Презентация Многомерные случайные величины онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Многомерные случайные величины абсолютно бесплатно. Урок-презентация на эту тему содержит всего 34 слайда. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Презентации » Образование » Многомерные случайные величины
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:34 слайда
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:3.22 MB
- Просмотров:77
- Скачиваний:2
- Автор:неизвестен
Слайды и текст к этой презентации:
№2 слайд
![Пусть имеется пространство](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img1.jpg)
Содержание слайда: Пусть имеется пространство элементарных событий U, на нем построено поле событий и для каждого события А из этого поля определена вероятность Р(А).
Пусть имеется пространство элементарных событий U, на нем построено поле событий и для каждого события А из этого поля определена вероятность Р(А).
Каждому элементарному событию gi из U сопоставим несколько чисел: ξ i1 , ξ i2 , ξ i3 , ... ξ ik или вектор ξi. Потребуем, чтобы для любых хj ( -∞ < хj <+∞ ) , j = 1, 2 ... k , множество А тех g , для которых ξ j < хj ( j = 1, 2, ... k) , принадлежало полю событий, т.е. для него определена вероятность Р{ ξ 1 < x1 , ξ 2 < x2 , ... ξ k < xk } = P(A) = F( x1, x2, ... xk ). Тогда ξ называется многомерной случайной величиной, или случайным вектором, а F( x1, x2, ... xk ) ее функцией распределения.
№3 слайд
![. Координаты молекулы,](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img2.jpg)
Содержание слайда: 1 . Координаты молекулы, находящейся в сосуде с газом, (x,y,z) или компоненты ее скорости (Vx,Vy,Vz) - можно рассматривать как трехмерные случайные величины
1 . Координаты молекулы, находящейся в сосуде с газом, (x,y,z) или компоненты ее скорости (Vx,Vy,Vz) - можно рассматривать как трехмерные случайные величины
№4 слайд
![. В задаче quot о встрече](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img3.jpg)
Содержание слайда: 2 . В задаче "о встрече" время прихода одного участника (х1) и другого (х2), если условия их прихода известны (скажем - любой момент в течение заданного часа), пару чисел х1, х2 можно рассматривать как двумерную случайную величину
2 . В задаче "о встрече" время прихода одного участника (х1) и другого (х2), если условия их прихода известны (скажем - любой момент в течение заданного часа), пару чисел х1, х2 можно рассматривать как двумерную случайную величину
№5 слайд
![. Результат эксперимента,](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img4.jpg)
Содержание слайда: 3 . Результат эксперимента, состоящего в измерении показателя преломления раствора в зависимости от концентрации уксусной кислоты можно рассматривать как девятимерную случайную величину
3 . Результат эксперимента, состоящего в измерении показателя преломления раствора в зависимости от концентрации уксусной кислоты можно рассматривать как девятимерную случайную величину
№6 слайд
![. F x , x , ... xk- ,- , т.е.](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img5.jpg)
Содержание слайда: 1 . F( x1, x2, ... xk-1,- ∞) = 0, т.е. если хоть один из аргументов принимает значение -∞, то F=0.
1 . F( x1, x2, ... xk-1,- ∞) = 0, т.е. если хоть один из аргументов принимает значение -∞, то F=0.
2 . F( x1, x2, ... xk ) не убывающая функция любого аргумента
3. F( x1, x2, ... xk-1, ∞) = F( x1, x2, ... xk-1 ), т.е. если один из аргументов принимает значение ∞, то размерность случайной величины уменьшается на 1.
№7 слайд
![Многомерные случайные](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img6.jpg)
Содержание слайда: Многомерные случайные величины могут быть непрерывными, т.е. принимать любые значения в некоторой области к-мерного пространства (например, упомянутые выше компоненты скорости молекулы).
Многомерные случайные величины могут быть непрерывными, т.е. принимать любые значения в некоторой области к-мерного пространства (например, упомянутые выше компоненты скорости молекулы).
У них F( x1, x2, ... xk ) непрерывная функция всех аргументов. Для них определена
к-мерная плотность распределения
p( x1, x2, ... xk ), которая есть производная от функци распределения.
№8 слайд
![Вероятность того, что](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img7.jpg)
Содержание слайда: Вероятность того, что случайный вектор примет значение, лежащее в области V к-мерного пространства, равна интегралу по этой области от к-мерной плотности распределения.
Интеграл по всем переменным от - ∞ до + ∞ от к-мерной плотности распределения равен 1.
Вероятность того, что случайный вектор примет значение, лежащее в области V к-мерного пространства, равна интегралу по этой области от к-мерной плотности распределения.
Интеграл по всем переменным от - ∞ до + ∞ от к-мерной плотности распределения равен 1.
Интеграл по одной переменной от - ∞ до + ∞ от к-мерной плотности распределения равен плотности распределения (к-1)-мерной случайной величины.
Например:
№9 слайд
![Многомерные случайные](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img8.jpg)
Содержание слайда: Многомерные случайные величины могут быть дискретными, т.е. каждая компонента случайного вектора может принимать только конечное или счетное множество определенных значений.
