
- •1. Элементы комбинаторики.
- •1.1. Перестановки
- •1.2. Перестановки с повторениями
- •1.3. Размещения
- •1.4. Размещения с повторениями (с возвратом)
- •1.5. Сочетания
- •1.6. Сочетания с повторениями (с возвратом)
- •1.7. Обобщение
- •2. Случайные события
- •2.1. Испытания и события
- •2.2. Виды случайных событий
- •2.3. Пространство элементарных событий
- •2.4. Операции над событиями
- •Событие
- •9. Полная группа событий. Совокупность событий называется полной группой событий, если:
- •2.5. Свойства операций над событиями
- •3.1 Относительная частота событий
- •3.2. Свойства относительной частоты
- •3.3. Статистическая устойчивость частот
- •3.4. Формулировка аксиом Колмогорова.
- •3.5. Следствия из аксиом
- •4.1. Вычисление вероятностей событий
- •4.2. Задача о выборке
- •4.3. Геометрический подход к вероятности
- •5. Сложение и умножение вероятностей
- •5.1. Сложение вероятностей
- •5.2. Независимые и зависимые события
- •5.3. Условная вероятность
- •5.4. Умножение вероятностей
- •5.5. Свойства условных вероятностей
- •5.6. Независимость нескольких событий
- •5.7. Независимость противоположных событий
- •5.8. Вероятность появления хотя бы одного события
- •5.9. Применение теорем сложения и умножения для решения задач
- •6. Вероятность гипотез
- •6.1.Формула полной вероятности
- •6.2. Переоценка вероятности гипотез. Формула Байеса (Бейеса)
- •7. Серии независимых испытаний
- •7.1. Формула Бернулли
- •7.2. Локальная теорема Муавра – Лапласа
- •7.3. Свойства функции (х).
- •7.3. Функция Лапласа
- •7.4. Интегральная теорема Лапласа
- •7.5. Закон больших чисел в форме Бернулли
- •7.6. Формула Пуассона
- •8. Случайные величины
- •8.1. Дискретные случайные величины
- •8.2. Характеристическая случайная величина (индикатор события)
- •8.3. Биномиальное распределение (распределение Бернулли)
- •8.4. Распределение Пуассона
- •8.5. Гипергеометрическое распределение
- •9. Непрерывные случайные величины
- •9.1. Функция распределения (интегральная функция распределения)
- •9.2. Свойства функции распределения
- •9.3. Примеры функций распределения
- •10. Плотность распределения
- •10.1. Свойства плотности распределения
- •Вероятностный смысл плотности распределения.
- •10.3. Связь между плотностью и функцией распределения
- •10.4. Примеры непрерывных случайных величин, заданных плотностью
- •11. Числовые характеристики случайной величины
- •11.1. Определение математического ожидания
- •11.2. Определение математического ожидания
- •11.3. Смысл математического ожидания
- •11.4. Арифметические операции со случайными величинами
- •11.4.1. Постоянная случайная величина
- •11.4.2. Произведение случайных величин
- •11.4.3. Сумма случайных величин
- •11.4.4. Разность случайных величин
- •11.5. Свойства математического ожидания
- •11.6. Отклонение случайной величины
- •12.1. Дисперсия Для общего представления о распределении случайной величины важное значение имеет не только её математическое ожидание, но и разброс её возможных значений.
- •12.2. Определение дисперсии
- •12.3. Механический смысл дисперсии
- •12.4. Сокращённая формула для вычисления дисперсии
- •12.5. Свойства дисперсии
- •12.6. Среднее квадратическое отклонение (стандарт)
- •12.7. Числовые характеристики основных дискретных распределений
- •12.7.1. Индикатор события
- •12.7.2. Биномиальное распределение
- •12.7.3. Распределение Пуассона
- •12.7.4. Гипергеометрическое распределение
- •Гипергеометрическое распределение.
- •13.1. Равномерное распределение
- •13.2. Показательное (экспоненциальное) распределение
- •13.2.1. Функция надёжности
9.3. Примеры функций распределения
Пример 1. Функция распределения случайной величины Х задана аналитически следующим образом:
Построить график и найти вероятность того, что в результате испытания Х примет значение, заключенное в промежутке [0,1).
