Случайная величина

Содержание

Слайд 2

Закон распределения случайной величины Это связь между возможными значениями случайной величины

Закон распределения случайной величины

Это связь между возможными значениями случайной величины

и вероятностями, с которыми она эти значения принимает,
в виде 1) таблицы 2) графика 3) функции распределения
Дискретная случайная величина.
 Таблица Условие нормировки
Слайд 3

Слайд 4

Функция распределения F(x0) это вероятность того, что случайная величина X принимает значения, меньшие или равные x0.

Функция распределения F(x0)

это вероятность того, что случайная величина X принимает значения,

меньшие или равные x0.
Слайд 5

Свойства функции распределения 1). F(x) неубывающая: F(x2)≥F(x1) если x2≥x1 2).F(-∞)=0; F(+∞)=1

Свойства функции распределения

1). F(x) неубывающая: F(x2)≥F(x1) если x2≥x1
2).F(-∞)=0; F(+∞)=1

Вероятность попадания

значения
случайной величины в заданный интервал
Слайд 6

F(4)=P(X≤4)=P(2)+P(4)=0,1+0,2=0,3 F(8)=P(X≤8)=P(2)+P(4)+P(6)+ P(8)==0,1+0,2+0,4+0,2=0,9 P(4 Пример

F(4)=P(X≤4)=P(2)+P(4)=0,1+0,2=0,3 F(8)=P(X≤8)=P(2)+P(4)+P(6)+
P(8)==0,1+0,2+0,4+0,2=0,9
P(4

Пример

Слайд 7

Непрерывная случайная величина Таблица: Интервальный ряд распределения.

Непрерывная случайная величина

Таблица: Интервальный ряд распределения.

Слайд 8

Слайд 9

Функция плотности вероятности

Функция плотности вероятности

Слайд 10

Слайд 11

Числовые характеристики случайной величины. Пусть проведено n испытаний, случайная величина приняла

Числовые характеристики случайной величины.

Пусть проведено n испытаний, случайная величина приняла

значение
x1 -- m1 раз, x2 -- m2 раз И так далее
Непрерывная величина

Дискретная величина

1) Математическое ожидание. Это среднее значение случайной величины

Слайд 12

Числовые характеристики случайной величины. 2) Дисперсия (рассеивание). Это математическое ожидание (среднее

Числовые характеристики случайной величины.

2) Дисперсия (рассеивание). Это математическое ожидание (среднее

значение) квадрата отклонения случайной величины X от её математического ожидания

Дискретная величина

Для удобства вычислений

Непрерывная величина

Слайд 13

Числовые характеристики случайной величины Если X и Y независимые случайные величины,то

Числовые характеристики случайной величины

Если X и Y независимые случайные величины,то

Так как

размерность дисперсии не совпадает с размерностью самой случайной величины (например, метры и квадратные метры), используют
3) Среднеквадратическое или стандартное отклонение
Слайд 14

Законы распределения дискретной случайной величины. Биномиальное распределение Пусть производится N независимых

Законы распределения дискретной случайной величины. Биномиальное распределение

Пусть производится N независимых опытов(бросаем

кубик 4 раза)
В каждом опыте с одной и той же вероятностью р может наступить событие А (выпадание грани 6 ; р=1/6)
Случайная величина - это число k наступ-лений события A в N опытах (грань 6 выпадает в 4 опытах 2 раза)
Слайд 15

Биномиальное распределение Вероятность такой случайной величины вычисляют по формуле где q=1-p

Биномиальное распределение

Вероятность такой случайной величины вычисляют по формуле
где q=1-p ;

к!=1•2•

• •к факториал

Таблица биномиального распределения

Слайд 16

Слайд 17

Задача господина де Мере

Задача господина де Мере

Слайд 18

Распределение Пуассона Редкие события Если количество испытаний достаточно велико (N), а

Распределение Пуассона Редкие события

Если количество испытаний  достаточно велико (N), а вероятность  появления

события  в отдельно взятом испытании p весьма мала (0,05-0,1 и меньше), то вероятность того, что в данной серии испытаний событие  появится ровно  k раз, можно приближенно вычислить по формуле Пуассона:,

где параметр распределения- среднее число событий

Слайд 19

Если в биномиальном распределении зафиксировать k , а N увеличивать таким

Если в биномиальном распределении зафиксировать k , а N увеличивать таким

образом, чтобы произведение оставалось постоянным и равным , то получим распределение Пуассона
Пример
На 1000 человек в среднем приходится 1 алкоголик. Найти вероятность того, что в городке с населением 8000 человек окажется 7 алкоголиков.
Биномиальное распределение
Распределение Пуассона
Слайд 20

