Summary of SLA Social Interactionism Theory & Its Learning Application ModelsSawsan Ali
This document summarizes Lev Vygotsky's social development theory and Jerome Bruner's discovery learning theory as approaches to language acquisition within social interactionism. Vygotsky believed that language develops first through social interactions and then internally. Bruner argued that learning occurs best when learners discover knowledge themselves, such as through problem-based learning, case-based learning, or simulations. Discovery learning encourages active engagement but can also lead to cognitive overload or misconceptions if not properly guided. Overall, social interactionism views language acquisition as influenced through social and environmental interactions.
The document discusses individual differences in language aptitude. It defines aptitude as a learner's capacity for learning a task based on their enduring characteristics. Language aptitude refers to cognitive differences between learners and their ability to learn a language. Between 1920-1930, researchers developed early language aptitude tests to predict learners' performance. These tests used analytical and synthetic approaches. Modern tests like the MLAT and PLAB further researched aptitude and its components like memory, auditory ability, and linguistic ability. The document discusses ongoing issues around what aptitude measures, its relationship to age, intelligence, teaching methods, and the purpose of aptitude testing.
Summary of SLA Social Interactionism Theory & Its Learning Application ModelsSawsan Ali
This document summarizes Lev Vygotsky's social development theory and Jerome Bruner's discovery learning theory as approaches to language acquisition within social interactionism. Vygotsky believed that language develops first through social interactions and then internally. Bruner argued that learning occurs best when learners discover knowledge themselves, such as through problem-based learning, case-based learning, or simulations. Discovery learning encourages active engagement but can also lead to cognitive overload or misconceptions if not properly guided. Overall, social interactionism views language acquisition as influenced through social and environmental interactions.
The document discusses individual differences in language aptitude. It defines aptitude as a learner's capacity for learning a task based on their enduring characteristics. Language aptitude refers to cognitive differences between learners and their ability to learn a language. Between 1920-1930, researchers developed early language aptitude tests to predict learners' performance. These tests used analytical and synthetic approaches. Modern tests like the MLAT and PLAB further researched aptitude and its components like memory, auditory ability, and linguistic ability. The document discusses ongoing issues around what aptitude measures, its relationship to age, intelligence, teaching methods, and the purpose of aptitude testing.
A critique on SLA: Behaviorist theory and Cognitive theory differenceSagar Ladhva
Researches and focuses on the developing knowledge and use of a language by children and adults who already know at least one other language.
About 25 years ago, a psychologist named Stephen Krashen transformed language teaching. He had been developing his ideas over a number of years, but several books he published in the 1980s received general acceptance.
Tolman's purposive behaviorism theory posits that learning is always goal-directed and purposeful, not merely the formation of stimulus-response associations. According to Tolman, organisms form cognitive maps of their environment which allow them to navigate efficiently to goals. He demonstrated this concept through experiments showing that rats could learn maze patterns even without reinforcement, indicating latent or hidden learning had occurred through map formation. Tolman's theory moved beyond strict behaviorism to incorporate internal cognitive processes as mediators of learning and behavior.
This document provides an overview of communicative language teaching. It discusses the origins of this approach in the 1970s as a reaction to previous methods. Communicative language teaching uses real-life situations and contexts to motivate students to communicate in meaningful ways. An example is provided of an introductory exercise where students exchange names and personal information in the target language. Both advantages and disadvantages of the communicative approach are outlined, including that it focuses on fluency over accuracy and may result in incorrect language production without explicit error correction.
Україна здавна бореться за свою незалежність. Під час масових репресій та утисків наш народ довів, що немає нічого важливішого, ніж відчуття свободи й розуміння власної ідентичності. У ХХ столітті Україна переживала найогидніший період знецінення культури: насадження ідей соцреалізму, заборону висловлювати свою думку та обмеження у використанні рідної мови чи демонстрації того, що стосується власної нації. Та запорукою невмирущості стародавньої української нації і її мови завжди були небайдужі люди – борці за право на рідну мову в Україні. Про них зараз і піде мова.
