- •Теория вероятностей и математическая статистика
- •1 Краткая историческая справка
- •2 Основные комбинаторные объекты (типы выборок). Формулы и правила расчёта
- •2.1 Примеры решения задач
- •3 Случайные события. Классическое определение вероятности
- •3.1 Случайные события
- •3.2 Классическое определение вероятности
- •3.3 Относительная частота события
- •4 Статистическая и геометрическая вероятности
- •5 Вероятность сложных событий. Противоположные события. Условная вероятность
- •5.1 Алгебра случайных событий
- •5.2 Теорема сложения вероятностей несовместных событий
- •5.3 Противоположные события
- •5.4 Теорема умножения вероятностей
- •6 Вероятность появления хотя бы одного события. Формула полной вероятности. Формулы Бейеса
- •6.1 Независимые события
- •6.2 Вероятность появления хотя бы одного события
- •6.3 Формула полной вероятности
- •6.4 Формулы Бейеса
- •7 Схема Бернулли. Локальная и интегральная теоремы Муавра-Лапласа
- •7.1 Формула Бернулли
- •7.2 Локальная теорема Лапласа
- •7.3 Интегральная теорема Лапласа
- •8 Понятие дсв. Распределение дсв. Функции от дсв
- •8.1 Случайная величина
- •8.2 Дискретная случайная величина (дсв)
- •8.3 Независимые случайные величины
- •8.4 Функция распределения случайной величины
- •9 Характеристики дсв и их свойства. Математическое ожидание, дисперсия, ско
- •9.1 Математическое ожидание дискретной случайной величины
- •9.2 Свойства математического ожидания
- •9.3 Дисперсия дискретной случайной величины
- •9.4 Свойства дисперсии
- •9.5 Среднее квадратическое отклонение дискретной случайной величины
- •10 Биноминальное распределение. Распределение Пуассона. Геометрическое распределение
- •10.1 Биноминальное распределение
- •10.2 Распределение Пуассона
- •10.3 Геометрическое распределение вероятности
- •11 Понятие нсв. Равномерно распределенная нсв
- •11.1 Непрерывная случайная величина (нсв)
- •11.2 Равномерно распределённая нсв
- •12 Функция плотности нсв. Характеристики нсв
- •12.1 Функция плотности нсв
- •12.2 Свойства плотности распределения
- •12.3 Числовые характеристики непрерывных случайных величин
- •13 Нормальное распределение. Кривая Гаусса. Правило трёх сигм
- •13.1 Нормальный закон распределения
- •13.2 Функция Лапласа
- •13.3 Правило трёх сигм
- •14 Показательное распределение. Характеристики показательного распределения
- •14.1 Показательное распределение
- •14.2 Характеристики показательного распределения
- •14.3 Показательный закон надежности
- •15 Центральная предельная теорема. Закон больших чисел
- •15.1 Неравенство Чебышева
- •15.2 Теорема Чебышева
- •15.3 Сущность теоремы Чебышева
- •15.4 Теорема Бернулли
- •15.5 Центральная предельная теорема
- •16 Выборочный метод. Полигон и гистограмма. Числовые характеристики выборки
- •16.1 Задачи математической статистики
- •16.2 Генеральная и выборочная совокупности
- •16.3 Повторная и бесповторная выборки
- •16.4 Способы отбора
- •16.5 Статистическое распределение выборки
- •16.6 Эмпирическая функция распределения
- •16.7 Полигон и гистограмма
- •16.8 Характеристики вариационного ряда
- •17 Статистические оценки параметров распределения. Точечная и интервальная оценки
- •17.1 Статистические оценки параметров распределения
- •17.2 Несмещенные, эффективные и состоятельные оценки
- •17.3 Генеральная и выборочная средняя
- •17.4 Генеральная и выборочная дисперсия
- •17.5 Точность оценки, надёжность. Доверительный интервал
- •17.6 Доверительные интервалы для оценки математического ожидания нормального распределения
- •17.7 Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения
- •18 Моделирование случайных величин. Моделирование дсв, нсв
- •18.1 Предмет метода Монте-Карло
- •18.2 Случайные числа
- •18.3 Разыгрывание дискретной случайной величины
- •18.4 Разыгрывание противоположных событий
- •18.5 Разыгрывание полной группы событий
- •18.6 Разыгрывание непрерывной случайной величины. Метод обратных функций
- •18.7 Приближённое разыгрывание нормальной случайной величины
18.2 Случайные числа
Ранее было указано, что метод Монте-Карло основан на применении случайных чисел; дадим определение этих чисел. Обозначим через R непрерывную случайную величину, распределенную равномерно в интервале (0, 1).
Случайными числами называют возможные значения r непрерывной случайной величины R, распределенной равномерно в интервале (0,1).
В
действительности пользуются не равномерно
распределенной случайной величиной R,
возможные значения которой, вообще
говоря, имеют бесконечное число десятичных
знаков, а квазиравномерной
случайной величиной
,
возможные значения которой имеют
конечное число знаков. В результате
замены R на
разыгрываемая величина имеет не точно,
а приближённо заданное распределение.
В приложении 5 приведена таблица случайных
чисел, заимствованная из книги: Большев
Л.Н., Смирнов Н.В. «Таблицы тематической
статистики».
18.3 Разыгрывание дискретной случайной величины
Пусть требуется разыграть дискретную случайную величину X, т.е. получить последовательность ее возможных значений (i=1, 2, ..., n), зная закон распределения X:
-
Х
x1
x2
…
xn
p
p1
p2
…
pn
Обозначим
через R
непрерывную случайную величину,
распределенную равномерно в интервале
(0, 1), а через
- ее возможные значения, т.е. случайные
числа.
Разобьем
интервал 0<R<1
на оси Or точками с координатами
,
,
,
…,
на n
частичных интервалов
,
,
,
…,
:
Длина
,
Длина
,
…………………………………….
Длина
.
Видим, что длина частичного интервала с индексом i равна вероятности с тем же индексом:
Длина
.
Теорема. Если
каждому случайному числу
,
которое попало в интервал
,
ставить в соответствие возможное
значение
,
то разыгрываемая величина будет иметь
заданный закон распределения:
-
Х
x1
x2
…
xn
p
p1
p2
…
pn
Правило. Для того чтобы разыграть дискретную случайную величину, заданную законом распределения
-
Х
x1
x2
…
xn
p
p1
p2
…
pn
надо:
1) разбить интервал (0,1) оси Or на n
частичных интервалов:
,
,
…,
;
2)
выбрать (например, из таблицы случайных
чисел) случайное число
.
Если попало в частичный интервал , то разыгрываемая дискретная случайная величина приняла возможное значение .
Пример. Разыграть 8 значений дискретной случайной величины X, закон распределения которой задан в виде таблицы
-
Х
3
11
24
p
0,25
0,16
0,59
Решение:
1.
Разобьем интервал (0,1) оси Or точками с
координатами 0,25; 0,25+0,16=0,41 на 3 частичных
интервала:
,
,
.
2. Выпишем из таблицы приложения 5 восемь случайных чисел, например: 0,10; 0,37; 0,08; 0,99; 0,12; 0,66; 0,31; 0,85.
Случайное
число
принадлежит частичному интервалу
,
поэтому разыгрываемая дискретная
случайная величина приняла возможное
значение
.
Случайное число
принадлежит частичному интервалу
,
поэтому разыгрываемая величина приняла
возможное значение
.
Аналогично получим остальные возможные
значения.
Итак, разыгранные возможные значения X таковы: 3; 11; 3; 24; 3; 24; 11; 24.
