- •Глава 1. Основные понятия теории вероятностей
- •1.1. Элементы комбинаторики
- •Основные правила комбинаторики
- •1.2. Случайные события
- •1.3. Операции над событиями
- •1.4. Классическое, статистическое и геометрическое определения вероятностей
- •Глава 2. Основные теоремы теории вероятностей
- •2.1 Зависимые и независимые события. Теоремы сложения и умножения вероятносте.
- •Глава 3. Повторение испытаний
- •3.1. Формула Бернулли
- •3.2. Наивероятнейшее число наступлений события
- •3.3. Асимптотические формулы. Локальная и интегральная теоремы Лапласа. Формула Пуассона
- •Глава 4. Случайные величины. Законы распределения и числовые характеристики
- •4.1. Понятие случайной величины
- •4.2. Дискретные случайные величины.
- •Cвойства функции распределения
- •4.4. Плотность распределения вероятностей
- •1); 2); 3);
- •4); 5).
- •4.5. Числовые характеристики случайных величин.
- •Пример 4.6.
- •Глава 5. Наиболее распространенные законы распределения случайных величин и их числовые характеристики
- •5.1. Биномиальное распределение
- •Геометрическое и гипергеометрическое распределения
- •5.3. Распределение Пуассона
- •5.4. Равномерное распределение
- •5.5. Показательное распределение
- •5.6. Нормальное распределение
- •Глава 6. Системы случайных величин
- •6.1. Закони распределения систем случайных величин.
- •6.2. Числовые характеристики системы случайных величин
- •Для дискретных систем случайных величин
- •Для непрерывных систем случайных величин
- •6.3 Законы равномерного и нормального распределения систем случайных величин
- •Глава 7. Функции одного и двух случайных аргументов
- •7.1. Функции одного случайного аргумента. Законы распределения. Числовые характеристики
- •7.2 Законы распределения функций двух случайных аргументов. Числовые характеристики
- •7.3. Теоремы о числовых характеристиках и их применение
- •Глава 8. Элементы математической статистики
- •8.1. Вариационный ряд. Представление и первоначальная обработка
- •8.2. Графические характеристики выборки
- •8.3. Точечные характеристики выборки (оценки параметров)
- •8.4. Интервальные оценки параметров
- •8.5. Проверка статистических гипотез
- •8.5.1. Проверка гипотезы о равенстве генеральных средних двух генеральных совокупностей
- •8.5.2. Проверка гипотезы о равенстве дисперсий двух генеральных совокупностей. Критерий Фишера-Снедекора.
- •8.5.3. Сравнение выборочной средней с гипотетической генеральной средней нормально распределенной совокупности
- •8.5.4. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией
- •8.5.5 Построение теоретического закона распределения по опытным данным. Проверка гипотезы о законе распределения
- •8.6. Построение теоретической кривой по методу наименьших квадратов
- •Список рекомендованной литературы
- •Продолжение табл. П1
Cвойства функции распределения
1) 0F(x)1, поскольку является верoятностью.
2) F(x) - неубывающая функция, т.е. при .
3) Функция распределения непрерывной СВ непрерывна: .
4)P(X<)=F()-F().
5) Вероятность того, что непрерывная СВ Х примет одно определенное значение, равна нулю: , но
6) .
Схематично функция распределения непрерывной СВ может быть представлена графиком, изображенным на рис.4.3.2.
Для дискретной СВ X, которая принимает значения x1, x2, …, xn , функция распределения вычисляется согласно правила:
F(x)=P(X<x)=, (4.3)
где символxi<x под знаком суммы обозначает, что суммирование распространяется на все значения СВ, которые по своей величине меньше аргумента х. Из выражения для F(x) следует, что функция распределения дискретной СВ Х разрывна и возрастает скачками при переходе через точки возможных ее значений x1, x2,...,xn, причем величина скачка равна вероятности соответствую-щего значения (рис. 4.4.).
Пример 4.2. Производится три независимых исследования оборачиваемости средств предприятия. Вероятность ошибки при каждом исследовании равна 0,4. Построить функцию распределения СВ Х - числа ошибок.
Возможными значениями СВ Х будут: x1=0, x2=1, x3=2, x4=3.
Вероятности этих значений можно вычислить по формуле Бернулли:
,
где n=3; ; р = 0,4; q = 1 – 0,4 = 0,6.
Получим: Р(Х=0)=0,216, Р(Х=1)=0,432, Р(Х=2)=0,288, P(X=3)=0,064. Контроль: .
Ряд распределения представится таблицей:
Х |
0 |
1 |
2 |
3 |
P(X=xi) |
0,216 |
0,432 |
0,288 |
0,064 |
Функция распределения имеет вид:
F(x) = , её график представлен на рис. 4.5.
Пример 4.3. Функция распределения непрерывной СВ Х имеет вид: F(x) =. Найти коэффициентa и построить график F(х). Определить вероятность того, что СВ в результате опыта примет значение, принадлежащее интервалу (1;2).
Так как функция распределения непрерывной СВ X должна быть непрерывной в любой точке, то:
= 1 a(3-1)2 = 1 a=1/4.
График функции F(х) изображен на рис.4.6. На основании свойства (4) функции распределения вычислим: P(1<X<2) = F(2) ‑ F(1) = 1/4.
4.4. Плотность распределения вероятностей
F(x) исчерпывающе характеризует СВ Х, однако удобнее охарактеризовать непрерывную СВ Х при помощи другой функции , которую называютдифференциальной функцией распределения. Она уже не является вероятностью, т.к. в силу определения производной Отношение есть средняя плотность вероятности, а предел средней плотности при естьплотность распределения вероятностей СВ Х. Таким образом, по определению
(4.4),
откуда следует, что
Свойства плотности вероятности
1); 2); 3);
4); 5).
Пример 4.4. Дана плотность распределения вероятностей СВ Х:
. Найти функцию распределения Х.
В соответствии со свойством (3):
при x 0 : ;
при 0< x 2: F(x)= +=sinx;
при x> 2: F(x)= + += =1.
Итак: F(x)=.
4.5. Числовые характеристики случайных величин.
Закон распределения полностью характеризует случайную величину с вероятностной точки зрения. Однако при решении многих практических задач достаточно указать только некоторые характерные особенности распределения СВ. Это делается при помощи числовых характеристик: моды, медианы, асимметрии, эксцесса, математического ожидания, дисперсии, среднего квадратичного отклонения.
Модой М0 СВ Х называют наиболее вероятное ее значение.
Для дискретной СВ Х модой М0 является такое ее значение, вероятность которого наибольшая.
Для непрерывной СВ Х модой М0 является такое ее возможное значение, которому соответствует локальный максимум плотности распределения.
Медианой Мe СВ Х называется такое ее значение, относительно которого равновероятно получение большего или меньшего значения случайной этой величины:
Р(Х < Мe ) =Р(Х > Мe ). (4.14)
Для непрерывной СВ медианы Мe определяется из условия:
, . (4.15)