2003_-_Gmurman__TV_i_MS
.pdf§ 26 |
Выборочный коэффициент ранroвой корреляции Кендалла |
|
и проверка rипoreзы о еro значимости |
34/ |
|
§ 27 |
Криreрий Вилкоксона и проверка гипотезы об однород- |
|
ности двух выборок |
343 |
|
Задачи |
346 |
|
Глава tЭвaдцamaJI Одвoфaпopнwi JUICМIICIIOIIII 81W1113 ••••••••••••••••• |
349 |
|
§ I |
Сравнение нескольких средних Понятие о дисперсионном |
|
анализе |
349 |
|
§ 2 |
Oбwaя. факторная и остаточная суммы квадратов откло- |
|
нений |
350 |
|
§ 3 |
Связь между общей, фахторной и остаточной суммами |
354 |
§ 4 |
Общая, факторная и остаточная дисперсии |
355 |
§ 5 |
Сравнение нескольких средних методом дисперсионноro |
|
анализа |
355 |
|
§ 6 |
"еодинаковое число испытаний на различных УРОВНЯ1( |
358 |
Задачн |
361 |
ЧАСГЬ ЧЕТВЕРТАЯ
МEI'OД МОНТЕ-КАРЛО. ЦЕПИ МАРКОВА
...... 1IIe'rO,AOII Mowre-Кapo......................................................... |
363 |
||
§ 1 Предмет метода Монте-Карло |
363 |
||
§ 2 Оценка погрешности метода Монте-Карло |
364 |
||
§ 3 Случайные числа |
366 |
||
§ 4 Разыгрывание дискретной случайной величины |
366 |
||
§ 5 Разыгрывание противоположных событий |
368 |
||
§ 6 Разыгрывание полной группы событий |
369 |
||
§ 7 |
Разыгрывание непрерывной случайной величины Метод |
|
|
обратных функций |
|
371 |
|
§ 8 |
Метод суперпозиции |
375 |
|
§ 9 |
Приближенное разыгрывание нормальной случайной |
|
|
величины |
|
377 |
|
Задачи |
|
379 |
|
Глава двадцать вторOJl |
Первоначuьные сведенИJI о uelUlX Маркова. |
380 |
|
§ 1 Цепь Маркова |
|
380 |
|
§ 2 |
Однородная |
цепь Маркова Переходные вероятности |
|
Матрица перехода |
|
381 |
|
§ Равенство Маркова |
383 |
||
Задачи |
|
385 |
11
ЧАСГЬ ПЯТАЯ
СЛУЧАЙНЫЕ ФУНКЦИИ
Глава двадцать третья Cяyчaiвне ФУнкони ....................•....... ........ |
386 |
|
§ 1 Основные задачи |
386 |
|
§ 2 |
Определение случайной ФУНКЦИИ |
386 |
§ 3 |
Корреляционная теория случайных функций |
388 |
§ 4 |
Математическое {)жидание случайной функции |
390 |
§ 5 |
Свойства математическоro ожидания случайной ФУНКЦИИ |
390 |
§ 6 Дисперсия случайной ФУНКllИИ |
391 |
|
§ 7 |
Свойства дисперсии случайной функции |
392 |
§ 8 |
Целесообразность введения корреляционной ФУНКЦИИ |
393 |
§ 9 |
Корреляционная функция случайной функции |
394 |
§ 10 |
Свойства корреляционной функции |
395 |
§ 11 |
Нормированная корреляционная функция |
398 |
§ 12 |
Взаимная корреляционная функция |
399 |
§ 13 |
Свойства взаимной корреляционной функции |
400 |
§ 14 |
Нормированная взаимная корреляционная функция |
401 |
§ 15 |
Характеристики суммы случайных функций |
402 |
§ 16 |
Производная случайной ФУНКllии и ее характеристики |
405 |
§ 17 |
Интеграл от случайной функции И его характеристики |
409 |
§ 18 |
Комплексные случайные величины и их числовые харак- |
|
теристики |
413 |
|
§ 19 |
Комплексные случайные функции и их характеристики |
415 |
Задачи |
417 |
|
Глава двадцать четвертая Стационарные случайные функции.......... |
419 |
|
§ 1 Определение стационарной случайной функции |
419 |
|
§ 2 |
Свойства корреляционной функции стационарной случай- |
|
ной функции |
421 |
|
§ 3 |
Нормированная корреляционная функция стационарной |
|
случайной функции |
421 |
|
§ 4 |
Стационарно связанные случайные функции |
423 |
§ 5 |
Корреляционная функция производной стационарной слу- |
|
чайной функции |
424 |
|
§ 6 |
Взаимная корреляционная функция стационарной случай- |
|
ной функции и ее производной |
425 |
|
§ 7 |
Корреляционная функция интеграла от стационарной слу- |
|
чайной функции |
426 |
|
§ 8 |
Определение характеристик эрroдических стационарных |
|
случайных функций из опьгга
Задачи
Глава двадцать пятая ЭАемetnw соепрат.нoi теории стационарных
428
430
cлyчaйвwx .уикциl......................................................... .... ............... |
431 |
12
§ 1 ПредстаWlение стационарной случайной функции в виде
гармонических колебаний со случайными амплитудами и случай-
HыMи фазами |
431 |
|
§ 2 Дискретный спектр стационарной случайной функции |
435 |
|
§ 3 |
Непрерывный спектр стационарной случайной функции |
|
Спектральная плотность |
437 |
|
§ 4 |
Нормированная спектральная плотность |
441 |
§ 5 |
Взаимная спектральная плотность стационарных |
и |
стационарно связанных случайных функций |
442 |
|
§ 6 дельта-функция |
443 |
|
§ 7 Стационарный белый шум |
444 |
|
§ 8 |
Преобразование стационарной случайной функции |
|
стационарной линейной динамической системой |
446 |
|
Задачи |
449 |
|
Дополнение |
451 |
|
Приложения |
461 |
|
Предметный указатель |
474 |
ВВЕДЕНИЕ
Предмет теории вероятностеii. Наблюдаемые
нами события (явлеиия) можно подразделить иа следую
щие три вида: достоверные, невозможные и с.l1учаЙные.
