- •2.Случайные события и их классификация.
- •11.Понятие дискретной случайной величины ее закона распределение. Многоугольник распределения. Примеры.
- •12.Функция распределения случ. Величины и ее св-ва. График ф-ции распределения дискретной случайной величины.
- •31. Неравенство Чебышева
- •32. Теорема Чебышева и её следствия
- •33. Теорема Бернулли. Значение збч
12.Функция распределения случ. Величины и ее св-ва. График ф-ции распределения дискретной случайной величины.
Для непрерывных случайных величин, которые принимают значения сплошь заполняющие некоторый числовой промежуток или даже числовую прямую закон распределения в виде хi /pi не пригоден, поэтому для математического описания и дискретных и непрерывных случайных величин вводится новое понятие которое называется функция распределения и определяется равенством: F(C)=P(Χ<x),где х- произвольная точка числовой прямой х є(-∞;+∞); Х- случайная величина.
Некоторые значения этой случайной величины:
F(0)=0; F(100)=1/100; F(164)=1/5; F(190)=99/100.
Геометрический смысл ф-ции распределения: Р(Х<х)=f(x)
Свойства:
1) D(F)=R; E(F)=[0;1]
2)Ф-ция распределения – не учитывающая ф-ция. Если х1 < х2 , то F(x1)≤ F(x2)
F(x2)= P(X < x2)=P(X < x1 или x1 ≤ Х < x2)=P(x < x1)+ P(x1 ≤X< x2) след-но Р(x1 ≤X≤ x2)=F(x2)- F(x1)
Вер-ть того, что в рез-те испытания случ. величина Х примет значения на этом полуинтервале (a;b] равна приращению на этом полуинтервале Р(а≤ Х ≤ b)= F(b) – F(a).
3)
4)Если возможные значения случайной величины сосредоточены на [a;b],то F(x)=0 при x ≤ a; F(x)=1, при х > b.
Рассмотрим особенности графика ф-ции распределения дискретной случайной величины (ДСВ) заданной законом распределения в виде:
х х1 х2 … хn …
р p1 p2 … pn …
F (x)= 0, если х1 ≤ х2
р1, если х1 < х <х2
р1 + р2 , если х2 < х ≤ х3
р1 + р2 + … + рn , если хn < х <хn+1
р1 + р2 + … + рn = 1, если х > хn
График ф-ции распределения ДСВ есть кусочно-постоянная ф-ция, имеющая разрыв I рода в точках x = xi ,где хi - возможное значение СВ. Величина скачка в т. хi = рi .
F (x)
X 1 1
X 1 0 X2 X3 … Xn-1 Xn x
19.Закон Пуассона и его числовые характеристики.Для бином. распред-я вероятность . Пусть число испытаний n – велико,а вероятность р – мала (p<0,1) и произвед-е np. сохр.постоянное знач-е, кот. обозначается через λ (np= λ, λ=const)
Выразим р: Вычислим отдельно: Ф-ла Пуассона:
Заменяя знач-е переменной ее пределом, получим приближ. ф-лу:
- ф-ла Пуассона (законы редк. соб.) применяется для знач. при , то примен. локальн. и интегральн. теорема Лапласа
Дискр. случ. величина Х наз-ся распред. по закону Пуассона с параметром >0, если она приним. знач-е 0,1,…,k,… с вероятностями, которые рассчитываются по ф-ле Пуассона(законы редк. соб.)
Табл. распред. этого закона имеет вид:
З-н Пуассона применяется:1) в страховании(число треб. на выход страх. суммы в теч. года); 2) в технике(число отказов сложн. радиотехн. устр-в); 3)в космонавтике
20. Равномерное дискретное распределение, геометрическое распр-е, гипергеометрическое распр-е.Дискр. случайная величина Х называется распред. по равномерн. закону с параметром n, если она принимает знач-е 1,2,…,n с равн. вероятностями.
Таблица распред. имеет вид: ;
Геометрич. распр. с параметром p (0<p<1) называется распр. дискр. случайная величина Х, приним. значения 1,2,…,k,… с вероятностями p, pq,…, ,…
Таблица распред. имеет вид: ;
В гипергеометрич. распр. случайная велинина Х приним. знач-е 0,1,2,…,k, где k=min(n,M), а вероятность рассчит. по ф-ле: ;
21. Плотность распред-я вероятностей и ее св-ваСлучайная величина Х наз-ся неприр., если ее ф-я распред. F(x) явл. неприр. ф-ей и имеет производную F’(x) почти всюду, за искл. (м.б.) конечн. числа точек на люб. конечн. промежутке.
Плотностью распред. вер-тей (Р(Х)) наз-ся производная от ф-и распред-я.
