- •Ю.Я. Кацман Теория вероятностей, математическая статистика и случайные процессы
- •Теория вероятностей, математическая статистика и случайные процессы
- •Издано в авторской редакции
- •Отпечатано в Издательстве тпу в полном соответствии с качеством предоставленного оригинал-макета
- •Введение
- •Раздел 1. Теория вероятностей Глава 1. Основные понятия теории вероятностей
- •1.1. Элементы комбинаторики
- •1.2. Пространство элементарных событий. Случайные события
- •1.3. Статистическое определение вероятности
- •1.4 Классическая вероятностная схема
- •1.5. Аксиоматическое построение теории вероятностей
- •1.6. Геометрическое определение вероятности
- •Глава 2. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей несовместных событий
- •2.2. Теорема сложения вероятностей совместных событий
- •2.3. Независимость событий
- •2.4. Теорема умножения вероятностей
- •2.5. Формула полной вероятности
- •2.6. Теорема гипотез (Формула Байеса)
- •Глава 3. Повторение испытаний
- •3.1. Схема Бернулли
- •3.1.1. Обобщение схемы Бернулли
- •3.2. Теорема Пуассона (Закон редких событий)
- •3.3. Локальная теорема Муавра-Лапласа
- •3.4. Интегральная теорема Муавра-Лапласа
- •Глава 4. Случайные величины
- •4.1. Классификация случайных величин. Закон распределения дискретной случайной величины
- •4.1.1. Интегральная функция распределения
- •4.2. Непрерывная случайная величина, плотность распределения
- •4.2.1. Основные свойства плотности распределения
- •4.3. Характеристики положения случайной величины
- •4.4. Числовые характеристики одномерной случайной величины
- •4.4.1. Свойства математического ожидания
- •4.5. Моменты случайной величины
- •4.5.1. Свойства дисперсии
- •4.5.2. Асимметрия и эксцесс
- •Глава 5. Многомерные случайные величины
- •5.1. Многомерная случайная величина и закон ее распределения
- •5.1.1. Свойства двумерной функции распределения
- •5.2. Плотность вероятности двумерной случайной величины
- •5.2.1. Условная плотность распределения
- •5.3. Числовые характеристики системы случайных величин
- •5.3.1. Свойства коэффициента корреляции
- •Глава 6. Основные законы распределения
- •6.1. Нормальный (гауссов) закон распределения
- •6.1.1. Вероятность попадания на интервал
- •6.1.2. Свойства нормальной функции распределения
- •6.2. Распределение ("хи–квадрат")
- •6.3. Показательный (экспоненциальный) закон распределения
- •6.3.1 Числовые характеристики показательного распределения
- •6.3.2. Функция надежности
- •6.4. Распределение Парето
- •Глава 7. Закон больших чисел
- •7.1. Неравенство Чебышева
- •7.2. Теорема Чебышева
- •7.3. Обобщенная теорема Чебышева
- •7.4. Теорема Маркова
- •7.5. Теорема Бернулли
- •7.6. Центральная предельная теорема
- •Раздел 2. Математическая статистика Глава 8. Основные понятия и задачи математической статистики
- •8.1. Выборочные распределения
- •8.1.1. Группирование данных, гистограмма, полигон
- •8.2. Статистическая (эмпирическая) функция распределения
- •8.3. Выборочные значения и оценка параметров.
- •8.3.1. Требования "хороших оценок"
- •Несмещённость.
- •Эффективность.
- •Состоятельность.
