Математическое ожидание и дисперсия случайной величины. Вычисление дисперсии выборки

Вероятность выиграть в кости равна 1/6. Игрок делает 120 ставок. Каким асимптотическим приближением можно воспользоваться, чтобы сосчитать вероятность того, что число выигрышей не будет меньше 15?

Вероятность выиграть в рулетку равна 1/38. Игрок делает 190 ставок. С по­мощью какой таблицы можно найти вероятность того, что он выиграет не менее 5 раз?

распределения Пуассона

Вероятность выиграть, играя в рулетку, 1/37. Сделав ставку 100 раз, мы ни разу не выиграли. Заподозрив, что игра ведется не честно, мы решили проверить свою гипотезу, построив 95%-ый доверительный интервал для вероятности выигрыша. По какой формуле строится интервал и что дала проверке в нашем случае?

DIV_ADBLOCK46">

Вероятность появления события А в испытании равна 0.1. Чему равно среднеквадратическое отклонение числа появлений события А в одном испыта­нии?

Вероятность суммы любых случайных событий A и B вычисляется по форму­ле:

р(A+B)=р(A)+р(B)-р(AB)

Вероятность того, что дом может сгореть в течение года, равна 0.01. Застраховано 500 домов. Каким асимптотическим приближением можно воспользоваться, чтобы сосчитать вероятность того, что сгорит не более 5 домов?

распределением Пуассона

Вероятность того, что размеры детали, выпускаемой станком-автоматом, окажутся в пределах заданных допусков, равна 0.96. Каков процент брака q? Какое количество негодных деталей в среднем (назовем это число M) будет со­держаться в каждой партии объемом 500 штук?

Возможные значения случайной величины X таковы: x1 = 2, x2 = 5, x3 = 8. Известны вероятности: р(X = 2) = 0.4; р(X = 5) = 0.15. Найдите р(X = 8).

Вратарь парирует в среднем 30 % всех одиннадцатиметровых штрафных ударов. Какова вероятность того, что он возьмет ровно два из четырех мячей?

Всегда ли верна формула M(X+Y)=M(X)+M(Y)

да, всегда

Выпущено 100 лотерейных билетов, причем установлены призы, из которых 8 по 1 руб., 2 – по 5 руб. и 1 – 10 руб. Найдите вероятности p0 (билет не выиграл), p1 (билет выиграл 1 руб.), p5 (билет выиграл 5 руб.) и p10 (билет вы­играл 10 руб.) событий.

p0=0.89; p1=0.08; p5=0.02; p10=0.01

Дан вариационный ряд выборки объема n = 7: -5, -3, 0, 1, 1, 4, 16. Выборочная медиана d и выборочное среднее для этого ряда равны

Дан вариационный ряд выборки объема n = 8: -2, 0, 3, 4, 6, 9, 12, 16. Выборочная медиана d и выборочное среднее для этого ряда равны

Дан вариационный ряд выборки объема n = 9: -2, 0, 3, 3, 4, 5, 9, 11, 12. Выборочная медиана для этого ряда – d равна

Дана выборка объема n = 10..jpg" width="13 height=21" height="21"> для этой выборки равно

https://pandia.ru/text/78/381/images/image011_24.jpg" width="49" height="32 src=">

Дана выборка объема n = 5: -2, -1, 1, 3, 4..jpg" width="107" height="24 src=">

Дана выборка объема n = 5: 2, 3, 5, 7, 8..jpg" width="108" height="24 src=">

Дана выборка объема n = 5: -3, -2, 0, 2, 3..jpg" width="115" height="24 src=">

Дана выборка объема n = 5: -4, -2, 2, 6, 8..jpg" width="13" height="21 src="> = 2, S2 = 20,8

Дана выборка объема n = 5: -6, -4, 0, 4, 6..jpg" width="13" height="21 src="> = 0, S2 = 20,8

Дана выборка объема n = 7: 3, 5, -2, 1, 0, 4, 3. Вариационный ряд для этой выборки и размах вариационного ряда

–2, 0, 1, 3, 3, 4, 5; размах равен 7

Дана выборка объема n: х1, х2, …, хn..jpg" width="141" height="45 src=">

Дана выборка объема n: х1, х2, …, хn. Если каждый элемент выборки увеличить на 5 единиц, то

выборочное среднее увеличится на 5, а выборочная дисперсия S2 не изменится

Дана выборка объема n: х1, х2, …, хn. Если каждый элемент выборки увеличить в 5 раз, то выборочное среднее

возрастет в 5 раз, а выборочная дисперсия S2 увеличится в 25 раз

Дана выборка объема n: х1, х2, …, хn. Статистический (или эмпирический) начальный момент k-го порядка находится по формуле

ak = https://pandia.ru/text/78/381/images/image017_13.jpg" width="83" height="47 src=">