Достоверным называют событие, которое обязательно
произойдет, если будет ОСyIЦествлена определенная сово
купноСть условий S. Например, если В сосуде содержнтся
вода при нормальном атмосферном давлении и темпера
туре 200, то событие свода в сосуде находится в жидком состоянии» есть достоверное. В этом примере заданные
атмосферное давление и температура воды составляют
совокупность условий S.
невОЗМОЖНbtМ называют событие, которое заведомо не
произойдет, если будет осуществлена совокупность усло
внй S. Например, событие «ВОДа в сосуде находится в
твердом состоянии» заведомо не произойдет, если будет осуществлена совокупность условий предыдущего примера.
Случайным называют событие, которое при осуществле
нии совокупности условий S может либо произойти. либо
не произойти. Например, если брошена монета, то она
может упасть так. что сверху будет либо герб, либо иад
пись. Поэтому событие «при бросании монеты выпал «герб»-случаЙное. Каждое случайное событие. в частно
сти выпадение «герба». есть следствие действия очень
миогих случайных причии (В нашем примере: сила, с
которой брошена монета. форма моиеты и многие другие).
Невозможио учесть влияние на результат всех этих при
чин. поскольку число их очень велико и законы их
действия неизвестиы. Поэтому теория вероятиостей ие
ставит перед собой задачу предсказать. произойдет еди
ничное событие или heT,-она просто не в силах это
сделать.
По-иному обстоит дело, если рассматриваются с.ilучаЙ
ные события. которые могут многократно наблюдаться
при осуществлении одних и тех же условий S, т. е. если
14
речь идет о массовых однородных случайных событиях. Оказывается, что достаточно большое число однородных
случайных событий независимо от их конкретной природы
подчиняется определеиным закономерностям, а нменно
вероятностныM закономерностям. Установлением ,тих за
кономерностей и занимается теория вероятностей.
Итак. предметом теории еерояmнocmeа является иау
ч.ение вероятностных Э(lкономернocтsа AUlCC08bIJC однород ных случайных событиа.
Знание закономериостей, которым подчиняются массо
Bыe случайные соБыия,, позволяет предвидеть. как 9ТИ
соБыияя будут протекать. Например, хотя, как было уже
сказано, нельзя наперед определить результат одного
бросания монеты, но можно предсказать, причем с не
большой погрешностью, чнсло появлений «герба», еслн
монета будет брошена достаточно большое число раз. При
,том предполагается, конечно, что монету бросают в одних
итех же условнях.
Методы теории вероятностей широко применяются в
различных отраслях естествознания и техники: в теории
надежности, теории массового обслуживания, в теорети
ческой физике, геодезии, астрономии, теории стрельБы, теории ошибок иаблюдений, теории автоматического управ
ления, общей теории связи и во многих других теорети
ческих и прикладных науках. Теория вероятностей служит также для обоснования математической и прикладиой
статистики, которая в свою очередь используется при планироваиии и организации производства, при анализе
технологических процессов, предупредительном и прие
мочном контроле качества продукции и для многих дру
гих целей.
В последние гoды методы теории вероятностей все
шире и шире проникают в различные области науки и
техники, способствуя их прогрессу.
Краткая историческая справка. первые работы, в ко
торых эарождались ocHoBHые понятия теории вероятно
стей, представляли собой попытки создания теории
азартных игр (Кардано, Гюйгенс, Паскаль, Ферма и дру
гие в XVI-ХVIl вв.).
