Слайд 2ОСНОВНЫЕ ПОНЯТИЯ
Случайная величина (СВ)–величина, которая может принимать определённые числовые значения
в зависимости от исхода опыта.
(например, число глаголов в отрывке данного
произведения определённого объёма)
Дискретная случайная величина (ДСВ) может принимать только отделённые друг от друга значения (их конечное или счётное число).
Непрерывная случайная величина (НСВ) может принимать все значения из некоторого числового промежутка.
Слайд 3ОСНОВНЫЕ ПОНЯТИЯ
Закон распределения СВ – соответствие между возможными значениями СВ
и их вероятностями.
Для ДСВ – закон распределения
можно представить в
виде таблицы :
где
Многоугольник распределения – ломаная линия, последовательно соединяющая точки с координатами
Слайд 4ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ СВ
(ИНТЕГРАЛЬНАЯ ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ)
равна вероятности того, что случайная величина
Х примет значение меньшее, чем (где
)
Свойства:
1. F(x) – неубывающая;
2. - т.к это вероятность;
3. ;
4.
Слайд 5ФУНКЦИЯ ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТИ НСВ
(ДИФФЕРЕНЦИАЛЬНАЯ ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ)
Плотностью вероятности
называется первая производная от функции распределения
Свойства:
1.
,т.к. F(x) – неубывающая;
2.
3. Площадь фигуры под графиком плотности вероятности равна 1.
Слайд 6ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СВ
Математическое ожидание
- это среднее, наиболее ожидаемое значение СВ .
Для ДСВ
Свойства
:
1.
2.
3.
Слайд 7ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СВ
Дисперсия
- математическое ожидание квадрата отклонения значений СВ от её математического
ожидания.
Для ДСВ находится по формуле:
или
Свойства : 1). 2).
3).
Среднее квадратическое
отклонение
Слайд 8ЗАКОНЫ РАСПРЕДЕЛЕНИЯ ДСВ
Биномиальный
Случайная величина Х распределена по биномиальному
закону, если
она может принимать значения 0, 1, 2, …, n
с
вероятностями, которые находятся по формуле Бернулли:
( )
Слайд 9ЗАКОНЫ РАСПРЕДЕЛЕНИЯ ДСВ
Закон Пуассона
Случайная величина Х распределена по закону Пуассона
закону, если она может принимать значения 0, 1, 2, …,
n
с вероятностями, которые находятся по формуле Пуассона:
Слайд 10ЗАКОНЫ РАСПРЕДЕЛЕНИЯ НСВ
Нормальное распределение (закон Гаусса)
НСВ Х распределена по нормальному
закону Х~N(a;σ),
если её функция плотности распределения имеет вид:
Слайд 11СВОЙСТВА ФУНКЦИИ ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ НОРМАЛЬНОГО ЗАКОНА
1.
2. прямая
– ось
симметрии графика ;
3. - единственная точка экстремума функции;
4. - точки перегиба
Слайд 12ЛОГНОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
Значение случайной лингвистической величины Х обычно складывается из независимых
внутриязыковых величин. В этом случае нормально распределена не сама СВХ,
а её логарифм.
Функция плотности логнормального распределения имеет вид:
где
Слайд 13ВЕРОЯТНОСТЬ ПОПАДАНИЯ НСВ
В ЗАДАННЫЙ ПРОМЕЖУТОК
или
Если НСВ Х
распределена по нормальному закону
то
где - функция Лапласа
Слайд 14
СИСТЕМА ДВУХ СЛУЧАЙНЫХ ВЕЛИЧИН (ДВУМЕРНАЯ СВ)
Упорядоченная пара (Х ; Y)
случайных величин Х и Y называется системой двух СВ или
двумерной СВ.
Закон распределения двумерной СВ – соответствие между значениями (Х ; Y) и их вероятностями.
СВ Х и Y называются независимыми, если закон распределения каждой из них не зависит от того, какое значение приняла другая.
Две СВ Х и Y называются функционально зависимыми, если зная значение одной из них, можно точно указать значение другой.
СВ Х и Y связаны стохастической зависимостью, если зная значение одной из них, можно указать закон распределения, а не точное значение другой.
Слайд 15ОПЕРАЦИИ НАД НЕЗАВИСИМЫМИ СЛУЧАЙНЫМИ ВЕЛИЧИНАМИ
умножение на число – значения случайных
величин умножаются на это число, а их вероятности не изменяются;
возведение в натуральную степень – значения возводятся в степень, а вероятности не изменяются;
сложение, вычитание, умножение – значения попарно складываются, а соответствующие вероятности перемножаются;
Слайд 16ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СИСТЕМЫ ДВУХ СВ
Ковариация cov(X,Y) или корреляционный момент -
математическое ожидание произведения отклонений этих СВ от их математических ожиданий
.
Коэффициент корреляции
где и - средние квадратические отклонения X и Y
Слайд 17СВОЙСТВА КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ:
коэффициент корреляции по абсолютной величине не превосходит 1:
-1<
независимы, то =0;
если Х и Y связаны линейной зависимостью, т.е.
Х= а Y + в, где а ≠ 0, то = 1 или = -1,
Причём = 1 при а > 0
и = -1 при а < 0 ;
если = 1 или = -1,
то Х и Y связаны линейной зависимостью.