- •Зуева т.В. Теория вероятностей и математическая статистика
- •Введение
- •Задача № 1
- •1.1. Случайные события
- •1.2. Операции над случайными событиями
- •1.3 Классическое определение вероятности и случайного события
- •1.4. Свойства вероятностей
- •Задача № 1
- •Задача № 2
- •1.5. Условная вероятность
- •Задача № 3
- •1.6. Формула полной вероятности
- •Задача № 4
- •1.7. Формула Байеса (гипотез)
- •Задача № 5
- •Задача № 2
- •2.1. Независимые испытания. Формула Бернулли
- •Задача № 6
- •2.2. Асимптотические формулы для вычисления Pmn
- •Задача № 7
- •Задача № 8
- •Задача № 3
- •3.1. Понятие случайной величины и её функция распределения
- •Задача № 9
- •3.2. Дискретная случайная величина и её числовые характеристики
- •Задача № 10
- •Задача № 11
- •Задача № 4
- •4.1. Случайные величины непрерывного типа
- •Задача № 12
- •4.2. Числовые характеристики непрерывных случайных величин
- •5.1. Нормальный закон распределения и его характеристики
- •5.2. Связь нормального закона распределения с функцией Лапласа
- •Вариант № 2
- •Вариант № 3
- •Вариант № 4
- •Вариант № 5
- •Вариант № 6
- •Вариант № 7
- •Вариант № 8
- •Вариант № 9
- •Вариант № 10
- •Вариант № 11
- •Вариант № 12
- •Вариант № 13
- •Вариант № 14
- •Вариант № 15
- •Вариант № 16
- •Вариант № 17
- •Вариант № 18
- •Вариант № 19
- •Вариант № 20
- •Вариант № 21
- •Вариант № 22
- •Вариант № 23
- •Вариант № 24
- •Вариант № 25
3.2. Дискретная случайная величина и её числовые характеристики
Случайная величина, которая может принимать только конечное или счетное множество значений, называется дискретной.F(X) для дискретной случайной величины имеет график в виде ступенчатой линии, всюду непрерывная слева функция.
Кроме F(X) для описания случайной величины X существуют числовые характеристики.
Математическое ожидание – это среднее значение, которое может принимать случайная величина X по распределению вероятностей обозначается M(X).
Количественно вычисляется по формуле M(X)=
Справедливы следующие свойства математического ожидания
M(C) = C (C – некоторая константа)
M(CX) = CM(X)
M(X Y) = M(X) M(Y)
M(XY) = M(X)M(Y)
Задача № 10
Найти среднее значение числа выпавших «орлов» при 3-х разовом подкидывании монетки.
Воспользуемся результатами задачи 9. Из таблицы к задаче 9 можно вычислить
M(X) = =
Дисперсия D(X) – важнейшая числовая характеристика случайной величины X.
D(X) характеризует разброс случайной величины вокруг среднего значения.
D(X) = M(X – M(X))2
Здесь [X – M(X)] – отклонение случайной величины X от M(X). Так как X может отклоняться и в большую, и в меньшую сторону от M(X), то для количественного оценивания D(X), чтобы не учитывать знак, рассматривают «квадрат отклонения».
Удобно пользоваться формулой:
D(X) = M(X2) – [M(X)]2
Рассмотрим свойства дисперсии:
D(C) = 0
D(CX) = C2D(X)
D(X+Y) = D(X) + D(Y)
Задача № 11
Вычислить D(X) для случайной величины X – случайного выпадения числа «орлов» при 3-х разовом подкидывании монетки.
Воспользуемся результатами решения задачи 9. Так как X распределена в соответствии с таблицей к задаче 9,то X2 расположена так же, т.е.
Xi2 |
0 |
1 |
4 |
9 |
Pi |
1/8 |
3/8 |
3/8 |
1/8 |
M(X2) = 0 * +
D(X) = M(X2) – [M(X)]2 = 3 –
– среднеквадратичное отклонение.
Это числовая характеристика введена для вычисления разброса (отклонения) в той же размерности, что и сама случайная величина X.
Задача № 4
4.1. Случайные величины непрерывного типа
Если случайная величина X имеет всюду непрерывно дифференцируемую функцию распределения F(X), то такая случайная величина X называется непрерывной.
F(X)=p(x) Производная от F(X) называется плотностью распределения вероятности.
Непрерывная случайная величина X может быть задана и через функцию распределения, и через ее производную. Очевидно, что
Так как p(x) – это производная от F(X), то F(X)= .
Задача № 12
Плотность распределения непрерывной случайной величины X задана
Найти А, F(X) и P
Построим график функции
Для того чтобы распределение было корректно, необходимо чтобы площадь S заштрихованной фигуры равнялась бы 1. Тогда,
Построим F(X)
X |
0 |
1 |
2 |
F(X) |
0 |
11/16 |
1 |