- •1. Случайные события
- •1.1. Понятие теории вероятностей
- •1.2. События и их вероятности
- • Виды событий
- • Вероятность события
- • Принцип практической невозможности маловероятных событий
- • Сумма вероятностей событий, которые образуют полную группу,
- •1.3. Элементы комбинаторики
- • Перестановки, сочетания и размещения без повторений
- • Перестановки
- • Размещения
- • Правило сложения и правило умножения комбинаций
- • Перестановки, сочетания и размещения с повторениями
- • Сочетания с повторениями
- • Размещения с повторениями
- •1.4. Классическое определение вероятности:
- •1.5. Геометрическое определение вероятности
- •1.6. Теоремы сложения и умножения вероятностей
- • Зависимые и независимые события
- • Теорема умножения вероятностей независимых событий
- • Задачи на теоремы сложения и умножения
- • Условная вероятность
- • Теорема умножения вероятностей зависимых событий
- •1.7. Формула полной вероятности
- •1.8. Формулы Байеса
- •1.9. Независимые испытания и формула Бернулли
- •1.10. Формула Пуассона
- •1.11. Локальная теорема Лапласа
- •1.12. Интегральная теорема Лапласа
- •1.13. Статистический подход к определению вероятности
- • и обратная задача
- •2. Случайные величины
- •2.1. Понятие и виды случайных величин
- •2.2. Дискретная случайная величина
- • Математическое ожидание дискретной случайной величины
- • Формула для нахождения дисперсии
- • Многоугольник распределения
- • Вероятность попадания в промежуток
- •2.3. Наиболее распространённые дискретные распределения
- • Биномиальное распределение вероятностей
- • Гипергеометрическое распределение вероятностей
- •2.4. Непрерывная случайная величина
- • Вероятность попадания в промежуток
- • функция ПЛОТНОСТИ распределения вероятностей
- •2.5. Распространённые виды непрерывных распределений
- • Равномерное распределение вероятностей
- • Показательное распределение вероятностей
- • Нормальный закон распределения вероятностей
- •Решения и ответы
Многоугольник распределения
Итак, пусть дискретная случайная величина X задана своим законом распределения:
Многоугольником распределения вероятностей данной величины называют
ломаную, звенья которой соединяют соседние точки (xi ; pi ) . Иногда вместо
«многоугольника» используют термин полигон, но этот вариант больше в ходу в математической статистике.
Всё очень просто:
Задача 91
Построить многоугольник распределения вероятностей случайной величины X
Решение: чертим прямоугольную систему координат, в которой по оси абсцисс отсчитываются xi – значения случайной величины, а по оси ординат pi – их вероятности.
Отмечаем на чертеже точки (xi ; pi ) , в данном случае их пять, и соединяем «соседей» отрезками:
При выполнении чертежа от руки по возможности придерживайтесь следующего масштаба:
горизонтальная ось: 1 ед. = 2 тетрадные клетки (1 см); вертикальная ось: 0,1 = 2 тетрадные клетки.
Если значения xi достаточно велики, то ось абсцисс можно «разорвать» (не чертить её кусочек после единицы), и справа продолжить нумерацию, например, с 20.
Теперь обратите внимание на следующую важную вещь: помимо того, что дискретную случайную величину можно изобразить с помощью многоугольника – её ведь можно ещё и ЗАДАТЬ этим способом. До сих пор мы делали это с помощью таблички, но никто же не мешает использовать и чертёж!
Внимание! Это демо-версия книги, полную и свежую версию курса можно найти здесь: http://mathprofi.com/knigi_i_kursy/ |
105 |
|
Задача 92
Дискретная случайная величина X задана своим многоугольником
Записать закон распределения данной случайной величины, выполнить проверку.
Это задание для самостоятельного решения. И тут мы, кстати, видим изъян графического способа: по чертежу не всегда понятны точные значения случайной величины и их вероятности.
На практике задачи с многоугольником встречаются довольно часто, но гораздо бОльшее распространение получила:
Функция распределения случайной величины Стандартное обозначение: F (x)
Идля дискретной, и для непрерывной случайной величины она определяется одинаково:
…, где P( X x) – вероятность того, что случайная величина X примет значение,
МЕНЬШЕЕ, чем переменная x , которая «пробегает» все действительные значения от
«минус» до «плюс» бесконечности.
