
- •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
11.4.3. Сумма случайных величин
Определение. Суммой двух дискретных случайных величин Х и Y называется случайная величина X+Y, возможные значения которой равны суммам каждого возможного значения Х с каждым возможным значением Y; а вероятности возможных значений суммы X+Y равны произведениям вероятностей возможных значений слагаемых, для зависимых величин произведениям вероятности одного слагаемого на условную вероятность другого, т.е.
(11.4.11)
Если величины Х и Y независимы, то условные вероятности становятся безусловными. В этом случае равенство (11.4.4) примет вид:
(11.4.12)
Таким образом, вероятности суммы задаются так же, как вероятности произведения случайных величин.
Например, если
вероятность возможного значения х1
равна р1,
а вероятность возможного значения у1
равна g1,
то вероятность возможного значения
х1+у1
равна
Чтобы составить сумму
,
должны произойти события
и
,
поэтому вероятности перемножаются.
Например, если независимые случайные величины Х и Y заданы рядами распределения:
Х |
х1 |
(11.4.13) |
р |
р1 |
р2 |
(11.4.14)
Y |
у1 |
у2 |
g |
g1 |
g2 |
то их произведение будет иметь такой ряд:
Х+Y |
х1+у1 |
х1+у2 |
x2+у1 |
(11.4.15)
(10.4.7) |
h |
|
|
|
|
Некоторые суммы
могут оказаться равными между собой. В
этом случае вероятность возможного
значения суммы равна сумме соответствующих
вероятностей. Например, если
,
то вероятность
(или, что то же,
)
равна
Замечание. Аналогично определяется сумма более двух случайных величин.
Пример (второй пример с двумя монетами).
Бросаются две монеты. На одной стороне каждой монеты наклеена цифра 1, на другой стороне цифра 2. Найти ряд распределения суммы 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 X+Y.
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 суммы:
X+Y |
2 |
3 |
4 |
h |
1/4 |
1/4+1/4=1/2 |
1/4 |
Математическое ожидание суммы
M(X+Y)=21/4+31/2+41/4=1/2+3/2+1=3.
Т.е. в среднем число очков, выпавших на двух монетах, будет равно 3.
Теорема 3. Если случайная величина Х распределена по закону (*), то случайная величина Х+С, где С – постоянная величина, имеет распределение:
Х+С |
х1+С |
х2+С |
……… |
хn+С |
p |
p1 |
p2 |
……… |
pn |
т.е. прибавление постоянной случайной величины не изменяет вероятностей.