Matematické očekávání a náhodná proměnná
Matematické očekávání hraje v teorii pravděpodobnosti velmi důležitou roli, základní definici a základní vlastnosti matematického očekávání jsme již probrali v předchozích článcích, nyní po projednání různých distribucí a typů distribucí, v následujícím článku se seznámíme s některými dalšími pokročilé vlastnosti matematického očekávání.
Očekávání součtu náhodných proměnných Očekávání funkce náhodných proměnných Očekávání společného rozdělení pravděpodobnosti
Známe matematické očekávání náhodné proměnné diskrétní povahy
a pro kontinuální je
nyní pro náhodnou veličinu X a Y, pokud jsou diskrétní, pak s kloubem pravděpodobnostní hmotnostní funkce p (x, y)
očekávání funkce náhodné proměnné X a Y bude
a pokud je spojitá, pak se společnou funkcí hustoty pravděpodobnosti f (x, y) bude očekávání funkce náhodné proměnné X a Y
je-li g sčítání těchto dvou náhodných proměnných v spojité formě
a pokud pro náhodné proměnné X a Y máme
X>Y
pak také očekávání
Příklad
Nemocnice Covid-19 je rovnoměrně rozložena na silnici délky L v bodě X, vozidlo přepravující kyslík pro pacienty je v místě Y, které je také rovnoměrně rozloženo na silnici, Najděte očekávanou vzdálenost mezi nemocnicí Covid-19 a vozidlo přepravující kyslík, pokud jsou nezávislé.
Řešení:
Abychom našli očekávanou vzdálenost mezi X a Y, musíme vypočítat E {| XY | }
Nyní bude funkce hustoty spojů X a Y
od
podle toho máme
nyní bude hodnota integrálu
Očekávaná vzdálenost mezi těmito dvěma body tedy bude
Očekávání střední hodnoty vzorku
Jako průměr vzorku posloupnosti náhodných proměnných X1, X2, ………, Xn s distribuční funkcí F a očekávanou hodnotou každého jako μ je
očekávání tohoto průměru vzorku tedy bude
který ukazuje očekávanou hodnotu průměru vzorku je také μ.
Booleova nerovnost
Boole's nerovnost lze získat pomocí vlastností očekávání, předpokládejme, že náhodná proměnná X je definována jako
kde
zde Ai Jsou náhodné události, to znamená, že náhodná proměnná X představuje výskyt počtu událostí Ai a další náhodná proměnná Y jako
jasně
X>=Y
E[X] >= E[Y]
a také je
nyní, když vezmeme hodnotu náhodné proměnné X a Y, bude toto očekávání
a
dosazením těchto očekávání do výše uvedené nerovnosti dostaneme Booleovu nerovnost jako
Očekávání binomické náhodné proměnné | Průměr binomické náhodné proměnné
Víme, že binomická náhodná proměnná je náhodná proměnná, která ukazuje počet úspěchů v n nezávislých studiích s pravděpodobností úspěchu jako p a selhání jako q = 1-p, takže pokud
X = X1 + X2+ ……. + Xn
Kde
tady těchto Xi jsou Bernoulli a očekávání bude
očekávání X tedy bude
Očekávání záporné binomické náhodné proměnné | Průměr záporné binomické náhodné proměnné
Nechť náhodná proměnná X, která představuje počet pokusů potřebných ke shromáždění r úspěchů, pak je taková náhodná proměnná známá jako negativní binomická náhodná proměnná a může být vyjádřena jako
tady každý Xi označte počet pokusů požadovaných po (i-1) prvním úspěchu k získání celkového počtu i úspěchů.
Protože každý z těchto Xi představují geometrickou náhodnou proměnnou a víme, že očekávání geometrické náhodné proměnné je
so
který je očekávání záporné binomické náhodné veličiny.