This document defines learning disabilities and their characteristics. It states that learning disabilities are neurological disorders that make it difficult for students to learn in conventional ways, despite average or above average intelligence. It identifies several types of specific learning disabilities, including dyslexia, dysgraphia, dyscalculia, dyspraxia, and dysphasia. It notes that ADHD commonly co-occurs with learning disabilities. The document concludes by explaining that learning disabilities are assessed both informally through observations and formally through standardized tests.
1. Socio-cultural theory views learning as a social process where knowledge is constructed through interaction. The teacher assists students to reach beyond their capabilities through scaffolding and joint problem-solving within the zone of proximal development.
2. Language is seen as a cultural tool for thinking and social interaction. Learning occurs first through social interaction then becomes internalized.
3. Effective pedagogy based on this theory includes collaborative learning, scaffolding to provide optimal challenge and support, and discovery learning through problem-solving and meaningful tasks.
Vygotsky’s Socio-Cultural Theory in Terms of Application to Second Language A...Natalia Reilly, Ph.D.
This document discusses the application of Lev Vygotsky's sociocultural theory to second language acquisition (SLA). It outlines two key concepts from Vygotsky's theory - that social and cognitive processes are interrelated, and the zone of proximal development (ZPD). Regarding the first concept, social interaction plays a fundamental role in cognitive development. Learning occurs through transforming external social processes into internal cognitive processes. Regarding the ZPD, it represents the gap between independent problem-solving and problem-solving assisted by a more capable peer, and provides the conditions necessary for learning. The document analyzes how these concepts can be applied to interpreting SLA research and minimizing the gap between learners' first and second language proficiencies
Language interference refers to applying knowledge from one's native language when speaking or writing a second language. It can affect grammar, vocabulary, accent, spelling and other language aspects. Factors that cause interference include a speaker's bilingual background, disloyalty to the target language, limited vocabulary, needs for synonyms, and prestige or style needs, according to various sources. Effects of interference include incorrect grammar, vocabulary choice, pronunciation influenced by one's first language.
A critique on SLA: Behaviorist theory and Cognitive theory differenceSagar Ladhva
Researches and focuses on the developing knowledge and use of a language by children and adults who already know at least one other language.
About 25 years ago, a psychologist named Stephen Krashen transformed language teaching. He had been developing his ideas over a number of years, but several books he published in the 1980s received general acceptance.
Tolman's purposive behaviorism theory posits that learning is always goal-directed and purposeful, not merely the formation of stimulus-response associations. According to Tolman, organisms form cognitive maps of their environment which allow them to navigate efficiently to goals. He demonstrated this concept through experiments showing that rats could learn maze patterns even without reinforcement, indicating latent or hidden learning had occurred through map formation. Tolman's theory moved beyond strict behaviorism to incorporate internal cognitive processes as mediators of learning and behavior.
This document provides an overview of communicative language teaching. It discusses the origins of this approach in the 1970s as a reaction to previous methods. Communicative language teaching uses real-life situations and contexts to motivate students to communicate in meaningful ways. An example is provided of an introductory exercise where students exchange names and personal information in the target language. Both advantages and disadvantages of the communicative approach are outlined, including that it focuses on fluency over accuracy and may result in incorrect language production without explicit error correction.
Україна здавна бореться за свою незалежність. Під час масових репресій та утисків наш народ довів, що немає нічого важливішого, ніж відчуття свободи й розуміння власної ідентичності. У ХХ столітті Україна переживала найогидніший період знецінення культури: насадження ідей соцреалізму, заборону висловлювати свою думку та обмеження у використанні рідної мови чи демонстрації того, що стосується власної нації. Та запорукою невмирущості стародавньої української нації і її мови завжди були небайдужі люди – борці за право на рідну мову в Україні. Про них зараз і піде мова.
This document defines learning disabilities and their characteristics. It states that learning disabilities are neurological disorders that make it difficult for students to learn in conventional ways, despite average or above average intelligence. It identifies several types of specific learning disabilities, including dyslexia, dysgraphia, dyscalculia, dyspraxia, and dysphasia. It notes that ADHD commonly co-occurs with learning disabilities. The document concludes by explaining that learning disabilities are assessed both informally through observations and formally through standardized tests.