Дана выборка объема n: х1, х2, х3, …, хn..jpg" width="140" height="45 src=">

Дана выборка: 0, 5, 2, 8, 2, 6, 1, 5. Вариационный ряд для этой выборки и его размах

0, 1, 2, 2, 5, 5, 6, 8; размах выборки 8

Дана конкретная выборка объема n = 10: 2, 2, 5, 5, 4, 3, 4, 2, 2, 5. Статистическое распределение этой выборки имеет вид

https://pandia.ru/text/78/381/images/image021_11.jpg" width="203" height="51"> С помощью метода наименьших квадратов по этим точкам строится прямая регрессии . Эта прямая для прибыли в марте дает значение (Указание. Определить это значение без построения прямой регрессии)

Дано статистическое распределение выборки

https://pandia.ru/text/78/381/images/image023_9.jpg" width="200" height="71"> Выборочное среднее и выборочная дисперсия S2 равны

https://pandia.ru/text/78/381/images/image024_6.jpg" width="200" height="69"> График эмпирической функции распределения для этой выборки имеет вид

https://pandia.ru/text/78/381/images/image026_4.jpg" width="192" height="69 src="> Эмпирическая функция распределения для этого ряда имеет вид

https://pandia.ru/text/78/381/images/image028_4.jpg" width="144" height="78 src=">

Дано статистическое распределение выборки с числом вариант m: https://pandia.ru/text/78/381/images/image030_6.jpg" width="87" height="47 src=">

Дано статистическое распределение выборки с числом вариант m: https://pandia.ru/text/78/381/images/image032_3.jpg" width="13 height=23" height="23"> . Тогда статистический центральный момент k-го порядка находится по формуле:

https://pandia.ru/text/78/381/images/image034_2.jpg" width="185" height="71 src="> Выборочная средняя равна . Тогда выборочная дисперсия S2 находится по формуле

https://pandia.ru/text/78/381/images/image036_2.jpg" width="201" height="71 src="> Статистический (или эмпирический) начальный момент k-го порядка находится по формуле

https://pandia.ru/text/78/381/images/image038_2.jpg" width="193" height="71"> Выборочное среднее и выборочная дисперсия S2 равны

https://pandia.ru/text/78/381/images/image039_2.jpg" width="185" height="71"> Выборочное среднее и выборочная дисперсия S2 равны

https://pandia.ru/text/78/381/images/image040_2.jpg" width="245" height="28 src="> . При уровне значимости a =0,05 проверяется гипотеза о равенстве генеральных средних m x= m y (конкурирующая гипотеза m x≠ m y). Опытное значение статистики Т, применяемой для проверки гипотезы Н0, равно 4,17. Гипотеза Мх = Му

проходит

Для 2-х нормальных независимых величин с одинаковыми дисперсиями получены выборки объема nх=42 и ny=20 с такими характеристиками: https://pandia.ru/text/78/381/images/image041_2.jpg" width="16" height="20 src="> и таблиц нормального распределения строится доверительный интервал. Если увеличить объем выборки в 100 раз, длина доверительного интервала примерно

уменьшится в 10 раз

Для выборки объема n=9 рассчитали выборочную дисперсию S2=3,86. Исправленная дисперсия равна

Для контроля качества продукции завода из каждой партии готовых изде­лий выбирают для проверки 1000 деталей. Проверку не выдерживают в среднем 80 изделий. Равной чему можно принять вероятность того, что наугад взятое изделие этого завода окажется качественным? Сколько примерно бракованных изделий (назовем это число M) будет в партии из 10000 единиц?

p = 0.92; M = 800

Для обработки наблюдений методом наименьших квадратов построена прямая. Ее график:

https://pandia.ru/text/78/381/images/image043_3.jpg" width="20" height="24">)

Для построения доверительного интервала для оценки вероятности надо пользоваться таблицами

нормального распределения

Для проверки гипотезы о равенстве 2-х генеральных средних надо пользоваться таблицами

распределения Стьюдента

Для проверки на всхожесть было посеяно 2000 семян, из которых 1700 проросло. Равной чему можно принять вероятность p прорастания отдельного семени в этой партии? Сколько семян в среднем (назовем это число M) взойдет из каждой тысячи посеянных?

Для сравнения 2-х генеральных средних совокупностей X и Y из них извлекли выборки объема n и m соответственно. Для проверки гипотезы о том, что m х= m y, надо вычислить статистику

https://pandia.ru/text/78/381/images/image045_3.jpg" width="12" height="20"> , выборочное среднеквадратическое s

Для того, чтобы вдвое сузить доверительный интервал, построенный для математического ожидания, во сколько раз надо увеличить число наблюдений

Для того, чтобы по выборке объема n= 10 построить доверительный интервал для математического ожидания нормального распределения, дисперсия которого неизвестна, нужны таблицы

распределения Стьюдента.

