Математическое ожидание случайной величины (с X-Y),где , - независимые случайные величины, равно

Случайная величина. Числовые характеристики случайной величины. Случайные процессы.

Математическое ожидание случайной величины (с X+Y),где , - независимые случайные величины, равно

+

Дисперсия случайной величины (с X+Y),где , - независимые случайные величины, равно

+

Дисперсия разности двух независимых случайных величин X иY равна

+

Математическое ожидание произведения двух независимых случайных величин X и Y равно

+

Индикатором события А называется случайная величина, которая

равна константе а>1

равна константе а<-1

всегда равна 1

+равна 1, если в результате испытания событие А происходит и равна 0, если событие А не происходит

Законом распределения дискретной случайной величины называется соответствие между

возможными значениями случайной величины и рядом натуральных чисел

+ возможными значениями случайной величины и вероятностями их появления

математическим ожиданием случайной величины и ее средним квадратическим отклонением

возможными значениями случайной величины и ее математическим ожиданием

Сумма всех вероятностей значений дискретной случайной величины равна

+1

-1

Математическое ожидание дискретной случайной величины вычисляется по формуле

+

Математическое ожидание постоянной величины С равно

не определено

Математическое ожидание случайной величины (с X-Y),где , - независимые случайные величины, равно

+

Дисперсия дискретной случайной величины определяется по формуле

+

Существуют две формы задания закона распределения дискретной случайной величины:

интегральная и дифференциальная

интегральная и табличная

+табличная и графическая

графическая и интегральная

Дисперсия постоянной величины С равна

C

+0

не определена

Среднее квадратическое отклонение случайной величины Х равно

+

M(X)

Дисперсия от математического ожидания равна

М(Х)

+0

Х

Математическое ожидание от математического ожидания равно

+M(X)

D(X)

Математическое ожидание равно

M(X)

D(X)

+0

Математическое ожидание квадрата отклонения равно

+D(X)

M(X)

V

Математическое ожидание M(X) случайной величины Х есть

переменная величина

+постоянная величина

Дисперсия непрерывной случайной величины, заданной на интервале , определяется формулой

+

Существует две формы задания непрерывной случайной величины

+функция распределения и плотность распределения вероятностей

ряд распределения и полигон

функция распределения и ряд распределения

функция распределения и полигон

Выражение является

дисперсией дискретной случайной величины

вариацией дискретной случайной величины

+математическим ожиданием дискретной случайной величины

средним квадратическим отклонением

Выражение является

+дисперсией дискретной случайной величины

вариацией дискретной случайной величины

математическим ожиданием дискретной случайной величины

средним квадратическим отклонением

Величина, которая в зависимости от результатов испытаний принимает то или иное численное значение, называется

постоянной величиной

переменной величиной

+случайной величиной

нормальной величиной

Случайные величины делятся на

переменные и постоянные

четные и нечетные

рациональные и нерациональные

+дискретные и непрерывные

Дискретной называется такая случайная величина, которая принимает

+конечное или бесконечное счетное множество значений

бесконечное множество значений

только одно значение

только отрицательные значения

Графическая форма задания закона распределения случайной величины – это

парабола

прямая линия

окружность

+полигон

Табличная форма задания закона распределения случайной величины называется

суммой распределения

интегралом распределения

+рядом распределения

полем распределения

Непрерывная случайная величина имеет

конечное множество значений

бесконечное счетное множество значений

конечное или бесконечное счетное множество значений

+бесконечное несчетное множество значений

Дисперсией случайного процесса называется неслучайная функция , которая при любом значении t равна

математическому ожиданию соответствующего сечения случайного процесса

+дисперсии соответствующего сечения случайного процесса

среднему квадратическому отклонению соответствующего сечения случайного процесса

вариации соответствующего сечения случайного процесса

Случайный процесс называется марковским процессом, если для любых двух моментов времени и , , условное распределение при условии, что заданы все значения при , зависит только от

+

2Корреляционной функцией случайного процесса называется неслучайная функция двух аргументов и , которая при каждой паре значений и равна

сумме математических ожиданий соответствующих сечений случайного процесса

сумме дисперсий соответствующих сечений случайного процесса

+ковариации соответствующих сечений случайного процесса

произведению дисперсий соответствующих сечений случайного процесса

Случайный процесс с дискретным временем (t принимает целочисленные значения) называется

целочисленным рядом

целочисленной последовательностью

целочисленным случайным процессом

+ временным рядом

Процесс изменения во времени состояния какой – либо системы в соответствии с вероятностными закономерностями называется

закономерным процессом

переменным процессом

+случайным процессом

составным процессом

Неслучайная функция , которая при любом значении t равна математическому ожиданию соответствующего сечения случайного процесса, называется

дисперсией случайного процесса

+математическим ожиданием случайного процесса

огибающей случайного процесса

направляющей случайного процесса

Если , а , то дисперсия случайной величины равна

+1

Если , а , то

+5

Если , а , то

+5

Если ; а , то

+5

Указать неверное значение дисперсии

+-1

Указать верное значение дисперсии

-9

-4

+1

-1

Дискретная случайная величина принимает

только множество целых значений

только множество положительных значений

все значения из интервала

+конечное или бесконечное счетное множество значений.

Непрерывная случайная величина принимает

множество целых значений

множество рациональных значений

конечное множество значений

+любое значение из конечного или бесконечного интервала

Для непрерывной случайной величины и конкретного значения вероятность равна

+0

1/2

Если -непрерывная случайная величина, и - конкретные значения, то отсюда следует, что

+

Если - плотность распределения, то при соответствующем значении может принять значение

-2

-1

+0,5

Если - плотность распределения, то ни при каких не может принять значение

+-1

0,1

0,4

Математическое ожидание непрерывной случайной величины , заданной на интервале , определяется формулой

+

Если - плотность распределения, то равен

-1

+1

Если - плотность распределения, то определяет

+

Если - плотность распределения, то определяет

+

Если - плотность распределения, то определяет

+

Если - плотность распределения, то ни при каких не может принять значение

0,4

0,6

+1,2

Случайная величина, принимающая конечное или бесконечное счетное множество значений, называется

+дискретной

конечной

бесконечной

непрерывной

Случайная величина, принимающая любые значения из конечного или бесконечного интервала, называется

дискретной

конечной

бесконечной

+ непрерывной

Если , а , то равна

+5

Наши рекомендации