1. Socio-cultural theory views learning as a social process where knowledge is constructed through interaction. The teacher assists students to reach beyond their capabilities through scaffolding and joint problem-solving within the zone of proximal development.
2. Language is seen as a cultural tool for thinking and social interaction. Learning occurs first through social interaction then becomes internalized.
3. Effective pedagogy based on this theory includes collaborative learning, scaffolding to provide optimal challenge and support, and discovery learning through problem-solving and meaningful tasks.
Vygotsky’s Socio-Cultural Theory in Terms of Application to Second Language A...Natalia Reilly, Ph.D.
This document discusses the application of Lev Vygotsky's sociocultural theory to second language acquisition (SLA). It outlines two key concepts from Vygotsky's theory - that social and cognitive processes are interrelated, and the zone of proximal development (ZPD). Regarding the first concept, social interaction plays a fundamental role in cognitive development. Learning occurs through transforming external social processes into internal cognitive processes. Regarding the ZPD, it represents the gap between independent problem-solving and problem-solving assisted by a more capable peer, and provides the conditions necessary for learning. The document analyzes how these concepts can be applied to interpreting SLA research and minimizing the gap between learners' first and second language proficiencies
Language interference refers to applying knowledge from one's native language when speaking or writing a second language. It can affect grammar, vocabulary, accent, spelling and other language aspects. Factors that cause interference include a speaker's bilingual background, disloyalty to the target language, limited vocabulary, needs for synonyms, and prestige or style needs, according to various sources. Effects of interference include incorrect grammar, vocabulary choice, pronunciation influenced by one's first language.
Точечная оценка. Определение
Пример 1
Свойства точечных оценок
Несмещенность
Пример 2
Состоятельность
Эффективность
Асимптотическая нормальность
Робастность
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"Technosphere1
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова. Курс "Алгоритмы интеллектуальной обработки больших объемов данных", Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Лектор - Николай Анохин
Постановка задачи кластеризации. Функции расстояния. Критерии качества кластеризации. EM-алгоритм. K-means и модификации.
Видео лекции курса https://www.youtube.com/playlist?list=PLrCZzMib1e9pyyrqknouMZbIPf4l3CwUP
Описательная статистика, цели. Вариационный ряд
Полигон частот
Гистограмма
Гистограмма, пример. Выбор числа интервалов
Выборочные характеристики
Характеристики положения и рассеяния
Выборочные характеристики двумерной выборки
1. Лекция 7. Непрерывная случайная величина.
Функция распределения
Курбацкий А. Н.
МШЭ МГУ
3,10 ноября 2016
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 1 / 36
2. Содержание
1 Непрерывные случайные величины
2 Функция распределения
3 Числовые характеристики
4 Основные распредления
5 Нормальное распределение
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 2 / 36
3. Непрерывные случайные величины
Непрерывной случайной величиной называется случайная величина,
множество значений которой – один или несколько промежутков на
числовой прямой.
Для непрерывных случайных величин нельзя задать их распределение,
просто указывая вероятности каждого отдельного значения, теперь
придётся указывать вероятность попадания в некоторый промежуток.
Часто распределение непрерывных случайных величин можно задать с
помощью плотности вероятности.
Определение
Плотностью вероятности называют функцию ρ(x), заданную для всех
x на числовой прямой, такую что:
1. ρ(x) ≥ 0 для всех x.
2. Площадь под функцией плотности равна 1, т.е.
+∞
−∞
ρ(x)dx = 1.
Если непрерывная с.в. принимает свои значения только на части
числовой прямой Ω, то полагают, что ρ(x) = 0 для x /∈ Ω.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 3 / 36
4. Попробуйте самостоятельно!
Пример
Пусть
ρ(x) =
1 − |x|, x ∈ [−1; 1]
0, x /∈ [−1; 1].
.