Для того, чтобы построить 95%-ый доверительный интервал для математического ожидания m случайной величины, распределенной нормально с известной дисперсией s 2 по выборке объема n, вычисляется и используется формула

https://pandia.ru/text/78/381/images/image048_1.jpg" width="136 height=47" height="47">

Если вероятность события A есть р(A), то чему равна вероятность события, ему противоположного?

Если имеется группа из n несовместных событий Hi, в сумме составляющих все пространство, и известны вероятности P(Hi), а событие A может наступить после реализации одного из Hi и известны вероятности P(A/Hi), то P(A) вычисляется по формуле

Полной вероятности

Завод в среднем дает 27% продукции высшего сорта и 70% – первого сор­та. Найдите вероятность того, что наудачу взятое изделие не будет выс­шего или первого сорта.

Завод в среднем дает 28% продукции высшего сорта и 70% – первого сор­та. Найдите вероятность того, что наудачу взятое изделие будет или высшего, или первого сорта.

Задана таблица распределения случайной величины. Найти C..jpg" width="187" height="59 src=">

Значение кумуляты, построенной по таблице, в точке 170, и медианы равны https://pandia.ru/text/78/381/images/image052_1.jpg" width="204" height="50 src="> Оценка генеральной средней

Из колоды, состоящей из 36 карт, вынимают наугад две карты. Вероятость того, что попадут две карты одинаковой масти равна

https://pandia.ru/text/78/381/images/image054_1.jpg" width="43" height="41 src=">

Известно, что X~N(0,3), Y~N(0.5, 2), Х и Y независимы. S=X+2Y имеет распределение

Изделия изготавливаются независимо друг от друга. В среднем одно изделие из ста оказывается бракованным. Чему равна вероятность того, что из двух взятых наугад изделий окажутся неисправными оба?

Изделия изготавливаются независимо друг от друга. В среднем одно изделие из ста оказывается бракованным. Чему равна вероятность того, что из 200 взятых наугад изделий 2 окажутся неисправными?

Имеется группа из n несовместных событий Hi, в сумме составляющих все пространство, и известны вероятности P(Hi), а событие A может наступить после реализации одного из Hi, и заданы вероятности P(A/Hi). Известно, событие A произошло. Вероятность, что при этом была реализована Hi вычисляется по формуле

Количество поражений шахматиста в течение года имеет распределение Пуассона с параметром λ=6. Вероятность того, что шахматист в течение года проиграет не более двух партий равна

https://pandia.ru/text/78/381/images/image056_0.jpg" width="44" height="45 src=">

Куплено 1000 лотерейных билетов. На 80 из них упал выигрыш по 1 руб., на 20 – по 5 руб., на 10 – по 10 руб. Какая таблица описывает закон распреде­ления выигрыша?

https://pandia.ru/text/78/381/images/image058_1.jpg" width="89 height=52" height="52"> , равны

Математическое ожидание и дисперсия случайной величины, распределенной равномерно на отрезке , равны

Медиана выборки равна

Монету бросали 100 раз. 70 раз выпал орел, для проверки гипотезы о симметричности монеты строим доверительный интервал и проверяем, попали ли мы в него. По какой формуле строится доверительный интервал, и что даст проверка в нашем конкретном случае?

I 0,95 (p) = , монета не симметричная

На некоторой фабрике машина А производит 40% продукции, а машина B – 60%. В среднем 9 из 1000 единиц продукции, произведенных машиной А, и 1 из 250, произведенных машиной B, оказываются бракованными. Какова вероятность, что случайно выбранная единица продукции окажется бракованной?

На некотором заводе было замечено, что при определенных условиях в среднем 1.6% изготовленных изделий оказываются неудовлетворяющими стандарту и идут в брак. Равной чему можно принять вероятность того, что наугад взя­тое изделие этого завода окажется качественным? Сколько примерно непригод­ных изделий (назовем это число M) будет в партии из 1000 изделий?

p = 0.984; M = 16

На отрезке длиной 20 см помещен меньший отрезок L длиной 10 см. Найти вероятность того, что точка, наудачу поставленная на большой отрезок, попа­дет также и на меньший отрезок. Предполагается, что вероятность попадания точки на отрезок пропорциональна длине отрезка и не зависит от его располо­жения.

