Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Bilety_po_matanu.docx
Скачиваний:
474
Добавлен:
29.03.2016
Размер:
8 Мб
Скачать
☆

40. Закон распределения и функция распределения дискретной случайной величины.

Закон распределения с.в. – соответствие, устанавливающее связь между возможными значениями с.в. и вероятностями этих значений.

Функцией распределения F(х) с.в. Х называется вероятность того, что с.в. X примет значение, меньшее х.

F(x)=P(X<x)

Для дискретной случайной величины: F(x)=P(X<x)=Р(-∞<X<x)=

Функцию распределения называют еще интегральным законом распределения. Она обладает свойствами:

  1. Функция распределения есть неубывающая функция своего аргумента, т.е. для любых х1<x2 выполняется соотношение F(х1)≤ F(х2)

  2. F(-∞)=0, F(+∞)=1

  3. Функция распределения непрерывна слева: F(х-0)= F(х) при любых значениях х

Вероятность того, что с.в. Х примет значение из промежутка (a,b), вычисляется по формуле:

P(a≤X<b)=F(b)-F(a)

41. Свойства интегральной функции распределения.

1. Функция распределения есть неубывающая функция своего аргумента, то есть для любых х1<х2 выполняется соотношение F(x1)<=F(x2)

2. F от минус бесконечности будет равна нулю(0), от плюс бесконечности равна единице(1)

3. Функция непрерывна слева: F(x-0)=F(x) при любых значениях х.

42. Вероятность попадания случайной величины в заданный интервал с помощью интегральной функции распределения.

Вероятность того, что случайная величина Х примет значение из промежутка (а,в), вычисляется по формуле:  Р(а < X < b) = F(b) – F(а).      

43. Плотность вероятности непрерывной случайной величины, ее вероятностный и геометрический смысл и свойства.

44. Примеры основных распределений дискретной случайной величины.

45. Вероятность попадания непрерывной случайной величины в заданный интервал (с помощью дифференциальной функции распределения).

46. Числовые характеристики дискретных случайных величин .

1. Мат ожиданием дискретной случайной величины называется сумма произведений всех возможных ее значений на вероятности этих значений:

2. Дисперсия с.в. Х – это мат ожидание квадрата отклонения случайной величины от своего математического ожидания:

DX=D(X) = M[X-M(X)]2 = M(X2) – (MX)2 = M(X2) – m(x)2

3. ?Дисперсия имеет размер квадрата с.в. для наглядности в качестве характеристики рассеивания удобного использования числом?

Среднее квадратическое отклонение (стандартное отклонение) случайной величины –

47. Числовые характеристики непрерывных случайных величин.

48. Основные свойства математического ожидания и дисперсии.

49. Нормальное распределение непрерывной случайной величины: плотность вероятности и числовые характеристики.

Говорят, что с.в х распределена нормально с параметрами «а» и «σ», если ее плотность вероятности описывается функцией:   

где а и σ —некоторые постоянные, называемые параметрами нормального распределения.

а- мат. ожидание

σ- среднее квадратическое отклонение

Функция распределения F(x) в рассматриваемом случае принимает вид

50. Вероятность попадания нормально распределенной случайной величины в заданный интервал.

Вероятность попадания нормально распределенной с.в. в интервал определяется по формуле:

где – математическое ожидание, – среднее квадратическое отклонение данной случайной величины.

И  – функция Лапласа.

51. Вероятность заданного отклонения нормально распределенной случайной величины от своего математического ожидания. Правило трех сигм.

Вероятность отклонения нормально распределенной с.в от математического ожидания по абсолютной величине меньше, чем на (>0), определяется по формуле:

  

где – математическое ожидание, – среднее квадратическое отклонение.

Вычислим вероятность того, что отклонение нормально распределенной случайной величины от своего математического ожидания по абсолютной величине не превысит . Воспользуемся формулой для нахождения вероятности заданного отклонения, в которую в качестве подставим : Таким образом, вероятность того, что отклонение

случайной величины по абсолютной величине будет меньше утроенного среднего квадратического отклонения, равна 0,9973. Другими словами, вероятность того, что абсолютная величина отклонения превысит , составляет всего 0,0027. Такое событие, исходя их принципа невозможности маловероятных событий, можно считать практически невозможным. Вывод (правило трех сигм): если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]