Тогда ρ(x) является функцией плотности распределения.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 4 / 36
5. Попробуйте самостоятельно!
Пример
Пусть
ρ(x) =
1 − |x|, x ∈ [−1; 1]
0, x /∈ [−1; 1].
.
Тогда ρ(x) является функцией плотности распределения.
Решение
Очевидно, что ρ(x) ≥ 0 на всей числовой прямой. Покажем, что
площадь под кривой плотности равна 1.
На отрезке [−1, 1] график ρ(x) и ось абсцисс образуют
равнобедренный треугольник с основанием 2 и высотой 1. Его
площадь равна 1. Следовательно, условие 2 из определения
выполнено.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 4 / 36
6. Функция плотности вероятности позволяет находить вероятность того,
что непрерывная случайная величина попадет в некоторую область,
например, отрезок [a, b]:
P(X ∈ [a, b]) =
b
a
ρ(x)dx
Другой способ поиска вероятности того, что непрерывная случайная
величина примет значения на некотором отрезке, связан с заданием
функции распределения F(x) случайной величины.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 5 / 36
7. Содержание
1 Непрерывные случайные величины
2 Функция распределения
3 Числовые характеристики
4 Основные распредления
5 Нормальное распределение
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 6 / 36
8. Функция распределения
Определение
Функцией распределения F(x) случайной величины X называется
вероятность того, что случайная величина X примет значения,
меньшее или равное x, то есть F(x) = P(X ≤ x).
Если случайная величина имеет плотность ρ(x), то ее функция
распределения задается в виде
F(x) =
x
−∞
ρ(t)dt
Вероятность того, что X ∈ [a; b] может быть записана с помощью F(x)
в виде:
P(a ≤ X ≤ b) =
b
−∞
ρ(x)dx +
a
−∞
ρ(x)dx = F(b) − F(a)
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 7 / 36
9. Задача
Случайная величина X принимает значения на отрезке [0; 1] и ее
функция плотности вероятности на этом отрезке равна ρ(x) = 2x (на
всей остальной части числовой прямой ρ(x) = 0). Найти F(x).
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 8 / 36
10. Задача
Случайная величина X принимает значения на отрезке [0; 1] и ее
функция плотности вероятности на этом отрезке равна ρ(x) = 2x (на
всей остальной части числовой прямой ρ(x) = 0). Найти F(x).
Решение
По определению для x ∈ [0; 1]
F(x) =
x
−∞
ρ(t)dt =
0
−∞
0dt +
x
0
2tdt = t2|x
0 = x2
Для x < 0 F(x) = 0, а для x > 1 F(x) = 1, т.к. для x > 1
F(x) =
0
−∞
0dt +
1
0
2tdt +
x
1
0dt = t2
|1
0 = 1
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 8 / 36
11. Вопрос-ответ
Непрерывная случайная величина может принимать ненулевые
значения только на отрезке [0; 2]. Может ли функция p(x) = 2 − x
быть плотностью распределения вероятностей этой случайной
величины?
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 9 / 36
12. Вопрос-ответ
Непрерывная случайная величина может принимать ненулевые
значения только на отрезке [0; 2]. Может ли функция p(x) = 2 − x
быть плотностью распределения вероятностей этой случайной
величины?
По свойству функции плотности ρ(x)
+∞
−∞
ρ(x)dx = 1.
В нашем же случае
+∞
−∞
ρ(x)dx =
2
0
(2 − x)dx = (2x − x2
2 )|2
0 = 2.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 9 / 36
13. Свойства функции распределения
Теорема
F(x) ≥ 0 для любого x.
Для x1 < x2 F(x1) ≤ F(x2).
F(−∞) = 0 и F(+∞) = 1.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 10 / 36
14. Содержание
1 Непрерывные случайные величины
2 Функция распределения
3 Числовые характеристики
4 Основные распредления
5 Нормальное распределение
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 11 / 36
15. Математическое ожидание и дисперсия
С помощью функции плотности распределения вероятностей можно
определить математическое ожидание E(X) непрерывной случайной
величины x и ее дисперсию D(X).