Следующий 9тап развития теории вероятностей связан
с именем Якоба Бернулли (1654-1705). Доказаиная им теорема, получившая впоследствии название «Закона
больших чисел», была первым теоретическим обоснова
нием накопленных ранее фактов.
15
Дальнейшими успехами теория вероятностей обязана
Муавру, Лапласу, Гауссу, Пуассону и др.
Новый, наиболее плодотворный период связан с име нами П. Л. Чебышева (1821-1894) и его учеников
А. А. Маркова (1856-1922) и А. М. Ляпуиова (1857-1918).
В этот период теория вероятностей становится стройной математической наукой. Ее последующее развитие обязано
в первую очередь русским и советским математикам
(С. Н. Бериштейн, В. И. Романовский, А. Н. Колмогоров, А. 51.· Хинчин, Б. В. Гнеденко, Н. В. Смирнов и др.).
В настоящее время ведущая роль в создании новых вет
вей теории вероятностей также принадлежит советским
математикам.
ЧАСТЬ ПЕРВАЯ
СЛУЧАЙНЫЕ СОБЫТИЯ
Глава первая
ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ ВЕРОЯТНОСТЕЙ
§ 1. Испытания и события
Выше событие назваио случайиым, если при
осуществлении определенной совокупности условий S оно
может либо произойти, либо не произойти. В дальней шем, вместо того чтобы говорить «совокупность условий S осуществлена», будем говорить кратко: «произведено
испытание». Таким образом, событие будет рассматри
ваться как результат испытания.
Пример 1. Стрелок стреляет по мишенн, разделеиной на четыре областн. Выстрел-зто испытание. Попадание в определенную область
мишени - событие.
Првмер 2. В урне имеются цветные шары. Из урны наудачу
берут оАИН шар. Извлечение шара нз урны есть нсшпание. Появле
нне шара определенного цвета - событие.
§ 2. 8НАЫ случайных событий
События называют нeCoвмecтНblAl.U, если появле
ние одного из них исключает появлеиие других событнй
вОДНОМ И том же испытании.
Пр...р 1. Из ящика с д-.rалями иаудачу извлечена Аеталь.
Появление стандартной .n.етали исключает появление иестан.n.артноА
J(eТали. События споявилась стандартная .n.еталь. и споявилась ие
стаидартная деталь. - несовместиые.
ПJNIмер 2. Брошена монета. Поsвлевие .герба. НСIfJllOчает по
имение иамнси. События споявился reрб. и споявилась ицпис"
&еСовместиые.
Несколько событий образуют МАНУЮ группу. если в
результате испытания появится хотя бы одно ИЗ них.
Другими словами, появление хотя бы одного из событий
подкой группы есть АОСТОверное событие. В частности,
2 -- 2730 |
\7 |
если события, образующие полную группу, попарно неСО8-
.местны, то в результате испытания появится одно и только одно из этих событий. Этот частный случай
представляет для нас наибольший интерес, поскольку
используется далее.
Пример 3. Приобретены два билета денежно-вещевой лотереи.
Обязательно произойдет одно и только одно из следующих событий:
«выигрыш выпал на первый билет и не выпал на второй:., «выигрыш не выпал на первый билет и выпал на второй:., _выигрыш выпал на
оба билета:., сна оба билета выигрыш не выпал:.. Эти события обра
зуют полную группу попарно несовместных событнЙ.
Пример 4. Стрелок произвел выстрел по цели. Обязательно прои зайдет одно из следующих двух событий: попадание, промах. Эrи два несовместных события образуют полную группу.
События называют равновОЗМОЖНblми, если есть осно
вания считать, что ни одно из них не является более
возможным, чем другое.
Пример 5. Появление «герба» 11 появление надписи при бросании
монеты - равновозможные события. Действнтельно, предполагается,
что монета изготовлена из однородного материала, имеет правильную
цилиндрическую форму и наличие чеканки не оказывает влияния на выпаденне той или нной стороны монеты.
Пример 6. Появление того илн иного ЧИС.1а очков на брошенноА
игральной костиравиовозможные события. Действительно, предпо
лагается, что игральная кость ИЗГОТОВ.lJена из однородного материала,
IIмеет форму правильного многогранника и наличие очков не ОКазы
вает влияння на выпадение любой грани.
§ 3. Классическое определеиие вероятности
Вероятность-одно из основных понятий теории вероятностей. Существует несколько определений этого
понятия. Приведем определение, которое называют K.ТIac
сическим. Далее укажем слабые стороны этого определе
ния и приведем другие определения, позволяющие пре
одолеть недостатки классического определения.
Рассмотрим пример. Пусть в урне содержится 6 оди
наковых, тщательно перемешанных шаров, причем 2 из них - красные, 3 - синие н 1-белый. Очевидно, возмож
ность вынуть наудачу из урны цветной (т. е. красный или
синий) шар больше, чем возможность извлечь бе.'IЫЙ шар.
