
- •Содержание
- •Предисловие
- •1) Теория вероятностей;
- •I. Теория вероятностей
- •1.1. Случайные события
- •1.1.1. Предмет теории вероятностей
- •1.1.2. Классификация событий
- •1.1.3. Вычисление вероятности
- •1.1.3.1. Классическая вероятность
- •1.1.3.2. Элементы комбинаторики
- •1.1.4. Геометрическая вероятность
- •1.1.5. Частота события. Статистическое определение вероятности
- •1.1.6. Основные теоремы теории вероятностей
- •1.1.6.1. Операции над событиями
- •1.1.6.2. Условная вероятность. Теорема умножения вероятностей
- •1.1.6.3. Независимые события. Теорема умножения для независимых событий
- •1.1.6.4. События, независимые в совокупности. Вероятность появления хотя бы одного события
- •1.1.6.5. Теорема сложения вероятностей совместных событий
- •1.1.7. Формула полной вероятности
- •1.1.8. Вероятности гипотез. Формула Байеса
- •1.1.9. Схема независимых последовательных испытаний
- •1.1.9.1. Схема Бернулли. Формула Бернулли
- •1.1.9.2. Локальная теорема Муавра-Лапласа
- •1.1.9.3. Интегральная теорема Лапласа
- •1.2. Случайные величины
- •1.2.1. Дискретная случайная величина и ее закон распределения
- •1.2.2. Биномиальное распределение
- •1.2.3. Распределение Пуассона (пуассоновское приближение биномиального распределения)
- •1.3. Математическое ожидание дискретной случайной величины
- •1.4. Дисперсия дискретной случайной величины
- •1.5. Математические ожидания и дисперсии некоторых случайных величин
- •1.6. Непрерывные случайные величины
- •1.6.1. Функция распределения случайной величины
- •1.6.2. Плотность распределения вероятностей непрерывной случайной величины
- •1.6.3. Математическое ожидание, дисперсия и среднеквадратическое отклонение непрерывной случайной величины
- •1.6.4. Наиболее распространенные распределения непрерывных случайных величин
- •1.7. Закон больших чисел. Теорема Ляпунова
- •1.7.1. Неравенство Чебышева
- •1.7.2. Теорема Чебышева
- •1.7.3. Теорема Бернулли
- •1.7.4. Понятие о центральной предельной теореме (о теореме Ляпунова)
- •1.8. Понятие о случайном векторе и законе распределения его координат
- •1.8.1. Примеры случайных векторов
- •1.8.2. Закон распределения и функция распределения двумерной случайной величины
- •1.8.3. Функция распределения двумерной случайной величины и ее свойства
- •1.8.4. Плотность распределения двумерной случайной величины и ее свойства
- •1.8.5. Корреляционный момент и коэффициент корреляции
- •1.8.6. Двумерное нормальное распределение
- •1.8.7. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •1.9. Элементы теории массового обслуживания
- •II. Математическая статистика
- •Список литературы
1.2. Случайные величины
1.2.1. Дискретная случайная величина и ее закон распределения
Во всех примерах с игральной костью (кубиком) мы оперируем числом очков, выпавшим на верхней грани. Это число может принять одно из шести дискретных значений: 1, 2, 3, 4, 5 или 6, но заранее неизвестно, какое именно значение выпадет. Можно сказать, что число выпавших очков – величина случайная, а числа 1, 2, 3, 4, 5, 6 – возможные значения этой величины.
Дискретной случайной величиной называют величину, которая принимает отдельные, изолированные значения с некоторыми определенными вероятностями. Число возможных значений такой величины может быть либо конечным, либо бесконечным.
Случайные величины обозначают обычно прописными буквами Х, Y, Z, …, а их возможные значения – соответствующими строчными буквами x, y, z, … .
Примеры дискретных случайных величин с конечным числом значений: число родившихся детей в течение дня в населенном пункте, число пассажиров автобуса, число деревьев на некотором участке леса и т.д. А вот число выстрелов до первого попадания в цель – случайная величина, которая может принимать любое целое число (в самом деле, какое бы число выстрелов N ни произвести, всегда существует вероятность N промахов подряд).
Пример 1. Примером дискретной случайной величины является число дефектных изделий в партии из n штук. Если обозначить через Х это случайное число, то возможные значения случайной величины х таковы:
х1=0, х2=1, …, хn+1=n.
Пример 2. Число попаданий в цель при трех выстрелах. Значения случайной величины Х: х1=0, х2=1, х3=2, х4=3.
Для дискретной случайной величины недостаточно перечислить все ее случайные значения. Может оказаться так, что две случайные величины принимают одинаковые значения, но вероятности этих значений для них различные. Простой пример: представим себе, что мы взяли 2 игральных кости; на грани первой кости выгравируем 2 раза цифру 1 и 4 раза цифру 2; на гранях второй кости сделаем то же самое, но цифру 1 используем 5 раз, а цифру 2 – один раз.
Пусть Х и Y
– две случайные величины, которые
соответствуют числу выпавших очков при
бросании первой и второй костей. Ясно,
что каждая из этих случайных величин
может принимать всего два значения: 1 и
2. Но первая случайная величина гораздо
реже принимает значение 1, чем вторая:
в самом деле, вероятность принять
значение 1 для случайной величины Х
равна
,
а для Y –
.
Можно привести множество таких примеров. Теперь становится ясно, что для задания случайной величины надо не только указать все ее возможные значения, но и вероятности того, что случайная величина принимает эти значения.
Законом распределения дискретной случайной величины называется соответствие между ее возможными значениями и их вероятностями. Это соответствие задают либо аналитически, с помощью формул, либо в виде таблицы или графика.
Пример табличного способа:
Х |
х1 |
х2 |
… |
xn |
Р |
p1 |
p2 |
… |
pn |
В этой таблице предполагается, что события Х=х1, Х=х2, …, Х=хn – несовместные события, образующие полную группу, а их вероятности равны соответственно р1, р2, …, рn, причем р1+р2+…+рn=1.
Пример 1. В денежной лотерее выпущено 100 билетов. Разыгрывается один выигрыш в 500 рублей и 10 выигрышей по 50 рублей. Найти закон распределения случайной величины Х – значения возможного выигрыша для владельца одного лотерейного билета.
Решение.
Возможные значения случайной величины
Х: х1=500, х2=50,
х3=0. Вероятности этих
значений:
;
;
р3=1–(р1+р2)=1–0,11=0,89.
Закон распределения имеет вид:
Х |
500 |
50 |
0 |
Р |
0,01 |
0,1 |
0,89 |