Определение
Математическое ожидание E(X) непрерывной случайной величины X
равно:
E(X) =
+∞
−∞
xρ(x)dx
Определение
Дисперсия D(X) непрерывной случайной величины X равна:
D(X) = E(X − EX)2 = E(X2) − [E(X)]2 =
+∞
−∞
x2ρ(x)dx −
+∞
−∞
xρ(x)dx
2
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 12 / 36
16. Самостоятельно
Функция плотности вероятности случайной величины X имеет
следующий вид
ρ(x) =
0, x 1
a ln x, x ∈ (1; e]
0, x > e.
а) Определите коэффициент a и вычислите математическое ожидание;
б) найдите функцию распределения F(x);
в) определите вероятность того, что значение случайной величины
лежит в интервале (−2;
√
e).
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 13 / 36
17. Решение
По свойству функции плотности вероятности имеем
+∞
−∞
ρ(x)dx =
e
1
a ln xdx =
= a(x ln x|e
1 −
e
1
x
1
x
dx) = a(e − e + 1) = a = 1.
Здесь мы воспользовались методом интегрирования по частям.
Вычислим математическое ожидание
EX =
+∞
−∞
xρ(x)dx =
e
1
x ln xdx = x2
2 ln x|e
1−
e
1
x2
2
1
x dx = e2
2 −e2
4 +1
4 = e2+1
4 .
Функция распределения находится по формуле:
F(x) = P(X ≤ x) =
x
−∞
ρ(t)dt =
0, x 1
x
1
ln tdt = x ln x − x + 1, x ∈ (1; e]
1, x > e.
√Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 14 / 36
18. Самостоятельно
Задача
Случайная величина X имеет равномерное распределение на отрезке
[2; 6]. Найти E(2X − 1), D(2X − 1), E(X3).
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 15 / 36
19. Самостоятельно
Задача
Случайная величина X имеет равномерное распределение на отрезке
[2; 6]. Найти E(2X − 1), D(2X − 1), E(X3).
Решение. Носитель плотности случайной величины, равномерно
распределенной на отрезке [a; b] имеет вид ρ(x) = 1
b−a , а
математическое ожидание и дисперсия задаются формулами
EX = b+a
2 , DX = (b−a)2
12 .
Поэтому в нашей задаче EX = 6+2
2 = 4 и DX = (6−2)2
12 = 4
3.
Пользуясь свойствами находим
E(2X − 1) = 2EX − 1 = 7, D(2X − 1) = 22
DX = 16/3.
Чтобы вычислить третий момент E(X3), вычислим интеграл
6
2
1
4
x3
dx =
1
16
x4
|6
2 = 81 − 1 = 80.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 15 / 36
20. Содержание
1 Непрерывные случайные величины
2 Функция распределения
3 Числовые характеристики
4 Основные распредления
5 Нормальное распределение
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 16 / 36
21. Равномерное распределение
Случайная величинв имеет равномерное распределение на отрезке
[a; b], если функция плотности имеет вид ρ(x) = 1
b−a на этом отрезке.
Задача
Математическое ожидание E(X) непрерывной случайной величины X
равно
EX =
b + a
2
Дисперсия D(X) непрерывной случайной величины X равно
DX =
(b − a)2
12
Функция распределения имеет вид F(x) =
0, x < a
x−a
b−a , x ∈ [a; b]
1, x > b.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 17 / 36
22. Показательное распределение
Случайная величинв имеет показательное распределение, если
функция плотности имеет вид ρ(x) = λe−λx при x ≥ 0 (и ноль при
остальных значениях).
Задача
Математическое ожидание E(X) непрерывной случайной величины X
равно
EX =
1
λ
Дисперсия D(X) непрерывной случайной величины X равно
DX =
1
λ2
Функция распределения имеет вид F(x) =
0, x < 0
1 − e−λx , x 0.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 18 / 36
23. Содержание
1 Непрерывные случайные величины
2 Функция распределения
3 Числовые характеристики
4 Основные распредления
5 Нормальное распределение
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 19 / 36
24. Нормальное распределение
Нормальное распределение вероятностей играет ключевую роль в
большинстве задач статистического анализа данных: в экономических,
социальных, естественных и технических науках.