Известно, что , разделим посл. рав-во на
, если , то правая часть к
Получ.,что плотность в т. х есть предельн. знач-е средн. плотности вер-ти первые части равны, значит и вторые равны
Св-ва плотности распр.:
р(х) 0, т.к. р(х) – произв. неубывающ. ф-и F(x)
- усл. нормировки.
- интегр. ф-я распред. р(х)=F’(x) – дифференц. ф-я распред.
22. мат. ожид. И дисперсия непрерывной случ. Величины. Док-во равенства:Математическим ожиданием случайной величины х (M[x])называется средневзвешенно значение случайной величины причем в качестве весов выступаютвероятности появления тех или иных значений. Математическое ожидание случайной величины всегда больше наименьшего значения и меньше наибольшего.Матем ожид наз-ся числоM(X)=∫ от a до в хр(х)dx; M(X)=∑ от до n xp ²
Док-во равенства в конспекте
Дисперсия (D[x]) характеризует рассеивание или разряженность случайной величины около ее математического ожидания.
Дисперсия случайной величины всегда величина положительная
Размерность дисперсии равна квадрату разности случайной величины
Все св-ва мат ожидания и дисперсии дискретной случ вел остаются справедливыми для непрерывной случ величины
23. Равномерный закон распределения и его числовые характеристикиЗакон распределения непрерывной случайной величины называется равномерным, если на интервале, которому принадлежат все возможные значения случайной величины, плотность распределения сохраняет постоянное значение ( f(x) = const при a ≤ x ≤ b, f(x) = 0 при x < a, x > b.
24. Показательный закон распределения и его числовые характеристики Непрерывная случайная величина X имеет показательный (экспоненциальный) закон распределения с параметром , если её плотность вероятности f(x) имеет вид:Показательный закон распределения играет большую роль в теории массового обслуживания и теории надёжности. Так, например, интервал времени Т между двумя соседними событиями в простейшем потоке событий имеет показательное распределение с параметром - интенсивностью потока
2 8Функцией Лапласа наз. Ф-я:
Она тесно связана с нормальным законом распределения.
Осн. св-ва:1. Область определения – вся числовая прямая.2. Ф-я Лапласа монотонно возрастает на всей числовой прямой.3. Функция Ф(х) нечетная. Ф(0)=0
4 .
Функция Лапласа очень быстро приближается к единице с ростом х.
Ф(0)=0; Ф(1)=0,6827; Ф(2)=0,9945; Ф(3)=,09973; Ф(х)=1 при х>4.
Если СВ распределена по норм. Зак. С параметрами а и σ . Записывается х принадлежит N(а;σ), её ф-я распределения Ф(х) связ. С ф-ей Лапласа след. образом.
29Пусть у нас имеется СВ Х. дискретная или непрерывная, для кот. Известен закон распределения.
Тип СВ\ момент |
Начальные νк =М(хк) |
Центральные μк =М(х-М(х))к |
||||||||
дискретная
|
νк = Σni=1 хikpi |
μк = Σni=1(хi – M(x))кpi |
||||||||
Н епрерывная p(x) |
νк = xкp(x)dx |
μк = (x-M(x))кp(х)dх |
Если для СВ известны значения всех начальных моментов, то решая соответственно систему ур-й можно востан. ф-ю распределения этой СВ.
Любой центральный момент выражается ч-з начальные моменты, кот. вычисл. проще.
Центр.момент к-того порядка μк наз. математическим ожиданием к-ой степени отклонения случ.вел. от своего мат. ожидания.
Ассиметрией теоретического распред-я наз-ся отн-е центр. момента 3-го пор-ка к кубу ср. квадр. ожидания.
А s=μ3/ σ3 Нормальная кривая
A s>0, если «длинная часть» кривой распределения нах-ся правее мат. ожид-я. В противном случае As<0. Эксцессом распределения наз. Число Ек= (μ4/ σ4)-3 для номального распределения Ек=0.Если Ек>0, то крив-я теоретич распред-я будет более высокой и острой, чем норм расп-е с теми же параметрами.Если Ек<0, то теоретич крив-я будет более низкой и плоской.
30Пусть Х-СВ непрерывная или дискретная, принимающая только неотрицательные значения (х≥0), имеющая мат-е ожидание (М(х)),тогда для любого >0 справедливо нер-во: Р(х<)≥1-(М(х)/ ) 1-е неравенство Маркова.
Р(х≥)≤М(х)/ 2-е неравенство Маркова. х< и х≥ – противопол. сумма их вер-тей =1,значит из нер-ва 2 следует нер-во 1. Нер-ва (1) и (2) служат для решения задач и т.д.
Замечание:1) нер-во(1) применяют если з-н распред-я не известен, а известно лишь то, что 0 и М(х). 2) из (1) следует что Р(х<)=F(). С ростом оценка ф-ции и расп-я станов-ся достаточно хорошей