- •Глава 9. Интервальное оценивание
- •9.1. Интервальная оценка математического ожидания при известной дисперсии
- •9.2 Интервальная оценка математического ожидания при неизвестной дисперсии
- •9.3. Интервальная оценка выборочной дисперсии
- •Глава 10. Статистические критерии
- •10.1. Проверка гипотез
- •10.2. Ошибки проверки гипотез
- •Раздел 3. Случайные процессы Глава 11. Основные понятия и модели случайных процессов
- •11.1. Классификация случайных процессов
- •11.2. Основные характеристики случайного процесса
- •Свойства математического ожидания сп
- •Свойства дисперсии сп
- •Свойства корреляционной (автоковариационной) функции сп
- •Свойства нормированной корреляционной функции сп
- •11.2. Стационарные случайные процессы
- •11.3. Марковские случайные процессы
- •11.4. Потоки событий (Пуассоновские потоки)
- •11.5. Непрерывный марковский процесс. Уравнения Колмогорова
- •Заключение
- •Список литературы Основная
- •Дополнительная
6.1.1. Вероятность попадания на интервал
Рассмотрим
вероятность попадания на интервал
СВ
,
подчиненной нормальному закону
распределения с параметрами
и
.
Для вычисления этой вероятности
воспользуемся общей формулой:
(6.11)
где
интегральная функция распределения СВ
.
Найдем
(6.12)
Сделаем
замену переменных в (6.12)
(6.13)
Отметим, что этим преобразованием (заменой переменных) нормальное распределение с произвольными значениями и приводится к стандартному нормальному закону с параметрами .
Интеграл
(6.13)
не выражается через элементарные
функции, но его обычно выражают через
специальную функцию, выражающую
определенный интеграл от
или
(так
называемый интеграл вероятности, для
которого составлены статистические
таблицы).
Вообще существует множество разновидностей таких функций, например:
(6.14)
Выберем
в качестве такой функции, так называемую
нормальную
функцию распределения
.
Выразим функцию распределения (6.13) через
:
(6.15)
Подставим теперь (6.15) в (6.11) и окончательно получим:
(6.16)
6.1.2. Свойства нормальной функции распределения
1.
2.
3.
функция неубывающая.
4.
Из-за симметричности стандартного
нормального распределения относительно
начала координат следует (см. рис. 6.2):
На
практике очень часто встречается задача
вычисления вероятности попадания СВ
на участок симметричный относительно
центра рассеивания
.
Рассмотрим такой участок длиной
.
Вычислим эту
Рис.6.2. Стандартное распределение
вероятность:
(6.17)
Часто
расстояние
выражают в единицах
.
На рис. 6.3 для стандартного нормального
распределения показаны вероятности
(односторонние) отклониться от
математического ожидания на
.
Рис.6.3. Свойства нормального закона
ПРИМЕР
1: Полагаем,
что рост студентов – нормально
распределенная случайная величина
с параметрами
и
Необходимо найти:
выражение плотности вероятности и функции распределения СВ ;
доли костюмов 4-го роста (176 – 182 см) и 3-го роста(170 – 176 см), которые нужно предусмотреть в общем объеме производства;
квантиль и 10%-ную точку СВ ;
сформулировать "правило трех сигм" для СВ .
РЕШЕНИЕ: a) По формулам (6.1), (6.12) и (6.15) запишем
b) Долю костюмов 4-го роста (176 – 182 см) в общем объеме производства определим по формуле (6.16):
Долю
костюмов 3-го роста (170 – 176 см) можно
определить аналогичным образом, но,
если учесть, что данный интервал
симметричен относительно
,
то по формуле (6.17) оценим:
c) Квантиль СВ найдем из уравнения (6.15):
Это
значит, что 70% студентов имеют рост до
176 см. 10%-ная точка СВ
– это квантиль
,
который, вычислив аналогично, получим
.
d) "Правило трех сигм" для нормального распределения:
.
Тогда
с вероятностью равной 0.9974 рост студентов
находится в интервале:
ПРИМЕР 2: Средняя стоимость ценной бумаги составляет 2000 руб., а среднее квадратичное отклонение равно 100 руб. Предполагается, что цена имеет нормальное распределение. Определить вероятность того, что в день покупки цена будет заключена в пределах от 1800 руб. до 2300 руб. Найти с надежностью 0.9 интервал Δ изменения цены бумаги, симметричный относительно математического ожидания.
РЕШЕНИЕ : a)
b)
Значит стоимость ценной бумаги заключена в интервале (1835.5; 2164.5) рублей.