Očekávání hypergeometrické náhodné proměnné | Průměr hypergeometrické náhodné proměnné
Očekávání nebo průměr hypergeometrické náhodné proměnné získáme pomocí jednoduchého příkladu z reálného života, pokud je náhodně vybráno n počet knih z police obsahující N knih, z nichž m je matematika, pak zjistíme očekávaný počet matematické knihy ať X označuje počet vybraných knih matematiky, pak můžeme psát X jako
kde
so
=n/N
což dává
což je průměr takové hypergeometrické náhodné proměnné.
Očekávaný počet zápasů
Jedná se o velmi oblíbený problém související s očekáváním, předpokládejme, že v místnosti je N počet lidí, kteří hodí klobouky uprostřed místnosti a všechny klobouky jsou smíchány poté, co si každý člověk náhodně vybere jeden klobouk, pak očekávaný počet lidí kteří si vyberou svůj vlastní klobouk, můžeme získat tak, že necháme X jako počet shod
Kde
protože každá osoba má stejnou příležitost vybrat si některý z klobouků z N klobouků
so
což znamená, že přesně jeden člověk si v průměru zvolí svůj vlastní klobouk.
Pravděpodobnost spojení událostí
Zjistíme pravděpodobnost spojení událostí pomocí očekávání, tedy pro události Ai
s tím bereme
očekávání toho tedy bude
a rozšiřování pomocí vlastnosti očekávání jako
protože máme
a
so
z toho vyplývá pravděpodobnost spojení jako
Hranice od očekávání pomocí pravděpodobnostní metody
Předpokládejme, že S je konečná množina a f je funkce na prvcích S a
zde můžeme získat dolní mez pro toto m očekáváním f (s), kde „s“ je libovolný náhodný prvek S, jehož očekávání můžeme vypočítat tak
zde dostaneme očekávání jako spodní hranici maximální hodnoty
Maximální-Minimální identita
Maximum Minimum identity je maximum z množiny čísel k minimům podmnožin těchto čísel, které je pro libovolná čísla xi
Abychom to ukázali, omezme xi v intervalu [0,1] předpokládejme jednotnou náhodnou proměnnou U na intervalu (0,1) a událostech Ai protože uniformní proměnná U je menší než xi to je
protože alespoň jedna z výše uvedených událostí nastane, protože U je menší než jedna, hodnota xi
a
Jasně to víme
a ke všem událostem dojde, pokud je U menší než všechny proměnné a
pravděpodobnost dává
máme výsledek pravděpodobnosti sjednocení jako
podle tohoto vzorce vyloučení zahrnutí pro pravděpodobnost
zvážit
to dává
od
což znamená
- proto to můžeme napsat jako
při očekávání můžeme najít očekávané hodnoty maxima a dílčích minim jako
Závěr:
Očekávání z hlediska různé distribuce a korelace očekávání s některými teorie pravděpodobnosti koncepty byly středem zájmu tohoto článku, který ukazuje použití očekávání jako nástroje k získání očekávaných hodnot různých druhů náhodných proměnných, pokud potřebujete další čtení, projděte si níže uvedené knihy.
Další články o matematice naleznete v našem Stránka matematiky.
https://en.wikipedia.org/wiki/Expectation
První kurz pravděpodobnosti od Sheldona Rosse
Schaumovy obrysy pravděpodobnosti a statistiky
Úvod do pravděpodobnosti a statistik od ROHATGI a SALEH
Jsem DR. Mohammed Mazhar Ul Haque. Dokončil jsem Ph.D. v matematice a pracuje jako odborný asistent v matematice. Má 12 let praxe v pedagogické činnosti. Mít rozsáhlé znalosti v čisté matematice, přesně v algebře. Mít obrovskou schopnost navrhovat a řešit problémy. Schopný motivovat kandidáty ke zvýšení jejich výkonu.
Rád přispívám do Lambdageeks, aby byla matematika jednoduchá, zajímavá a samovysvětlující pro začátečníky i odborníky.
Ahoj kolego čtenáři,
Jsme malý tým v Techiescience, tvrdě pracujeme mezi velkými hráči. Pokud se vám líbí, co vidíte, sdílejte náš obsah na sociálních sítích. Vaše podpora znamená velký rozdíl. Děkuji!