- •Теорія ймовірностей
- •1. Аксіоматичне означення ймовірності. Формула повної імовірності та ф-ла Баєса.
- •2. Випадкові величини. Властивості функцій розподілу.
- •3.Нерівність Чебишева. Закон великих чисел
- •4. Основні типи дискретних та неперервних розподілів.
- •1. Рівномірний з параметрами
- •2. Показниковий з параметром
- •3. Нормальний з параметрами
- •5.Центральна гранична теорема 1
- •6. Поняття випадкового процесу. Вінерівський та пуасонівський процеси.
- •7. Випадкове середнє та дисперсія. Емпірична функція розподілу. Теореми глівенка та колмогорова
- •8.Перевірка статистичних гіпотез. Критерії згоди колмогорова і 2 ( критерій пірсона).
3.Нерівність Чебишева. Закон великих чисел
Визначення. Говорять, що послідовність випадкових величин , по ймовірності збігається до випадкової величини , якщо для довільного
Р { }=0 . Збіжність по ймовірності послідовності до позначають так : =plim , або .
Нехай послідовність випадкових величин , для яких існують М . Законом великих чисел називають теореми, які стверджують, що різниця збігається до нуля по ймовірності.
Нерівність Чебишева:
, де - математичне сподівання та дисперсія в.в. відповідно.
Теорема Чебишова. Нехай { }- послідовність незалежних випадкових величин, існують D i D при всіх n. Тоді . (* )
Наслідок. Нехай 1, 2 ,…, n,…- послідовність незалежних випадкових величин така, що М =а, D , n=1,2,…
Тоді для кожного .
Цей частковий випадок теореми Чебишова дає обгрунтуваня правилу середнього арифметичного в теорії обробки результатів вимірювання. Припустимо, що необхідно виміряти деяку фізичну величину а. Повторюючи вимірювання n раз в одинакових умовах, спостерігач одержує результати вимірювань 1, 2 ,…, n [1]. Якщо спостереження не мають систематичної помилки, тобто М =а, то згідно сформульованому вище наслідку,
Теорема Хінчина. Нехай { }- послідовність незалежних одинаково розподілених величин, які мають скінчене математичне сподівання М =а. Тоді для кожного .
Теорема Маркова. Нехай випадкові величини 1, 2 ,…, n як завгодно залежні. Для виконання ( * ) достатньо, щоб
при .
Теорема Бернуллі. Нехай маємо послідовність випробовувань, в кожному з яких можуть бути два наслідки- успіх У ( з ймовірністю р ) або невдача Н ( з ймовірністю q=1-p) незалежно від наслідків інших випробувань. Утворимо послідовність випадкових величин наступним чином. Нехай к =1, якщо в к-тому випробовуванні був успіх к =0, якщо в к-тому випробовуванні наступила невдача. Тоді { }- є послідовність незалежних одинаково розподілених випадкових величин M к=p, D к=pq. Випадкова величина представляє собою частоту появи успіху в перших n випрбуваннях. Оскільки для послідовності { }-виконані умови теореми Чебишова, то із теореми Чебишова одержуємо наступне твердження.
Теорема Бернуллі. Для довільного Р{ при n .
Зміст цього твердження полягає в тому, що ведене нами визначення ймовірності відповідає інтуїтивному розумінню ймовірності як границі частоти.
Теорема. Нехай - незалежні однаково розподілені випадкові величини, причому , тоді
.
Закон великих чисел є математичниим підгрунтям для частотного визначення математичного сподівання як інтегральної характеристики розподілу: .
4. Основні типи дискретних та неперервних розподілів.
Основні дискретні розподіли.
- дискретна множина, скінченна або злічена.
Теорема Ймовірність на булеані дискретної множини можна задати набором невідємних чисел, що =1, і ймовірність довільної множини А дорівнює: .
Цей набір наз. рядом розподілу.
Бернулівський розподіл з параметром p.
має 2 параметра: p і q ,
Ряд розподілу: .
Цей розподіл описує кількість появ деякої події у одному випробуванні з імовірністю появи р.
Біноміальний розподіл
Ряд розподілу:
Цей розподіл описує кількість появ деякої події в n незалежних спостереженнях(випробуваннях), коли ймовірність появи події в одному випробуванні дорівнює p.
3. Геометричний розподіл з параметром p.
Ряд розподілу:
Цей розподіл описує кількість спостережень до першої появи деякої події у n незалежних випробуваннях, коли спостереження незалежні і ймовірність появи цієї події в одному спостереженні дорівнює p.
4. Пуассонівський розподіл з параметром .
Пуассонівська в. в. є кількістю появ точкових елементів у сукупності фіксованого розміру за середньою кількістю елементів на цю сукупність ( )
Неперервні розподіли.
Це розподіли з неперервною функцією розподілу F(x). Якщо F(x) - гладка функція, то . Ця функція f(x) - називається щільністю розподілу.