Случайные велечины

Содержание

Слайд 2

Одномерные случайные величины Пусть есть случайный эксперимент, Ω ─ пространство элементарных

Одномерные случайные величины

Пусть есть случайный эксперимент, Ω ─ пространство элементарных

событий.
Определение
Случайной величиной ξ называется функция, отображающая Ω в R.
ξ: Ω → R
(То есть ξ = ξ(ω)).
Смысл: случайная величина – это числовая функция, принимающая значения случайным образом.
Слайд 3

Дискретные распределения Определение Случайная величина ξ имеет дискретное распределение, если она

Дискретные распределения

Определение
Случайная величина ξ имеет дискретное распределение, если она принимает не

более чем счетное число значений.
Значения: a1, a2,…,
Вероятности значений: pi = P(ξ = ai) > 0
Слайд 4

Определение Если случайная величина ξ имеет дискретное распределение, то рядом распределения

Определение

Если случайная величина ξ имеет дискретное распределение, то рядом распределения называется

соответствие ai ↔pi, которое имеет вид :
Слайд 5

Пример Подбрасываем 1 раз кубик. Пусть Ω={1,2,3,4,5,6}, и две функции из

Пример

Подбрасываем 1 раз кубик. Пусть Ω={1,2,3,4,5,6}, и две функции из

Ω в R заданы так: ξ(ω) = ω и η(ω) = ω2. Построить ряды распределения.
Решение
Слайд 6

Графическое задание ряда распределения ξ

Графическое задание ряда распределения ξ

Слайд 7

Примеры дискретных распределений Вырожденное распределение Ia Случайная величина ξ имеет вырожденное

Примеры дискретных распределений

Вырожденное распределение Ia
Случайная величина ξ имеет вырожденное распределение с

параметром a, если ξ принимает единственное значение a с вероятностью 1, т.е. P(ξ = a) = 1. Таблица распределения имеет вид
Слайд 8

Дискретное равномерное распределение Случайная величина ξ имеет дискретное равномерное распределение, если

Дискретное равномерное распределение

Случайная величина ξ имеет дискретное равномерное распределение, если ξ

принимает n значений х1, х2,..., xn с вероятностями рi = 1/n.
Слайд 9

Распределение Бернулли Bp Случайная величина ξ имеет распределение Бернулли с параметром

Распределение Бернулли Bp

Случайная величина ξ имеет распределение Бернулли с параметром p,

если ξ принимает значения 1 и 0 с вероятностями p и q = 1 – p, соответственно.
Случайная величина ξ с таким распределением равна числу успехов в одном испытании схемы Бернулли с вероятностью успеха p (0 успехов или 1 успех).
Слайд 10

Биномиальное распределение B(n,p) Случайная величина ξ имеет биномиальное распределение с параметрами

Биномиальное распределение B(n,p)

Случайная величина ξ имеет биномиальное распределение с параметрами n

и p, где 0 ≤ p ≤ 1, если ξ принимает значения 0, 1, 2, …n с вероятностями P{ξ = k} = Cnk pk q n –k.
Случайная величина с таким распределением имеет смысл числа успехов в n испытаниях схемы Бернулли с вероятностью успеха p.
Слайд 11

Пример Распределение вероятностей биномиально распределенной случайной величины для n = 10 и p = 0.2

Пример

Распределение вероятностей биномиально распределенной случайной величины для n = 10 и

p = 0.2
Слайд 12

Геометрическое распределение Gp, Сл.в. ξ имеет геометрическое распределение с параметром p,

Геометрическое распределение Gp,

Сл.в. ξ имеет геометрическое распределение с параметром p,

где 0≤p≤1, если ξ принимает значения 1, 2, 3,… с вероятностями P{ξ = k} = pqk –1.
Случайная величина ξ с таким распределением имеет смысл номера первого успешного испытания в схеме Бернулли с вероятностью успеха p.
Слайд 13

Распределение Пуассона Pλ Сл. в. ξ имеет распределение Пуассона с параметром

Распределение Пуассона Pλ

Сл. в. ξ имеет распределение Пуассона с параметром

λ, где λ>0, если ξ принимает значения 0, 1, 2,… с вероятностями
Слайд 14

Пример Распределение вероятностей Пуассоновской случайной величины с λ=5.

Пример

Распределение вероятностей Пуассоновской случайной величины с λ=5.

