Лабораторная работа 1. Вычисление числовых характеристик дискретной случайной величины, Базовые понятия - Элементы теории вероятностей и математической статистики
Цель: освоить на практике нахождение с помощью MS EXCEL числовых характеристик дискретных случайных величин, а также изучить основные свойства функции распределения.
Базовые понятия
Различают дискретные и непрерывные случайные величины (СВ).
Дискретной Случайной величиной Называют такую СВ, которая принимает отдельные, изолированные значения с определенными вероятностями. Например, число покупателей в магазине в определенный момент времени, количество определенного товара, продаваемого ежедневно в магазине, число автомобилей на проспекте и т. д. являются дискретными СВ. Дискретность распределения не означает его конечность. Существуют дискретные распределения, которые имеют бесконечное количество возможных исходов. Одним из них является распределение Пуассона.
Для описания дискретной СВ необходимо установить соответствие между всевозможными значениями СВ и их вероятностями. Такое соответствие называется Законом распределения дискретной СВ. Его можно задать таблично, аналитически (в виде формулы), либо графически.
Например, табличное задание закона распределения дискретной СВ (табл.1.1):
Таблица 1.1
Х |
Х 1 |
Х 2 |
... |
Хn |
Рi |
Р 1 |
Р 2 |
... |
Рn |
Где ХI - Значение случайной величины;
Р 1- Вероятность, с которой СВ принимает значение ХI.
При этом должны выполняться следующие соотношения:
и (1.1)
Эта таблица показывает что, случайная величина X в результате испытания может принять одно из возможных значений Х 1, х 2,..., хП с соответствующими вероятностями
Р (Х = х 1) = р 1; Р(Х = х 2) = р 2; ... Р(Х = хП) = рN. (1.2)
Для наглядности закон распределения дискретной случайной величины изображают графически, для чего в прямоугольной декартовой системе координат строят точки с координатами и соединяют их последовательно отрезками прямых. Получающаяся при этом ломаная линия называется многоугольником распределения (полигоном) случайной величины X.
Случайные величины описываются некоторыми числовыми Характеристиками. Важнейшими из них являются: математическое ожидание, дисперсия, среднее квадратическое отклонение, коэффициент вариации.
Математическое ожидание М(Х) для дискретной СВ определяется по формуле:
, (1.3)
Математическое ожидание приближенно равно среднему арифметическому наблюдаемых значений СВ при многократной реализации случайной величины.
Дисперсией D(X) CВ X называется математическое ожидание квадрата отклонения СВ от ее математического ожидания:
(1.4)
При этом для дискретной СВ имеем:
(1.5)
На практике, для вычисления дисперсии используется формула:
(1.6)
Следует помнить, что формула (1.4) - это определение дисперсии, а соотношение (1.6) - это Свойство, которое доказывается в теории вероятностей.
Из определения дисперсии следует, что это Мера рассеяния (разброса) Всех возможных значений случайной величины относительно среднего ожидаемого значения. Дисперсия характеризует изменчивость случайной величины: чем она больше, тем дальше от среднего значения находятся возможные значения случайной величины.
Так как дисперсия имеет размерность, равную квадрату размерности СВ, а это неудобно, то вводится другая числовая характеристика - среднее квадратическое отклонение.
Средним квадратическим отклонением или Стандартным отклонением- СВ Х называют величину:
(1.7)
Для оценки разброса значений СВ в процентах относительно ее среднего значения, вводится Коэффициент вариации V(Х):
(1.8)
Все эти величины (дисперсия, среднее квадратическое отклонение, коэффициент вариации) являются мерой разброса значений СВ относительно среднего значения.
Характеристики рассеяния значений СВ обычно применяются при изучении риска различных действий со случайным исходом: в финансовом анализе при оценивании различных активов и портфеля активов, при анализе риска инвестирования.
Например, если сравнивают две случайные величины, то та СВ, которая имеет большую дисперсию и среднее квадратическое отклонение, более вариабельна (изменчива). Риск, ассоциируемый с инвестициями, часто измеряют стандартным отклонением возврата инвестиций. Если сравниваются два типа инвестиций с одинаковой ожидаемой средней величиной возврата, то инвестиции с более высоким средним квадратическим отклонением считаются более рискованными (хотя более высокое стандартное отклонение предполагает более вариабельный возврат с обеих сторон - как ниже, так и выше средней).
Модой дискретной СВ называется ее наиболее вероятное значение.