Можно ли охарактеризовать эту возможность ЧИС_10М? Оказывается, можно. Это число 11 называют вероятностью
события (появления цветного шара). Таким образом,
вероятность есть число, характеризующее степень воз
можности появления события.
18
Поставим перед собой задачу дать количественную
оценку возможности того, что взятый наудачу шар цвет
ной. Появление цветного шара будем рассматривать в качестве события А. Каждый нз возможных результатов
испытания (испытание состоит в извлечении шара из
уриы) назовем элементарным исходом (элементарным
событием). Элементарные нсходы обозначим через Ш1• Ш,.
ЮЗ И т. д. В нашем прнмере возможны следующие б эле ментарных исходов: (Оl-ПОЯВИЛСЯ белый шар; (02' (08 -
и |
Ю•• |
и |
появился красныи шар; |
(05' Ю,-появился синии шар. |
Легко видеть. что эти исходы образуют полную группу
попарно несовместных событий (обязательно появится
только один шар) и они равновозможны (шар вынимают
наудачу. шары одинаковы и тщательио перемешаны).
Те элементарные исходы. в которых интересующее
нас событие наступает, назовем благоnрияmcтвУlОщи-ми этому событию. В нашем примереблагоприятствуют со бытию А (появлению цветного шара) следующие 5 исхо
дов: (О•• Юз. (О•• ООъ. (00'
Таким образом, событие А наблюдается. если в испы тании наступает один. безразлично какой, из элементар
ных исходов. благоприятствующих А; в нашем примере
А наблюдается. если наступит 00., |
или 00•• или Ю,. или Ю,. |
|||
или (о" В |
этом смысле |
событие |
А подразделяется |
на |
несколько |
элементарных |
событий |
«(08' (О.. (О,. Ю6• |
(00); |
элементарное же событие не подразделяется иа другие
события. В этом состоит различие между событием А и
элементарным событием (элементарным исходом).
Отношение числа благоприятствующих событию А эле
ментарных исходов к нх общему числу называют вероят
ностью события А и обозначают через Р (А). В рассмат
риваемом примере всего элементарных исходов б; |
из них |
|||
5 благоприятствуют событию |
А. СледоватеJIЬНО, |
вероят |
||
ность того, |
что взитый |
шар |
окажется цветным. |
равна |
р (А) = 5,'6. |
Это число и |
дает |
ту количественную |
оценку |
степени возможности ПОЯВ.1ения цветного шара, которую
мы хотели найти. Дадим теперь определение вероятности.
Вероятностью события А называют отношение ЧИС.па благоприятствующих этому событию исходов к общему
числу всех равновозможных несовместных элементарных
исходов, образующих по.ТIНУЮ группу. Итак, вероятность
события А определяется формулой
р (А) --= т/п.
2* |
19 |
где т-чис.'ю элементарных исходов, благоприятствую
щИХ А; n-чнсло всех возможных элементарных исходов
испытания.
Здесь предполагается, что элементарные исходы не
совместны, равновозможны и образуют полную группу.
Из определ~ния вероятности вытекают следующие ее
~Iюйства:
С в о й с т в о 1. Вероятность достоверного события
расна единице.
Действительно, если событие достоверно, то каждый
элементарный исход испытания благоприятствует собы
тию. В этом случае т = n, следовательно,
Р (А) =mjn = n/n = 1.
С в о й с т в о 2. Вероятность неВDзможного события
равна нулю.
Действительно, если событие невозможно, то ни один из элементарных исходов испытания не благоприятствует
событию. В этом случае т = О, следовательно,
Р(А) = mjn = Ojn = о.
Свойство 3. Вероятность случайного события есть положительное число, заключенное А1ежду нуле},! и еди-
ницей.
Действительно, случайному событию благоприятствует лишь часть из общего числа элементарных исходов испы тания. В этом случае О < т < n, значит, 0< т/n < 1.
следовательно,
0< Р (А) < 1.
Итак, вероятность любо,~ :обытия удовлетворяет двой
ному неравенству
O~ P(A)~ 1.
Далее приведены теоремы, которые ПОЗВОJ,}IЮТ по из
вестным вероятностям одних событий находить вероятно
сти других событий.
3 а м е ч а н и е. Современные строгие курсы теории вероятностей
построены на теоретико-миожественной основе. Ограничимся изложе
нием на языке теории множеств тех понятиА, которые рассмотрены
выше.
Пусть в результате испытания наступает одно и только одно из
событий Ш; (i = 1, 2, ... , n). События Ш; называют lJлементарнbUl.U
событиями (элементарны.ми исходамu). Уже отсюда следует, что
элементарные события попарно несовместны. Множество всех элемен-
20