- •Предисловие
- •Введение
- •Глава 1. Случайные события § 1.1. Основные понятия теории вероятностей § 1.1.1. Испытания и события. Виды случайных событий
- •§ 1.1.2. Классическое определение вероятности
- •Свойства вероятности
- •§ 1.1.3. Основные формулы комбинаторики
- •§ 1.1.4. Примеры непосредственного вычисления вероятностей
- •§ 1.1.5. Относительная частота
- •§ 1.2. Теорема сложения вероятностей § 1.2.1. Теорема сложения вероятностей несовместных событий
- •§ 1.2.2. Полная группа событий
- •§ 1.2.3. Противоположные события
- •§ 1.3. Теорема умножения вероятностей § 1.3.1. Произведение событий
- •§ 1.3.2. Условная вероятность
- •§ 1.3.3. Теорема умножения вероятностей
- •§ 1.3.4. Независимые события. Теорема умножения для независимых событий
- •§ 1.3.5. Вероятность появления хотя бы одного события
- •§ 1.3.6. Вероятность гипотез. Формулы Бейеса
- •§ 1.3.7. Повторные испытания. Формула Бернулли
- •§ 1.3.8. Теорема Лапласа
- •§ 1.3.9. Производящая функция
- •Глава 2. Случайные величины. Виды случайных величин § 2.1. Случайные величины
- •§ 2.1.1. Дискретные и непрерывные случайные величины
- •§ 2.1.2. Закон распределения вероятностей случайной величины
- •§ 2.1.3. Закон распределения вероятностей дискретной случайной величины
- •§ 2.1.3.1. Биноминальное распределение
- •§ 2.1.3.2. Распределение Пуассона
- •§ 2.1.3.3. Простейший поток событий
- •§ 2.1.3.4. Геометрическое распределение
- •§ 2.1.4. Непрерывные случайные величины. Функция распределения
- •§ 2.2. Закон больших чисел
- •§ 2.3. Математическое ожидание случайной величины
- •§ 2.3.1. Математическое ожидание дискретной случайной величины
- •§ 2.3.2. Математическое ожидание непрерывной случайной величины
- •§ 2.3.3. Основные свойства математического ожидания
- •§ 2.4. Дисперсия случайной величины
- •§ 2.4.1. Отклонения случайной величины от ее математического ожидания
- •§ 2.4.2. Дисперсия дискретной случайной величины
- •§ 2.4.3. Дисперсия непрерывной случайной величины
- •§ 2.4.4. Основные свойства дисперсии
- •§ 2.4.5. Среднее квадратическое отклонение
- •§2.4.6. Начальные и центральные теоретические моменты
- •§ 2.4.7. Асимметрия и эксцесс
- •§ 2.4.8. Функция одного случайного аргумента
- •§2.4.9. Функция двух случайных аргументов
- •§ 2.5. Законы распределения случайных величин
- •§ 2.5.1. Закон равномерного распределения вероятностей
- •Свойства равномерного распределения
- •§ 2.5.2. Нормальное распределение
- •§ 2.5.3. Распределение «хи-квадрат»
- •§ 2.5.4. Распределение Стьюдента
- •§ 2.5.5. Распределение f Фишера-Снедекора
- •§ 2.5.6. Показательное распределение
- •§ 2.5.7. Гамма-распределение и распределение Эрланга
- •Свойства нормированного распределения Эрланга
- •§ 2.5.8. Функция надежности
- •§ 2.6. Система двух случайных величин
- •§ 2.6.1. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 2.6.2. Функция распределения двумерной случайной величины
- •§ 2.6.3. Вероятность попадания случайной точки в полуполосу
- •§ 2.6.4. Вероятность попадания случайной точки в прямоугольник
- •§ 2.6.5. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины (двумерная плотность вероятности)
- •§ 2.6.6. Нахождение функции распределения системы по известной плотности распределения
- •§ 2.6.7. Условные законы распределения составляющих системы случайных величин
- •1. Система дискретных случайных величин
- •2. Система непрерывных случайных величин
- •§ 2.6.8. Условное математическое ожидание
- •§ 2.6.9. Зависимые и независимые случайные величины
- •§ 2.6.10. Числовые характеристики системы двух случайных величин
- •§ 2.6.11. Коррелированность и зависимость случайных величин
- •§ 2.6.12. Линейная регрессия
- •Глава 3. Примеры для самостоятельной работы
- •Приложения
- •Критические точки распределения
- •Критические точки распределения Стьюдента
- •Критические точки распределения Фишера – Снедекора
- •Равномерно распределенные случайные числа
- •Библиографический список
- •Предметный указатель
- •Оглавление
§ 2.1.3.3. Простейший поток событий
Рассмотрим события, которые наступают в случайные моменты времени.
