Дати означення ф-ції розподілу імовірностей с.в.в. Сформулювати її основні властивості та геометричний зміст.
Случайные величины, возможные значения которых определяются одним числом наз одномерными. Величины, возможные значения которых определяются двумя, тремя, …, n числами наз соответственно двумерными, трёхмерными, …, n-мерными.
Будем обозначать через (X,Y) двумерную с.в. Каждую из величин X и Y наз составляющей (компонентой); обе величины X и Y, рассматриваемые одновременно, образуют систему двух случайных величин.
Ф-ция распределения двумерной с.в.
Рассмотрим двумерную с.в. (X,Y) (безразлично, дискретную или непрерывную). Пусть x,y – пара действительных чисел. Вероятность события, состоящего в том, что X примет значение, меньшее x, и при этом Y примет значение, меньшее y, обозначим через F(x,y). Если x и y будут изменяться, то будет изменяться и F(x,y), т.е. F(x,y) есть ф-ция от x и y.
Ф-цией распределения двумерной с.в. (X,Y) наз ф-цию F(x,y), определяющую для каждой пары чисел x,y вероятность того, что X примет значение, меньшее x, и при этом Y примет значение, меньшее y:
F(x,y)=P(X< x, Y< y)
Геометрически это равенство можно истолковать так: F(x,y) есть вероятность того, что случайная точка (X,Y) попадет в бесконечный квадрат с вершиной (x,y), расположенный левее и ниже этой вершины (с.158 Гмурман)
Свойство1. Значения ф-ции распределения удовлетворяют двойному неравенству
0≤F(x,y)≤1
Свойство2. F(x,y) есть неубывающая ф-ция по каждому аргументу, т.е.
F(x2,y)≥ F(x,y), если x2>x1
F(x,y2)≥ F(x,y), если y2>y1
Свойство3. Имеют место предельные соотношения:
1) F(-∞, y)=0 3) F(-∞,-∞)=0
2) F(x, -∞)=0 4) F(∞, ∞)=1
Свойство4.
а) При y=∞ ф-ция распределения системы становится ф-цией распределения составляющей X:
F(x, ∞)=F1(x)
б) При x=∞ ф-ция распределения системы становится ф-цией распределения составляющей Y:
F(∞, y)=F2(y)
26. Пояснити, як будуються випадкові величини, що мають розподіл: а) Пірсона χ2 (χ2-розподіл), б) Стьюдента (t-розподіл), в) Фішера (F-розподіл). Записати вирази для ф-ції щільності розподілу імовірностей цих розподілів та їх основні числові характеристики. Пояснити зміст позначень.
а) Пусть Xi(i=1,2,…,n) – нормальные независимые случайные величины, причем мат. ож-ние каждой из них равно нулю, а среднее квадратическое отклонение – единице. Тогда сумма квадратов этих величин распределена по закону χ2 («хи квадрат») с k=n степенями свободы; если же эти величины связаны одним линейным соотношением, например , то число степенем свободы k=n-1.
Плотность этого распределения
,
где - гамма-функция; в частности, Г(n+1)=n!
б) Пусть Z – нормальная случайная величина, причем M(Z)=0, σ(Z)=1, а V – независимая от Z величина, которая распределена по закону χ2 с k степенями свободы. Тогда величина
имеет распределение, которое наз t-распределением или распределением Стьюдента с k степенями свободы.
в) Если U и V – независимые случайные величины, распределенные по закону χ2 со степенями свободы k1 и k2, то величина имеет распределение, которое наз распределением F Фишера-Снедекора со степенями свободы k1 и k2 (иногда его обозначают через V2).
Плотность этого распределения
где
15.
