|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Случайные 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.
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.) |