Решение. По формуле (9.2.5)
Геометрически это означает длину отрезка F(1)F(0) на оси ординат (рис.9.3.1). По виду графика и по аналитическому выражению функции распределения можно определить, что значения случайной величины Х сосредоточены на промежутке [-1; 2). Кроме того, видно, что F(х) является непрерывной и кусочно-дифференцируемой функцией. В точках -1 и 2 функция не дифференцируема. На оси ординат отмечена вероятность попадания случайной величины в промежуток [0,1).
Пример 2. Случайная величина Х проекция радиус-вектора случайной точки окружности радиуса а на диаметр имеет функцию распределения (закон арксинуса, рис.9.3.2,а):
а) |
б) |
|
|
|
|
Рис.9.3.2 |
Построить
график и найти вероятность того, что Х
окажется в пределах промежутка
.
Решение.
Здесь значения случайной величины
сосредоточены на промежутке (-а;
а)
(рис.9.3.2,б).
это угол, отсчитываемый вправо и влево
от оси ординат. Рассмотрим функцию
распределения в нескольких точках,
изображенных на чертеже.
а)
(все
значения случайной величины сосредоточены
на
).
б)
(левая половина окружности).
с)
(слева ¾ окружности).
d)
.
По формуле (9.2.5)
В
промежуток
могут попасть точки дуг FE
и HG,
каждая из которых содержит 60°, в сумме
120° (2/3
радиан). Геометрически эта вероятность
тоже равна
.
Пример
3.
.
Построить
график. Найти вероятность попадания
случайной величины в промежутки
и
.
Здесь
возможные значения Х,
т.е. принимают любые действительные
значения. Как известно,
Тогда
Кроме того, из аналитического задания
функции следует, что
.
График приведен на рис. 9.3.3.
.
.
В предыдущих примерах рассматривались непрерывные случайные величины. Однако интегральная функция распределения имеет смысл и для дискретной случайной величины.
Пример 4. Построить функцию распределения для характеристической случайной величины k (индикатора события).
k |
0 |
1 |
p |
q |
p |
Выясним значения функции распределения на различных участках числовой оси.
1)
Вероятность того, что k
примет значение, меньшее 0, т.е. попадёт
в промежуток (;
х),
равна 0 (см. таблицу распределения)
Р(k <x)=P(<k <x)=F(x)=0.
2) 0<x1. Случайная величина может принять только одно возможное значение, меньшее х, из этого промежутка: k =0. Вероятность этого события равна
q F(x)=q.
3) 1<x. Все значения случайной величины k (0 и 1) меньше любого х из этого промежутка событие k <x для этих х является достоверным,
Р(k <x)=1.
Функция распределения аналитически может быть записана так:
На рис. 9.3.4 показан график интегральной функции распределения. График можно построить быстрее, если воспользоваться свойством 4. Для индикатора события возможные значения случайной величины, а именно 0 и 1, сосредоточены на промежутке [0, 1] для x<0 F(x)=0, для x>1 F(x)=1. Легко проверить, что для такой функции выполняются все свойства функции распределения. Особо отметим свойство 3 – непрерывность слева, что наглядно выражено на графике.
Функция распределения дискретной случайной величины не является элементарной функцией. Это – ступенчатая функция, имеющая конечное или бесконечное (счётное) число разрывов первого рода. Такие функции называются кусочно-постоянными.
Пример 5. Производится три независимых опыта, в каждом из которых событие А появляется с вероятностью 0,4 (например, три выстрела по мишени, А попадание при одном выстреле). Рассматривается случайная величина Х – число появлений события А в трёх опытах. Построить ряд распределения и функцию распределения.
Случайная величина Х имеет биномиальное распределение. Для построения ряда распределения вычислим вероятности по формуле Бернулли:
и.т.д.
хi |
0 |
1 |
2 |
3 |
pi |
0,216 |
0,432 |
0,288 |
0,064 |
Для x<0 и x>3 сразу напишем значения F(x):
F(x)=0 для x<0 и F(x)=1 для x>3, т.к. все возможные значения сосредоточены на промежутке [0; 3]. Разобьём оставшийся промежуток на части:
1)
.
2)
Возможные значения Х,
меньшие х
из этого промежутка, равны 0 или 1.
3)
.
Таким образом,
График функции распределения приведён на рис.9.3.5. Рис.9.3.5
Тема: Плотность распределения