Определение
Непрерывная случайная величина X имеет нормальное (гауссовское)
распределение вероятностей на всей числовой прямой, если ее
плотность распределения для всех x ∈ R выражается формулой:
ρ(x, a, σ) =
1
σ
√
2π
e−
(x−a)2
2σ2 ,
где σ > 0 и a - произвольные числа.
Величины a и σ2 называются параметрами нормального
распределения.
Запись X ∼ N(a, σ2) означает, что случайная величина X имеет
нормальное распределение с параметрами a и σ2. Смысл параметров a
и σ2 вытекает из следующих соотношений: E(X) = a, D(X) = σ2.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 20 / 36
25. Стандартное нормальное распределение
Определение
Нормальное распределение с параметрами a = 0 и σ2 = 1, т.е. N(0, 1) -
называют стандартным нормальным распределением.
Для обозначения стандартной нормальной случайной величины
используют символ Z: Z ∼ N(0, 1). Плотность стандартного
нормального распределения задаётся формулой:
ρ(x) =
1
√
2π
e−x2
2
Случайная величина X ∼ N(a, σ2) может быть выражена через
стандартную нормальную случайную величину Z ∼ N(0, 1):
X = a + σZ
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 21 / 36
26. Стандартное нормальное распределение
Функцию распределения стандартной нормальной случайной
величины Z ∼ N(0, 1) обозначают Φ(x). По определению она есть:
Φ(x) =
x
−∞
1
√
2π
e
−t2
2 dt.
Для функции Φ(x) составлены подробные таблицы, позволяющие
находить вероятность того, что случайная величина Z попадает в
некоторый отрезок [a; b]:
P(a ≤ Z ≤ b) = Φ(b) − Φ(a).
Функция распределения F(x) произвольной нормальной
случайной величины X ∼ N(a, σ2) выражается через Φ(x):
F(x) = Φ
x − a
σ
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 22 / 36
27. Правило "трех сигм"
Важно!
Так называемое правило "трех сигм" заключаетсявтом, что
вероятность отклонится более чем на 3 стандартных отклонения от
математического ожидания составляет менее 0.003.
Пример
То есть для стандартной нормальной величины P(|Z| < 3) > 0.997.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 23 / 36
28. Задача
Среднее время для решения задачи по теории вероятностей для
студентов второго курса составляет 20 минут с дисперсией 4. Найти
вероятность, что студенту потребуется от 16 до 24 минут для решения
задачи, считая, что это время имеет нормальное распределение.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 24 / 36
29. Задача
Среднее время для решения задачи по теории вероятностей для
студентов второго курса составляет 20 минут с дисперсией 4. Найти
вероятность, что студенту потребуется от 16 до 24 минут для решения
задачи, считая, что это время имеет нормальное распределение.
Решение
Пусть X – время для решения одной задачи, тогда
X ∼ N(µ = 20; σ2 = 4). Находим вероятность
P(16 < X < 24) = P
16 − 20
2
<
X − µ
σ
<
24 − 20
2
= P(−2 < Z < 2),
где Z – стандартная нормальная величина. Окончательно,
P(16 < X < 24) = P(−2 < Z < 2) = 2Φ(2)−1 ≈ 2·0.97725−1 = 0.9545.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 24 / 36
30. Самостоятельно
Задача
Случайная величина Z имеет стандартное нормальное распределение
вероятностей. Найти P(|Z − 1| > 0.5).
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 25 / 36
31. Самостоятельно
Задача
Случайная величина Z имеет стандартное нормальное распределение
вероятностей. Найти P(|Z − 1| > 0.5).