Наблюдения проводились над системой (х, у) 2-х величин. Результаты наблюдения записаны в таблицу Коэффициент корреляции равен

Наблюдения проводятся над системой (X: Y) двух случайных величин. Выборка состоит из пар чисел: (х1: y1), (х2: y2), …, (хn: yn)..jpg" width="11" height="24 src=">.jpg" width="11" height="27 src=">.jpg" width="200" height="49 src=">

Плотность распределения f(x) можно найти по функции распределения F(х) по формуле

https://pandia.ru/text/78/381/images/image069.jpg" width="161" height="83 src=">

По выборке объема 100 надо построить доверительный интервал для математического ожидания нормального распределения, дисперсия которого известна. Для этого необходимо воспользоваться

таблицами нормального распределения

По выборке объема n из нормального распределения с известной дисперсией s 2 строится доверительный интервал для математического ожидания. Если объем выборки увеличить в 25 раз, длина доверительного интервала

уменьшится в 5 раз

По выборке объема n из нормального распределения с неизвестной дисперсией строится доверительный интервал для математического ожидания. Объем выборки увеличиваем в 16 раз..jpg" width="274" height="151"> Медиана равна

Медиана равна

По выборке построена гистограмма

нормальное

По выборке построена гистограмма По виду гистограммы можно предполагать, что генеральная совокупность, из которой произведена выборка, имеет распределение

равномерное

По выборке построена статистическая таблица распределения https://pandia.ru/text/78/381/images/image075.jpg" width="201" height="48 src=">

По выборке построена таблица статистического распределения выборки, имеющая вид.

https://pandia.ru/text/78/381/images/image077.jpg" width="187" height="75 src="> Построить графически моду, найти медиану

https://pandia.ru/text/78/381/images/image008_28.jpg" width="105" height="47 src="> , где DIV_ADBLOCK57">

Производится n независимых испытаний, в которых вероятность наступления события A равна p. Вероятность того, что событие A наступит m раз

вычисляется по формуле Бернулли

Производится n независимых испытаний, в которых вероятность наступления события A равна p. n велико. Вероятность того, что событие A наступит m раз, вычисляется по формуле или используются асимптотические приближения?

используются асимптотические приближения

Производится выборка объема n=100 из генеральной совокупности, имеющей распределение N (20,4)..jpg" width="184" height="73"> Эмпирическое среднее времени, затрачиваемого на обработку одной детали,

Рулетка размечается с помощью меток – 00, 0, 1, ...36. Метки при игре не имеют преимуществ друг перед другом. Игрок делает 114 попыток. Какова вероятность ни разу не выиграть?

С первого станка на сборку поступает 40% деталей, остальные 60% со второго. Вероятность изготовления бракованной детали для первого и второго станка соответственно равна 0.01 и 0.04. Найдите вероятность того, что наудачу пос­тупившая на сборку деталь окажется бракованной.

Самое маленькое значение в выборке 0, самое большое 8, медиана 2. По этой выборке построена гистограмма

DIV_ADBLOCK59">

События A и B называются несовместными, если:

События называются независимыми, если:

р(AB)=р(A)р(B)

Состоятельной, но смещенной точечной оценкой параметра является

эмпирическая дисперсия S2

Станок-автомат производит изделия трех сортов. Первого сорта – 80%, второго – 15%. Чему равна вероятность того, что наудачу взятое изделие будет или второго, или третьего сорта?

Страхуется 1600 автомобилей; вероятность того, что автомобиль может попасть в аварию, равна 0.2. Каким асимптотическим приближением можно воспользоваться, чтобы сосчитать вероятность того, что число аварий не превысит 350?

интегральной формулой Муавра-Лапласа

Стрелок попадает в цель в среднем в 8 случаях из 10. Какова вероятность, что, сделав три выстрела, он два раза попадет?

Студенту предлагают 6 вопросов и на каждый вопрос 4 ответа, из кото­рых один верный, и просят дать верные ответы. Студент не под­готовился и выбирает ответы на - угад. Какова вероятность того, что он правильно ответит ровно на половину вопросов? (С точностью до 3-х знаков после запятой)

Теннисист идет на игру. Если ему дорогу перебежит черная кошка, то вероятность победы 0,2; если не перебежит, то – 0,7. Вероятность, что кошка перебежит дорогу – 0,1; что не перебежит – 0,9. Вероятность победы:

0,1·0,2+0,9·0,7

Условной вероятностью события B при условии, что событие A с ненулевой вероятностью произошло, называется:

р(B/A)=р(AB)/р(A)

Формула D(-X)=D(X)

Функцию распределения F(х) можно найти по плотности вероятности f(х) по формуле

Урок передачи-усвоения новых знаний, умений и навыков.

Тема: Дисперсия. Её свойства.

