- •Лекция № 3 Введение. Классификация событий. Действия над событиями
- •2. События. Классификация событий. Пространство элементарных событий
- •4. Практические занятия
- •Лекция№5:Условная вероятность. Формула полной вероятности и формула Байеса. Независимые случайные события
- •1.1 Распределение Релея
- •1 Система двух случайных величин
- •1.Введение
- •4. Практические занятия
- •2.Элементы теории множеств.
- •2.1 Определение множества. Мощность множества. Подмножества.
- •2.2 Множества и подмножества.
- •2.3 Способы задания множеств. Универсальное множество.
- •2.4 Операции над множествами.
- •Практическое занятие №2
- •Тема: Основные понятия комбинаторики.
- •2. Перестановки, размещения.
- •3. Сочетания.
- •4. Разбиение на группы:
- •1. Введение
- •3. Алгебра событий
- •1. Введение
- •2. События. Классификация событий. Пространство элементарных событий
- •Примеры.
- •3. Алгебра событий
- •События Вi образуют полную группу событий, если
- •Особый интерес представляют полные группы несовместимых событий
- •План лекции:
- •2. Классический способ задания вероятностей.
- •3. Статистическая вероятность
- •4. Геометрическая вероятность.
- •Лекция№5
- •2. Формула полной вероятности.
- •3. Формула Байеса (теорема гипотез).
- •4. Независимые случайные события.
- •Контрольные вопросы и тесты
- •2 Закон распределения случайной величины.
- •3. Функция распределения
- •4. Плотность распределения случайной величины
- •Практическое занятие №1
- •1.Математическое ожидание , мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Математическое ожидание, мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Практическое занятие №1
- •5. Контрольные вопросы и задания
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Простейший поток событий
- •1. Испытания (схема) Бернулли. Биномиальное распределение
- •Если ставить вопрос о появлении события а k-раз в n испытаниях в произвольном порядке, то событие представимо в виде
- •2. Распределение Пуассона.
- •3. Простейший поток событий
- •Задача 4
- •Задача 5
- •Задача 6
- •Практическое занятие № 2
- •5. Контрольные вопросы
- •1.1 Равномерное распределение вероятностей
- •1.2 Показательное (экспоненциальное) распределение
- •1.3 Нормальное распределение
- •Задача 1
- •Решение
- •Решение
- •Задача 4
- •Задача 6
- •Практическое занятие №2
- •2. Рекомендуемые фрагменты программ
- •1.1 Распределение Релея
- •1.1 Распределение Релея
- •1.2 Распределение Максвелла
- •1.3 Логарифмическое нормальное распределение
- •2. Функция случайной величины.
- •Практическое занятие №1
- •3. Рекомендации к выполнению.
- •Практическое занятие №2
- •Задача3
- •1 Система двух случайных величин
- •1 Система двух случайных величин
- •1.2 Плотность распределения двух случайных величин
- •1.3 Условные функция распределения и плотность распределения
- •1.4 Корреляция двух случайных величин
- •Аналогично имеем
- •2. Система произвольного числа случайных величин
- •Задача1
- •Практическое занятие №2 Тема: Исследование системы двух случайных величин
- •Так как под интегралом в (1) находится неотрицательная величина, то, выбросив из интервала интегрирования отрезок ав, мы значение интеграла не увеличим, т.Е.
- •2. Характеристические функции
- •Для дискретной случайной величины х с законом распределения
- •Свойства характеристической функции
- •3. Центральная предельная теорема
- •2. Числовые характеристики выборки
- •2.1. Выборочное среднее
- •Выборочная дисперсия
- •3. Статистический ряд. Статистическая функция распределения
- •4. Статистическая совокупность. Гистограмма
- •1. Оценка параметров
- •2. Метод наибольшего правдоподобия для нахождения оценок
- •3. Метод наименьших квадратов
Так как под интегралом в (1) находится неотрицательная величина, то, выбросив из интервала интегрирования отрезок ав, мы значение интеграла не увеличим, т.Е.
Так как теперь , то
Отсюда непосредственно и вытекает неравенство Чебышева.
Если Х – дискретная случайная величина, то доказательство неравенства Чебышева проводится по проделанной выше схеме с той лишь разницей, что вместо интеграла нужно записать сумму.
Так как
,
то неравенство Чебышева можно записать в другом виде
Пример. Если взять , то получим, что неравенство Чебышева дает оценку
,
что заведомо выполняется, т.к. вероятность
С другой стороны, если взять , то
,
т.е. дает неплохую оценку. Таким образом, мы видим, что неравенство Чебышева полезно лишь относительно (относительно х) больших
Теорема Чебышева. При неограниченном увеличении числа независимых испытаний среднее арифметическое наблюдаемых значений случайной величины, имеющих конечную дисперсию, сходится по вероятности к ее математическому ожиданию.
Определение. Случайные величины сходятся по вероятности к величине а, если для , начиная с которого выполняется неравенство или, если для любого малого
Итак, нужно доказать, что для любого малого
Доказательство. Введем случайную величину
Найдем числовые характеристики случайной величины Y, пользуясь их свойствами:
Теперь применим неравенство Чебышева к случайной величине Y:
Так как по условию Dx ограничена, то
Прежде чем сформулировать центральную предельную теорему введем характеристические функции.
2. Характеристические функции
Характеристические функции являются одним из способов описания случайных величин, удобным при решении многих задач теории вероятностей.
Пусть имеется вещественная случайная величина Х. Введем комплексную случайную величину W по следующему закону:
где .
Определение. Характеристической функцией g(t) случайной величины Х называется математическое ожидание случайной величины W, т.е.
Зная закон распределения случайной величины Х, всегда можно найти ее характеристическую функцию g(t).
Для дискретной случайной величины х с законом распределения
-
Х
х1
х2
...
хn
Р
p1
p2
...
pn
характеристическая функция
Для непрерывной случайной величины с плотностью распределения вероятностей f(x) характеристическая функция
является преобразованием Фурье плотности распределения f(x). С помощью обратного преобразования Фурье можно найти плотность распределения
Для того, чтобы эти формулы можно было применять требуется, чтобы
В качестве примера найдем характеристическую функцию нормированной гауссовской случайной величины. Плотность распределения вероятности нормированной гауссовской случайной величины имеет вид:
По определению имеем
(2)
После преобразования
и замены в интеграле
z = x – jt
соотношение (2) принимает вид
но так как
то
Таким образом характеристическая функция с точностью до постоянного множителя совпадает с плотностью распределения.