Решение
P(|Z − 1| > 0.5) = 1 − P(|Z − 1| < 0.5) = 1 − P(−0.5 < Z < 1.5) =
1 − Φ(1.5) + Φ(0.5) = 1 − 0.9332 + 0.6915 = 0.7583. Здесь Φ(x) –
функция стандартного нормального распределения, значения которой
можно найти в таблице.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 25 / 36
32. Комбинация нормальных величин
Теорема
Сумма двух независимых нормальных случайных величин
X ∼ N(a1, σ2
1) и X ∼ N(a2, σ2
2) является нормальной случайной
величиной:
X1 + X2 ∼ N(a1 + a2, σ2
1 + σ2
2).
Задача
Случайные величины Z1 и Z2 имеют стандартные нормальные
распределения и независимы. Случайная величина X = 6Z1 + 8Z2 + 3.
Найти математическое ожидание X, дисперсию X, вероятность того,
что X < 14. Найти квантиль уровня 0,8.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 26 / 36
33. Решение
Пользуясь тем, что для стандартных нормальных величин
математическое ожидание равно нулю, а дисперсия – единице,
находим:
E(X) = E(6Z1 + 8Z2 + 3) = 6EZ1 + 8EZ2 + 3 = 3,
D(X) = 62
D(Z1) + 82
DZ2 = 36 + 64 = 100.
Так как линейная комбинация независимых нормальных случайных
величин также является нормальной случайной величиной, то
X ∼ N(µ = 3; σ2 = 100). Таким образом, X = 3 + 10Z, где
Z ∼ N(0; 1). Далее,
P(X < 14) = P(3 + 10Z < 14) = P (Z < 1.1) = Φ(1.1) ≈ 0.8643.
Квантиль z0.8 стандартного нормального распределения
Φ−1(0.8) ≈ 0.8416, тогда искомая квантиль равна
x0.8 = 3 + 10z0.8 ≈ 3 + 10 · 0.8416 = 11.416.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 27 / 36
34. Самостоятельно
Задача
Случайная величина X имеет нормальное распределение со средним
100 и cтандартным отклонением 16. Найти вероятность
P(74 < X < 92) и квантиль xp уровня p = 0.95.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 28 / 36
35. Самостоятельно
Задача
Случайная величина X имеет нормальное распределение со средним
100 и cтандартным отклонением 16. Найти вероятность
P(74 < X < 92) и квантиль xp уровня p = 0.95.
Решение
Выразим случайную величину X через стандартную нормальную
величину Z:
X = 100 + 16Z.
Тогда
P(74 < X < 92) = P(74 < 100 + 16Z < 92) = P(−26
16 < Z < − 8
16 ) =
P(−1.625 < Z < −0.5) = Φ(1.625) − Φ(0.5) ≈ 0.9474 − 0.6915 = 0.256
Квантиль стандартного нормального распределения уровня p = 0.95
составляет zp ≈ 1.65, поэтому
xp ≈ 100 + 16 · 1.65 = 126.4.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 28 / 36
36. Самостоятельно
Задача
Случайные величины Z1 и Z2 имеют стандартное нормальное
распределение и независимы. Случайная величина X = 8Z1 − 2Z2 − 1.
Указать закон распределения X. Найти вероятность того, что X < 0.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 29 / 36
37. Самостоятельно
Задача
Случайные величины Z1 и Z2 имеют стандартное нормальное
распределение и независимы. Случайная величина X = 8Z1 − 2Z2 − 1.
Указать закон распределения X. Найти вероятность того, что X < 0.
Решение. Линейная комбинация независимых нормальных случайных
величин также является нормальной случайной величиной. По
свойствам найдем математическое ожидание и дисперсию случайной
величины X: E(X) = E(8Z1 − 2Z2 − 1) = 8EZ1 − 2EZ2 − 1 = −1,
D(X) = 82D(Z1) + (−2)2DZ2 = 64 + 4 = 68.
Здесь мы воспользовались тем, что для стандартных нормальных
величин математическое ожидание равно нулю, а дисперсия –
единице. Таким образом, X = −1 +
√
68Z, где Z ∼ N(0; 1).
