- •Теория вероятностей и математическая статистика – это математические дисциплины , изучающие количественные закономерности случайных событий на основе массовых наблюдений.
- •Умножение вероятностей
- •Вероятность появления хотя бы одного события
- •Теорема сложения вероятностей совместных событий
- •Вероятность гипотез . Формула Байеса.
- •Наивероятнейшее число наступлений события
- •Локальная теорема Лапласа
- •Интегральная теорема Лапласа
- •3). Аналитическое задание (формулой).
- •Числовые характеристики дискретной случайной величины
- •Вероятностный смысл математического ожидания
- •2.Постоянный множитель можно выносить за знак математического ожидания.
- •Доказательство.
- •3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий .
- •Доказательство.
- •Доказательство.
- •Отклонение случайной величины от её математического ожидания
- •Лекция 5. Дисперсия случайной величины .
- •Свойства функции распределения
- •График функции распределения
- •Основные законы распределения дискретных случайных величин
- •3000 Посадок . Чему равна вероятность того , что за этот ресурс шасси не будет повреждено.
- •Нормальная кривая , кривая Гаусса.
- •Правило 3-х сигм.
- •Распределение « квадрат» или распределение Пирсона.
- •Закон равномерного распределения вероятностей
- •2). Движение поездов метрополитена по расписанию – равномерное распределение.
- •Теорема Бернулли.
- •Теорема 2. Чебышева.
- •2). Определение качества зерна по небольшой его пробе. Число наудачу отобранных зёрен мало сравнительно со всей массой зерна, но само по себе оно достаточно велико.
- •Надёжность механизмов и систем
- •Условные математические ожидания
- •Корреляционный момент. Коэффициент корреляции
- •Эмпирическая функция распределения
- •Полигон и гистограмма
- •П ример.
- •Статистические оценки параметров распределения
- •Статистическая проверка статистических гипотез
- •Решение:
Интегральная теорема Лапласа
Теорема. Если вероятность р наступления события А в каждом испытании постоянна и отлична от нуля и единицы , то вероятность Рn (k1 ,k2 ) того , что событие А появится в n испытаниях от k1 до k2 раз приближённо равна
(1)
Значение
функции Ф
(x)
=
dz
находится в таблицах , так как этот
интеграл не выражается в элементарных
функциях , причём при x>5
, Ф (x)
= 0,5 .
Ф (x)
– функция нечётная , то есть Ф(x)
= - Ф (-x)
. Эта функция называется функцией Лапласа
, её значения приведены в таблицах.
Для того,чтобы было удобно пользоваться таблицей преобразуем формулу (1) .
=
Ф (
. Окончательно
Задача. Найти вероятность того, что среди 1000 новорождённых мальчиков от 465 до 555 включительно. Для упрощения расчётов принять , что вероятность рождения мальчика равна 0,5.
Решение.
;
ЛЕКЦИЯ 4. Случайные величины
Определение. Случайной называют величину, которая в результате испытания примет то или иное числовое значение , наперёд неизвестное и зависящее от случайных причин, которые заранее могут быть учтены.
Обозначают
случайные величины X,Y,Z….,
а их возможные значения x,y,z
..или
.
.
Пример. 1). При бросании игральной кости могли появиться числа 1,2,3,4,5,6 наперёд определить число выпавших очков невозможно, 1,2,3,4,5,6 – возможные значения случайной величины X – количества очков.
2. Число распавшихся атомов радия за данный промежуток времени .
3. Число вызовов на телефонной станции за некоторый промежуток времени.
Рассматривают два типа случайных величин : дискретные и непрерывные.
Определение. Дискретной ( прерывной ) называют случайную величину , которая принимает отдельные , изолированные возможные значения с определёнными вероятностями .
Число возможных значений может быть конечным или бесконечным.
Определение. Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями.
Закон может задаваться : таблично, аналитически, графически.
1). Табличный закон
-
X
…
P
…
Так
как из определения следует, что случайная
величина примет одно и только одно
значение, то есть X=x1,
X=x2,
….X=xn
, то эти события xi
образуют полную группу событий и поэтому
.
2). Графический способ. Многоугольник распределения.
pi p3
p4
p2
p5
p1 p6
o
x1 x2 x3 x4 x5 x6 x
Пример. Охотник стреляет по дичи до первого попадания, но успевает сделать не более четырёх выстрелов. Составить закон распределения числа выстрелов , производимых охотником . Вероятность попадания в цель при одном выстреле равна 0,7.
Решение.
-
Число выстрелов
1
2
3
4
вероятности
0,7
0,21
0,063
0,027
Р(x=1)
= 0,7
;
P(x=2) = 0,3
= 0,21 ; P(x=3) = 0,
; P(x=4) =1- 0,7+0,21+0,063= 0,027.