Слайд 15

Распределение Пуассона Это одно из важнейших дискретных вероятностных распределений впервые было

Распределение Пуассона

Это одно из важнейших дискретных вероятностных распределений впервые было исследовано

в 1837 г. С.Пуассоном (французский математик, механик и физик, 1781 – 1840 гг.)
Пуассоновская модель обычно описывает схему редких событий: при некоторых предположениях о характере процесса появления случайных событий число событий, происшедших за фиксированный промежуток времени или в фиксированной области пространства, часто подчиняется пуассоновскому распределению.
Слайд 16

Распределение Пуассона Примерами могут служить число частиц радиоактивного распада, зарегистрированных счетчиком

Распределение Пуассона

Примерами могут служить число частиц радиоактивного распада, зарегистрированных счетчиком в

течении некоторого времени t, число вызовов, поступивших на телефонную станцию за время t, число дефектов в куске ткани или в ленте фиксированной длины, число изюминок в кексе и т.д. Наконец, распределение Пуассона дает хорошую аппроксимацию биномиального распределения для больших значений n и малых значений р.
Слайд 17

Гипергеометрическое распределение Сл.в. ξ имеет гипергеометрическое распределение с параметрами n, N

Гипергеометрическое распределение

Сл.в. ξ имеет гипергеометрическое распределение с параметрами n, N и

K, где n ≤ N, K ≤ N, если ξ принимает целые значения k с вероятностями
Случайная величина ξ с таким распределением имеет смысл числа белых шаров среди n шаров, выбранных наудачу без возвращения из урны, содержащей K белых шаров и N –K не белых.
Слайд 18

Функция распределения Определение Функцией распределения случайной величины ξ называется функция Fξ(x),

Функция распределения

Определение
Функцией распределения случайной величины ξ называется функция Fξ(x),
при каждом x∈R

равная
Fξ(x) = P{ξ < x}.
Слайд 19

Пример

Пример

Слайд 20

Функция распределения ξ

Функция распределения ξ

Слайд 21

График функции распределения ξ

График функции распределения ξ

Слайд 22

Свойства функции распределения 1) Функция распределения Fξ(x) не убывает: если x1

Свойства функции распределения

1) Функция распределения Fξ(x) не убывает: если x1

≤ Fξ(x2);
2) Существуют пределы
3) Функция распределения непрерывна слева:
Слайд 23

Непрерывные распределения Определение Случайная величина ξ имеет абсолютно непрерывное распределение, если

Непрерывные распределения

Определение
Случайная величина ξ имеет абсолютно непрерывное распределение, если существует

неотрицательная функция fξ(x) такая, что для любого x0∈R функция распределения представима в виде
При этом функция fξ(x) называется плотностью распределения случайной величины ξ.
Слайд 24

Геометрический смысл функции распределения

Геометрический смысл функции распределения

Слайд 25

Свойства плотности

Свойства плотности

Слайд 26

Замечание Термин для «почти всех» означает «для всех, кроме (возможно) x

Замечание

Термин для «почти всех» означает «для всех, кроме (возможно) x

из некоторого множества нулевой меры (длины)». Заметьте, что стоящую под интегралом функцию можно изменить в одной точке (или на множестве нулевой длины), и интеграл от этого не изменится.
Слайд 27

Иллюстрация свойства 4

Иллюстрация свойства 4

Слайд 28

Примеры непрерывных распределений Равномерное распределение R [a, b]

Примеры непрерывных распределений

Равномерное распределение R [a, b]

Слайд 29

График плотности распределения R[a,b]

График плотности распределения R[a,b]

Слайд 30

График функции распределения R[a,b]

График функции распределения R[a,b]

Слайд 31

С помощью линейного преобразования приводится к равномерному распределению на отрезке [0,1].

С помощью линейного преобразования
приводится к равномерному распределению на отрезке [0,1].
Равномерное

распределение является непрерывным аналогом распределений классической теории вероятностей, описывающих случайные эксперименты с равновероятными исходами.
Погрешность, происходящая от округления числа, удовлетворительно описывается равномерным распределением на отрезке [ –1/2, 1/2].
Слайд 32

Нормальное распределение N (a,σ)

Нормальное распределение N (a,σ)

Слайд 33

Кривые плотностей N(a, σ) с различными а и σ

Кривые плотностей N(a, σ) с различными а и σ

Слайд 34

Нормальное распределение N (a,σ) Графики нормальных плотностей имеют симметричную, колоколообразную форму.

Нормальное распределение N (a,σ)

Графики нормальных плотностей имеют симметричную, колоколообразную форму.
а

– это величина, которая характеризует положение кривой плотности на оси абсцисс.
Изменение σ приводит к изменению формы кривой плотности, с увеличением σ кривая делается менее островершинной и более растянутой вдоль оси абсцисс.
Слайд 35

Кривые плотностей N(a, σ) с различными а и σ

Кривые плотностей N(a, σ) с различными а и σ

Слайд 36

Интерпретация С помощью модели нормального распределения можно описать множество явлений, например

Интерпретация

С помощью модели нормального распределения можно описать множество явлений, например распределение