Потоком событий называют последовательности событий, которые наступают в случайные моменты времени.
Примерами потоков служат: поступление вызовов на АТС, на пункты неотложной помощи, клиентов на предприятие и т.д. [3].
Простейшим (пуассоновским) называют поток событий, который обладает свойствами: стационарностью, «отсутствием последействия» и ординарностью.
Свойство стационарности состоим в том, что вероятность появления событий на любом промежутке времени зависит только от числа и от длительности
промежутка и не зависит от начала его
отсчета; при этом различные промежутки
времени предполагаются непересекающимися.
Итак, если поток обладает свойством стационарности, то вероятность появления событий за промежуток времени длительности есть функция, зависящая только от и .
Свойство «отсутствия последействия» характеризуется тем, что вероятность появления событий на любом промежутке времени не зависит от того, появились или не появились события в моменты времени, предшествующие началу рассматриваемого промежутка. Таким образом, предыстория потоков не сказывается на вероятности появления событий в ближайшем будущем.
Итак, если поток обладает свойством отсутствия последействия, то имеет место взаимная независимость появлений того или иного числа событий в непересекающиеся промежутки времени.
Свойство ординарности характеризуется тем, что появление двух и более событий за малый промежуток времени практически невозможно.
Итак, если поток обладает свойством ординарности, то за бесконечно малый промежуток времени может появиться не более одного события.
Интенсивностью
потока
называется среднее число событий,
которые появляются в единицу времени.
Если постоянная интенсивность потока известна, то вероятность появления событий простейшего потока за время - определяется формулой Пуассона:
– математическая модель простейшего потока событий.
Пример 2.8. Среднее число заказов такси, поступающих на диспетчерский пункт в одну минуту, равно четырем. Найти вероятность того, что за две минуты поступит менее 6 вызовов.
Решение. По условию
,
событие «поступило менее 6 вызовов»,
произойдет, если наступит одно из
следующих несовместных событий:
поступило 5 вызовов,
поступило 4 вызова,
поступило 3 вызова,
поступило 2 вызова,
поступил 1 вызов,
не поступило ни одного вызова.
Эти события несовместны, поэтому применима теорема сложения вероятностей несовместных событий:
.
Вычислим
.
По условию
.
Воспользуемся
формулой Пуассона:
.
Тогда
.
§ 2.1.3.4. Геометрическое распределение
Пусть производятся
независимые испытания, в каждом из
которых вероятность появления события
равна
и вероятность его
непоявления
.
Испытания
заканчиваются, как только появится
событие
.
Таким образом, если событие
появилось в
-м
испытании, то в предшествующих
испытаниях оно не появлялось.
Обозначим через дискретную случайную величину – число испытаний, которые нужно провести до первого появления события .
Вероятность того,
что в
-м
испытании появилось событие
,
применив теорему умножения вероятностей,
равна
,
где
,
то есть
.
(2)
Полагая
,
получим соответствующую геометрическую
прогрессию с первым членом
и знаменателем
(
)
По этой причине распределение (1) называется геометрическим.
Пример 2.9.
Из орудия производится стрельба по цели
до первого попадания. Вероятность
попадания в цель
.
Найти вероятность того, что попадание произойдет при третьем выстреле.
Решение. Так как
,
,
то
;
искомая вероятность
.