Цели урока:

• Познавательная: 1) передача учащимся определенной системы математических знаний, умений, навыков; 2) выработка у учащихся умения
  решать основные типы задач теории вероятности и применять теорию в конкретных различных ситуациях; 3) формирование представлений об идеях и методах высшей математики; 4) формирование у учащихся на материале учебного предмета высшей математики способов учебно-познавательной деятельности.
• Развивающая: 1) развитие мышления; 2) развитие памяти; 3) развитие элементов творческой деятельности, как качеств мышления; 4) развитие речи, заключающееся в овладении математической терминологией, а также приемами построения определений, понятий и оперирование ними.
• Воспитывающая: 1) воспитать у учеников любовь к выбранной профессии и данному предмету.

Задача: заключается в определении свойств дисперсии случайной величины и в выводе формулы для ее расчета.

Ход урока.

1. Организационный момент.
2. Повторение старого и изучение нового материала.
3. Закрепление нового материала.
4. Домашнее задание.

1. Проверка присутствующих учеников на уроке.

2. Математика – королева всех наук!
Без нее не летят корабли,
Без нее не поделишь ни акра земли,
Даже хлеба не купишь, рубля не сочтешь,
Что по не узнаешь, а узнав не поймешь!

Учитель : “Итак, математическое ожидание не полностью характеризует случайную величину”

Ученик 1: “О как же так выходит я совсем пустяк”.

Ученик 2: “Да, ты право, правду говоришь”.

Ученик 1: “Но кто заменит вдруг меня, ведь моя формула, то всем нужна”.

Ученик 2: “Да, ты сначала про себя все вспомни”.

Ученик 1: “Без проблем, вот эти формулы, они известны всем. И если множество значений бесконечно, то ожидание находится как ряд, точнее его сумма:

А, если величина вдруг непрерывна, то рассмотреть имеем право мы предельный случай, и вот в итоге что получим:

Ученик 2: “Но это все смешно ведь ожидание не существует. Нет его!”.

Ученик 1: “Нет, ожидание существует, когда является абсолютно сходящимся и интеграл и сумма”.

Ученик 2: “И все же я твержу одно, нам ожидание не нужно”.

Ученик 1: “Ах как же так? Да это просто ”.

Учитель: “Стоп, стоп, закончим спор. Возьмите ручку и тетрадь, и в путь мы будем с вами спор решать. Но прежде чем начать, давайте вспомним лишь одно, чему отклонение от математического ожидания равно”.

Ученик 3: “О, это могу вспомнить я”.

Учитель: “Пожалуйста, вот мел, доска”.

Ученик 4: “Разность X – М(Х) называется отклонением случайной величины X от ее математического ожидания М(Х). Отклонение является случайной величиной. Так как математическое ожидание случайной величины -величина постоянная и математическое ожидание постоянной равно этой

постоянной, то М(Х – М(Х)) = М(Х) – М(М(Х)) = М (X) – М(Х) = 0. т, е, М(Х – М(Х)) =0.”.

Учитель: “Да, все верно, но друзья за меру рассеяния отклонения случайной величины от ее математического это принять нельзя. И из этого последует, что рассматривают модули или квадраты отклонений. А вот теперь послушайте определение: X случайной величины – дисперсия или рассеяние – это математическое ожидание квадрата ее отклонения. Обозначается как D(X), а формула имеет вид: D(X) = М((Х – М(Х)) 2). (1) Теперь давайте, определим, какой же знак величине присвоим мы?”.

Ученик 5: “Из свойств и определения математического ожидания можем получить, лишь одно, что как величина дисперсия неотрицательна D(X) > 0” (2).

Учитель: “Учитывая равенство один получим формулу для нахождения дисперсии: D(X) = М(Х 2) – (М(Х)) 2 . Которую быть может кто – нибудь докажет”.

Ученик 6: “Давайте я попробую. D(X)=M((X – М(Х)) 2) = М(Х 2 - 2ХМ(Х)+(М(Х)) 2)=М(Х 2) – 2М(ХМ(Х)+М((М(Х)) 2)=М(Х 2) – 2М(Х)М(Х)+(М(Х)) 2 =М(Х 2) – (М(Х)) 2 ”. (3)

Учитель: “Рассмотрим свойства случайной величины:

1. Дисперсия С – как постоянной величины равна нулю: D(C) - 0 (С – const). (4)

2. Постоянный множитель можно вынести за знак дисперсии, возведя его в квадрат: D(CX)=C 2 D(X). (5)

3. Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий: D(X+Y) = D(X) + D(Y). (6)

4. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий: D(X – Y) = D(X) + D(Y). (7)

Докажем эти свойства принимая во внимание свойства ожидания:

D(C) = М((С – М(С)) 2) = М((С – С 2)) = М(0) = 0. Первое свойство доказано оно означает, что постоянная величина не имеет рассеяния так как принимает одно и тоже значение.