Геометрическая интерпретация моды: мода - это абсцисса той точки полигона распределения, у которой ордината максимальна
Определение функции распределения для дискретной СВ:
Функцией распределения СВ Х называется функция F(x), которая определяется следующим образом:
, (1.9)
То есть это вероятность того, что СВ Х принимает значение меньшее, чем фиксированное действительное число X. При изменении значения Х Изменяются вероятности, поэтому функцию F(x) рассматривают как функцию переменной величины.
Согласно определению функции распределения (1.9), имеем следующие соотношения:
, (1.10)
Т. е. суммирование распространяется на все значения индекса I, Для которых ХI < X.
С учетом этого, функцию распределения F(x) для дискретной СВ, принимающей конечное число значений (табл.1.1), можно записать в следующем виде:
(1.11)
График функции F(x) Дискретной случайной величины - прерывистая ступенчатая линия.
Отметим некоторые важнейшие свойства F(x):
- 1. Область значений (изменения) функции. 2. F(x) - неубывающая функция, то есть:
.
.
3. F(x) - функция непрерывная слева, т. е.
4. Если СВ Х принимает значения на отрезке [б, в], то
(1.12)
Эти свойства (кроме свойства 4) справедливы и для Непрерывной СВ.
Соотношение (1.12) используют для вычисления вероятности - вероятности события, при котором случайная величина принимает значения большие или равные А, Но меньшие B. Для дискретной СВ эту вероятность можно вычислить, используя непосредственно таблицу распределения, т. е. просто сложить соответствующие вероятности
.
Пример 1.1. Каждый урок учитель опрашивает у доски несколько учеников. Число опрошенных учеников зависит от многих факторов: планов на урок, сложности материала, уровня готовности учеников и т. д. Пусть X - число опрошенных учеников в определенный день. X - случайная величина, которая может быть только целым числом. Как показывает практика, число опрошенных учеников не превосходит 5. В нашем примере случайная величина X Принимает значения 0; 1; 2; 3; 4; 5, и вероятности этих значений равны 0,1; 0,2; 0,3; 0,2; 0,1; 0,1 соответственно (табл.1.2).
Таблица 1.2. Ряд распределения случайной величины X
Xi |
0 |
1 |
2 |
3 |
4 |
5 |
P(xi)= pi |
0,1 |
0,2 |
0,3 |
0,2 |
0,1 |
0,1 |
Поскольку появление различных значений случайной величины X - несовместные события, то вероятность того, что число опрошенных на уроке учеников равно 2 или 3, равна сумме вероятностей этих значений СВ Х (по теореме сложения вероятностей). Тогда P(Х=2 или Х=3) = P(Х=2) + P(Х=3) = 0,3 + 0,2 = 0,5.
Вероятность того, что число опрошенных на уроке учеников будет находиться в пределах от 1 до 4 (включая 1 и 4), равна 0,8, т. к. P(1?X?4) = P(Х=1) + P(Х=2)+ P(Х=3) + P(Х=4) = 0,8. Вероятность того ни один ученик не будет опрошен P(X = 0) = 0,1.
Задание:
- 1). Построить многоугольник (или полигон) распределения СВ X - числа опрошенных учеников. 2). Построить функцию распределения СВ X числа опрошенных учеников. 3). Используя функцию распределения, найти вероятность того, что число опрошенных на уроке учеников будет не меньше одного, но меньше трех, т. е. Р(1 ? Х < 3).
Решение.
1) Построение многоугольника (полигона) распределения СВ X - число опрошенных на уроке учеников приведено на рис. 1.1.
Рис. 1.1. Полигон распределения для данных примера 1.1
2) Построение F(Х) - функции распределения СВ X - числа опрошенных на уроке учеников. По определению:
.
Как следует из табл.1.2. случайная величина Х Не принимает значений, меньших 0. Следовательно, если Х < 0, то событие X < х Невозможно, а вероятность его равна нулю. Для всех значений Х, Удовлетворяющих двойному неравенству 0 ? x < 1, функция F(Х) означает вероятность события X < 1. Но случайная величина X Принимает значение меньшее 1 лишь в одном случае: значение 0 с вероятностью 0,1.
Если значение Х Удовлетворяет двойному неравенству, 0 ? Х < 2, то F(Х) = P(Х=0) + P(Х=1) = 0,1 + 0,2 = 0,3.
Пусть, например, Х = 2. Тогда F(2) есть вероятность события X < 2. Это событие возможно в двух случаях: случайная величина X принимает значение 0 (с вероятностью 0,1), или 1 (с вероятностью 0,2). Применив теорему сложения вероятностей, получим F(2) = P(Х=0 и Х=1) = 0,1 + 0,2 = 0,3. Аналогичные рассуждения позволяют найти функцию распределения для данных табл. 1.1. Результат приведен в табл. 1.3.
