
- •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
11.2. Определение математического ожидания
непрерывной случайной величины
Заменим в формуле
(11.1.2) сумму интегралом,
на х,
а
на
.
Получим
Определение 2. Математическим ожиданием непрерывной случайной величины Х называется число
(11.2.1)
Это определение имеет смысл лишь для таких случайных величин Х, для которых данный несобственный интеграл сходится.
Если все возможные
значения непрерывной случайной величины
Х
сосредоточены на отрезке [a,
b],
то f(x)=0
при
и
.
Следовательно,
(11.2.2)
Пример.
Непрерывная случайная величина задана
плотностью
.
Получили абсциссу центра тяжести треугольника под графиком плотности (рис. 11.2.1).
11.3. Смысл математического ожидания
1. Вероятностный смысл. Математическое ожидание случайной величины – это среднее арифметическое наблюдаемых значений случайной величины с учётом частоты или вероятности их появления.
Пример
1. Мишень
вращается вокруг перпендикулярной оси,
проходящей через центр (Рис. 11.3.1). За
попадание в сектор k
игрок выигрывает k
рублей. Стоит ли участвовать в этой
игре, если за один выстрел нужно платить
4 рубля? Ожидаемое значение выигрыша
будет, очевидно, равно математическому
ожиданию дискретной случайной величины
Х
– количество выигранных рублей. Напишем
для неё ряд распределения, используя
геометрическое понятие вероятности:
Х |
1 |
2 |
3 |
4 |
5 |
6 |
p |
1/4 |
1/8 |
1/8 |
1/4 |
1/8 |
1/8 |
Математическое ожидание
.
Играть в эту игру не стоит, т.к. ожидаемый средний выигрыш меньше платы за участие. На этом, впрочем, основаны все аттракционы, если только они не являются благотворительными.
Пример 2. Бросается игральная кость. Найти математическое ожидание числа выпавших очков.
Закон распределения случайной величины Х – числа выпавших очков – таков:
Х |
1 |
2 |
3 |
4 |
5 |
6 |
p |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
Т.о., среднее число очков равно 3,5, т.е. если бросать кость много раз, то в среднем выпадет 3,5 очков.
Пример 3. Пусть теперь кость неправильная, а именно: на одной грани нарисована единица, а на остальных пяти – шестёрка. Тогда величина, обозначающая число очков, имеет закон распределения:
Y |
1 |
6 |
р |
1/6 |
5/6 |
Таково ожидаемое среднее число очков, выпадающее на этой кости.
Математическое ожидание случайной величины даёт удобную характеристику её расположения. Имея ту же размерность, что и значения случайной величины, математическое ожидание находится внутри интервала её возможных значений. Оно указывает некоторое среднее, ориентировочное значение, около которого группируются все возможные значения случайной величины. Поэтому математическое ожидание называют также центром случайной величины.
2. Механической
аналогией понятия
математического ожидания является
центр тяжести прямой единичной массы
(центр масс).
Как известно, абсцисса центра тяжести
дискретной механической системы,
состоящей из масс
помещённых на оси ОХ
в точках
(рис.10.3.1), определяется по формуле
(среднее взвешенное):
которая при условии
принимает вид
|
|
Рис.10.3.2 |
Рис.10.3.3 |

Таким образом,
математическое ожидание дискретной
случайной величины численно
совпадает с абсциссой центра тяжести
единичной массы, распределённой в точках
возможных значений случайной величины
в количествах
(рис.11.3.3). Аналогично формула (11.3.1)
определяет абсциссы центра масс,
непрерывно распределённых на прямой с
плотностью μ(x):
где линейная плотность распределения единичной массы.
На практике механическую аналогию можно применять для отыскания математического ожидания как центра тяжести фигуры под полигоном или графиком плотности.
Пример 4. Случайная величина задана рядом распределения, показанного в виде расположенной ниже таблицы и полигона на рис.11.3.4:
|
|
По виду полигона, пользуясь механической интерпретацией (в точках xi=1,2,…,6 расположены массы, равные pi), находим: МХ=3,5. Такой же результат получим при непосредственном вычислении.