
- •Введение
- •1. Случайные события и вероятность
- •1.1. Пространство элементарных событий. Случайные события. Алгебра событий
- •1.2. Классическое определение вероятности. Статистическое определение вероятности
- •1.3. Элементы комбинаторики. Некоторые содержательные задачи
- •1.4. Аксиоматическое введение вероятности
- •1.5. Теоремы о вероятностях случайных событий
- •1.6. Формула полной вероятности и формула Байеса
- •1.7. Геометрические вероятности
- •1.8. Схема независимых испытаний Бернулли. Формула Бернулли. Формула Пуассона. Локальная и интегральная теоремы Муавра-Лапласа
- •Вопросы для самопроверки
- •2. Случайные величины
- •2.1. Случайные величины. Случайные величины дискретного типа. Ряд распределения. Функция распределения
- •2.2. Случайная величина непрерывного типа. Плотность вероятности распределения случайной величины
- •2.3. Числовые характеристики случайной величины. Математическое ожидание и дисперсия, их свойства
- •2.4. Пуассоновский поток событий
- •Вопросы для самопроверки
- •3. Системы случайных величин
- •3.1. Закон распределения системы двух случайных величин. Функция распределения, плотность распределения системы двух случайных величин
- •3.2. Условные законы распределения. Зависимые и независимые случайные величины
- •3.3. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •Вопросы для самопроверки
- •4. Функции случайных величин
- •4.1. Преобразование случайных величин (случай двух переменных)
- •4.2. Распределение суммы, разности, произведения и частного двух случайных величин
- •4.3. Преобразование случайных величин (случай одной переменной)
- •4.5. Распределение Стьюдента
- •Вопросы для самопроверки
- •5. Закон больших чисел
- •5.1. Неравенства Чебышева
- •5.2. Теорема Чебышева
- •5.3. Теорема Бернулли
- •5.4. Центральная предельная теорема
- •Вопросы для самопроверки
- •6. Случайные процессы. Марковские случайные процессы. Системы массового обслуживания
- •6.1. Случайные процессы
- •6.2. Марковские случайные процессы. Марковские цепи
- •6.3. Марковские процессы с дискретными состояниями и непрерывным временем. Уравнения Колмогорова
- •6.4. Процессы гибели и размножения
- •6.5. Потоки случайных событий
- •6.6. Приложения марковских процессов
- •6.7. Системы массового обслуживания
- •6.8. Системы массового обслуживания с отказами Одноканальная смо с отказами
- •6.9. Системы массового обслуживания с очередями
- •Вопросы для самопроверки
- •7. Математическая статистика
- •7.1. Генеральная совокупность и выборка. Статистический ряд. Статистическая функция распределения. Гистограмма
- •7.2. Точечные оценки параметров генеральной совокупности по выборочным совокупностям, их свойства. Точечные оценки для математического ожидания и дисперсии случайной величины
- •7.3. Интервальные оценки. Доверительный интервал. Нахождение доверительных интервалов для математического ожидания и дисперсии нормального распределения случайной величины
- •1. Доверительный интервал для оценки математического ожидания нормального распределения случайной величины с известным
- •2. Доверительный интервал для оценки математического ожидания нормального распределения с неизвестным
- •3. Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения
- •7.4. Построение прямых линий регрессии по выборочным данным
- •1. Нахождение параметров выборочных уравнений прямой линии регрессии по несгруппированным данным
- •2. Нахождение параметров выборочных уравнений прямой линии регрессии по сгруппированным данным
- •7.5. Нахождение оценки для коэффициента корреляции двух случайных величин
- •7.6. Статистическая проверка гипотез. Статистическая гипотеза. Нулевая и конкурирующая гипотеза. Статистический критерий. Критическая область
- •7.7. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •7.8. Проверка гипотезы о распределении генеральной совокупности. Критерий 2 Пирсона
- •7.10. Сравнение генеральных средних двух нормально распределенных случайных величин (малые независимые выборки)
- •7.11. Сравнение двух дисперсий нормальных генеральных совокупностей
- •7.12. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью наступления события
- •Вопросы для самопроверки
- •8. Варианты контрольной paбoты № 1 по теории вероятностей вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •9. Варианты контрольной работы № 2 по случайным процессам и математической статистике вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Приложение
- •Суммарные вероятности для распределения Пуассона
- •Критические точки распределения Стьюдента
- •Библиографический список
3.2. Условные законы распределения. Зависимые и независимые случайные величины
Если известно распределение системы двух случайных величин (например, совместная плотность X и Y – f(x,y)), легко получить распределение каждой из величин, входящей в систему (например, с помощью формулы (3.1.6)). Если теперь перейти к обратной задаче: по известным законам распределения отдельных компонент системы X и Y, найти закон распределения системы - эта задача в общем случае неразрешима. Дело в том, что законы распределения каждой из случайных величин, входящих в систему, характеризуют каждую из случайных величин в отдельности, но ничего не говорят о том, как они связаны между собой; совместный закон распределения X и Y (закон распределения системы (X, Y)) должен содержать все сведения о компонентах системы, в том числе и о характере связей между ними. Это приводит к необходимости введения условных законов распределения.