А теперь докажем второе свойство: D(CX) – М((СХ – М(СХ)) 2) = М((СХ

СМ(Х)) 2) = М(С 2 (Х – М(Х)) 2) = С 2 М((Х – М(Х)) 2) = C 2 D(X).

Для доказательства третьего свойства используем формулу три:

D(X+Y) = M((X+Y) 2) – (M(X+Y)) 2 = M(X 2 +2XY+Y 2) – (M(X)+M(Y)) 2 = M(X 2)+M(2XY)+M(Y 2) – ((M(X)) 2 +2M(X)M(Y)+(M(Y)) 2) = M(X 2)+2M(X)M(Y)+M(Y 2) – (M(X)) 2 – 2M(X)M(Y) – (M(Y)) 2 = M(X 2) - (M(X)) 2 +M(Y 2) – (M(Y)) 2 = D(X) – D(Y).

Третье свойство распространяется на любое число попарно-независимых случайных величин.

Доказательство четвертого свойства следует из формул (5) и (6).

D(X – Y) = D(X +(- Y)) – D(X) +D(– Y)=D(X)+(-l) 2 D(Y) = D(X)+D(Y).

Если случайная величина является X является дискретной и задан ее закон распределения Р(Х=х k) = p k (k= 1,2,3,n).

Таким образом случайная величина (X - М(Х)) 2 имеет следующий закон распределения: (к=1,2,3,n), =l.

Исходя из определения математического ожидания, получаем формулу

Дисперсия непрерывной случайной величины X, все возможные значения корой принадлежат отрезку [а,Ь] , определяется формулой:

D(X)=(x-M(X)) 2 p(x)dx (8)

где р(х) – плотность распределения этой величины. Дисперсию можно вычислять по формуле:

Для учеников, имеющих оценку “4” и “5” необходимо дома доказать формулу (9).

3. Закрепление нового материала в виде тестовой работы.

1) Тестовая работа по теме “Дисперсия и ее свойства”.

1. Продолжить определение: дисперсия – это.

2. Выберите правильную формулу для расчета дисперсии:

а) D(X)=D(X) 2 – (D(X)) 2 ;
б) D(X)=M(X – D(X 2));
в)D(X)=M((X-M(X)) 2);
г) D(X)=M(X) 2 – (M(X)) 2 ;

Это разность математического ожидания квадрата случайной величины и квадрата ее мат ожидания.

D(X)=M(X^2)-M^2(X)

Дисперсия характеризует степень рассеяния значение случайной величины относительно ее мат ожидания. Если все значения тесно сконцентрированы около ее мат ожидания и больше отклонения от мат ожид, то такая случайная величина имеет малую дисперсию, а если рассеяны и велика вероятность больших отклонений от М, то случ величина имеет большую дисперсию.

Свойства:

1.Дисперсия постоянно равна 0 D(C)=0

2.Дисперсия произведения случ величины на постоянную С равна произ десперсии случ велич Х на квадрат постоянной D(CX)=C^2D(X)

3.Если случ велич X and Y независимы, дисперсия их суммы (разности) равна сумме дисперсий

D(X Y)=D(X)+D(Y)

4.Дисперсия случ велич не изменится если к ней прибавить постоянную

Теорема:

Дисперсия числа появление соб А в n независимых испытаниях в каждом из которых вероятность появления соб постоянна и равна p, равна произведению числа испытания на вероятность появления и вероятности непоявления соб в одном испытании

Среднее квадратичское отклонение.

Средним квадрат отклонением случайной величины Х называется арифметический корень из дисперсия

Непрерывные случайные величины. Функция распределения вероятностей и ее свойства.

Случайная величина, значение которой заполняет некоторый промежуток, называется непрерывной .

Промежутки могут быть конечными, полубесконечными или бесконечными.

Функция распред св.

Способы задания ДСВ неприменимы для непрерывной. В этой связи вводиться понятие функции распределение вероятностей.

Функция распределения называют функцию F(x) определяющую для каждого значения х вероятность того что случ велич Х примет значение меньшее х т.е

Функция распределения ДСВ принимающие значение (x1,x2,x3) с вероятностью (p1,p2,p3) определяется

Так, например функция распределения биномиального распределения определяется формулой:

Случайную величину называют непрерывной, если ее функция распределения есть непрерывная, частично-дифференцируемая функция с непрерывной производной.

Свойства:

1.значение функции принадлежит

2. функция распределения есть неубывающая функция F(x2)

3.Вероятность того что случайная величина X примет значение заключенное в интервале (α,β) равна приращению функции распределения на этом интервале P(α

Следствие. Вероятность того что случ велич примет одно значение равно 0.

