- •Федеральное агентство по образованию северо–кавказский горно–металлургический институт (государственный технологический университет)
- •Владикавказ 2008
- •Тема 1. Случайные события и случайные величины, их числовые характеристики
- •Случайные события
- •Вероятность события Существует статистическое и классическое определение понятия «вероятность». Статистическое определение вероятности
- •Классическое определение вероятности
- •Свойства вероятности
- •Сложение и умножение вероятностей
- •Условная вероятность. Умножение вероятностей
- •1.2.3. Полная вероятность
- •1.3. Случайные величины
- •1.3.1. Функции распределения случайной величины
- •1.3.1.1. Свойства функции распределения
- •1.3.1.2. Функция распределения для дискретной случайной
- •1.3.1.3. Функция распределения непрерывной случайной
- •Исходя из определения функции распределения:
- •1.3.1.4. Плотность вероятности случайной величины
- •Геометрическое истолкование этой формулы
- •1.3.2.1. Свойства математического ожидания
- •1.3.2.2. Свойства дисперсии
- •1.3.3. Моменты случайной величины
- •1.4. Примеры законов распределения случайной величины
- •1.4.1. Равномерное распределение дискретной случайной
- •1.4.2. Равномерное распределение непрерывной случайной
- •1.4.3. Нормальный закон распределения (закон Гаусса)
- •Тема 2. Точечное оценивание параметров. Регрессионный и корреляционный анализ
- •2.1. Выборочный метод
- •2.1.1. Среднее и дисперсия выборки
- •2.2. Связь между случайными величинами. Корреляция
- •2.2.1. Свойства коэффициента корреляции
- •2.2.2. Определение коэффициента корреляции по данным наблюдений
- •2.2.3. Частная линейная корреляция
- •2.2.4. Множественная линейная корреляция
- •2.3. Регрессия
- •2.3.1. Линейная регрессия
- •2.3.2. Нелинейная парная регрессия
- •2.3.3. Множественная линейная регрессия
- •2.3.4. Определение параметров уравнения множественной
- •Тема 3. Проверка статистических гипотез и построение доверительных областей для параметров
- •3.1. Доверительные интервалы и доверительные вероятности
- •3.2. Оценка генерального среднего
- •3.3. Оценка генеральной дисперсии
- •3.4.1. Гипотеза о равенстве дисперсий. Критерий Фишера
- •3.5. Проверка адекватности уравнения регрессии
- •Тема 4. Математическое описание случайных сигналов в системах управления
- •4.1. Случайные процессы
- •4.2. Стационарные случайные процессы
- •4.3. Корреляционная функция
- •4.3.1. Свойства корреляционной функции
- •4.4. Спектральная плотность
- •4.4.1. Свойства спектральной плотности
- •Тема 5. Понятие передаточной функции и частотных характеристик системы
- •5.1. Элементы операционного исчисления. Преобразование
- •5.1.1. Основные свойства преобразования Лапласа
- •5.1.2. Примеры преобразования Лапласа для типовых функций
- •5.1.3. Решение линейных дифференциальных уравнений
- •Примеры
- •5.2. Понятие передаточной функции
- •5.3. Временные и частотные характеристики сау
- •5.3.1. Временные характеристики сау
- •5.3.2. Частотные характеристики сау
1.3. Случайные величины
Под случайной величиной понимается величина, принимающая в результате опыта какое–либо числовое значение из множества возможных значений.
Примеры: 1) Число выстрелов, произведенных до первого попадания в цель (любое целое положительное число).
2) Расстояние от центра мишени до точки попадания (любое положительное число или 0).
Случайная величина, принимающая конечное число или последовательность различных значений, называется дискретной случайной величиной (пример 1).
Случайная величина принимающая все значения из некоторого интервала, называется непрерывной случайной величиной (пример 2).
Чтобы охарактеризовать дискретную случайную величину, прежде всего необходимо указать возможные ее значения. Однако этого недостаточно: нужно еще знать, насколько часто принимаются различные значения этой величины, что лучше всего характеризовать вероятностью отдельных ее значений. Иначе говоря, для случайной величины Х следует указывать не только ее значения x1,x2,…,xn, но и вероятности событийX =xi,рi =P(X =xi), (i = 1,2,…,n) состоящих в том, что случайная величинаХприняла значениехi.
Если перечислены все возможные значения X, то события X = xi не только несовместны, но и единственно возможны, так что сумма заданных вероятностей рi должна равняться единице.
Соотношение, устанавливающее связь между значениями случайной величины и вероятностями этих значений, называется законом распределения случайной величины.
Для дискретной случайной величины закон распределения удобно записывать в виде таблицы, причем .
x1 |
x2 |
… |
хi |
… |
xn |
р1 |
р2 |
… |
рi |
… |
рn |
Пример: Х – число очков, выпадающих на игральной кости. Возможные значения 1,…,6 равновероятны.
Закон распределения:
хi |
1 |
2 |
3 |
4 |
5 |
6 |
рi |
Многоугольник распределения:
1.3.1. Функции распределения случайной величины
Закон распределения не всегда можно задать таблицей. Например, для непрерывной случайной величины невозможно перечислить все ее значения. Поэтому ее характеризуют не вероятностями отдельных значений, как дискретную, а вероятностями того, что случайная величина принимает значения из определенного интервала, т.е. вероятностями неравенств вида . (Можно и для дискретных).
Обычно говорят о вероятности неравенства , т.е. вероятности того, что случайная величина принимает значение, меньшее х. Эта вероятностьР(X < x) является, очевидно, функцией х. Обозначим ее F(x)
.
Функцию F(x) называют интегральным законом распределения или функцией распределения случайной величины X.
1.3.1.1. Свойства функции распределения
Пусть X – случайная величина, x1 и x2 – две произвольные точки, причем x1<x2. Сравним значения функции F(х) в этих точках. Так как событие X<x1 влечет событие X<x2, то ясно, что
, или
по определению функции распределения,
.
Таким образом, функция распределения для любой случайной величины всегда является монотонно неубывающей.
Если все значения случайной величины принадлежат интервалу (а, b), то слева от точки «а» имеем F(x) = 0, а справа от «b» – функция F(x) = 1.