- •Вопросы для подготовки к зачёту 21.06.2012 г. По дисциплине «Теория вероятностей и математическая статистика» (гр.Соэ 111 - 2012 год) Теоретическая часть
- •Виды случайных событий: зависимые и независимые, достоверные и невозможные, равновозможные, противоположные – их примеры.
- •Понятие комбинаторики, её основные определения и формулы, примеры основных понятий комбинаторики. Правила суммы и произведения комбинаторики.
- •Теорема умножения для двух зависимых событий, её условия и доказательство, следствие данной теоремы для нескольких событий, примеры применения данной теоремы и её следствия.
- •Теорема о формуле полной вероятности: её условие применения, словесная формулировка, математическая запись, её доказательство.
- •Понятие гипотез. Постановка задачи и вывод формул Бейеса. Что позволяют формулы Бейса?
- •Постановка задачи на ввод и вывод формулы Бернулли. Необходимые условия для применения формулы Бернулли.
- •Локальная теорема Лапласа: условия её применения, математическая запись теоремы, математическая формула и основное свойство функции используемой в этой теореме.
- •Интегральная теорема Лапласа: условия её применения, словесная формулировка, математическая запись теоремы, вывод формулы с использованием функции Лапласа, основные два свойства функции Лапласа.
- •Понятие случайной величины (св), правила обозначения св и возможных значений св. Понятие дискретной и непрерывной св, их примеры.
- •Понятие закона распределения дискретной случайной величины (дсв), способы задания закона дсв и их особенности, примеры способов задания законов дсв.
- •Распределение Пуассона для дискретной случайной величины (дсв): постановка задачи, условия применения, вывод аналитического выражения.
- •Геометрическое распределение дискретной случайной величины (дсв): постановка задачи, условия применения, вывод аналитического выражения, причина данного названия распределения.
- •Математическое ожидание (мож) числа появления события в одном испытании – словесная формулировка, доказательство. Вероятностный смысл мож – словесная формулировка, доказательство, два замечания.
- •Третье свойство мож (мож произведения 2-х независимых случ.Величин) – словесная формулировка, мат.Запись, доказательство, следствие.
- •Четвёртое свойство мож (мож суммы 2-х случ.Величин) - словесная формулировка, мат.Запись, доказательство, следствие.
- •Теорема о мож биномиального закона распределения – условия её применения, словесная формулировка, математическая запись, доказательство, замечание.
- •Необходимость введения и понятие ско случайных величин. Теорема о ско суммы взаимно независимых случайных величин (словесная формулировка, мат.Запись, доказательство).
- •Плотность распределения случайной величины: определение, мат.Запись, 2 свойства (словесная формулировка, математическая запись, доказательство). Примеры кривых распределения случайных величин.
Теорема о мож биномиального закона распределения – условия её применения, словесная формулировка, математическая запись, доказательство, замечание.
«п» независимых испытаний, вероятность появления события А постоянна и равна «р». Чему равно среднее число появлений события А в этих испытаниях? Теорема. Мож М(Х) числа появлений события А в «n» независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании:
Доказательство. св Х - число наступления события А в «n» испыт. если X1 – число появлений события в первом испытании, Х2 – во втором, …, Хn – в «n» - м, то общее число появления события Х = X1 + Х2 + …. + Хn.
По 3 св-ву мож, Каждое из слагаемых правой части равенства есть мож числа появлений события в одном испытании: М(Х1) – в первом, М(Х2) – во втором и т.д. Так как мож числа появлений события в одном испытании равно вероятности события «p», то М(Х1) = М(Х2) = М(Х3) =… = М(Хn) = p. Подставляя в (*) вместо каждого слагаемого р, получим Замечание. по биномиальному закону,: математическое ожидание биномиального распределения с параметрами «n» и «р» равно произведению «пр».Пример. Вероятность попадания в цель при стрельбе из орудия р= 0,6. Найти математическое ожидание общего числа попаданий, если будет произведено 10 выстрелов.Решение. Попадание при каждом выстреле не зависит от исходов других выстрелов, поэтому рассматриваемые события независимы и, следовательно, искомое математическое ожидание
Целесообразность введения числовой характеристики рассеяния случайной величины (пояснить примером), понятие отклонения и центрированной случайной величины, теорема о МОЖ отклонения (словесная формулировка, мат.запись, доказательство).
Легко указать св имеющие одинаковые мож, но различные возможные значения ДСВ. например, дсв Х и Y, заданные законами распределения: Найдем можэтих велич ин:
Здесь математические ожидания обеих величин одинаковы, а возможные значения ДСВ различны. !математическое ожидание полностью случайную величину не характеризует. По этой причине вводят и другие числовые характеристики.
