
- •Введение
- •1 Случайные события. Вероятности случайных событий
- •1.1 Пространство элементарных событий. Операции над событиями
- •1.1.1 Пространство элементарных событий
- •1.1.2 Операции над событиями
- •1.2 Вероятность
- •1.2.1 Относительная частота случайного события. Понятие вероятности случайного события. Аксиомы теории вероятностей
- •1.2.2 Классический метод определения вероятности
- •1.2.3 Комбинаторика и вероятность
- •1.2.4 Геометрические вероятности
- •1.3 Теоремы сложения и умножения вероятностей
- •1.3.1 Теоремы сложения вероятностей
- •1.3.2 Условная вероятность. Теорема умножения вероятностей
- •1.3.3 Независимые события
- •1.4 Формула полной вероятности. Формула Байеса
- •1.5 Последовательности независимых испытаний
- •1.5.1 Формула Бернулли
- •1.5.2 Локальная и интегральная теоремы Лапласа
- •1.5.3 Предельная теорема Пуассона
- •2 Случайные величины
- •2.1 Дискретные и непрерывные случайные величины
- •2.2 Закон распределения случайной величины
- •2.2.1 Ряд распределения
- •2.2.2 Функция распределения
- •2.2.3 Функция плотности распределения вероятностей непрерывной случайной величины
- •2.3 Числовые характеристики случайных величин
- •2.4 Некоторые наиболее важные для практики распределения случайных величин
- •2.4.1 Биномиальное распределение
- •2.4.2 Геометрическое распределение
- •2.4.3 Распределение Пуассона
- •2.4.4 Равномерный закон распределения
- •2.4.5 Показательное (экспоненциальное) распределение
- •2.4.6 Нормальный закон распределения
- •Пример выполнения контрольной работы по теории вероятностей
- •Варианты заданий для контрольной работы по теории вероятностей
- •Приложение а (справочное) Таблица значений функции плотности стандартного нормального распределения
- •Приложение б (справочное) Таблица значений функции Лапласа
- •Приложение в (справочное) Таблица значений
- •Приложение г (справочное) Рабочая программа по дисциплине «Теория вероятностей и математическая статистика»
- •1 Цели и задачи дисциплины, её место в учебном процессе
- •1.1 Цель преподавания дисциплины
- •1.2 Задачи изучения дисциплины
- •2 Содержание дисциплины
- •2.1 Случайные события и их вероятности
- •2.2 Одномерные случайные величины
- •2.3 Многомерные случайные величины
- •2.4 Основные понятия математической статистики
- •2.5 Элементы теории статистического оценивания
- •2.6 Статистическая проверка параметрических гипотез
- •2.7 Статистическая проверка непараметрических гипотез
- •2.8 Элементы регрессионного и корреляционного анализа
- •2.9 Элементы дисперсионного анализа
- •3 Контрольные работы
- •Список литературы
- •Оглавление
- •2 46653, Г. Гомель, ул. Кирова, 34.
2.4 Некоторые наиболее важные для практики распределения случайных величин
2.4.1 Биномиальное распределение
Говорят, что дискретная случайная величина X распределена по биномиальному закону, если возможные значения этой случайной величины 0, 1, 2,…, n, а вероятность каждого из значений определяется по формуле Бернулли
, (21)
где 0 p 1; q = 1 – p; m = 0, 1, 2,…, n.
Постоянные p и n, входящие в формулу (21), называются параметрами биномиального распределения.
На практике биномиальное распределения возникает при следующих условиях: пусть производится серия из n независимых испытаний, в каждом из которых событие A может осуществиться с вероятностью p. Тогда случайная величина X, определяющая число появлений события A в серии из n испытаний, распределена по биномиальному закону.
Закон называется «биномиальным» потому, что правую часть равенства (21) можно рассматривать как общий член разложения бинома Ньютона:
. (22)
Ряд распределения случайной величины X, распределенной по биномиальному закону, имеет вид:
xi |
0 |
1 |
… |
k |
… |
n – 1 |
n |
pi |
qn |
npqn-1 |
… |
Cnkpkqn-k |
… |
npn-1q |
pn |
Для случайной величины, распределенной по биномиальному закону,
M[X] = np,
D[X] = npq,
. (23)
Пример 30 По каналу связи передается 5 сообщений. Каждое сообщение с вероятностью 0,1 независимо от других искажается. Случайная величина X – число искаженных сообщений. Построить ряд распределения этой случайной величины, вычислить ее математическое ожидание, дисперсию и среднее квадратическое отклонение непосредственно по ряду распределения и сравнить со значениями, которые получаются при использовании формул (23). Найти вероятность того, что будет искажено не более одного сообщения.
Решение. Условие задачи соответствует проведению n = 5 независимых испытаний, в каждом из которых с вероятностью p = 0,1 может осуществиться событие A = {искажение передаваемого сигнала}. Случайная величина X, обозначающая число искаженных сообщений, распределена по биномиальному закону. Возможные значения этой случайной величины: 0, 1, 2, 3, 4, 5. Вероятности возможных значений случайной величины определяются по формуле Бернулли:
;
;
;
;
;
.
Ряд распределения имеет вид:
xi |
0 |
1 |
2 |
3 |
4 |
5 |
Итого |
pi |
0,59049 |
0,32805 |
0,0729 |
0,0081 |
0,00045 |
0,00001 |
1 |
|
0 |
0,32805 |
0,1458 |
0,0243 |
0,0018 |
0,00005 |
0,5 |
|
0 |
0,32805 |
0,2916 |
0,0729 |
0,0072 |
0,00025 |
0,7 |
Убедимся, что
.
Вычислим числовые характеристики данной случайной величины:
;
[сообщений];
xmod = 0 [сообщений].
Вычислим числовые характеристики этой случайной величины по формулам (23):
M[X] = n p = 5 0,1 = 0,5; D[X] = n p q = 5 0,1 0,9 = 0,45.
Как и следовало ожидать, получены точно такие же значения.
Вероятность того, что будет искажено не более одного сообщения,
P(X 1) = P(X = 0) + P(X = 1) = 0,59049 + 0,32805 = 0,91854.