Читайте также:
|
|
Лекция 4.
$1. ДИСКРЕТНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ.
Если задано некоторое вероятностное пространство (W, , Р), то под случайной величиной будем понимать числовую функцию X, заданную на пространстве W.
Cлучайные величины будем обозначать большими латинскими буквами, а значения, которые они принимают – соответствующими малыми.
Различают дискретные, непрерывные случайные величины и случайные величины с сингулярным распределением.
Дискретной называется случайная величина, принимающая конечное или счетное число различных значений.
Пример 1. Колесо рулетки разделено на 5 секторов, площади которых относятся как 5:4:3:2:1. Величина выигрыша пропорциональна номеру сектора, наименьший выигрыш –100 рублей.
Будем считать выигрыш случайной величиной Х. Это дискретная случайная величина. Она принимает значения: x 1 = 100, x 2 = 200, …, x 5 = 500.¨
Ecли мы укажем, c какими вероятностями дискретная случайная величина принимает свои значения, то мы зададим распределение случайной величины.
Распределение дискретной случайной величины можно задать в виде таблицы.
В верхней строчке таблицы указываются значения случайной величины, а в нижней - вероятности этих значений. Вероятность значения случайной величины – это вероятность множества тех элементарных исходов, на которых случайная величина принимает это значение: P (Х = хn) = Р {w: Х (w) = хn }.
¨
$2. ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНОЙ ВЕЛИЧИНЫ.
Функцией распределения случайной величины Х называется функция F (x),
определяемая на всей действительной прямой как .
Замечание. Поскольку вероятность определена только на множествах из алгебры , не любую числовую функцию Х (w), w Î W, можно считать случайной величиной, а только ту, для которой множества {w: X (w) £ x }принадлежат алгебре при любом действительном x. Такие функции называются измеримыми.
Перечислим свойства функции распределения случайной величины.
Утверждение 1. F (x) не убывает.
Доказательство. Пусть х 1 < х 2. F (x 2) – F (x 1) = Р (X £ x 2) – Р (X £ x 1) =
= Р {w: x 1< X (w) £ x 2) ³ 0. Cледовательно, F (x 1) £ F (x 2). §
Утверждение 2. Функция F (x) непрерывна справа, т.е. .
Доказательство. Предположим, F (x) не является непрерывной справа в некоторой точке а: для F (а + d) - F (a) > 0, т.е. P {w: а < Х (w) £ a + d } > 0. Значит, с ненулевой вероятностью случайная величины Х принимает значения, которые превосходят а, но не превосходят а + d сразу для всех d. Но это невозможно, т.к. любое значение х0, большее a, будет превосходить и a + d при некоторых d.§
Утверждение 3. Будем считать это утверждение аксиомой. §
Замечание. Иногда рассматривают распределения, у которых Такие распределения называются несобственными. Их изучение выходит за рамки нашего курса.
$3. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ ДИСКРЕТНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН.
Основной характеристикой случайной величины является математическое ожидание.
Пусть случайная величина Х принимает значения хk, k = 1,2,… с вероятностями р k. Математическое ожидание (или среднее значение) дискретной случайной величины обозначается МХ и равняется сумме числового ряда , если ряд сходится абсолютно.
Пример 4. Cредний выигрыш в примере 1 составляет:
MX = 100*(1/3)+200*(4/15)+300*(1/5)+400*(2/15)+500*(1/15)=233,(3). ¨
Cвойства математических ожиданий:
1) для любой постоянной величины C: MC = C;
2) для любой постоянной a: M (aX)= a * MX;
3) для любых случайных величин X и Y, имеющих математические ожидания MX и MY: M (X + Y)= MX + MY;
4) если случайные величины X(w) и Y(w) таковы, что X(w) £ Y(w) для всех , то МX £ MY;
5)
Все свойства математических ожиданий вытекают из свойств абсолютно-сходящихся числовых рядов.
Еще одна характеристика случайных величин – дисперсия. Дисперсия случайной величины X обозначается DX и равняется М (X – MX)2.
Дисперсия - это средний квадрат отклонения значений случайной величины от ее математического ожидания.
Из определения дисперсии сразу следуют ее свойства:
1) для любой постоянной величины C: DC =0;
2) для любой постоянной a: D (aX)= а 2* D (X).
Утверждение 4. Пусть Х – случайная величина, MX – ее математическое ожидание, а MX 2 – математическое ожидание случайной величины X 2. Тогда
Доказательство. §
Наряду с дисперсией рассматривают среднее квадратическое отклонение
Пример 5. Дисперсия выигрыша в рулетку DX = MX 2-(MX)2.
MX 2= 1002*1/3+2002*4/15+3002*1/5+4002*2/15+5002*1/15=70000; DX = 15555,(5).
¨
$4. МОМЕНТЫ.
Моментом порядка k (k= 1,2,3 ...) случайной величины Х называется математическое ожидание случайной величины Xk.
Пример 6. Моментом первого порядка является математическое ожидание случайной величины.¨
Центральным моментом порядка k (k= 1,2,3 ...) называется величина
Пример 7. Центральным моментом второго порядка является дисперсия. ¨
Утверждение 5. Если распределение случайной величины симметрично относительно ее математического ожидания, то все центральные моменты нечетного порядка, если они существуют, равны 0.
Доказательство. Центральный момент нечетного порядка l представляет собой ряд Поскольку распределение симметрично относительно математического ожидания, то каждому положительному члену ряда соответствует отрицательный, равный ему по модулю. В силу абсолютной сходимости сумма ряда равна 0. §
Для характеристики асимметрии распределения выбрали третий центральный момент. Коэффициентом асимметрии называется величина
Пример 8. Посчитаем коэффициент ассиметрии случайной величины из Х примера 1.
¨
Дата добавления: 2015-01-30; просмотров: 26 | Поможем написать вашу работу | Нарушение авторских прав |
<== предыдущая лекция | | | следующая лекция ==> |
Исследование состояния орфографических знаний, умений и навыков | | | Помещения, оборудование и инструменты для работ по культуре клеток растений |