Далее,
P(X > 0) = P(−1 +
√
68Z < 0) = P Z <
1
√
68
≈
≈ P(Z < 0.12) = Φ(0.12) ≈ 0.5478.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 29 / 36
38. Таблица нормального распределения
Разберёмся, как находить значения вероятностей нормальной
величины, а также её квантили. Функцию распределения стандартной
нормальной случайной величины Z ∼ N(0, 1) обозначают Φ(x). По
определению она есть:
Φ(x) =
x
−∞
1
√
2π
e−t2
2 dt.
Первообразную не найти! Значение интеграла вычисляют численно.
Для функции Φ(x) составлены подробные таблицы, позволяющие
находить вероятность того, что
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 30 / 36
39. По таблице проще всего вычислить вероятность того, что случайная
величина Z попадает левее точки a:
P(Z ≤ a) = Φ(a).
А чтобы вычислить вероятность того, что случайная величина Z
попадает правее точки a, пользуются тем, что сумма вероятностей
равна 1:
P(Z ≥ a) = 1 − Φ(a).
Для отрицательных значений пользуются чётностью функции
плотности, то есть
P(Z ≤ −a) = 1 − P(Z ≤ a) = 1 − Φ(a).
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 31 / 36
42. Общий случай
Для произвольной случайной нормальной величины X вероятность
P(X ≤ x) находится следующим образом (эта процедура называется
стандартизацией):
вычисляем z = x−a
σ ;
находим в таблице Φ(z).
Квантилью уровня p для с.в. X называется такое значение xp, что
P(X ≤ xp) = p.
Квантиль уровня p вычисляется следующим образом: xp = a + σ · zp,
где zp - квантиль стандартной нормальной с.в. Для значений p,
которых нет в таблице надо воспользоваться чётностью функции
плотности xp = x1−p.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 34 / 36
43. Пример
Найдите квантили стандартной нормальной величины z0.62 и z0.33.
Решение
Смотрим в таблицу и находим 0.6217, так как это ближайшее число к
0.62. z0.62 ≈ 0.31.
z 0.00 0.01 0.02 0.03 0.04
0.0 0.5000 0.5040 0.5080 0.5120 0.5160
0.1 0.5398 0.5438 0.5478 0.5517 0.5557
0.2 0.5793 0.5832 0.5871 0.5910 0.5948
0.3 0.6179 0.6217 0.6255 0.6293 0.6331
0.4 0, 6554 0, 6591 0, 6628 0, 6664 0, 6700
0.5 0, 6915 0, 6950 0, 6985 0, 7019 0, 7054
0.6 0, 7257 0, 7291 0, 7324 0, 7357 0, 7389
0.7 0, 7580 0, 7611 0, 7642 0, 7673 0, 7704
Для z0.33 вспомним про чётность: z0.33 = z1−0.33 = z0.67 ≈ 0.44.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 35 / 36
44. Для закрепления
Задача
Случайная величина X имеет нормальное распределение со средним
значением 10 и дисперсией 25. Чему равна вероятность того, что эта
случайная величина примет значение большее 25? Вычислите
квантиль уровня 0.99.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 36 / 36
45. Для закрепления
Задача
Случайная величина X имеет нормальное распределение со средним
значением 10 и дисперсией 25. Чему равна вероятность того, что эта
случайная величина примет значение большее 25? Вычислите
квантиль уровня 0.99.
Решение
Для того, чтобы найти требуемую вероятность, перейдем к
стандартной нормальной величине Z = X−10√
25
и воспользуемся
таблицей для нормального распределения
P(X ≥ 25) = P
X − 10
5
≥
25 − 10
5
= P(Z ≥ 3) =
= 1 − P(Z ≤ 3) ≈ 1 − 0.99865 = 0.00135.
Чтобы найти квантиль x0.99, сначала найдём по таблице квантиль
z0.99 ≈ 2.33. Теперь x0.99 = a + σ · z0.99 ≈ 10 + 5 · 2.33 = 21.65.
Курбацкий А. Н. (МШЭ МГУ) Непрерывная с.в. 3,10 ноября 2016 36 / 36