4.Если все возможные значение случ велич Х принадлежит (a,b) то F(x)=0 при x a и F(x)=1 при x b

5.Вероятность того, что случ велич Х примет значение большее чем x равно разности между единицей и функцией распределения

Математическим ожиданием (средним значением) случайной величины X , заданной на дискретном вероятностном пространстве, называется число m =M[X]=∑x i p i , если ряд сходится абсолютно.

Назначение сервиса . С помощью сервиса в онлайн режиме вычисляются математическое ожидание, дисперсия и среднеквадратическое отклонение (см. пример). Кроме этого строится график функции распределения F(X) .

Свойства математического ожидания случайной величины

1. Математическое ожидание постоянной величины равно ей самой: M[C]=C , C – постоянная;
2. M=C M[X]
3. Математическое ожидание суммы случайных величин равно сумме их математических ожиданий: M=M[X]+M[Y]
4. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий: M=M[X] M[Y] , если X и Y независимы.

Свойства дисперсии

1. Дисперсия постоянной величины равна нулю: D(c)=0.
2. Постоянный множитель можно вынести из-под знака дисперсии, возведя его в квадрат: D(k*X)= k 2 D(X).
3. Если случайные величины X и Y независимы, то дисперсия суммы равна сумме дисперсий: D(X+Y)=D(X)+D(Y).
4. Если случайные величины X и Y зависимы: D(X+Y)=DX+DY+2(X-M[X])(Y-M[Y])
5. Для дисперсии справедлива вычислительная формула:
   D(X)=M(X 2)-(M(X)) 2

Пример . Известны математические ожидания и дисперсии двух независимых случайных величин X и Y: M(x)=8 , M(Y)=7 , D(X)=9 , D(Y)=6 . Найти математическое ожидание и дисперсию случайное величины Z=9X-8Y+7 .
Решение. Исходя из свойств математического ожидания: M(Z) = M(9X-8Y+7) = 9*M(X) - 8*M(Y) + M(7) = 9*8 - 8*7 + 7 = 23.
Исходя из свойств дисперсии: D(Z) = D(9X-8Y+7) = D(9X) - D(8Y) + D(7) = 9^2D(X) - 8^2D(Y) + 0 = 81*9 - 64*6 = 345

Алгоритм вычисления математического ожидания

1. Поочередно умножаем пары: x i на p i .
2. Складываем произведение каждой пары x i p i .
   Например, для n = 4: m = ∑x i p i = x 1 p 1 + x 2 p 2 + x 3 p 3 + x 4 p 4

Пример №1 .

Пример №2 . Дискретная случайная величина имеет следующий ряд распределения:

Решение. Величину a находим из соотношения: Σp i = 1
Σp i = a + 0,32 + 2 a + 0,41 + 0,03 = 0,76 + 3 a = 1
0.76 + 3 a = 1 или 0.24=3 a , откуда a = 0.08

Пример №3 . Определить закон распределения дискретной случайной величины, если известна её дисперсия, причем х 1 x 1 =6; x 2 =9; x 3 =x; x 4 =15
p 1 =0,3; p 2 =0,3; p 3 =0,1; p 4 =0,3
d(x)=12,96

Решение.
Здесь надо составить формулу нахождения дисперсии d(x) :
d(x) = x 1 2 p 1 +x 2 2 p 2 +x 3 2 p 3 +x 4 2 p 4 -m(x) 2
где матожидание m(x)=x 1 p 1 +x 2 p 2 +x 3 p 3 +x 4 p 4
Для наших данных
m(x)=6*0,3+9*0,3+x 3 *0,1+15*0,3=9+0.1x 3
12,96 = 6 2 0,3+9 2 0,3+x 3 2 0,1+15 2 0,3-(9+0.1x 3) 2
или -9/100 (x 2 -20x+96)=0
Соответственно надо найти корни уравнения, причем их будет два.
x 3 =8, x 3 =12
Выбираем тот, который удовлетворяет условию х 1 x 3 =12

Закон распределения дискретной случайной величины
x 1 =6; x 2 =9; x 3 =12; x 4 =15
p 1 =0,3; p 2 =0,3; p 3 =0,1; p 4 =0,3

Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от своего математического ожидания (если последнее существует):

D(x) = M((x-M(x)) 2).

Для дискретной случайной величины:

Если дискретная случайная величина может принимать бесконечное число значений, сумма в правой части будет представлять собой ряд.

