- •Практические занятия по предмету “Теории вероятностей и математическая статистика” 2-курс, направление математика, (рус.Гр.)
- •2.2 Числовые характеристики дискретных случайных величин
- •Решение типовых примеров:
- •Задания для закрепления:
- •Решение типовых примеров:
- •Задания для закрепления:
- •Решение типовых примеров:
- •Решение типовых примеров:
- •Задания для закрепления:
- •Решение типовых примеров:
- •Задания для закрепления:
- •Пусть требуется изучить множество объектов относительно некоторого качественного или количественного признака.
- •Решение типовых примеров:
- •Гистограмма частот
- •Задания для закрепления:
- •Построить гистограмму частот.
- •Структура денежных доходов и удельный вес расходов в денежных доходах населения (в процентах к денежным доходам) по годам
- •Точечные оценки
- •Решение типовых примеров:
- •Задания для закрепления:
- •Решение типовых примеров:
- •Решение типовых примеров:
- •Задания для закрепления:
- •Решение типовых примеров:
- •Задания для закрепления:
- •Критерия согласия Пирсона
- •Проверка гипотезы о нормальном распределении генеральной совокупности
- •Решение типовых примеров:
- •Задания для закрепления:
- •Решение типовых примеров:
- •Задания для закрепления:
Задания для закрепления:
1. Случайная точка (X,Y) на плоскости распределена по следующему закону:
-
X
Y
-1
0
1
0
0,10
0,15
0,20
1
0,15
0,25
0,15
Найти числовые характеристики (X,Y),
Ответ:
-
Двумерная случайная величина (X,Y) подчинена закону распределения с плотностью в области D и равна нулю вне той области. Область D - треугольник, ограниченный прямыми . Найти величину А, математические ожидания MX, MY, дисперсии DX, DY,
-
Ответ: ,
-
3. Найти уравнение прямой и обратной регрессии для дискретной двумерной случайной величины из задания 1 настоящего параграфа, т.е. закон распределения случайной величины (X,Y) :
-
X
Y
-1
0
1
0
0,10
0,15
0,20
1
0,15
0,25
0,15
Ответ: уравнение прямой регрессии:,
остаточная дисперсия;
уравнение обратной дисперсии: ,
остаточная дисперсия.
4. Найти уравнение прямой и обратной регрессии для дискретной двумерной случайной величины из задания 2 настоящего параграфа, т.е. двумерная случайная величина (X,Y) подчинена закону распределения с плотностью в области D и равна нулю вне той области. Область D - треугольник, ограниченный прямыми .
Ответ: уравнение прямой регрессии:,
уравнение обратной регрессии: ,
остаточные дисперсии: .
10-Занятие. Закон больших чисел. Неравенство Чебышева. Применения закона больших чисел
В широком смысле слова под «законом больших чисел» (ЗБЧ) понимают известное с глубокой древности свойство устойчивости массовых явлений, т.е. средний результат действия большого числа случайных явлений практически перестает быть случайным и может быть предсказан с достаточной определенностью.
В узком смысле слова под «законом больших чисел» понимают совокупность теорем, в которых устанавливается факт приближения средних характеристик к некоторым постоянным величинам в результате большого числа наблюдений.
Доказательств ЗБЧ основано на неравенствах Маркова и Чебышева.
Неравенство Маркова. Если случайная величина Х не принимает отрицательных значений, то для любого положительного числа
, или .
Неравенство Чебышева. Для любой случайной величины X, имеющей конечную дисперсию, и для любого числа имеет место неравенство:
,
т.е. вероятность того, что отклонение случайной величины Х от его математического ожидания МХ по абсолютной величине меньше положительного числа , не меньше чем .
Это неравенство можно записать и в другом виде: .
Применим неравенство Чебышева к последовательности случайных величин. Если - последовательность случайных величин, таких, что: 1) они попарно независимы; 2) имеют конечные дисперсии, ограниченные одной и той же постоянной С>0 (), то, каково бы ни было ,
Теорема Чебышева (Закон больших чисел). Если - последовательность случайных величин, таких, что: 1) они попарно независимы; 2) имеют конечные дисперсии, ограниченные одной и той же постоянной С>0 (), то, каково бы ни было ,
.
Если, в частности, , то
.
Содержание этой важной теоремы состоит в том, что среднее арифметическое случайных величин при достаточно большом n будет (с большой вероятностью) как угодно мало отличаться от числа или от числа а в частном случае.
Следующая теорема устанавливает связь между от относительной частотой события и его вероятностью.
Пусть произведено n независимых испытаний, в каждом из которых вероятность появления некоторого события А постоянна и равна р.
Теорема Бернулли (Закон больших чисел). При неограниченном возрастании числа независимых испытаний п относительная частота m / n появления события А сходится по вероятности к его вероятности p, т. е. каково бы ни было ,
.