
- •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
11.4. Арифметические операции со случайными величинами
Выясним смысл арифметических операций над дискретными случайными величинами Х и Y: XY, X+Y, XY, если эти величины имеют следующие законы распределения:
(*) |
х1 |
х2 |
…………… |
(11.4.1) |
p |
p1 |
p2 |
…………… |
pn |
(*) |
y1 |
y2 |
…………… |
(11.4.2) |
g |
g1 |
g2 |
…………… |
gn |
11.4.1. Постоянная случайная величина
Определение. Дискретная случайная величина называется постоянной, если она принимает одно возможное значение С с вероятностью р=1.
С
С
р
1
(11.4.3)
Пример. Кубик, на всех гранях которого нарисована шестёрка.
Определение. Две случайные величины называются независимыми, если закон распределения одной из них не зависит от того, какие возможные значения приняла другая величина. В противном случае случайные величины зависимы.
Несколько случайных величин называются взаимно независимыми, если законы распределения любого числа из них не зависят от того, какие возможные значения приняли остальные величины.
11.4.2. Произведение случайных величин
Определение. Произведением случайных величин Х и Y называется случайная величина XY, возможные значения которой равны произведениям каждого возможного значения Х на каждое возможное значение Y; а вероятности возможных значений произведения XY равны произведениям вероятностей одного сомножителя на условную вероятность другого:
(11.4.4)
Если величины Х и Y независимы, то равенство (10.4.1) примет вид:
(11.4.5)
Например, если независимые случайные величины Х и Y заданы рядами распределения:
Х |
х1 |
(11.4.6)
(10.4.3) |
р |
р1 |
р2 |
(11.4.7)
Y |
у1 |
у2 |
g |
g1 |
g2 |
то их произведение будет иметь такой ряд:
ХY |
х1у1 |
х1у2 |
x2у1 |
(11.4.8)
(10.4.7) |
s |
|
|
|
|
Некоторые произведения могут оказаться равными между собой. В этом случае одинаковые возможные значения произведения записываются в таблицу один раз, а их вероятности складываются.
Например, если х1у2= x2у1, то таблица (11.4.8) тождественна таблице
ХY |
х1у1 |
х1у2 |
(11.4.9)
(10.4.8) |
s |
|
|
|
Пример 1 (первый пример с двумя монетами).
Бросаются две
монеты. На одной стороне каждой монеты
наклеена цифра 1, на другой стороне
цифра 2. Найти ряд распределения
произведения случайных величин Х
и
где Х –
число очков, выпавшее на первой монете,
Y
число очков, выпавшее на второй монете.
Найти математическое ожидание случайных
величин X,
Y
и
XY.
Решение. Ряды распределения случайных величин X и Y имеют вид:
Х |
1 |
2 |
|
Y |
1 |
2 |
р |
1/2 |
1/2 |
|
g |
1/2 |
1/2 |
MX=MY=11/2+21/2=3/2.
Ряд распределения произведения:
XY |
1 |
2 |
4 |
s |
1/4 |
1/4+1/4=1/2 |
1/4 |
Математическое ожидание произведения
M(XY)=11/4+21/2+41/4=1/4+1+1=9/4.
Т.е. в среднем
произведение числа очков, выпавших на
двух монетах, будет равно
.
Теорема 1. Произведение случайной величины Х, распределённой по закону (*), на постоянную случайную величину С, имеет ряд распределения:
СХ |
Сх1 |
Сх2 |
………… |
(**) |
s |
p1 |
p2 |
………… |
pn |
То есть при умножении каждого возможного значения на одно и то же число вероятности остаются прежними.
Теорема 2. Если случайная величина Х распределена по закону (*), то величина Х2 имеет ряд распределения
Х2 |
(х1)2 |
(х2)2 |
………… |
(***) |
p |
p1 |
p2 |
………… |
pn |
То есть возведение возможного значения в квадрат не изменяет вероятностей.
Пример 3. Случайная величина Х имеет закон распределения, заданный таблицей 1. Найти распределение величины Х2. Согласно теореме 2, распределение Х2 задается таблицей 2. Заметим, что в таблице 2 случайная величина принимает одинаковые значения, равные 25, поэтому таблицу 2 можно переписать в виде 3, т.к. для одинаковых возможных значений вероятности складываются. Как видим, получилась постоянная случайная величина.
1.
Х
-5
5
2.
Х2
25
25
3.
Х2
25
р
0,3
0,7
р
0,3
0,7
р
1
Замечание. Аналогично двум случайным величинам определяется произведение любого количества случайных величин.