Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Свойства условного математического ожидания. ⇐ ПредыдущаяСтр 3 из 3
1. M(C½h) = C 2. M(ax + b½h) = aM(x½h) + b 3. M(x + h½n) = M(x½n) + M(h½n) 4. M(xh½n) = M(x½n)M(h½n),еслиxиhнезависимыпри условии ν. 5. M[ M(x½h)]=Mx
, формула полного математического ожидания. 6. , hи j – некоторые функции
7.M(x/h) = Mx, если x и h - независимы. . 8.
Функцию M(x /h) называют функцией регрессииили просто регрессией с. величины xна с. величину h. График функции M(x /h)называют линией регрессии с. величины xна с. величину h. Линий регрессии две M(x /h) и M(h /x). В общем случае они между собой не совпадают.
M(x/h) На плоскости (y,х) уравнение этой прямой имеет вид х=a+by. M(h/x)= с+ dx, гдес= , , для регрессии η на ξ и регрессии на η соответственно. Прямые регрессии проходят через центр рассеивания – точку ( ) с угловым коэффициентом . Так как |ρ| ≤1, то | | ≥ | |, что означает, что прямая регрессии всегда расположена более круто по отношению к оси Ох, чем вторая регрессия. При |ρ| =1 они совпадают, при ρ =0 прямые распадаются на две прямые, параллельные осям координат – вырожденный случай регрессии.
Билет 23 1.Формула полной вероятности - вероятностное пространство и события образуют в нем полную группу событий:1) ; 2) ; 3) . События часто при этом называют гипотезами. , из условия . . Формула справедлива для счетного набора гипотез , если они удовлетворяют условиям 1)-3). 2. Дискретные случайные величины определение, ряд распределения, функция распределения, примеры. Пуассоновское распределение: его параметры с применением производящей функции Случайная величина называется дискретной, если она каждому элементарному исходу ставит в соответствие одночисло из конечного или счётного множества чисел , причём вероятность события Набор вероятностей называют рядом распределения с. величины. Если при описании случайной величины применяют какую-нибудь другую её характеристику вместо функции распределения и при этом по характеристике возможно однозначно восстановить функцию распределения, то такая характеристика называется законом распределенияслучайной величины или просто распределениемслучайной величины. , где , если и , если . Постоянная величина С. Она принимает единственное значение с вероятностью, равной единице. Индикатор события А. - дискретное вероятностное пространство и –с. величина, принимающая значения . , то , где множества образуют разбиение пространства – они попарно не пересекаются и их сумма равна . Ряд распределения с. величины имеет вид:
Cлучайная величина распределена по закону Пуассона, если она принимает неотрицательные целые значения с вероятностями - параметр распределения Пуассона. Производящей функцией для дискретно распределенной с. величины ξ называется функция 1. Если производящие функции двух с. величин совпадают, то совпадают и распределения этих с. величин. 2. . 3. Если ξ и η – независимые с. величины, то производящая функция произведения этих с. величин равна произведению производящих функций сомножителей. Действительно, . Далее, . , . 3.Условное распределение для двух непрерывных св. Условные функции распределения и плотности распределения. и назовем условной функцией распределения предел этой условной вероятности при : (3.12) Как показано в [7] такой предел всегда существует, но в определенном смысле: он является производной Радона-Никодима одной меры относительно другой. Поскольку событие есть объединение непересекающихся событий и , тогда Итак, (3.13) Так как: (3.14) Следовательно, (3.15) Функция имеет производную по x , т.е. существует условная плотность распределения случайной величины при условии (3.16) С использованием свойства 4 плотностей распределения и опустив в левой части у функции индекс получим: (3.17) Аналогичным рассуждением может быть получена формула: (3.18) Формулу (3.16) можно переписать в виде: (3.19) которая напоминает формулу умножения вероятностей для случайных событий
Билет 24 1. Аксиоматическое определение вероятности. Аксиомы непрерывности. Задано измеримое пространство (Ω, F). Ω – пространство э. событий, F – некоторая σ-алгебра событий (множества из F считаются событиями и только они). Вероятностью событияА из σ-алгебры F называется вещественная функция, определенная на F и удовлетворяющая следующим свойствам (аксиомам): А1. - аксиома неотрицательности; А2. - аксиома нормированности; А3. Если последовательность событий такова, что то - аддитивность сложения. Вероятность, заданную на σ-алгебре F, называют вероятностной мерой. А3’: если события несовместны, то ; А4: Пусть последовательность событий такова, что , , и .Тогда - аксиома непрерывности. А4’: пусть последовательность событий такова, что , , . Тогда . 2Пуассоновское распределение: его параметры с применением производящей функции Cлучайная величина распределена по закону Пуассона, если она принимает неотрицательные целые значения с вероятностями - параметр распределения Пуассона. Производящей функцией для дискретно распределенной с. величины ξ называется функция 1. Если производящие функции двух с. величин совпадают, то совпадают и распределения этих с. величин. 2. . 3. Если ξ и η – независимые с. величины, то производящая функция произведения этих с. величин равна произведению производящих функций сомножителей. Действительно, . Далее, . , . 3.Совместная функция распределения, основные свойства. - некоторое вероятностное пространство и - случайные величины, заданные на нем. Каждому значению они ставят в соответствие вектор .Отображение , задаваемое совокупностью случайных величин , называется случайным вектором все , измеримые функции, случайным вектором следовало бы назвать отображение , где – борелевская -алгебра в . Необходимым и достаточным условием измеримости случайного вектора является выполнение условия: . Основной характеристикой случайного вектора является n-мерная функция распределения: . 1. ; 2. - неубывающая функция по каждому из своих аргументов; 3. - непрерывная слева функция по каждому из своих аргументов; 4. ; 5. ; 6. ; ; ; 7. . Эту формулу можно вывести, исходя из представления события в виде алгебраической суммы событий: .
|
||||||||
Последнее изменение этой страницы: 2018-04-11; просмотров: 183. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |