22. Примеры вычисления EX (матем.ожид) для двухточечного, биномин., пуассоновского, равномер и нормального распред.
1)(двухточ) X 0, 1
P 1-p, p
EX=0*(1-p)+1*p=p
2)(бином) X B(n,p) EX=np
X: 0,1,2,…n
P(X=k)= n^k p^k (1-p)^(n-k)
Или вот так: Yi0, 1
1-p, p
X= EX=E()= = np
3)(Пуассон) X: 0, 1, 2, …
X П Pk=P(X=K)= * e^ (-λ)
EX = = *e^(-λ) = e^(-λ) * = e^(-λ) *λ* = |k-1=L| = =e^(-λ)*λ* = λ
4)(абсол.непрер.)(равном) X Px(𝑥)=
EX = = dx = =
5)(нормаль.закон) X
Px() = * e ^ (- )
EX = * e ^ (- ) dx = * e^(- )* = * dy + a * * e ^ (- ) dy = a
Левая часть последнего равенства = 0,тк нечетная функция. Правая часть =1, тк четная
23. Дисперсия и ее свойства.
Дисперсия случ.велX называют число DX = E(X-EX)^2
Свойства:
DX>0
DX=0 ó a: P (X=c)=1
=>D((
D() = E ( = E( = E (X-EX)^2 =
DX=EX^2 – (EX)^2
DX=E(X-EX)^2 = E(X^2-2*X*EX+ (EX)^2))= EX^2-2*EX*EX+EX^2 = EX^2 – (EX)^2
X и Y-независ.сл.вел
D(X+Y)=DX+DY
D(X+Y) = E(X+Y-E(X+Y))^2 = E(X+Y-EX-EY)^2 = E((X-EX)^2+(Y-EY)^2 + 2(X-EX)(Y-EY)) = =E(X-EX)^2 +E(Y-EY)^2+ 2E(X-EX)(Y-EY) = DX+DY+2E(X-EX)(Y-EY) = DX+DY
24. Примеры вычисления дисперсий для различных распределений.
1) X: c= 1 => DX=0
2) X: 0, 1
1-p, p =>DX=EX^2 – p^2 = p-p^2 =p(1-p)
X^2: 0, 1
1-p, p =>EX^2=p
X
Y1,Y2,…Yn – независ.случ.вел
Yk: 0, 1
1-p, p
X= , DX=D() = = np(1-p)
X X: 0,1,2,… pk=p(X=k)= * e^(-λ)
EX = = λ*e^(-λ) = λ
EX^2 = = = = + = λ^2*e^(-λ) + λ*e^(-λ) = λ^2+λ
DX = λ^2+λ-λ^2 = λ
(непрер) X
Px(𝑥) =
EX= . EX^2= = =
DX= - =
X – нормал.закон
Px(𝑥) = . EX=a
DX= = = |y= | = * = = )| (сверху , снизу - ) + =
25. Моменты случайных величин
k>=0 –целое число
Моментом k-ого порядка случ.велX называют число EX^k, если это число существует
Централь.момент. k-ого порядка сл.вел. X называют E(X-EX)^k
Абсолют.моментE|X|^k
26. Ковариация и коэффициент корреляции. Свойства коэффициента корреляции
1. cov (X,Y) = E(X-EX)(Y-EY)
2. X, Y – случ.вел., сущ. DX>0, DY>0.
Свойства коэф.коррел.:
| = =< =< = 1
X,Y- незав.случ.вел =>
Cov(X,Y)= E(X-EX)(Y-EY) = E(X-EX)E(Y-EY)=0*0=0
Пусть
D ( = E = E + E = 1+1+- 2* = 2+-2 ó сущ. C óY= *x + b
27. Неравенства Маркова и Чебышева.
1. Неравенство Маркова. X принимает неотрицательные знач. Тогда P(X>=t)=<
Док-во: для дискретн.распред.X
X: a1, a2,…
P1, p2,…
EX = = + = t = t*p(x>=t)
2. Нер-во Чебышева
X – случ.вел. a=EX, тогда
P(|X-a|>= t) =<
Док-во: P(|X-a|>=t) = P ((x-a)^2 >= t^2) =< =