Например, рассмотрим эксперимент по бросанию одновременно двух костей, с каждым элементарным событием свяжем два числа ( z1, z2 ), где z1 - число очков на первой кости, z2 - сумма очков на двух костях. Тогда ( z1, z2 ) - двумерная случайная величина, поскольку известна вероятность р( хi, хk ) пересечения событий, состоящих в том, что z1 примет значение хi, а z2 - хk . Для дискретных случайных величин закон распределения задается вероятностями всевозможных комбинаций их значений. Для двумерной величины при небольшом числе возможных значений это удобно представить в виде таблицы, где на пересечении столбца z1 и строки z2 стоит вероятность р( z1, z2 )
Многомерные случайные величины могут быть дискретными, т.е. каждая компонента случайного вектора может принимать только конечное или счетное множество определенных значений.
Например, рассмотрим эксперимент по бросанию одновременно двух костей, с каждым элементарным событием свяжем два числа ( z1, z2 ), где z1 - число очков на первой кости, z2 - сумма очков на двух костях. Тогда ( z1, z2 ) - двумерная случайная величина, поскольку известна вероятность р( хi, хk ) пересечения событий, состоящих в том, что z1 примет значение хi, а z2 - хk . Для дискретных случайных величин закон распределения задается вероятностями всевозможных комбинаций их значений. Для двумерной величины при небольшом числе возможных значений это удобно представить в виде таблицы, где на пересечении столбца z1 и строки z2 стоит вероятность р( z1, z2 )
№11 слайд
![Просуммировав все значения р](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img10.jpg)
Содержание слайда: Просуммировав все значения р( z1, z2 ) вдоль каждой строки, мы получим вероятности определенных значений z2 , т.е. закон распределения одномерной величины z2 . Аналогично, сумма по столбцам даст закон распределения одномерной величины z1 . Сумма всех чисел в таблице должна быть равна 1 .
Просуммировав все значения р( z1, z2 ) вдоль каждой строки, мы получим вероятности определенных значений z2 , т.е. закон распределения одномерной величины z2 . Аналогично, сумма по столбцам даст закон распределения одномерной величины z1 . Сумма всех чисел в таблице должна быть равна 1 .
№12 слайд
![Дисперсия многомерной](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img11.jpg)
Содержание слайда: Дисперсия многомерной случайной величины описывается ковариационной матрицей .
Это таблица чисел размерности К×К для К-мерной величины, у которой на диагонали стоят дисперсии соответствующих одномерных величин, вычисляемых обычным образом, а ij-тым элементом является bij - коэффициент ковариации i-той и j-той компоненты случайного вектора.
Дисперсия многомерной случайной величины описывается ковариационной матрицей .
Это таблица чисел размерности К×К для К-мерной величины, у которой на диагонали стоят дисперсии соответствующих одномерных величин, вычисляемых обычным образом, а ij-тым элементом является bij - коэффициент ковариации i-той и j-той компоненты случайного вектора.
№13 слайд
![Коэффициент ковариации](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img12.jpg)
Содержание слайда: Коэффициент ковариации случайных величин zi , zj , обозначаемый иногда как cov(zi,zj), есть математическое ожидание произведения отклонений каждой из этих величин от своего математического ожидания:
Коэффициент ковариации случайных величин zi , zj , обозначаемый иногда как cov(zi,zj), есть математическое ожидание произведения отклонений каждой из этих величин от своего математического ожидания:
№15 слайд
![Часто используется понятие](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img14.jpg)
Содержание слайда: Часто используется понятие: коэффициент корреляции rij - это коэффициент ковариации, деленный на корень из произведения дисперсий
Часто используется понятие: коэффициент корреляции rij - это коэффициент ковариации, деленный на корень из произведения дисперсий
i-той и j-той компонент случайного вектора
№26 слайд
![Нормальное распределение](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img25.jpg)
Содержание слайда: Нормальное распределение -наиболее распростра-ненное в природе распределение случайных величин. Математическим обоснованием этого факта служит центральная предельная теорема:
Нормальное распределение -наиболее распростра-ненное в природе распределение случайных величин. Математическим обоснованием этого факта служит центральная предельная теорема:
№29 слайд
![Если элементарному событию](/documents_5/36c8f1ab4cc67679ce3006a4853513c6/img28.jpg)
Содержание слайда: Если элементарному событию сопоставляется не набор чисел ( случайный вектор), а функция некоторого параметра t - f(t) и при каждом значении t определена функция распределения F t (x)=P{f(t)<x}, то f(t) называется случайной функцией или случайным процессом.
Если элементарному событию сопоставляется не набор чисел ( случайный вектор), а функция некоторого параметра t - f(t) и при каждом значении t определена функция распределения F t (x)=P{f(t)<x}, то f(t) называется случайной функцией или случайным процессом.
Скачать все slide презентации Многомерные случайные величины одним архивом:
Похожие презентации
-
Случайные величины
-
Распределения дискретных и непрерывных случайных величин и их числовые характеристики.
-
Числовые харрактеристики случайных величин
-
Числовые характеристики одномерных и двумерных случайных величин
-
Дискретные случайные величины
-
Непрерывные случайные величины
-
Системы случайных величин
-
Преобразование случайных величин
-
Дискретная случайная величина
-
Функция распределения вероятностей случайной величины