Функция распределения (интегральная функция распределения) для примера 1.1 приведена в таблице 1.3.
Таблица 1.3
X | |||||||
F(х) |
0 |
0,1 |
0,3 |
0,6 |
0,8 |
0,9 |
1,0 |
На рис. 1.2. представлен график функции распределения F(X). Функция распределения F(X)- неубывающая функция, ее значение равно единице при Х, Большем наибольшего возможного значения случайной величины или равном ему (рис. 1.2).
Рис. 1.2. График функции распределения F(x)
График F(X) имеет ступенчатый вид. Функция распределения каждой дискретной случайной величины постоянна на интервалах и имеет скачки на границах, соответствующих значениям СВ. Величина скачков равна вероятностям конкретныx значений СВ (табл. 1.3).
3). Как следует из таблиц 1.2. и 1.3, вероятность того, что число опрошенных на уроке учеников в определенный день будет меньше трех, можно найти по формуле Р(Х < 3) = F(3) = 0,6. С другой стороны, эту же вероятность можно найти. используя по теорему сложения вероятностей:
Р(Х < 3) = P(Х=0 или Х=1 или Х=2) = 0,1 + 0,2 + 0,3 = 0,6.
Вероятность того, что на уроке будет опрошено не менее одного ученика, когда вероятность события X ? 1 вычисляется по формуле:
P(X ? 1) = 1-P(X < 1) = 1-0,1 = 0,9.
Где P(X < 1) вероятность того, что на уроке будет опрошено менее одного ученика, т. е. не будет опрошен ни один ученик. Вероятность события P(X ? 1) также можно найти по формуле:
P(X ? 1) = 1-P(X < 1) = 1-F(1) = 1-0,1 = 0,9.
Вероятность того, что число опрошенных учеников в определенный день будет не меньше одного, но меньше трех, можно найти по формуле Р(1 ? Х <3) = F(3)- F(1) = 0,6-0,1 = 0,5.
Этот же результат может быть получен непосредственно по ряду распределения СВ Х (табл.1.2):
Р(1 ? Х <3)=P(X=1)+P(X=2)=0,2+0,3=0,5.
Похожие статьи
-
Нормальное распределение, также называемое распределением Гаусса, - распределение вероятностей, которое играет важнейшую роль во многих областях знаний,...
-
Опытом называется всякое осуществление определенных условий и действий, при которых наблюдается изучаемое случайное явление. Опыты можно характеризовать...
-
Вопросы по теории вероятностей - Случайные величины
Основные понятия теории вероятностей: события, вероятность события, частота события, случайная величина. Сумма и произведение событий, теоремы сложения и...
-
Моменты распределений дискретных случайных величин. - Распределение вероятности случайных величин
Итак, закон распределения вероятностей дискретной СВ несет в себе всю информацию о ней и большего желать не приходится. Не будет лишним помнить, что этот...
-
Математическим ожиданием случайной величины х (М[x])называется средне взвешенно значение случайной величины причем в качестве весов выступают вероятности...
-
Математическое ожидание, дисперсия Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными...
-
Обозначим вероятность соответствующих событий через Pi - Случайные величины
, Так как рассматриваемые события образуют полную группу не совместных событий, то Х полностью описана с вероятностной точки зрения, если мы зададим...
-
Непрерывные величины - возможные значение, которых непрерывно заполняют некоторый диапазон. Плотность распределения вероятности непрерывной случайной...
-
Законы распределений дискретных случайных величин. - Распределение вероятности случайных величин
Пусть некоторая СВ является дискретной, т. е. может принимать лишь фиксированные (на некоторой шкале) значения X I. В этом случае ряд значений...
-
применяем 2е теоремы: -формула полной вероятности Теорема гипотез (формула Байеса). Пусть вероятность полной группы не совместных гипотез H1, H2, ..., Hn...
-
Нормальное распределение - Распределение вероятности случайных величин
Первым, фундаментальным по значимости, является т. н. Нормальный закон Распределения непрерывной случайной величины X, для которой допустимым является...
-
Односторонние и двухсторонние значения вероятностей - Распределение вероятности случайных величин
Если нам известен закон распределения СВ (пусть - дискретной), то в этом случае очень часто приходится решать задачи, по крайней мере, трех стандартных...
-
Контрольная работа По дисциплине: Теория вероятностей Контрольная работа № 1 Вариант 1 Задача № 1 Условие: Из 10 изделий, среди которых 4 бракованные,...
-
Теория вероятностей и математическая статистика
Задача 1 Малое предприятие имеет два цеха - А и В. Каждому установлен месячный план выпуска продукции. Известно, что цех А свой план выполняет с...