Построим функцию распределения для нашей подопытной игры:
Начинаем разбираться. Чему, например, равно значение F ( 20) ? Это вероятность того, что выигрыш будет меньше, чем –20. И это невозможное событие:
F ( 20) P( X 20) 0 . Совершенно понятно, что F (x) 0 и для всех «икс» из интервала ( ; 5) , а также для x 5 . Почему? По определению функции распределения:
F ( 5) P( X 5) 0 – вы согласны? Функция F (x) возвращает вероятность того, что в точке x 5 выигрыш будет СТРОГО МЕНЬШЕ «минус» пяти.
Таким образом: F (x) 0 , если x 5 .
Внимание! Это демо-версия книги, полную и свежую версию курса можно найти здесь: http://mathprofi.com/knigi_i_kursy/ |
106 |
|
На интервале 5 x 2,5 функция F (x) P( X x) 0,5 , поскольку левее любой точки этого интервала есть только одно значение x1 5 случайной величины, которое появляется с вероятностью 0,5. Кроме того, сюда же следует отнести точку x 2,5 , так как:
F (2,5) P( X 2,5) 0,5 – очень хорошо осознайте этот момент!
Таким образом, если 5 x 2,5 , то F (x) 0,5
Далее рассматриваем промежуток 2,5 x 10 . СТРОГО ЛЕВЕЕ любой точки этого промежутка находятся два выигрыша x1 5, x2 2,5, поэтому:
F (x) P( X x) 0,5 0,4 0,9
И, наконец, если x 10 , то F (x) P( X x) 0,5 0,4 0,1 1 , ибо все значения x1 5, x2 2,5, x3 10 случайной величины X лежат СТРОГО левее любой точки интервала x (10; )
Заметим, кстати, важную особенность: коль скоро функция F (x) характеризует вероятность, то она может принимать значения лишь из промежутка 0 F (x) 1 – и никакие другие!
Итак, функция распределения вероятностей ДСВ является кусочной и, как многие знают, в таких случаях принято использовать фигурные скобки:
0, |
если |
x 5 |
|
если |
5 x 2,5 |
0,5, |
||
F (x) |
|
|
0,9, |
если |
2,5 x 10 |
1, |
если |
x 10 |
|
|
|
График данной функции имеет разрывный «ступенчатый» вид:
Причём, функция F (x) или её график однозначно определяют сам закон распределения: в точке x1 5 высота «ступеньки» (разрыв) составляет p1 0,5 (следим
по графику), в точке x2 2,5 «скачок» разрыва равен |
p2 0,4 |
и, наконец, в точке x3 10 |
он равен в точности p3 0,1. |
|
|
Внимание! Это демо-версия книги, полную и свежую версию курса можно найти здесь: http://mathprofi.com/knigi_i_kursy/ |
107 |
|
Таким образом, функция распределения вероятностей – это ещё один способ ЗАДАТЬ случайную величину. И этот способ особо важен для непрерывной случайной величины – по той причине, что её невозможно описать таблицей (ввиду бесконечного и несчётного количества принимаемых значений). Однако, всему своё время, и НСВ – тоже.
Освоим технические моменты решения типовой задачи:
Задача 93
Построить функцию распределения случайной величины X
Найти вероятности того, что случайная величина примет значение из следующих промежутков:
P( 1 X 5), |
P(4 X 10), |
P( X 2), |
||||||
P(3 X 7), |
P(X 7), |
P |
|
X M (X ) |
|
(X ) …, пожалуй, достаточно. |
||
|
|
|||||||
Решение: На практике удобно использовать формальный алгоритм построения |
||||||||
функции распределения: |
|
|
|
|
|
|
|
|
Сначала берём первое значение x1 2 и составляем нестрогое неравенство |
||||||||
x 2 . На этом промежутке F (x) 0 . |
|
|
|
|
||||
На промежутке 2 x 0 (между x1 и x2 ): |
||||||||
На промежутке 0 x 3 (между x2 |
и x3 ): |
|||||||
На промежутке 3 x 7 (между x3 |
и x4 ): |
И, наконец, если x строго больше самого последнего значения x4 7 , то:
Легко заметить, что с увеличением «икс» идёт накопление (суммирование) вероятностей, и поэтому функцию F (x) иногда называют интегральной функцией
распределения. В практических задачах проведённые выше действия обычно выполняют устно, а результат сразу записывают под единую скобку:
Внимание! Это демо-версия книги, полную и свежую версию курса можно найти здесь: http://mathprofi.com/knigi_i_kursy/ |
108 |
|