Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология Образование Политология Производство Психология Стандартизация Технологии |
Как определяется и что характеризует дисперсия дискретной случайной величины X ? Перечислите основные свойства дисперсии.
На практике часто требуется оценить рассеяние возможных значений случайной величины вокруг ее среднего значения. Поэтому вычисляют среднее значение квадратаотклонения, которе и называется дисперсией. Дисперсией(рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания: D(X)=M[X-M(X)]2. Более удобная формула: D(X) = E(X 2) − E2 (X). Св-ва: 10. Дисперсия постоянной величины С равна нулю: D (С) = 0. 20. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат: D(CX)=С2D(X). 30. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин: D(X + Y)= D(X)+D(Y). 40. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий: D(X-Y)=D(X)+D(Y). 50 Прибавление( вычитание) константы к случайной величине не меняет ее дисперсии. D(X+C)=D(X). 59. Докажите, что если X – дискретная случайная величина, то D(X) = M(X 2) − M2(X). Док-во: Математическое ожидание M(X) есть постоянная величина, следовательно, 2M(X) и M2(X) также постоянные величины. D(X) = E(X 2) − E2 (X)= E[X-E(X)]2=E[X2-2XE(X)+E2(X)]=E(X2)-2E(X)E(X)+E2(X)=E(X2)-2E2(X)+E2(X)=E(X2)-E2(X). т.е. D(X) = E(X 2) − E2(X). 60. Пусть X – дискретная случайная величина. Может ли выполняться неравенство M(X 2)< (M(X ))2? Ответ обоснуйте. По определению дисперсии D(X)=E[X-E(X)] 2, тогда D(X)=E[X 2 -2ХE(X)+ E 2 (X)]= E(X 2 )-2 E 2 (X)+ E 2 (X)= E(X 2 )- E 2 (X). Итак, для любой с.в.Х D(X)= E(X 2 )- E 2 (X), D(X)≥ 0, поэтому для любой с.в. Х всегда выполняется неравенство E(X 2 ) ≥ E 2 (X). Поэтому неравенство М(Х2)< [E(X)] 2 выполняться не может. 61. Докажите, что если X и Y – независимые случайные величины, то D[XY]= D[X ]⋅ D[Y ]+E[X ]2 D[Y]+E[Y ]2 D[X ]. D(XY) = (E(XY)2)-[E(XY)]2 = E(X2Y2)-(E(x))2(E(Y))2 = E(X2)E(Y2)-E2(X)E2(Y) = (D(X)+[E(X)]2)(D(Y)+[E(Y)]2) – E2(X)E2(Y) = D(X)D(Y)+E(Y)2D(X)+E(X)2D(Y). Ч.т.д. 62. Докажите, что для биномиального закона распределения сл. величина с вероятностью успеха р в каждом из n независимых испытаний выполняется равенство: = 63. Пусть Х – дискретная случайная величина, распределенная по геометрическому закону с параметром р. Докажите, что D (X) = .
67. Как определяется ковариация Cov(X, Y) случайных величин X, Y? Докажите, что D(X+Y)=D(X)+D(Y)+2Cov(X, Y). 1.Ковариацией COV(X, Y) случайных величин X, Y называется математическое ожидание произведения отклонений X и Y. Сov(X, Y)=E[(X-E(X)][Y-E(Y)] 2. Пусть Х и У – две случайные величины. Положим, Z=X+Y По теореме сложения математических ожиданий будем иметь: М(Z)=E(X)+E(Y). Вычитая это равенство из предыдущего, получим: , где обозначает, как и раньше, отклонение величины Х. Отсюда = Найдем дисперсию Х+У. Имеем D(X+Y)=D(X)+D(Y)+2E( ), где М( ) = Cov(X, Y). Формула принимает вид: D(X+Y)=D(X)+D(Y)=2Cov(X, Y)
64. Сформулируйте основные свойства ковариации Cov(X, Y) случайных величин Х и У. Докажите, что Cov(X, Y)=E(XY)-E(X)E(Y) Ковариацией (корреляционным моментом) Cov(X, Y) случайных величин X, Y называется мате-матическое ожидание произведения отклонений X и Y Cov(X, Y) = E[(X − E(X))(Y − E(Y))]. Ковариация обладает следующими свойствами: 1. Cov(X, Y) = E(XY) − E(X)E(Y). 2. Cov(X, X) = D(X). 3. D(X+Y) = D(X) + D(Y) + 2Cov(X, Y). 4. Если X и Y независимы, то Cov(X, Y) = 0. 5. Cov(X, Y) = Cov(Y, X). 6. Cov(aX , Y) = Cov(X, aY) = aCov(X, Y). 7. Cov(X +Y, Z) = Cov(X, Z) + Cov(Y, Z). 8. Cov(X, Y + Z) = Cov(X, Y) + Cov(X, Z). Если Cov(X, Y) = 0, то случайные величины X и Y называются некоррелированными. Нет доказательства!!!!!!!!!!!!!!