Основные законы распределения непрерывной случайной величины 1.Равномерное или прямоугольное распределение. Случайная

Основные законы распределения непрерывной случайной величины

1.Равномерное или прямоугольное распределение.
Случайная величина называется

равномерно распределённой на интервале [c,d], если функция плотности распределения её на этом интервале постоянна, а вне него равна нулю.
Слайд 21

Равномерное распределение Вероятность того что X попадёт в интервал

Равномерное распределение

Вероятность того что X попадёт в интервал

Слайд 22

Больные попадают на флюорографическое обследование строго по расписанию работы кабинета и

Больные попадают на флюорографическое обследование строго по расписанию работы кабинета и

интервалом 7 минут. Составить функцию плотности случайной величины  t – времени ожидании приглашения в кабинет больным, который наудачу подошёл к кабинету. Найти вероятность того, что он будет ждать приглашения не более 3 –х минут.

случайная величина   имеет равномерное распределение с плотностью:

Вычислим вероятность того, что пассажир будет ожидать приглашения
не более 3 минут:

Слайд 23

Нормальный закон распределения или распределение Гаусса a и σ параметры распределе ния

Нормальный закон распределения или распределение Гаусса

a и σ

параметры распределе
ния
Слайд 24

Нормальное распределение С изменением параметра а кривая смещается по оси х: Условие нормировки

Нормальное распределение


С изменением параметра а кривая смещается по оси

х:

Условие
нормировки

Слайд 25

С изменением параметра σ меняется форма кривой, но не площадь под ней

С изменением параметра σ меняется форма кривой, но не площадь под

ней
Слайд 26

Параметры нормального распределения математическое ожидание дисперсия. – среднее квадратическое отклонение.

Параметры нормального распределения

математическое ожидание

дисперсия.

– среднее квадратическое отклонение.

Слайд 27

Нормальная функция распределения Введём замену переменной:

Нормальная функция распределения
Введём замену переменной:

Слайд 28

Свойства функции Ф(t)

Свойства функции Ф(t)

Слайд 29

Вероятность попадания значений случайной величины в интервал [a.b]

Вероятность попадания значений случайной величины в интервал [a.b]

Слайд 30

Таблицы нормального распределения Таблицы нормального распределения

Таблицы нормального распределения

Таблицы
нормального
распределения

Слайд 31

Пример 1 Случайная величина распределена по нормальному закону. Параметры распределения:a=4, σ=3.

Пример 1

Случайная величина распределена по нормальному закону. Параметры распределения:a=4, σ=3. Найти

вероятность того, что случайная величина попадёт в интервал от (- ∞ ) до 5
Слайд 32

Пример 2 Случайная величина распределена по нормально-му закону. Параметры распределения:a=4, Чему

Пример 2

Случайная величина распределена по нормально-му закону. Параметры распределения:a=4,
Чему равно

х, если
По таблице находим: для
Слайд 33

Правило 3-х сигм

Правило 3-х сигм

Слайд 34

Слайд 35

Слайд 36

Математическая статистика. Статистическая совокупность – это множество объектов, обладающих общими признаками,

Математическая статистика.

Статистическая совокупность – это множество объектов, обладающих общими признаками, которые

являются наиболее важными (типичными) для характеристики этих объектов.


Объём совокупности n –это число членов совокупности
Генеральная совокупность – это совокупность всех
объектов, которые имеют типичную характеристику или
признак. Это все возможные значения случайной величины.
Объём генеральной совокупности).
Выборочная совокупность (выборка) – это отобранная
тем или иным способом часть генеральной совокупности

Варианта – это числовое значение изучаемого признака
( отдельные значения случайной величины

)

Слайд 37

Основные задачи, которые стоят перед математической статистикой Определение закона распределения случайной

Основные задачи, которые стоят перед математической статистикой

Определение закона распределения случайной величины

по имеющимся статистическим данным ( по выборке – закон распределения для всей генеральной совокупности).
Определение неизвестных параметров распределения ( по выборке оценить параметры генеральной совокупности).
Задача проверки правдоподобия выдвигаемых статистических гипотез
Слайд 38

Сбор экспериментальных данных. 1) Получаем статистический ряд –совокупность числовых данных или

Сбор экспериментальных данных.

