- •Федеральное агентство по образованию новосибирский государственный университет экономики и управления – «нинх»
- •Тексты лекций учебной дисциплины «Математика и информатика (математика)»
- •Математика
- •Введение в математику
- •Введение в теорию множеств
- •Начальные сведения о множествах
- •Способы задания множеств
- •Операции над множествами
- •Свойства операций над множествами
- •Разбиение множества на классы
- •Основы линейной алгебры
- •Определение матрицы
- •Определители второго и третьего порядков, их основные свойства
- •Миноры и их алгебраические дополнения, разложение определителя по строке (столбцу)
- •Свойства определителей
- •Операции над матрицами, их свойства
- •Свойства операций над матрицами
- •Обратная матрица и ее вычисление
- •Системы линейных уравнений
- •Матричный метод решения систем линейных уравнений
- •Правило Крамера
- •Метод Гаусса
- •Решение слу с использованием табличного процессора ms Excel
- •Функции рабочего листа для работы с матрицами
- •Решение систем линейных уравнений матричным методом
- •Решение систем линейных уравнений методом Крамера
- •Пошаговое решение системы линейных уравнений методом Гаусса
- •Математические модели
- •Основные понятия
- •Построение математических моделей простейших задач оптимизации
- •Графический метод решения задач линейного программирования
- •Технология решения задач линейного программирования с помощью Поиска решений в среде excel
- •1. Указать адреса ячеек, в которые будет помещен результат решения (изменяемые ячейки).
- •2. Ввести исходные данные.
- •3. Ввести зависимость для целевой функции
- •4. Ввести зависимости для ограничений.
- •5. Назначить целевую функцию (установить целевую ячейку), указать адреса изменяемых ячеек.
- •6. Ввести ограничения
- •7. Ввести параметры для решения злп
- •Теория вероятностей
- •Элементы комбинаторики
- •Случайные события и их вероятности
- •Случайные события
- •Операции над событиями
- •Определение вероятности события
- •Теоремы сложения и умножения вероятностей
- •Формула полной вероятности. Формула Байеса
- •Повторные независимые испытания
- •Случайная величина
- •Основные понятия
- •Распределение частоты пульса в группе из 47 человек
- •Функция распределения
- •Числовые характеристики случайных величин
- •Законы распределения дискретных случайных величин
- •Непрерывные случайные величины
- •Основные законы распределения непрерывных случайных величин
- •Контрольные вопросы
- •Основы математической статистики
- •Задачи математической статистики
- •Генеральная совокупность и выборка
- •Статистическое распределение (вариационный ряд). Гистограмма. Полигон
- •Характеристики положения и рассеяния статистического распределения
Числовые характеристики случайных величин
Закон распределения полностью характеризует случайную величину. Но при решении ряда практических задач нет необходимости знать все возможные значения случайной величины и соответствующие им вероятности, а удобнее пользоваться некоторыми количественными показателями, которые в сжатой форме дают достаточную информацию о случайной величине. Такие показатели называются числовыми характеристиками случайной величины. Основными из них являются: математическое ожидание, дисперсия и среднее квадратическое отклонение.
Математическое ожидание характеризует положение случайной величины на числовой оси, определяя некоторое среднее значение, около которого сосредоточены все возможные значения случайной величины.
Математическое ожидание дискретной случайной величины равно сумме произведений всех возможных ее значений на соответствующие вероятности:
.
Теоретико-вероятностный смысл этой характеристики состоит в том, что математическое ожидание приближенно равно среднему арифметическому всех ее значений при достаточно большом числе испытаний.
Пример 2.5.27. Найти математическое ожидание дискретной случайной величины Х, зная закон ее распределения.
Х |
-1 |
0 |
1 |
2 |
3 |
р |
0,05 |
0,2 |
0,4 |
0,3 |
0,05 |
Решение:
По формуле находим:
.
Ответ: 11.
Свойства математического ожидания
1. Математическое ожидание постоянной величины равно этой постоянной:
M(С)= C.
2. Постоянный множитель можно выносить за знак математического ожидания:
М(СХ) = СМ(Х).
3. Математическое ожидание алгебраической суммы случайных величин равна алгебраической сумме их математических ожиданий:
М(Х± Y) = М(Х) ± M(Y).
Две случайные величины X и Y называются независимыми, если распределение одной из них не зависит от того, какое значение приняла другая величина.
4. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:
М(Х·Y) = M(X)·M(Y).
Дисперсия характеризует рассеяние (отклонение) случайной величины относительно математического ожидания.
Математическое ожидание квадрата отклонения случайной величины X от ее математического ожидания М(Х) называют дисперсией случайной величины X и обозначают D(X), т.е.
Для дискретных случайных величин эту формулу можно записать в следующем виде:
.
Если дисперсия мала, то это означает, что случайная величина имеет тенденцию принимать значения, близкие к среднему.
Если D(Х)=0, то случайная величина с вероятностью 1 принимает только одно значение, равное М(Х).
Большая величина дисперсии указывает на большой разброс значений случайной величины, то есть на то, что вероятности принимать значения, существенно отличающиеся от среднего, не малы.
Основные свойства дисперсии:
1. Всегда D(X)³0.
2. Дисперсия алгебраической суммы двух независимых случайных величин X и У равна сумме дисперсий этих величин, т.е.
D(X± Y) = D(X)±D(Y).
2. Дисперсия постоянной величины С равна нулю, т.е. D(С) = 0.
3. Постоянный множитель С случайной величины Х можно выносить за знак дисперсии, предварительно возведя его в квадрат, т.е.
D(CX)=C2D(X)
Пример 2.5.28. Случайная величина задана следующим рядом распределения:
Х |
-1 |
0 |
1 |
2 |
р |
0,1 |
0,3 |
0,4 |
0,2 |
Найти математическое ожидание и дисперсию этой величины.
Решение:
Для нахождения математического ожидания воспользуемся формулами математического ожидания и дисперсии. Результаты вычисления сведем таблицу:
х |
pi |
xipi |
xi-M(X) |
(xi-M(X))2 |
(xi-M(X))2pi |
-1 |
0,1 |
-0,1 |
-1,7 |
2,89 |
0,289 |
0 |
0,3 |
0 |
-0,7 |
0,49 |
0,147 |
1 |
0,4 |
0,4 |
0,3 |
0,09 |
0,036 |
2 |
0,2 |
0,4 |
1,3 |
1,69 |
0,338 |
Σ |
1 |
0,7 |
|
|
0,81 |
Из таблицы следует, что М(Х) = 0,7; D(X) = 0,81.
Ответ: М(Х) = 0,7; D(X) = 0,81.
Средним квадратическим отклонением случайной величины Х называется корень квадратной из ее дисперсии: .
Размерность дисперсии равна квадрату случайной величины и ее неудобно использовать для характеристики разброса, поэтому удобнее применять корень квадратный из дисперсии - среднее квадратическое отклонение. Эта величина дает представлять о размахе колебаний случайной величины около математического ожидания.