принадлежат отрезку [а,в], наз-ся число равное определенному интегралу:
b
М(Х)=∫x f(x) dx
A
Если значение непрер-ой СВ Х принадлежит всей числовой оси, то мат ожидание вычисляется:
+∞
М(Х)=∫x f(x) dx
-∞
причем этот несобственный интеграл сходится абсолютно(т.е сущ-ет интеграл от модулей подинтегр-ой фун-ции:
+∞
∫ (хf(x)dx)
-∞
Осн св-ва мат ожидания:1. мат ожидание постоянной СВ равно самой постоянной М(С)=С
2.постоянный множитель можно выносить за знак мат ожидания М(СХ)=СМ(Х)
3.мат ожидание суммы 2-ух СВ равно сумме мат ожидания этих величин М(Х+У)=М(Х)+М(У)
4.мат ожидание произведения 2-ух независимых СВ равно произведению их мат ожиданий
|
|
М(Х*У)=М(Х)*М(У)
Теорема2 мат ожидание дискретной СВ, распределенной биномиально равно М(Х)=р*n, где n-число испытаний в схеме Бернули, р-вероятность успеха в схеме Бернулли.
13. Дисперсия и ее св-ва. Среднее квадратическое отклонение. Дисп. СВ Х наз-ся мат. ожидание квадрата отклонения этой СВ от ее мат. ожидания и обознач. Д(Х). Д(Х)=М[X- М(Х)]2. Д/дискретных СВ дисп-ия вычисляется Д(Х)=(х1-М(Х))2×р1+(х2-М(Х))2×р2+…+(хn – М(Х))2×рn. Дисп. СВ всегда неотриц. число и чем меньше она, тем меньше рассеивание ее величины. Т3: дисп. СВ Х равна разности м/у мат. ожид. квадрата этой СВ и квадратом ее мат. ожид. Д(Х)=М(Х2)- [M(X)]2. Если возможные значения непрерывной СВ принадлежат отрезку АВ, то дисп. этой величины вычисляется Д(Х)=ваò (х- М(Х))2×f(x)dx. Если значения непрер. СВ принадлежат всей числовой оси, т.е. интервалу (-∞;+∞), то ее дисп. вычисл. с помощью несобственного интеграла Д(Х)=-+∞∞ ò(х-М(Х))2 × f(x)dx. Средним квадрат. отклонением СВ наз-ся неотриц. число G(x) . G(X)=√Д(Х). Св-ва дисп: 1. Д(С)=0, 2. Д(СХ)=С2Д(Х), 3. Д(Х+У)=Д(Х)+Д(У), 4. Д(Х-У)=Д(Х)+Д(У), 5. Д(Х)=n×p×q- дисп. распределена по биноминальному закону.
14. Мода и медиана. Модой непрер. СВ Х наз. ее возможное значение, при кот. плотность распред-ия f(x) достигает мах значение М0(Х).
|
|
МедианойМе(Х) непрер. СВ Х наз. такое ее значение, что вер-ть того, что СВ примет значение меньше медианы равняется вер-ти того, что СВ больше медианы и равна ½. Р(Х<Ме)= Р(Х>Ме)=1/2.
15. Равнометное распределение. Бином. рапред. Непрер. СВ Х имеет равномерн. з-н распред. на [a, в], если плотность распред-ия. f(x) постояна на этом отрезке и равна 0 вне его. Можно показать,что д/СВ расперд-ой по равномер. з-ну плотность распред-ияимеет вид 0, х<а
f(x)= 1/(в-а), а≤Х≤в
0, Х>в.
А ф-ия распред-ия имеет вид 0, Х≤а
F(X)= (х-а)/(в-а), а<Х≤в
1, Х>в.
СВ распред- ая по равномер. з-ну обладает след. св-ом: вер-ти того, что значение СВ нах-ся в числовых промежутках равной длины равны.
16. нормальное распределение СВ, основные хар-ки. Непрер. СВ Х имеет нормальный з-н расперд-ия ( з-н Гаусса) с параметрами а и G2, если ее плотность распред-ия имеет вид
|
|
f(x)= 1/G√2П×e –((х-а)^2)/ 2(G^2). Нормальн. расперд-ие опр-ся 2-мя параметрами а и G2, причем М(Х)=а, Д(Х)=G2. Ф-ия расперд-ия норм. СВ имеет вид
F(X)=1/G√2П× x-∞ò e-((t-a)^2)/2(G^2)dt. Ф-ию распред-ия непрер. СВ распред-ой по норм. з-ну можно выразить и ч/з ф-ию Лапласа Ф(Х) F(x)=1/2+ Ф((x-a)/G), где ф-ия Лапласа опр-ся
Ф(Х)= 1/√2П×х0 ò e –(t^2)/2dt.
Тогда вер-ть попадания значения СВ Х в отрезок [a,b] выч-ся Р(a≤Х≤b)= F(b)-F(a)= Ф((b-а)/G)-
Ф(( a-а)/G). Значение по спец. табл.
Т4: если СВ Х имеет норм. з-н распред-ия с параметрами а, G2 , то практически достоверно, что ее значения заключены в интервале (а- 3G, a+ 3G),т.е. вер-ть Р(|x-a| <3G)= 2Ф(3)=0,9973.
17.Опред.Непрерывная случайная величина X, функция плотности которой задается выражением называется случайной величиной, имеющей показательное, или экспоненциальное, распределение.
Как видно из формулы , показательное распределение определяется только одним параметром .
Найдем функцию распределения показательного закона, используя свойства дифференциальной функции распределения:
Графики дифференциальной и интегральной функций показательного распределения имеют
Числовые характеристики
Используя формулы для вычисления математического ожидания, дисперсии и среднего квадратического отклонения нетрудно убедится, что для показательного распределения
|
|
Таким образом, для показательного распределения характерно, что среднее квадратическое отклонение численно равно математическому ожиданию.
Найдем вероятность попадания непрерывной случ. величины распределения по числовому закону в интервал (a,b)
18. Лемма 1.(Чебышева-Маркова). Если значение случайной величины х неотрицательно и существует её мат. ожидание М(х)=а, то для любого положительного числа >0 имеет место неравенство:
P(Х ) (1)
Неравенство (1) называют неравенством Чебышева-Маркова. Очевидно, чем > и меньше а, тем более вероятнее, что Х .
Обобщенное неравенство Чебышева. Пусть – неотрицательная и неубывающая функция такая, что
P(|X| .
Дата добавления: 2018-05-13; просмотров: 283; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!