- •Министерство транспорта российской федерации
- •Введение
- •1. Основные понятия теории вероятностей
- •1.1. События. Классификация событий
- •1.2. Классическое и статистическое определение вероятности
- •1.3. Элементы комбинаторики
- •2. Алгебра событий
- •2.1. Действия над событиями
- •2.2. Теорема сложения вероятностей несовместных событий
- •2.3. Зависимые и независимые события
- •2.4. Теорема умножения вероятностей независимых событий
- •2.5. Вероятность появления хотя бы одного события
- •2.6. Условная вероятность
- •2.7. Теорема умножения вероятностей зависимых событий
- •2.8. Теорема сложения вероятностей совместных событий
- •2.9. Формула полной вероятности
- •2.10. Вероятность гипотез. Формула Байеса
- •3. Повторные независимые испытания
- •3.1. Формула Бернулли
- •3.2 Локальная теорема Муавра-Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Формула Пуассона
- •4. Случайные величины
- •4.1. Понятие случайной величины
- •4.2. Закон распределения случайной величины
- •4.3. Функция распределения случайной величины
- •4.4. Плотность вероятности
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия случайной величины
- •5.3. Среднее квадратическое отклонение случайной величины
- •5.4. Мода и медиана. Квантили
- •Решение. Находим функцию распределения
- •5.5. Моменты случайных величин. Асимметрия и эксцесс
- •5.6. Числовые характеристики независимых испытаний
- •5.7. Одинаково распределенные взаимно независимые случайные величины
- •6. Основные законы распределения
- •6.1. Биноминальный закон распределения
- •6.2. Закон распределения Пуассона
- •6.3. Равномерный закон распределения
- •6.4. Показательный (экспоненциальный) закон распределения
- •6.5 Функция надежности
- •6.6. Нормальный закон распределения
- •7. Предельные теоремы теории вероятностей
- •7.1. Закон больших чисел
- •7.1.1. Неравенство Чебышёва
- •7.1.2. Теорема Чебышёва
- •7.1.3. Теорема Бернулли
- •7.1.4. Теорема Пуассона
- •7.1.5. Теорема Маркова
- •7.2.Центральная предельная теорема
- •7.2.1. Теорема Ляпунова
- •7.2.2. Теорема Берри-Эссена
- •8. Многомерные случайные величины
- •8.1. Понятие многомерной случайной величины
- •8.2. Закон распределения вероятностей двумерной дискретной случайной величины
- •8.3. Функция распределения многомерной случайной величины
- •8.4. Плотность вероятности двумерной случайной величины
- •8.5. Условные законы распределения двумерной случайной величины
- •8.6. Зависимые и независимые случайные величины
- •8.7. Числовые характеристики двумерной случайной величины.
- •Библиографический список
- •Оглавление
- •Лаврусь Ольга Евгеньевна Конспект лекций по теории вероятностей
- •443022, Г. Самара, Заводское шоссе, 18
6. Основные законы распределения
6.1. Биноминальный закон распределения
Определение.Дискретная случайная величина Х имеет биноминальный закон распределения, если она принимает значения0, 1, 2, …,m, …,nс вероятностями
, |
(6.1) |
где 0 < р< 1,q= 1 –p,m= 0, 1, …,n.
Как видим, вероятности Р(Х=m) находятся по формуле Бернулли. Следовательно, биноминальный закон распределения представляет собой закон распределения числаX=mнаступлений событияАвnнезависимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностьюр.
Ряд распределения биноминального закона имеет вид:
xi |
0 |
1 |
2 |
… |
m |
… |
n |
pi |
… |
… |
Теорема. Математическое ожидание случайной величины, распределенной по биноминальному закону
M(X) = np, |
(6.2) |
а ее дисперсия
D(X) = npq. |
(6.3) |
Следствие.Математическое ожидание частости события в n независимых испытаниях, в каждом из которых оно может наступить с одной и той же вероятностью, равно
, |
(6.4) |
а ее дисперсия
. |
(6.5) |
Биноминальный закон распределения широко используется в теории и практике статистического контроля качества продукции, при описании функционирования систем массового обслуживания, в теории стрельбы и в других областях.
6.2. Закон распределения Пуассона
Определение.Дискретная случайная величина Х имеет закон распределения Пуассона, если она принимает значения0, 1, 2, …,mс вероятностями
, |
(6.6) |
где m= 0, 1, 2, ….
Ряд распределения закона Пуассона имеет вид:
xi |
0 |
1 |
2 |
… |
m |
… |
pi |
… |
… |
Теорема.Математическое ожидание и дисперсия случайной величины, распределенной по закону Пуассона, совпадают и равны параметру λ этого закона, т.е.
M(X) = λ, |
(6.7) |
D(X) = λ. |
(6.8) |
При достаточно больших n(вообще приn→ ∞) и малых значенияхр(р→ 0) при условии, что произведениеnp– постоянная величина (nр→λ=const), закон распределения Пуассона является хорошим приближением биноминального закона. Т.е. приn→ ∞,р→ 0,nр→λ=constзакон распределения Пуассона является предельным случаем биноминального закона. Так как при этом вероятностьрсобытияАв каждом испытании мала, то закон распределения Пуассона часто называютзаконом редких явлений.
По закону Пуассона распределены, например, число сбоев на автоматической линии, число отказов сложной системы в нормальном режиме, число требований на обслуживание в единицу времени в системах массового обслуживания, и т.п.
Отметим еще, что если случайная величина представляет собой сумму двух независимых случайных величин, каждая из которых распределена по закону Пуассона, то она также распределена по закону Пуассона с параметром
λ=λ1+λ2.
6.3. Равномерный закон распределения
Определение.Непрерывная случайная величина Х имеет равномерный законраспределения на отрезке [a; b], если ее плотность вероятности f(x)постоянна на этом отрезке и равна нулю вне его, т.е.
|
(6.9) |
Кривая распределения f(x) и график функции распределения F(x) случайной величины Х приведены соответственно на рис. 7.1 и рис. 7.2.
Рис. 7.1 Рис. 7.2
Теорема. Функция распределения случайной величины Х, распределенной по равномерному закону, есть
|
(6.10) |
ее математическое ожидание
, |
(6.11) |
а дисперсия
. |
(6.12) |
Равномерный закон распределения используется при анализе ошибок округления при проведении числовых расчетов, в ряде задач теории массового обслуживания, при статистическом моделировании наблюдений, подчиненных заданному распределению, и т.д.