Презентация на тему «Случайные величины и их характеристики»

Слайд 1

Случайные величины

Слайд 2

Случайные величины

Случайная величина — это величина, значение которой заранее неизвестно и зависит от исхода опыта. В теории вероятностей её удобно рассматривать через набор возможных значений и вероятностей, с которыми они наступают. Именно так описывают, например, число выпадений орла при многократном подбрасывании монеты или число дефектных деталей в партии.

Слайд 3

Закон распределения

Распределение вероятностей случайной величины показывает, какие значения она может принимать и насколько они вероятны. Для дискретной случайной величины это обычно таблица, где каждому значению сопоставлена вероятность, а сумма всех вероятностей равна единице. Такое описание позволяет сравнивать разные случайные величины и вычислять их характеристики.

Слайд 4

Математическое ожидание

Математическое ожидание случайной величины — это её среднее значение, взвешенное по вероятностям всех возможных исходов. Для дискретного случая его находят как сумму произведений значений на соответствующие вероятности. В задачах это число показывает, к какому результату в среднем приводит многократное повторение опыта.

Слайд 5

Физический смысл

Физический смысл математического ожидания состоит в том, что оно выражает устойчивый средний результат большого числа повторений. Например, если бросать игральную кость очень много раз, то среднее выпавшее значение будет приближаться к математическому ожиданию, равному 3,5. Поэтому математическое ожидание удобно использовать как «центр тяжести» случайного процесса.

Слайд 6

Дисперсия и отклонение

Дисперсия характеризует, насколько сильно случайная величина разбросана вокруг своего математического ожидания. Если дисперсия мала, значения обычно близки к среднему, а если велика, возможны заметные отклонения. Стандартное отклонение — это корень из дисперсии, и оно измеряется в тех же единицах, что и сама случайная величина.

Слайд 7

Испытания Бернулли

В серии испытаний Бернулли каждый опыт имеет только два исхода: успех или неуспех. Если вероятность успеха в одном испытании равна p, то число успехов в n испытаниях — случайная величина, для которой математическое ожидание равно np, а дисперсия равна np(1-p). Частота успеха равна отношению числа успехов к числу испытаний, и её среднее поведение связано с вероятностью p.

Слайд 8

Число успехов

Число успехов в серии испытаний Бернулли показывает, сколько раз нужное событие произошло за n повторений опыта. Это важная случайная величина, потому что именно она часто интересует на практике: число удачных запусков, число бракованных изделий или число совпадений в наблюдениях. Для неё можно заранее вычислить среднее значение и разброс, не проводя всю серию испытаний.

Слайд 9

Закон больших чисел

Закон больших чисел утверждает, что при большом числе независимых испытаний частота успеха приближается к вероятности успеха. Иначе говоря, чем больше наблюдений, тем устойчивее становится средний результат и тем меньше влияние случайных колебаний. Это объясняет, почему статистические выводы на больших выборках обычно надёжнее, чем на малых.

Слайд 10

Заключение

Случайные величины позволяют формально описывать неопределённые явления, а распределение вероятностей задаёт их возможные значения и шансы. Математическое ожидание показывает средний результат, дисперсия и стандартное отклонение — меру разброса, а в серии испытаний Бернулли эти характеристики особенно наглядны. Закон больших чисел связывает теорию с практикой: при росте числа испытаний частота успеха всё точнее приближается к вероятности успеха.