1) Получаем статистический ряд –совокупность числовых данных или выборку

объёмом n:

2) Производим ранжирование -- это расположение всех имеющихся вариант по возрастанию

Пример: при измерении частоты пульса у 10 пациентов получены следующие результаты:
90, 110, 65, 80, 90, 60, 70, 80, 70, 80
Ранжированный ряд имеет вид: 60, 65, 70, 70, 80, 80, 80, 90, 90, 110.

Слайд 39

3) Составляем вариационный ряд (статистическое распределение) Дискретный вариационный ряд это таблица,

3) Составляем вариационный ряд (статистическое распределение)

Дискретный вариационный ряд это таблица, состоящая

из двух строк : конкретных значений вариант Xi и частот

mi


(сколько раз случайная величина принимала данное значение).

полигон частот

Слайд 40

Для непрерывной случайной величины составляется интервальный вариационный ряд: Первая строка -

Для непрерывной случайной величины
составляется интервальный вариационный ряд:

Первая строка -

интервалы изменения признака,
Вторая строка- частоты, относящиеся к данным интервалам

берётся целая часть числа.
–(формула Брукса, 1963

г.)

. Число интервалов можно приблизительно определить по формулам:

Длина интервала ΔX рассчитывается по формуле:

Пример. Анализ веса 60-ти новорожденных дал следующие результаты:min вес 1,5 кг, max вес 5 кг.
к=7

Слайд 41

Интервальный вариационный ряд: Гистограмма:

Интервальный вариационный ряд:

Гистограмма:

Слайд 42

Статистические характеристики совокупности Генеральная совокупность (n→∞) Дисперсия Выборка (n- конечно) Математическое

Статистические характеристики совокупности

Генеральная совокупность (n→∞)
Дисперсия

Выборка (n- конечно)

Математическое ожидание

Среднее арифметическое


Среднее квадратическое отклонение

Оценка дисперсии

Оценка среднеквадратического
отклонения

Слайд 43

Ошибка среднего арифметического Извлечём из генеральной совокупности N выборок одинакового объёма

Ошибка среднего арифметического

Извлечём из генеральной совокупности N выборок одинакового объёма n,

тогда их средние арифметические сами будут являться значениями случайной величины и имеют отклонения от истинного значения М[X].

Ошибка среднего арифметического показывает насколько близко получаемое по выборке среднее арифметическое значение, приближается к истинному среднему М[X] генеральной совокупности

Слайд 44

Интервальные оценки параметров Доверительный интервал

Интервальные оценки параметров Доверительный интервал

Слайд 45

Доверительным интервалом какого либо пара-метра, называют такой интервал, о котором можно

Доверительным интервалом какого либо пара-метра, называют такой интервал, о котором можно


сказать, что с вероятностью РД он содержит в себе этот параметр.

уровень значимости α=1-РД.

Доверительные интервалы для нормального распределения

Слайд 46

Распределение Стьюдента (малые выборки) Доверительные интервалы для нормального распределения и распределения Стьюдента

Распределение Стьюдента (малые выборки)

Доверительные интервалы для нормального распределения и распределения Стьюдента

Слайд 47

Пример: При определении концентрации белка в растворе были получены следующие результаты

Пример: При определении концентрации белка в растворе были получены следующие результаты

(в мг/л):110, 112, 115,
113,114. Найти 1) среднее значение,2) стандартное отклонение и 3)доверительный интервал для Рд=0.95.
Слайд 48

Алгоритм обработки результатов прямых измерений 1) Провести серию измерений, не менее

Алгоритм обработки результатов прямых измерений

1) Провести серию измерений, не менее трех


2) Найти среднее арифметическое .
3) Вычислить доверительный интервал
для заданной доверительной вероятности, например,
Слайд 49

Алгоритм обработки результатов прямых измерений 4) Найти систематическую ошибку. а). если

Алгоритм обработки результатов прямых измерений

4) Найти систематическую ошибку.
а). если указан класс

точности прибора:

б). если класс точности не указан ( например, линейка или термометр)

5) Вычислить общую ошибку:

. Эту ошибку называют еще абсолютной ошибкой.

Слайд 50

Алгоритм обработки результатов прямых измерений 6) Записать окончательный результат: . 7)

Алгоритм обработки результатов прямых измерений

6) Записать окончательный результат: .

7) Кроме абсолютной

ошибки желательно также найти коэффициент вариации (или относительную ошибку, выраженную в процентах):