Курсач по терверу (Курсовые по ТВиМС)
Описание файла
Файл "Курсач по терверу" внутри архива находится в папке "Курсовые по ТВиМС". Документ из архива "Курсовые по ТВиМС", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 4 семестр, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. Архив можно найти в разделе "курсовые/домашние работы", в предмете "теория вероятности и математическая статистика" в общих файлах.
Онлайн просмотр документа "Курсач по терверу"
Текст из документа "Курсач по терверу"
Московский Авиационный Институт
(Государственный Технический Университет)
Курсовая работа по теории вероятностей и математической статистике по теме: «Закон распределения случайной величины и метод наименьших квадратов»
Вариант №8.
Выполнила студентка гр. 04-215
Малкова Екатерина
Проверил: Молчанов И.И.
Москва 2008
Теоретическая справка.
Математическое ожидание
Рассмотрим случайную величину с числовыми значениями. Часто оказывается полезным связать с этой функцией число — её «среднее значение» или, как говорят, «среднюю величину», «показатель центральной тенденции». По ряду причин, некоторые из которых будут ясны из дальнейшего, в качестве «среднего значения» обычно используют математическое ожидание.
Математическим ожиданием случайной величины X называется число
,
то есть математическое ожидание случайной величины — это взвешенная сумма значений случайной величины с весами, равными вероятностям соответствующих элементарных событий. Если случайная величина X принимает значения . Тогда справедливо равенство
,
Пусть X — случайная величина, M(X) — её математическое ожидание, a — некоторое число. Тогда
-
M(a) = a;
-
;
-
.
Дисперсия случайной величины
Математическое ожидание показывает, вокруг какой точки группируются значения случайной величины. Необходимо также уметь измерить изменчивость случайной величины относительно математического ожидания. Выше показано, что достигает минимума по a при a = M(X). Поэтому за показатель изменчивости случайной величины естественно взять именно .
Дисперсией случайной величины X называется число
.
Установим ряд свойств дисперсии случайной величины, постоянно используемых в вероятностно-статистических методах принятия решений.
Пусть X — случайная величина, a и b — некоторые числа, Y = aX + b. Тогда
D(Y) = a2D(X).
Пусть — попарно независимые случайные величины (то есть Xi и Xj независимы, если ). Пусть Yk — их сумма, , тогда дисперсия суммы равна сумме дисперсий слагаемых,
.
Для любых случайкых величин математическое ожидание суммы равно сумме математических ожиданий слагаемых,
.
Хи-квадрат Пирсона.
С помощью нормального распределения определяются три распределения, которые в настоящее время часто используются при статистической обработке данных. В дальнейших разделах книги много раз встречаются эти распределения.
Распределение Пирсона χ2 (хи-квадрат) — распределение случайной величины
,
где случайные величины независимы и имеют одно и тоже распределение N(0,1). При этом число слагаемых, то есть n, называется «числом степеней свободы» распределения хи-квадрат.
Распределение хи-квадрат используют при оценивании дисперсии (с помощью доверительного интервала), при проверке гипотез согласия, однородности, независимости, прежде всего для качественных (категоризованных) переменных, принимающих конечное число значений, и во многих других задачах статистического анализа данных.
Смоделирована выборка, объемом n=100, состоящая из элементов:
0.473 | -0.338 | -0.146 | -0.116 | 0.837 | -0.277 | 0.492 | 0.048 | 0.703 | -0.161 |
1.195 | 0.270 | -0.158 | -0.305 | 0.104 | 0.898 | 0.157 | 0.328 | 2.059 | -0.316 |
5.468 | 1.011 | -0.049 | 0.291 | 0.121 | -0.370 | 1.483 | 3.341 | 1.373 | 0.259 |
1.440 | 0.383 | 2.034 | 1.692 | 1.220 | 0.190 | -0.149 | 1.219 | 1.252 | -0.029 |
3.141 | 1.216 | -0.003 | 0.026 | 0.533 | -0.343 | 1.582 | 0.416 | 1.634 | -0.313 |
0.742 | 1.055 | 0.382 | 1.349 | 5.178 | 1.375 | 1.592 | 0.760 | 1.554 | 0.014 |
1.207 | 1.643 | 0.215 | 1.750 | -0.359 | 0.114 | 0.035 | 0.682 | -0.233 | 0.191 |
1.123 | 2.578 | 0.601 | 0.081 | 0.166 | -0.212 | 0.091 | -0.190 | -0.262 | 0.529 |
2.520 | -0.294 | 0.692 | 0.078 | 3.370 | 0.555 | -0.358 | 0.371 | 0.632 | 8.138 |
0.359 | -0.245 | 0.466 | 0.551 | -0.362 | -0.133 | 0.862 | 0.237 | -0.307 | 0.638 |
Вариационный ряд выборки:
-0.370 | -0.362 | -0.359 | -0.358 | -0.343 | -0.338 | -0.316 | -0.313 | -0.307 | -0.305 |
-0.294 | -0.277 | -0.262 | -0.245 | -0.233 | -0.212 | -0.190 | -0.161 | -0.158 | -0.149 |
-0.146 | -0.133 | -0.116 | -0.049 | -0.029 | -0.003 | 0.014 | 0.026 | 0.035 | 0.048 |
0.078 | 0.081 | 0.091 | 0.104 | 0.114 | 0.121 | 0.157 | 0.166 | 0.190 | 0.191 |
0.215 | 0.237 | 0.259 | 0.270 | 0.291 | 0.328 | 0.359 | 0.371 | 0.382 | 0.383 |
0.416 | 0.466 | 0.473 | 0.492 | 0.529 | 0.533 | 0.551 | 0.555 | 0.601 | 0.632 |
0.638 | 0.682 | 0.692 | 0.703 | 0.742 | 0.760 | 0.837 | 0.862 | 0.898 | 1.011 |
1.055 | 1.123 | 1.195 | 1.207 | 1.216 | 1.219 | 1.220 | 1.252 | 1.349 | 1.373 |
1.375 | 1.440 | 1.483 | 1.554 | 1.582 | 1.592 | 1.634 | 1.643 | 1.692 | 1.750 |
2.034 | 2.059 | 2.520 | 2.578 | 3.141 | 3.341 | 3.370 | 5.178 | 5.468 | 8.138 |
Общие характеристики набора реализаций:
число реализаций n=100
минимальное значение xmin=-0.3703
максимальное значение хmах =8.1375
Найти закон распределения исследуемой случайной величины, если известно, что он может быть
-нормальным (гауссовским);
-равномерным на некотором интервале;
-экспоненциальным.
Оценка математического ожидания: 0.773
Оценка дисперсии: 1.308
Оценка среднего квадратического отклонения: 1.144