- •Предмет тв.
- •Построение вероятностной мат. Модели случайного явления.
- •Классификация событий.
- •Действия над событиями.
- •Свойства действий над событиями.
- •Вероятность и её свойства.
- •Аксиомы вероятности (Колмогорова)
- •Th1. Умножение вер-ей.
- •Геометрическое определение вероятности.
- •Статистическое определение вероятностей.
- •Th2. (обобщение Th умножения на n событий).
- •Свойства независимых событий:
- •Формула полной вероятности
- •Формула Байеса.
- •Основные свойства плотности распределения:
- •Показательное распределение.
- •Распределение Релея:
- •Мат. Ожидание.
- •Основные cсвойства мат. Ожиданий
- •Дисперсия с.В.
- •Свойства дисперсии:
- •Моменты с.В.
- •Квантиль распределения.
- •Многомерные векторные с.В.
- •Многомерная плотность распределения.
- •Свойства:
- •Свойства:
- •Теорема умножения плотностей.
- •Основные свойства этой матрицы.
- •Основные свойства этой матрицы
- •1. Непрерывная с.В. Φ (X) – монотонная
- •2. Непрерывная с.В. Φ (X) не монотонная функция
- •Определение и свойства характеристической функции
- •Свойства характеристической функции:
- •Свойства характеристических функций векторных с.В.:
- •Свойства производящей функции:
Дисперсия с.В.
Опр1
Дисперсией D[X]
с.в. X
называется мат. ожидание квадрата
отклонения с.в. относительно её мат.
ожидания D[X]=
=M[(X-M[X]
]
(1)
Для
определения дисперсии можно использовать
формулу D[X]=M[
]-
[X]
(2)
Вывод ф-лы (2):
Опр2: Дисперсия равна разности между м.о. квадрата с.в. X и квадрата её м.о. (формула (2))
Дисперсия рассчитывается по формулам: D[X]
Дисперсия имеет
размерность квадрата с.в., это не удобно,
поэтому используется величина называемая
средне-квадратическим
отклонением
(с.к.о.) или стандартным отклонением с.в.
и обозначается σ
=σ[X]=
=+
Отклонением называют
разность между с.в. и её мат. ожиданием
(c
кружочком вверху)
;
Стандартизированной
с.в. называется с.в. X
если
=0,
Свойства дисперсии:
1. Дисперсия не с.в. равна 0.
Док-во: D[C]=M[(C-M[C] ]=M[0]=0
2. D[X]≥0
Док-во: D[X]=M[(X-
]≥0
3.
Константу можно выносить за знак
дисперсии, возводя её в квадрат D[XC]=
Док-во:
D[CX]=M[(CX-M[CX]
]=M[
(X-M[X]
]=
[(X-M[X]
]=
D[X]
4. Дисперсия обладает аддитивностью: D[X+Y]=D[X]+D[Y]
Док-во:
D[X+Y]=M[(X+Y
]-
[X+Y]=M[
+
M[
+2M[X]M[Y]-
[X]-2M[X]M[Y]-
[Y]=
M[
-
[X]+
M[
-
[Y]=
D[X]+D[Y]
21. Моменты случайных величин. Квантиль распределения.
Моменты с.В.
Начальным моментом
к-ого порядка распределения с.в. Х
(если он ∃) называется
действительное число
определённое по формуле:
где
Центральным
моментом к-ого порядка
распределения с.в. Х (если он ∃)
называется число
определённое по формуле: :
Очевидно что для ∀
с.в. центральный момент 1-ого порядка
равен 0:
.
Между
центральным и начальным моментами
существует связь. Выведем ф-лы для д.с.в.
(для н.с.в. аналогично при замене
на х,
на
)
пользуясь ф-лой куба
разности найдём
:
Третий центральный момент служит для характеристики асимметрии распределения.
Он имеет размерность
.
Чтобы получить безразмерную характеристику
делят на куб средне-квадратичного
отклонения. (
).
Слева третий ц.м.
справа - четвёртый
Четвёртый центральный
момент
служит для характеристики
островершинности/плосковершинности
графика распределения. Применяется для
н.с.в. Характеризуется с помощью
коэффициента эксцесса. (
).
(-3 т.к. для нормального
распределения
и
)
Квантиль распределения.
Квантилью уровня р ф-ии распределения
с.в. называется минимальное значение
при котором ф-я распределения F(x)
не меньше значения р где р∈(0,1)
т.е.
на рисунке указаны квантили
уровней α, β, γ некоторой ф-ии
распределения F(x)
Если
ф-я распределения строго монотонная и
непрерывная то квантиль является
единственным решением уравнения F(
)=p
Квантиль
уровня р=
называется медианой. Квантили уровня
р=
и р=
называются квартилями.
Квантили уровня р=0,1 р=0,2 р=0,3 - децили. По децилям можно составить представление о виде ф-ии распределения.
Если
плотность распределения существует,
симметрична относительно оси Оу и
положительна на оси Ох то
Для
д.с.в. квантиль распределения определяется
не однозначно. В качестве квантиля
берётся значение
для которого F(
)<p
и F(
)>p
22. Многомерные (векторные) случайные величины. Функция распределения и её основные свойства.