6. Довести основні властивості мат. Сподівання та дисперсії 1)значення мат. сподівання вел. Х полягає між її наймен. І найбіл. ЗначеннямиДе а < М(х)<в2)Математичне сподівання постійної величини дорівнює цій постійнійвеличині, тобто: М(С)=С3)Постійний множник можна виносити за знак математичного сподіванняM(kx)=k(M(x)4)Математичне сподівання суми скінченої кількості випадкових величиндорівнює сумі математичних сподівань: M(x+y)=M(x)+M(y)5)Математичне сподівання добутку випадкових величин дорівнює добуткуматематичних сподівань цих величин: M(x*y)=M(x)*M(y)6)Якщо всі значення випадкової величини X зменшити (збільшити) на одне йте саме число C, то математичне сподівання зменшиться (збільшиться) нате саме число: M(X–C)=M(X)–C Наслідок: Математичне сподівання відхилення випадкової величини X, від її математичного сподівання дорівнює 0 Дисперсія (з лат. – розсіяність). В більшості випадків тількиматематичне сподівання не може в достатній мірі характеризувативипадкову величину., дисперсыя для випадкових та неперервних величин Властивості дисперсії 1) Дисперсія постійної величини дорівнює нулю D(с)=02)Постійний множник виноситься за знак дисперсії, якщо піднести його доквадрату, тобто: Д(с*х)= с*с * Д(х)3)Дисперсія суми скінченої кількості незалежних випадкових величиндорівнює сумі дисперсій цих величин: Д(x+y)=Д(x)+Д(y)4) Дисперсія різниці незалежних випадкових величин дорівнює:Д(x-y)=Д(x)-Д(y) 19. Дати означення основних числових характеристик свв.:В) Досить часто для характеристики зв’язку між випадковими величинами і використовують коефіцієнт кореляції
.
Коефіцієнт кореляції характеризує тільки зв'язок між випадковими величинами, тоді як крім зв’язку між випадковими величинами і характеризує ще й величину розсіювання. Коефіцієнт кореляції є безрозмірною величиною.
Зазначимо, що можна розглядати як скалярний добуток величин і .дістаємо так званий умовний дискретний розподіл імовірностей випадкової величини за умови, що випадкова величина набуває значення , . Числа , , , можна тлумачити як значення деякої випадкової величини , , яких вона набуває з імовірностями ,
Нехай – дискретна випадкова величина, що набуває значень , тобто
.
Нехай – деяке розбиття.
Умовним математичним сподіванням випадкової величини щодо розбиття називають випадкову величину
, .
Якщо при цьому , то ,
тобто для випадкова величина набуває одного й того самого значення .
Якщо – довільна випадкова величина, для якої визначено , – випадкова подія така, що , то величину
, ,
називають умовним математичним сподіванням випадкової величини щодо події .
Г) Узагальненими числовими характеристиками випадкових величин є початкові та центральні моменти.
ОЗНАЧЕННЯ 5.8. Початковим моментом k-го порядку випадкової величини x називають математичне сподівання величини xk:
ak = ak(x) = М(xk) (k = 1,2,3, …).
ОЗНАЧЕННЯ 5.9. Центральним моментом k-го порядку випадкової величини x називають математичне сподівання від величини (x - Мx)k:
mk = mk(x) = М(x-Мx)k (k = 1,2,3, …).
Відзначимо кілька важливих положень:
- Число М½x½k називають абсолютним початковиммоментом порядку k випадкової величини x;
- Число М½x - Мx½k називають абсолютним центральним моментом порядку k випадкової величини x;
- З означень 5.8 та 5.9 маємо, що коли існують моменти Мxk, то існують й моменти менших порядків.
- Вірні наступні порівняння:
а) a = m = 1;
б) Mx = a1;
в) Dx = s2x = m2 = a2 - a12;
г) m1 = 0.
Як ми бачимо, другий центральний момент (в): m2 - дисперсіявипадкової величини.
Зауважимо ще те, що центральні моменти mk можна обчислити через начальні моменти a1, a2, …, ak.
Чим більш моментів випадкової величини відомі, тим детальніше уявлення про закон розподілу. В теорії ймовірностей та її застосуванні використовують ще дві числові характеристики випадкової величини, які обчислюються за допомогою третього та четвертого моментів.
Б) Вибіркові дисперсії s 2, S 2 — це числові характеристики розсіювання значень випадкової вибірки, що являє собою сукупність результатів незалежних повторних спостережень. Визначаються в звичайних сукупностях вимірів. В теорії точності вимірювань їх ще називають дисперсіями вимірів, або просто дисперсіями.
- Дисперсія s 2 — це різниця середнього значення квадратів елементів вибірки і квадрата вибіркового середнього:[3]
.
- Дисперсія S 2 є різниця середнього значення квадратів елементів вибірки і середнього значення добутку двох її елементів:
.
- Вибіркові дисперсії мають такий вигляд:
;