величины
*> Для упрощения выкладок мы ограничились малым числом возможных значений. В общем случае доказательство аналогичное. этих величин [3] 7. Эмпирическая функция распределения Пусть известно статистическое распределение частот количественного признака X. Введем обозначения: пх—число наблюдений, при которых наблюдалось значение признака, меньше* х; п—общее число наблюдений (объем выборки). Ясно, что относительная частота события X < х равна пх/п. Если х изменяется, то, вообще говоря, изменяется и относительная частота, т. е. относительная [4] 5. Корреляционная таблица При большом числе наблюденйй одно и то же значение х может встретиться пх раз, одно и то же значение у — пу раз, одна и та же пара чисел (х, у) может наблюдаться пху раз. Поэтому данные наблюдений группируют, т. е. подсчитывают частоты пх, nv, пху. Все сгруппированные данные записывают в виде таблицы, которую называют корреляционной. [5] л* = 8 + 21 + 13+ 18 = 60 и 2л«= 26+12 + 22 = 60- Пусть требуется разыграть дискретную случайную величину X, т. е. получить последовательность ее возможных значений X; (i = 1, 2,..., п), зная закон распределения X: X хг х2... хп- Р Pi Р* Рп [7] См.: Большее Л. Н., Смирнов Н. В. Таблицы математической статистики. М., «Наука», 1965, с, 428—429. [8] 2. Однородная цепь Маркова. Переходные вероятности. Матрица перехода Однородной называют цепь Маркова, если условная вероятность p,j(s) (перехода из состояния i в состояние /) не зависит от номера испытания. Поэтому вместо p,y{s) пишут просто Ptj.
|
