Числовые характеристики функции случайного аргумента.
Вопрос 1
Одномерные: Случайной величиной X называется числовая функция, определенная на пространстве элементарных событий Законом распределения случайной величины называется любое правило, указывающее вероятности отдельных значений случайной величины или множества этих значений. Различают два типа СВ: • дискретные; • непрерывные. Дискретной СВ называется такая величина, число всевозможных значений Непрерывной СВ называется такая величина, возможные значения которой непрерывно заполняют некоторый интервал (конечный или бесконечный). Многомерные:
Вопрос 2 Функцией распределения случайной величины X называется функция Свойства функции распределения F(x): 1. 2. 3. 4. 0<F(x)<1
Функцией распределения случайного вектора где 1. 0£ F(x1,…,xm)£ 1; 2. F(x1,…,xm) не убывает по каждому аргументу; 3. 4. Вопрос 3 Математическое ожидание дискретной случайной величины есть сумма произведений всех её возможных значений на их вероятности: Свойства математического ожидания. Дисперсия дискретной случайной величины есть математическое ожидание квадрата отклонения случайной величины от её математического ожидания: Свойства дисперсии. Среднее квадратическое отклонение дискретной случайной величины, оно же стандартное отклонение или среднее квадратичное отклонение есть корень квадратный из дисперсии: Мода дискретной случайной величины Mo(X) - это значение случайной величины, имеющее наибольшую вероятность. На многоугольнике распределения мода - это абсцисса самой высокой точки. Бывает, что распределение имеет не одну моду. Коэффициент вариации случайной величины - это относительная мера вариации. Асимметрия (коэффициент асимметрии) случайной величины (и дискретной, и непрерывной) As(X) - величина, характеризующая степень асимметрии распределения относительно математического ожидания. Коэффициент асимметрии дискретной случайной величины вычисляется по формуле: Эксцесс (коэффициент эксцесса) случайной величины (и дискретной, и непрерывной) Ex(X) - величина, характеризующая степень островершинности или плосковершинности распределения, т.е. степень так называемого «выпада». Коэффициент эксцесса дискретной случайной величины вычисляется по формуле:
Вопрос 4 Случайная величина, принимающая п ( . Случайная величина, принимающая два значения: 0 и 1 с вероятностями q=1-р и р, соответственно(0<р<1), называется случайной величиной, распределенной по закону Бернулли спараметром p. Случайная величина, распределенная по закону Бернулли - это удачная модель для описания многих конкретных испытаний, имеющих два исхода (наиболее известный пример - бросание правильной монеты; здесь p=q=1/2), в том числе и в биологии: присутствие или отсутствие некоторого признака: пол родившегося цыпленка, цвет цветка и т. д.. Случайная величина где i=0, 1, 2,..., n, q=1-р, 0<p<1, называется биноминально распределенной случайной величиной, а п и р - параметрами распределения. На рис. 2.4 биномиальная случайная величина представлена в графической форме. Пример использования биномиальной случайной величины дан в 2.1. Рис. 2.4. Распределение вероятностей биномиально распределенной случайной величины для n=10 и p=0.2.
Заметим также, что случайная величина, распределенная по закону Бернулли, является частным случаем биномиальной случайной величины для n=1. Случайная величина где i=0, 1, 2, ..., На рис. 2.5 случайная величина, распределенная по закону Пуассона, представлена в графической форме. Случайная величина, распределенная по закону Пуассона, служит моделью эксперимента, связанного с определением численности бактерий в единице объема, или численности животных на единицу площади, и других подобных экспериментов. Вопрос 5 Пусть некоторая случайная величина Х подвергается детерминированному преобразованию j, в результате которого получается величина У. Рассмотрим задачу определения числовых характеристик и закона распределения получаемой в результате преобразования случайной величины У. Числовые характеристики функции случайного аргумента. Рассмотрим случайную величину Y, зависящую функционально от случайной величины X с известным законом распределения F(x): Y=φ(X). Если Х – дискретная случайная величина и известен ее ряд распределения имеет вид:
Определяем вероятности появления различных значений случайной величины У
Тогда математическое ожидание случайной величины Y определяется так: Если случайная величина X непрерывна и имеет плотность распределения f(x), то заменяя в формуле (9.1) вероятности pi элементом вероятностиf(x)dx, а сумму – интегралом, получаем: Соотношения (9.1), (9.2) и (9.3) – общее понятие математического ожидания, позволяющее вычислить математическое ожидание для неслучайных функций случайного аргумента. Например, дисперсия случайной величины Y=φ(x) определяется так: Величину M[φ(x)] рассчитываем в соответствии с (9.1)-(9.3). Для определения математического ожидания квадрата φ(х) воспользуемся следующими соотношениями: Таким образом, для нахождения числовых характеристик функции Y=φ(x) достаточно знать закон распределения ее аргумента. Вопрос 6 ©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|