65. Как определяется коэффициент корреляции ρ (X; Y) случайных величин X иY? Каковы основные свойства коэффициента корреляции? Что можно сказать о X и Y, если ׀ ρ (X; Y) ׀ =1? Коэффициент корреляции случайных величин X и Y определяется формулой ρ (X; Y)= Cov(X; Y)/ (σ (X)*σ (Y)), где Cov(X; Y) – ковариация X и Y, а σ (X) – среднее квадратичное отклонение Х, σ (Y) – среднее квадратичное отклонение Y. Основные св-ва: 1) ρ (X; Y)=ρ (Y; X) 2) ׀ ρ (X; Y) ׀ < =1 3) ׀ ρ (X; Y) ׀ =1 равнозначно существованию констант a, b таких, что равенство Y=a+bX выполняется с вероятностью 1. 70. Чему равен и Cov при условии независимости случайных величин ? Что можно сказать о , если , где и – некоторые числа ? Ответ обоснуйте. Если X и Y независимые случайные величины, то Cov(X, Y) = E(X, Y) – E(X)E(Y) = E(X)E(Y) - E(X)E(Y) = 0 Если (β ≠ 0), то Док-во: Cov(X, Y) = Cov(X, α + β X) = E (X(α +β X)) – E(X)E(α +β X) = E(Xα +β X2) - E(X)(E(α ) + E(β X)) = E(Xα ) + E(β X2) – α E(X) – β (E(X))2 = β (E(X2) – (E(X))2) = β D(X)
тоесть ч.т.д. 66. Дайте определение непрерывной случайной величины . Чему в этом случае равна вероятность , где – определенное число? Следует ли из равенства для непрерывной случайной величины , что событие никогда не наступает? Случайная величина X называется непрерывной, если её функция распределения F(X) непрерывна в любой точке X. P(X=a), где а – определённое число, есть вероятность каждого и отдельного значения. P(X=a)=0, т.е. вер-ть каждого отдельного значения равна нулю. Однако это не означает, что событие Х=а невозможно. В результате испытания случ. величина обязательно примет одно из возможных значений; в частности, это значение может оказаться равным а.
67. Какое распределение называется абсолютно непрерывным? Что такое плотность распределения и какова ее связь с функцией распределения? Может ли абсолютно непрерывная случайная величина иметь разрывную функцию плотности ? Ответ обоснуйте. Случайная величина X называется абсолютно непрерывной, если найдется неотрицательная функция f(x), называемая плотностью распределения, такая, что для a < b вероятность попадания X в промежуток [a, b] получается путем интегрирования данной функции Для функции распределения F(x) имеем Плотность распределения обладает следующими свойствами: 1. , (неотрицательность). 2. (условие нормировки). 3. в точке непрерывности f(x).
Математическое ожидание непрерывной функции находится пу-тем интегрирования произведения данной функции и плотности распределения: Произвольная случайная величина X называется сосредоточенной на промежутке [a, b], если вероятность попадания X в данный промежуток равна 1. Плотность распределения абсолютно непрерывной случайной величины, сосредоточенной на промежутке [a, b], равна 0 вне [a, b]. Функцию распределения F(x) абсолютно непрерывной случайной величины, сосредоточенной на промежутке [a, b], можно представить в виде |
Последнее изменение этой страницы: 2017-03-15; Просмотров: 774; Нарушение авторского права страницы