Определение 3.2.1. Распределение одной случайной величины, входящей в систему, найденное при условии, что другая случайная величина, входящая в систему, приняла определенное значение, называется условным законом распределения этой случайной величины.
Пусть (X, Y) является системой дискретного типа и закон распределения ее представлен табл. 3.1.1.
Пусть
в результате испытания случайная
величина Y приняла значение
;
при этом X примет одно из своих возможных
значений
с вероятностями
соответственно. Обозначим условную
вероятность того, что X примет, например,
значение xi
при условии, что
,
через P(xi/yj);
она, вообще говоря, не будет равна
безусловной вероятности P(xi).
Условным распределением компоненты X системы при называется совокупность условных вероятностей:
. (3.2.1)
Аналогично определяется условное распределение компоненты Y системы (X,Y).
Используя теорему умножения двух случайных событий, соответствующих данной ситуации, условный закон распределения X при условии, что может быть найден по формулам:
.
Вероятность
(безусловная) вычисляется по формуле
.
Аналогично
находят условные законы распределения
компоненты Y системы (X,Y) двух случайных
величин непрерывного типа. Тогда условной
плотностью
компоненты X при данном значении Y = y
называют отношение плотности совместного
распределения системы (X,Y) к плотности
компоненты Y:
. (3.2.2)
Различие
между условной плотностью
и безусловной плотностью
состоит в том, что функция
определяет распределение X при условии,
что Y принимает значения Y = y, а
функция
определяет распределения X независимо
от того, какие значения принимает Y.
Аналогично определяется условная плотность компоненты Y при данном значении X = x:
.
(3.2.3)
Формулы (3.2.2) и (3.2.3) можно записать в виде
.
(3.2.4)
Как и любая плотность распределения, условные плотности обладают следующими свойствами:
;
.
Задача 3.2.1. Система двух случайных величин (X,Y) определена следующей таблицей распределения:
Таблица 3.2.1
X\Y |
|
|
|
0,15 |
0,30 |
|
0,06 |
0,10 |
|
0,25 |
0,03 |
|
0,04 |
0,07 |
Найти условный закон распределения компоненты Х при условии, что компонента Y приняла значение y2=6.
Решение.
Условный закон распределения компоненты
X при условии, что
,
определяется совокупностью вероятностей:
.
Принимая во внимание, что
,
имеем:
Задача
3.2.2. Система
(X,Y) имеет равномерное распределение
внутри круга
.
Найти условные законы распределения
компонент X и Y.
Решение.
Совместная плотность равномерного
распределения
внутри круга
имеет вид
.
Найдем сначала
условную плотность составляющей X при
,
при Y = y,
|y|<R;
имеем
.
Так
как f(x,y)=0 при
,
то
при
.
Окончательно
(3.2.5)
Аналогично, условная плотность компоненты Y имеет вид
.
(3.2.6)
Ранее
мы считали две случайные величины
независимыми, если закон распределения
одной из них не зависит от того, какие
значения приняла другая случайная
величина. Отсюда следует, что условные
законы распределения независимых
случайных величин равны их безусловным
законам. Например, в случае когда система
(X,Y) является системой непрерывного
типа, это приводит к равенствам
,
,
и, следовательно, в силу формул (3.2.2) и
(3.2.3), имеем
. (3.2.7)
Условие (3.2.7) (и это можно строго доказать) является необходимым и достаточным условием того, чтобы случайные величины X и Y были независимыми.