-
Статистическая вероятность и распределения случайных величин - Основы научных исследований
В теории вероятностей под случайной величиной понимают отношения числа благоприятных исходов испытаний к общему числу испытаний. Например, если из 10...
-
Выборочное среднее и выборочная дисперсия - Математическое ожидание случайной величины
Для описания группирования и рассеивания наблюдаемых данных используются так называемые числовые характеристики выборочной совокупности, из которых...
-
Шкалирование случайных величин - Распределение вероятности случайных величин
Как уже отмечалось, дискретной называют величину, которая может принимать одно из счетного множества так называемых "допустимых" значений. Примеров...
-
В общем случае: , где Для не корреляционных случайных величин: Ответ на билет 15 В широком смысле слова, закон больших чисел характеризует устойчивость...
-
Генеральная и выборочная совокупности Для обнаружения закономерностей, описывающих исследуемое массовое явление, необходимо иметь опытные данные,...
-
Пусть у нас имеется некоторая непрерывная случайная величина X, распределенная нормально с математическим ожиданием и среднеквадратичным отклонением....
-
Распределения непрерывных случайных величин - Распределение вероятности случайных величин
До этого момента мы ограничивались только одной "разновидностью" СВ - дискретными, т. е. принимающими конечные, заранее оговоренные значения на любой из...
-
Случайные события и случайные величины - Основы научных исследований
Вероятностные закономерности проявляются только в массовых явлениях, т. е. когда один и тот же объект изменяет свое состояние многократно или когда...
-
Методы непараметрической статистики - Основы теории систем и системного анализа
Использование классических распределений случайных величин обычно называют "параметрической статистикой" - мы делаем предположение о том, что...
-
Статистики, Свойства оценок - Основы научных исследований
Любая функция от элементов выборки называется Статистикой . Следовательно, точечная оценка также является статистикой. Однако не всякая статистика может...
-
Математическое ожидание - Основы научных исследований
Интегральная и дифференциальная функции распределения являются исчерпывающими статистическими характеристиками любой случайной величины. Однако многие...
-
ТВ-раздел математики, в которой используются различные разделы математики для своего развития. Задача: выяснение закономерностей, возникающих при...
-
Вариационные ряды - Математическое ожидание случайной величины
После получения (тем или иным способом) выборочной совокупности все ее объекты обследуются по отношению к определенной случайной величине - т. е....
-
ПОНЯТИЕ ФУНКЦИИ Если некоторому множеству значений поставлено по определенному правилу F во взаимнооднозначное соответствие некоторое множество, то тогда...
-
Математическое ожидание генеральной совокупности назовем генеральной средней, т. е. . Теорема. Выборочное среднее есть состоятельная и несмещенная оценка...
-
Выборочные распределения, Распределение Стьюдента - Основы научных исследований
Выборочное распределение - это распределение какой-либо статистики, полученное в результате отбора различных случайных выборок из одной и той же...
-
Свойство 1. Вероятность достоверного события равна единице. Действительно, если событие достоверно, то каждый элементарный исход испытания...
-
Введение - Основные понятия теории вероятностей
Каждая наука, развивающая общую теорию какого-либо круга явлений, содержит ряд основных понятий, на которых она базируется. Таковы, например, в геометрии...
-
Прогностическая сила - Базовые результаты математической теории классификации
С целью поиска приемлемого показателя качества диагностики рассмотрим восходящую к Р. Фишеру [20] широко известную параметрическую вероятностную модель...
-
Данная контрольная работа состоит из двух частей - теоретической и практической. В теоретической части будет подробно рассмотрена такая важная...
-
Интегральная и дифференциальная функции распределения - Основы научных исследований
Наиболее общей формой задания распределения случайных величин является Интегральная функция распределения . Она определяет вероятность того, что...
-
Распределением признака Называется закономерность встречаемости разных его значений. Нормальное распределение Характеризуется тем, что крайние значения...
-
1. Если значения измеренного признака не отличаются друг от друга (равны между собой) - дисперсия равна нулю. Это соответствует отсутствию изменчивости в...
-
Целью курсовой работы является эффективная организация работы отдела планирования и экономического анализа Могилевского филиала РУП "Белтелеком"....
-
В условиях рыночной экономики возникают ситуации, в которых сталкиваются интересы двух и более сторон. Такие ситуации относятся к конфликтным. Например,...
-
Параметры эмпирических распределений - Основы научных исследований
По опытным (эмпирическим) данным строятся распределения исследуемых случайных величин. Функции плотности Р(х) таких распределений могут иметь один...
Лабораторная работа 1. Вычисление числовых характеристик дискретной случайной величины, Базовые понятия - Элементы теории вероятностей и математической статистики