например, пользуются, числовой характеристикой, дисперсией. Прежде чем перейти к определению и свойствам дисперсии, введем понятие отклонения случайной величины от ее математического ожидания.
Необходимость введения дисперсии, понятие дисперсии дискретной случ.величины (словесная формулировка, мат.запись, пример по определению дисперсии, замечание), формула для практического вычисления дисперсии (словесная формулировка, мат.запись, доказательство, замечание).
На практике часто требуется оценить рассеяние возможных значений случайной величины вокруг ее среднего значения. Например, в артиллерии важно знать, насколько кучно лягут снаряды вблизи цели, которая должна быть поражена.
На первый взгляд может показаться, что для оценки рассеяния проще всего вычислить все возможные значения отклонения случайной величины и затем найти их среднее значение. Однако такой путь ничего не даст, так как среднее значение отклонения, т. е. М [X—М (X)], для любой случайной величины равно нулю. (отклонения положительные и отрицательные ) Эти соображения говорят о целесообразности заменить возможные отклонения 1) их абсолютными значениями или 2) их квадратами. Чаще выбирают2ое: вычисляют среднее значение квадрата отклонения, которое и называют дисперсией.Дисперсией (рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания: Пусть случайная величина задана законом распределения Тогда квадрат отклонения имеет следующий закон распределения: По определению дисперсии,
Т.о., для того чтобы найти дисперсию, достаточно вычислить сумму произведений возможных значений квадрата отклонения на их вероятности.Замечание. Из определения следует, что дисперсия дискретной случайной величины есть неслучайная (постоянная) величина. В Пример. Найти дисперсию случайной величины X, которая задана следующим законом распределения: Решение. Найдем математическое ожидание: Найдем все возможные значения квадрата отклонения:
Напишем закон распределения квадрата отклонения:
Поопределению, Более удобна: Теорема. Дисперсия равна разности между математическим ожиданием квадрата случайной величины Х и квадратом ее математического ожидания:
есть также постоянные величины.
тогда Пример. Найти дисперсию случайной величины X, которая задана следующим законом распределения: Замечание. величина дисперсии определяется не только самими возможными значениями, но и их вероятностями.
Первое и второе свойства дисперсии: дисперсия постоянной величины (словесная формулировка, мат.запись, доказательство); дисперсия случайной величины с постоянным множителем (словесная формулировка, мат.запись, доказательство). Дисперсия числа появления события в независимых испытаниях (словесная формулировка, мат.запись).
Свойство 1. Дисперсия постоянной величины С равна нулю: Доказательство. По определению дисперсии,
Пользуясь первым свойством мож(мож постоянной равно самой постоянной), получим
Итак, Свойство становится ясным, если учесть, что постоянная величина сохраняет одно и то же значение и рассеяния, конечно, не имеет. Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат: Доказательство. По определению дисперсии имеем Пользуясь вторым свойством мож(постоянный множитель можно выносить за знак математического ожидания), получим
Итак, Свойство становится ясным, если принять во внимание, что при | С | > 1 величина СХ имеет возможные значения (по абсолютной величине), большие, чем величина X. Отсюда следует, что эти значения рассеяны вокруг математического ожидания М (СХ} больше, чем возмож-
Дисперсия числа появлений события в независимых испытаниях (дисперсия биномиального закона распределения)
Теорема. Дисперсия числа появлений события А в п независимых испытаниях, в каждом из которых вероятность р появления события постоянна, равна произведению числа испытаний на вероятности появления и непоявления события в одном испытании:
Третье и четвёртое свойства дисперсии: дисперсия суммы двух независимых случайных величин (словесная формулировка, мат.запись, доказательство, 2 следствия); дисперсия разности двух независимых случайных величин (словесная формулировка, мат.запись, доказательство).
Свойство 3.Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин:
D(X+Y)=D(X)+D(Y}.Доказательство. По формуле для вычисления дисперсии имеем пользуясь свойствами мож суммы нескольких величин и произведения двух независимых св, получим
Итак,
Следствие 1. Дисперсия суммы нескольких взаимно независимых св равна сумме дисперсий этих величин.
Например, для трех слагаемых имеем
Для произвольного числа слагаемых доказательство проводится методом мат. индукции. Следствие 2. Дисперсия суммы постоянной величины и случайной равна дисперсии св:
Доказательство. Величины С и Х независимы, поэтому, по 3 св-ву,
В силу первого свойства D (С) == 0.Следовательно, Свойство становится понятным, если учесть, что величины X и Х+С отличаются лишь началом отсчета и, значит, рассеяны вокруг своих математических ожиданий одинаково.Свойство 4. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий:
Доказательство. В силу 3 св-ва По 2 св-ву, или