Полигон частот. Выборочная функция распределения и гистограмма.

Для наглядного представления о поведении исследуемой случайной величины в выборке можно строить различные графики. Один из них – полигон частот: ломаная, отрезки которой соединяют точки с координатами (x₁, n₁), (x₂, n₂),…, (x_k, n_k), где x_iоткладываются на оси абсцисс, а n_i– на оси ординат. Если на оси ординат откладывать не абсолютные (n_i), а относительные (w_i) частоты, то получим полигон относительных частот (рис.1). Рис. 1.

По аналогии с функцией распределения случайной величины можно задать некоторую функцию, относительную частоту события  X < x.

Определение 15.1. Выборочной (эмпирической) функцией распределения называют функцию F*(x), определяющую для каждого значения х относительную частоту события        X < x. Таким образом,

                                                  ,                                                          (15.1)

где п_х – число вариант, меньших х, п – объем выборки.

Замечание. В отличие от эмпирической функции распределения, найденной опытным путем, функцию распределения F(x) генеральной совокупности называют теоретической функцией распределения. F(x) определяет вероятность события X < x, а  F*(x) – его относительную частоту. При достаточно больших п, как следует из теоремы Бернулли, F*(x) стремится по вероятности к F(x).

Из определения эмпирической функции распределения видно, что ее свойства совпадают со свойствами F(x), а именно:

1)      0 ≤ F*(x) ≤ 1.

2)      F*(x) – неубывающая функция.

3)      Если х₁ – наименьшая варианта, то F*(x) = 0 при х≤ х₁; если х_к – наибольшая варианта, то  F*(x)  = 1 при х > х_к .

Для непрерывного признака графической иллюстрацией служит гистограмма, то есть ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиной h, а высотами – отрезки длиной n_i /h (гистограмма частот) или  w_i /h (гистограмма относительных частот). В первом случае площадь гистограммы равна объему выборки, во втором – единице (рис.2). Ри

Билет 22.

Математическое ожидание случайной величины

Математическое ожидание - число, вокруг которого сосредоточены значения случайной величины. Математическое ожидание случайной величины  обозначается M .

Математическое ожидание дискретной случайной величины  , имеющей распределение

 

x1	x2	...	xn
p1	p2	...	pn

называется величина , если число значений случайной величины конечно.

Если число значений случайной величины счетно, то . При этом, если ряд в правой части равенства расходится, то говорят, что случайная величина  не имеет математического ожидания.

Математическое ожидание непрерывной случайной величины с плотностью вероятностей p_ (x) вычисляется по формуле . При этом, если интеграл в правой части равенства расходится, то говорят, что случайная величина  не имеет математического ожидания.

Если случайная величина  является функцией случайной величины  ,  = f(x), то

.

Аналогичные формулы справедливы для функций дискретной случайной величины:

, .

Основные свойства математического ожидания:

• математическое ожидание константы равно этой константе, Mc=c ;

• математическое ожидание - линейный функционал на пространстве случайных величин, т.е. для любых двух случайных величин  ,  и произвольных постоянных a и b справедливо: M(a + b ) = a M( )+ b M( );

• математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий, т.е. M(  ) = M( )M( ).