высоты деревьев, площадей садовых участков, массы тела людей, дневной температуры и т. д. Нормальное распределение используется и для решения многих проблем в экономической жизни. Например, распределение числа дневных продаж в магазине, числа посетителей универмага в неделю, числа работников в некоторой отрасли, объемов выпуска продукции на предприятии и т. д.
Слайд 37

N(0,1) При а = 0 и σ = 1 нормальное распределение называют стандартным нормальным распределением

N(0,1)

При а = 0 и σ = 1 нормальное распределение называют

стандартным нормальным распределением
Слайд 38

График плотности N(0,1)

График плотности N(0,1)

Слайд 39

Плотность и функция распределения N(0,1)

Плотность и функция распределения N(0,1)

Слайд 40

Нормальное распределение N (a, σ) Фундаментальная роль, которую играет нормальное распределение,

Нормальное распределение N (a, σ)

Фундаментальная роль, которую играет нормальное распределение, объясняется

тем, что при широких предположениях суммы случайных величин с ростом числа слагаемых ведут себя асимптотически нормально.
С помощью линейного преобразования
нормальное распределение с произвольными параметрами (a, σ) приводится к нормальному распределению с параметрами (0, 1).
Слайд 41

Пример: приведение N(50,10) к N(0,1)

Пример: приведение N(50,10) к N(0,1)

Слайд 42

Правило 3 сигм Нормально распределенная случайная величина с большой вероятностью принимает

Правило 3 сигм

Нормально распределенная случайная величина с большой вероятностью принимает значения,

близкие к своему математическому ожиданию, что выражается правилом сигм:
Слайд 43

Вспомним, что по свойствам плотности и функции р–я:

Вспомним, что по свойствам плотности и функции р–я:

Слайд 44

Правило 3 сигм

Правило 3 сигм

Слайд 45

Показательное (экспоненциальное) распределение Eλ Плотность и функция распределения Eλ

Показательное (экспоненциальное) распределение Eλ

Плотность и функция распределения Eλ

Слайд 46

Графики плотности и функции распределения Eλ

Графики плотности и функции распределения Eλ

Слайд 47

Графики плотности и функции распределения E2

Графики плотности и функции распределения E2

Слайд 48

Свойства распределения Eλ Это распределение является непрерывным аналогом геометрического распределения. Обладает

Свойства распределения Eλ

Это распределение является непрерывным аналогом геометрического распределения.
Обладает свойством

отсутствия последействия
в связи с чем является основным в теории скачкообразных марковских процессов.
Слайд 49

Плотность распределения Коши Распределение Коши

Плотность распределения Коши

Распределение Коши

Слайд 50

Плотность Гамма –распределения Г –распределение

Плотность Гамма –распределения

Г –распределение

Слайд 51

Гамма –распределение Г–распределение является непрерывным аналогом отрицательного биномиального распределения. При α

Гамма –распределение

Г–распределение является непрерывным аналогом отрицательного биномиального распределения.
При α = 1

совпадает с показательным.
При α = n/2, λ = 1/2 совпадает с X2 –распределением с n числом степеней свободы.
При λ = nμ, α = n называется эрланговским распределением с параметрами (n,μ) и описывает распределение длительности интервала времени до появления n событий процесса Пуассона с параметром μ, используемым в теории массового обслуживания и теории надежности.
Слайд 52

Плотность распределения Лапласа Распределение Лапласа (двойное экспоненциальное распределение)

Плотность распределения Лапласа

Распределение Лапласа (двойное экспоненциальное распределение)

Слайд 53

Многомерные СВ Определение n – мерной случайной величиной ξ называется вектор

Многомерные СВ

Определение
n – мерной случайной величиной ξ называется вектор
ξ(ω)=(ξ1(ω), ξ2(ω),

… , ξn(ω)),
компонентами которого являются одномерные случайные величины.
Слайд 54

Определение Функцией распределения n–мерной случайной величины ξ называется функция Fξ1,ξ2,…,ξn(x1, x2, …, xn)= =P(ξ1

Определение
Функцией распределения n–мерной случайной величины ξ называется функция
Fξ1,ξ2,…,ξn(x1, x2, …,

xn)=
=P(ξ1 < x1, ξ2 < x2,…, ξn < xn)
Слайд 55

Свойства функции распределения 1) 0 ≤ Fξ1,ξ2,…,ξn(x1,x2,…,xn) ≤ 1, 2) Существуют

Свойства функции распределения

1) 0 ≤ Fξ1,ξ2,…,ξn(x1,x2,…,xn) ≤ 1,
2) Существуют пределы
3) Функция распределения Fξ(x)

непрерывна слева.
Слайд 56

Определение Случайная величина ξ имеет непрерывное n –мерное распределение, если существует

Определение

Случайная величина ξ имеет непрерывное n –мерное распределение, если существует неотрицательная

функция fξ1,ξ2,…,ξn(x1,x2,…,xn) такая, что для любого x ∈ Rn функция распределения представима в виде