II. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
12. Ряд распределения дискретной случайной величины
……. | ||||
……. |
Сумма вероятностей всегда равна 1. -условие нормировки.
13. Функция распределения (интегральная функция распределения)
Функция распределения случайной величины определяется по формуле . Это неубывающая функция, принимающая значения от 0 до 1. Если задана плотность распределения , то функция распределения выражается как .
14. Плотность распределения (дифференциальная функция распределения)
Плотность распределения случайной величины определяется по формуле . Существует только для непрерывной случайной величины. Для нее выполняется условие нормировки: (площадь участка под кривой равна 1).
15. Вероятность попадания случайной величины в заданный интервал. Два способа счёта:
1) через функцию распределения
2) через плотность распределения
16. Математическое ожидание случайной величины.
1) Для дискретной случайной величины , заданной рядом распределения:
1) Для непрерывной случайной величины , заданной плотностью распределения:
.
17. Дисперсия случайной величины. По определению дисперсия – это второй центральный момент: .
1) Для дискретной случайной величины , заданной рядом распределения:
1) Для непрерывной случайной величины , заданной плотностью распределения:
18. Среднее квадратическое отклонение случайной величины
19. Начальный момент r–го порядка случайной величины .
В частности, первый начальный момент – это математическое ожидание:
20. Центральный момент r – го порядка случайной величины
В частности, второй центральный момент – это дисперсия: .
21. Асимметрия . Коэффициент асимметрии положителен, если правый хвост распределения длиннее левого (правая часть кривой более пологая), и отрицателен в противном случае. Если распределение симметрично относительно математического ожидания, то его коэффициент асимметрии равен нулю.
22. Эксцесс . Коэффициент эксцесса нормального распределения равен нулю. Он положителен, если пик распределения около математического ожидания острый, и отрицателен, если пик гладкий.
III. РАСПРЕДЕЛЕНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН
21. Биномиальное распределение (дискретное)
- количество «успехов» в последовательности из независимых случайных экспериментов, таких что вероятность «успеха» в каждом из них равна . .
Закон распределения имеет вид:
….. | k | ….. | ||||
Здесь вероятности находятся по формуле Бернулли: .
Характеристики: , ,
Примеры многоугольников распределения для и различных вероятностей:
22. Пуассоновское распределение (дискретное)
Распределение Пуассона моделирует случайную величину, представляющую собой число событий, произошедших за фиксированное время, при условии, что данные события происходят с некоторой фиксированной средней интенсивностью и независимо друг от друга.
При условии закон распределения Пуассона является предельным случаем биномиального закона. Так как при этом вероятность события A в каждом испытании мала, то закон распределения Пуассона называют часто законом редких явлений.
Ряд распределения:
….. | k | ….. | |||
….. | ….. |
Вероятности вычисляются по формуле Пуассона: . Числовые характеристики: , , Разные многоугольники распределения при .
23. Показательное распределение (непрерывное). Экспоненциальное или показательное распределение — абсолютно непрерывное распределение, моделирующее время между двумя последовательными свершениями одного и того же события. Плотность распределения: , где . Числовые характеристики: , ,
Плотность распределения при различных значениях .
24. Равномерное распределение (непрерывное)
Равномерный закон распределения используется при анализе ошибок округления при проведении числовых расчётов (например, ошибка округления числа до целого распределена равномерно на отрезке [-0,5; 0,5]), в ряде задач массового обслуживания, при статистическом моделировании наблюдений, подчинённых заданному распределению.
Плотность распределения: Числовые характеристики: , , График плотности вероятностей:
25. Нормальное распределение или распределение Гаусса (непрерывное)
Нормальное распределение, также называемое распределением Гаусса, – распределение вероятностей, которое играет важнейшую роль во многих областях знаний, особенно в физике. Физическая величина подчиняется нормальному распределению, когда она подвержена влиянию огромного числа случайных помех. Ясно, что такая ситуация крайне распространена, поэтому можно сказать, что из всех распределений в природе чаще всего встречается именно нормальное распределение — отсюда и произошло одно из его названий. Плотность распределения: Числовые характеристики: , , Пример плотности распределения:
Нормальный закон распределения случайной величины с параметрами и называется стандартным или нормированным, а соответствующая нормальная кривая - стандартной или нормированной. Функция Лапласа . Вероятность попадания нормально распределённой случайной величины в заданный интервал
Вероятность отклонения нормально распределенной случайной величины на величину от математического ожидания (по модулю) .
IV. ДРУГИЕ ФОРМУЛЫ
26. Неравенство Чебышева
27. Неравенство Маркова
28. Математическое ожидание функции одной случайной величины
29. Корреляционный момент системы случайных величин и
30. Коэффициент корреляции системы случайных величин и
31. Пуассоновский поток событий