Для чего подсчитывают дисперсию? Математическое ожидание само по себе не дает нам верного представления о характере исследуемого явления, о том, как может изменяться случайная величина. Мы узнаем только ее среднее значение при большом числе экспериментов, но не можем судить о том, каков в среднем разброс ее значений вокруг этого числа. Судить об этом позволяет дисперсия. Отклонения при ее вычислении берутся в квадрате, так как в противном случае отклонения в разные стороны (значения больше и меньше среднего) компенсировали бы друг друга. Выбор для избавления от знака именно возведения в квадрат, а не какого-либо другого действия (например, взятия по модулю) объясняется тем, что на этом факте основывается доказательство некоторых важных свойств дисперсии, изучаемых математической статистикой.

Приведенное выше выражение для дисперсии является неудобным при проведении практических вычислений, поэтому выведем другое.

Приведем без доказательства некоторые свойства дисперсии:

1) Дисперсия неотрицательна (по определению):

2) Дисперсия постоянной равна нулю:

с – const D(c) = 0

Например, если работник получает постоянную зарплату х = 30 (тыс. руб.), то ее дисперсия будет равна нулю (в самом деле, характеристика рассеяния нулевая).

3) Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:

с – const D(cx) = c 2 D(x)

Например, пусть дисперсия заработной платы работника равна 4 (х –заработная плата, D(х) = 4). Другой работник всегда получает на 20% больше, чем первый, т.е. заработная плата второго работника равна 1,2*х. Тогда дисперсия заработной платы второго работника равна D(1,2*х) =
= 1,2 2 *D(х) = 1,44*4 = 5,76.

4) Для независимых случайных величин дисперсия их суммы равна сумме дисперсий:

D(x + y) = D(x) + D(y) (для независимых х и y)

Например, пусть дисперсия заработной платы одного работника равна 4 (х – его заработная плата, D(х) = 4), а другого – 5 (y – его заработная плата, D(y) = 5). Тогда дисперсия суммарной заработной платы составит D(x +
+ y) = D(x) + D(y) = 4 + 5 = 9. Однако, выполнить расчет таким образом можно лишь в случае, когда заработные платы этих работников не зависят друг от друга. Если они зависимы, воспользоваться формулой нельзя.

Следует отметить, что дисперсия разности двух случайных величин будет равна тоже сумме дисперсий (а не разности). Это следует из свойств (3) и (4), поскольку при возведении в квадрат сомножителя (-1) получают 1.

Свойство (4) будет верным не только для двух, но для любого конечного числа случайных величин.

5) При увеличении (уменьшении) всех значений случайной величины на константу, ее дисперсия не изменится (это следует из свойств (2) и (4):

с – const D(x - с) = D(x)

Например, если дисперсия среднемесячной зарплаты равна 4, и из зарплаты каждый месяц вычитают 800 руб. на оплату проездного билета, то дисперсия зарплаты за вычетом оплаты проездного будет все равно равна 4.

Например, рассмотрим случайную величину х – количество проданных в день автомобилей. Эта величина измерялась в течение 100 дней, и за это время принимала значения {0; 1; 2; 3; 4} соответственно 18, 15, 28, 15 и 24 число раз. Необходимо определить дисперсию вероятностного распределения х.

Будем считать, что число экспериментов – 100 - достаточно велико, чтобы можно было рассматривать относительную частоту в качестве эмпирической оценки вероятности. Поэтому чтобы определить вероятности, разделим каждую из частот на 100. Представим вероятностное распределение в виде табл.2, приписав к ней две строки для вспомогательных вычислений.

Таблица 2

6,46-2,12 2 1,97.

Использовать полученную оценку все же представляется затруднительным. Ее нельзя сравнить с математическим ожиданием, так как ее единицы измерения не имеют экономического смысла (“автомобили в квадрате”). Поэтому, чтобы определить, действительно ли разброс количества продаж вокруг величины 2,12 так велик, извлечем корень из дисперсии . Полученный результат имеет те же единицы измерения, что и рассматриваемая случайная величина (в данном случае он измеряется в количестве автомобилей, т.е. в штуках).

Эту величину называют средним квадратическим отклонением (СКО) и обозначают .

СКО = 1,4 (шт.) – много это или мало? Вероятно, если бы объем продаж составлял в среднем, например, 10 машин в день, то такая величина характеризовала бы небольшой разброс. В рассматриваемом случае
М = 2,12 (шт.). Чтобы оценить полученный результат, необходимо подсчитать относительный показатель, который позволит сравнить СКО с математическим ожиданием.

Отношение СКО к математическому ожиданию случайной величины называют коэффициентом вариации : . Он представляет собой безразмерную величину (можно перевести его в проценты, умножив на 100%).

Для рассмотренного примера коэффициент вариации равен 1,4/2,12 =
= 0,66 или 66%.

Рассмотренные выше математическое ожидание, дисперсия, СКО и коэффициент вариации представляют собой числовые характеристики случайной величины. Кроме них, существуют и другие числовые характеристики, которые пока рассматривать не будем.