
- •С.Е.Игнатова теория вероятностей
- •Санкт-Петербург
- •Утверждено редакционно-издательским советом сПбГиэу
- •Игнатова с.Е.
- •Содержание:
- •Предисловие
- •Введение
- •Краткая историческая справка.
- •1. Правила действия со случайными событиями и вероятностями их осуществления.
- •1.1. Предмет теории вероятностей.
- •1.2. Основные формулы комбинаторики.
- •1.3. Испытания и события.
- •1.4. Виды случайных событий.
- •1.5. Классическое определение вероятности.
- •1.6. Статистическая вероятность.
- •1.7. Геометрическая вероятность.
- •1.8. Аксиоматика а.Н. Колмогорова.
- •1.9. Алгебра событий.
- •1.10. Теоремы сложения вероятностей.
- •1.11. Условные вероятности, независимость событий и экспериментов.
- •1.11.1. Теоремы умножения вероятностей.
- •1.11.2. Формула полной вероятности.
- •1.11.3. Вероятность гипотез. Формула Байеса.
- •1.11.4. Схема независимых испытаний (схема Бернулли).
- •2. Случайные величины и законы распределения вероятностей.
- •2.1. Виды случайных величин.
- •2.2. Закон распределения вероятностей дискретной случайной величины.
- •2.2.1. Функция распределения вероятностей случайной величины.
- •2.2.2. Плотность распределения вероятностей непрерывной случайной величины.
- •2.3. Основные числовые характеристики случайных величин.
- •2.3.1. Математическое ожидание.
- •2.3.2. Дисперсия.
- •2.3.3. Среднее квадратическое отклонение.
- •2.3.4. Мода и медиана.
- •2.4. Производящие функции моментов.
- •2.5. Законы распределения вероятностей, наиболее распространенные в практике статистических исследований.
- •Вероятностный смысл параметров:
- •2.5.1. Вероятность попадания в заданный интервал нормальной случайной величины.
- •2.5.2. Вычисление вероятности заданного отклонения.
- •2.5.3. Правило трёх сигм.
- •2.6. Последовательности случайных величин в дискретном вероятностном пространстве.
- •3. Закон больших чисел и центральная предельная теорема.
- •4. Совместное распределение случайных величин.
- •4.1. Закон распределения двумерной случайной величины.
- •4.2. Вычисление основных числовых характеристик случайных величин х и y.
- •4.3. Условные распределения.
- •4.4. Зависимые и независимые случайные величины.
- •4.5. Коэффициент корреляции двух случайных величин и его свойства.
- •4.6. Независимость и некоррелированность.
- •4.7. Нормальный закон распределения на плоскости.
- •Вероятностный смысл параметров:
- •4.8. Линейная регрессия. Прямые линии среднеквадратической регрессии.
- •5. Последовательности, образующие цепь Маркова.
- •5.1. Равенство Маркова.
- •5.2. Финальные вероятности.
- •Заключение
- •Список литературы:
- •Сведения об авторе.
2.2.2. Плотность распределения вероятностей непрерывной случайной величины.
Непрерывную случайную величину можно задать с помощью другой функции (кроме функции распределения), которую называют плотностью распределения или плотностью вероятности.
Определение: Плотностью распределения вероятностей непрерывной случайной величины X называют функцию f(x) –первую производную от функции распределения F(x):
График плотности распределения называют кривой распределения.
Теорема: Вероятность того, что непрерывная случайная величина Х примет значение, принадлежащее интервалу (а,b), равна определённому интегралу от плотности распределения, взятому в пределах от a до b:
Доказательство: Воспользуемся следствием 1, вытекающим из второго свойства функции распределения вероятностей:
По формуле Ньютона-Лейбница имеем:
Так как для
непрерывной случайной величины
справедлива формула
,
то теорема доказана.
С геометрической
точки зрения вероятность попадания
непрерывной случайной величины в
заданный интервал равна площади
криволинейной трапеции, ограниченной
сверху графиком плотности распределения:
f(x)
S
a b X
Заметим, что если f(x) – четная функция, и концы интервала симметричны относительно начала координат, то получаем упрощенную формулу:
Пример: Непрерывная случайная величина задана плотностью распределения:
Требуется найти P(0,5< X <1).
Решение: По теореме получаем:
Зная плотность распределения f(x), можно найти функцию распределения F(x) по формуле:
Выведем эту формулу. Для этого воспользуемся определением функции распределения:
Как известно,
Полагая a
= -
,
b
= x,
имеем :
Таким образом,
Заметим, что более корректной будет запись:
Пример: По условию предыдущего примера найдём функцию распределения F(x).
Решение: Так как плотность распределения – кусочная функция, то и функция распределения также будет кусочной функцией.
Окончательно получаем:
Рассмотрим основные свойства плотности распределения:
Свойство 1: Плотность распределения – неотрицательная функция:
f(x)
0.
Доказательство:
Функция распределения F(x)
– неубывающая функция, следовательно,
ее производная
– функция неотрицательная.
Свойство 2:
Несобственный интеграл от плотности
распределения в пределах от
равен единице:
Доказательство: Несобственный интеграл
выражает
вероятность события, состоящего в том,
что случайная величина примет значение,
принадлежащее интервалу (
.
Очевидно, такое событие достоверно,
следовательно, его вероятность равна
1.
Геометрически это означает, что площадь криволинейной трапеции под графиком плотности распределения по бесконечному промежутку равна единице.
f(x)
S
X
S = 1.
Заметим, что плотность распределения непрерывной случайной величины называют также законом распределения этой величины.
Рассмотрим вероятностный смысл плотности распределения.
Пусть F(x) – функция распределения непрерывной случайной величины X .
По определению плотности распределения, имеем:
где
l
– длина
интервала (x;
x+
x).
По аналогии с определением физической плотности
где
F(х)
– закон распределения массы, можно
рассматривать значение
х,
как плотность
вероятности в этой точке. Этот факт
объясняет название «плотность».
Из дифференциального исчисления известно, что
Вывод:
Вероятность того, что случайная величина
примет значение, принадлежащее интервалу
,
приближённо равна (с точностью до
бесконечно малых высшего порядка
относительно
)
произведению плотности вероятности в
точке х и длины интервала
.
С геометрической
точки зрения вероятность того, что
случайная величина примет значение,
принадлежащее интервалу
,
приближённо равна площади прямоугольника
с основанием
и высотой
f(x)
C
A B
S
x x+Δx X
лощадь
прямоугольника, приближенно равная
площади криволинейной трапеции.
Допущенная при этом погрешность равна
площади криволинейного треугольника
АВС.