АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Случайные величины

Читайте также:
  1. IV. Относительные величины, динамические ряды
  2. V. Вариационные ряды, средние величины, вариабельность признака
  3. Абсолютные величины
  4. АБСОЛЮТНЫЕ И ОТНОСИТЕЛЬНЫЕ ВЕЛИЧИНЫ
  5. Алгоритм изменения дозы НФГ в зависимости от относительной величины АЧТВ (по отношению к контрольной величине конкретной лаборатории)
  6. БАЗОВЫЕ ДОЗИМЕТРИЧЕСКИЕ ВЕЛИЧИНЫ
  7. Величины)
  8. Глава VIII. НЕСЛУЧАЙНЫЕ СЛУЧАЙНОСТИ
  9. Дискретные случайные величины. Числовые характеристики дискретных случайных величин
  10. Диф. уравнение, период, частота. Величины хар-е затухания.
  11. Для определения необходимых расчетных показателей (величины арендных ставок, ставки капитализации и др.) используют скорректированные данные по сопоставимым аналогам.
  12. З.Средние величины

 

Пусть дискретная случайная величина X задана таблицей

где р 1 + р 2 + … + р n = 1. (1.3.5)

 

Математическое ожидание дискретной случайной величины X:

М(X) = . (1.3.6)

(математическое ожидание имеет ту же размерность, что и случайная величина).

Дисперсия дискретной случайной величины X:

D(X) = (1.3.7)

(дисперсия имеет размерность квадрата случайной величины).

Непрерывная случайная величина X может быть задана своей функцией распределения вероятностей или плотностью распределения вероятностей.

Плотность распределения вероятностей случайной величины X:

f X(x) = f (x) = d P/ dx.

Функция распределения вероятностей случайной величины X:

F X(x) = F (x) = P (X £ х),

P(x 1 < X < x 2) = F (x 2) – F (x 1). (1.3.5)

Связь функции распределения и плотности вероятностей:

f (x) = F (x)' = dF (x)/ dx,

 

F (x) = .

Условие нормировки для непрерывной случайной величины:

= l.

Математическое ожидание непрерывной случайной величины X:

М(Х) = .

Дисперсия непрерывной случайной величины X:

 

D(X) = .

Общие соотношения:

D(X) = М{[ Х – М(Х)]2}

или

D(X) = М(Х 2) – [М(Х)]2.

Среднее квадратическое отклонение случайной величины:

s (Х) = ÖР(X).

Плотность распределения вероятностей для нормального закона распределения (закона Гаусса):

f (x) = ,

где а – математическое ожидание случайной величины, s – среднее квадратическое отклонение.

Функция распределения вероятностей для нормального закона:

F (x) = Ф(t), (1.3.6)

 

где t = (х – а)/ s, значения функции Ф(t) даны в соответствующих таблицах.

Плотность распределения вероятностей для равномерного распределения на интервале [ а, b ]:

f (x) = 0 вне отрезка [ а, b ],

f (x) = 1/(b – а) при а £ х £ b.

Плотность вероятности для экспоненциального закона распределения:

f (x) = lехр (– lx), х ³ 0.

Распределение Больцмана:

n = n 0 exp (– mgh / kT),

где n – концентрация молекул, h – высота над уровнем Земли, m – масса молекулы, k – постоянная Больцмана, g – ускорение свободного падения.

 

Пример 4. Случайная величина распределена по нормальному закону с нулевым математическим ожиданием (а = 0) и средним квадратическим отклонением а. Найти вероятность того, что эта случайная величина принимает значения в интервалах:

 

а) – s < X < + s; б) – 2 s < X < + 2 s; в) – 3 s < X < +3 s.

Пример решения для интервала шириной s.

Согласно (1.3.5) и (1.3.6) запишем:

Р(– s < X < + s) = F (s) – F (– s) = Ф[(s – а)/ s ] – Ф[(– s – а)/ s ],

Ф[(s – 0)/ s ] = Ф(1) = 0,8413 (из таблицы),

Ф[(– s – 0)/ s ] = Ф(– 1) = 1 – Ф(1) = 1 – 0,8413 = 0,1587,

Р = Ф (1) – Ф (–1) = 0,8413 – 0,1587 = 0,6826.

Иллюстрация правила трех сигм.

Среди 10 000 значений нормальной случайной величины в среднем только 27 выйдут за пределы интервала (а – 3 s, а + 3 s). Это означает, что среди небольшого числа значений X практически нет таких, которые выходят за пределы указанного интервала.

 

Пример 5. Случайная величина X распределена по нормальному закону с математическим ожиданием 3 и дисперсией 4. Найти вероятность того, что 1 < X < 7.

Решение. а = 3, s = Ö4 = 2 найдем искомую вероятность (без вывода):

Р(1< X < 7) = [Ф{(7 – 3)/2} – Ф{(1 – 3)/2}] = [Ф(2) – Ф(–1)] =

= (0,9772 – 0,1587) = 0,8185.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)