Формулы ТВ
.pdfФОРМУЛЫ
ТЕОРИЯ ВЕРОЯТНОСТЕЙ
ОСНОВНЫЕ ФОРМУЛЫ КОМБИНАТОРИКИ
|
A , a Î A содержит n элементов, |
|
|
|
|
|
||
Правила сложе- |
B , b Î B – m элементов. |
|
|
|
|
|
||
ния и умножения |
Выбор “ a или b ” можно осуществить n + m способами, |
|||||||
|
выбор “ a и b ” – n ´ m способами |
|
|
|
|
|
||
|
Выборки без возвращения |
|
|
|
|
|
||
Число перестановок n элементов |
|
Pn = n! |
||||||
Число размещений из n по m (m £ n) |
|
Anm = |
n! |
|
||||
(n - m)! |
||||||||
|
|
|
|
|
||||
Число сочетаний из n по m (m £ n) |
|
Cnm = |
|
n! |
|
|||
|
m!×(n - m)! |
|||||||
|
|
|
|
Выборки с возвращением (с повторениями)
Число размещений с повторениями из n по m |
|
|
%m |
= n |
m |
||||
|
|
An |
|
|
|||||
Число сочетаний с повторениями из n по m |
|
|
% m |
|
|
m |
|
|
|
|
|
Cn |
= Cn+m-1 |
||||||
Пусть n –элементное множество состоит из эле- |
|
|
|
|
|
|
|
|
|
ментов k различных типов, причем 1–й элемент |
|
|
|
|
|
|
|
|
|
повторяется n1 раз, 2–й элемент – n2 раз,…, k –й |
|
|
|
|
|
|
n! |
|
|
– nk раз и n1 + n2 + ...+ nk = n . Перестановки n |
Pn (n1 |
,n2 |
,...,nk ) = |
|
|
||||
элементов данного множества называются пере- |
|
n1!×n2!×...×nk! |
|||||||
|
|
|
|
|
|||||
становками с повторениями. |
|
|
|
|
|
|
|
|
|
Число перестановок из n элементов с |
|
|
|
|
|
|
|
|
|
повторениями по n1 , n2 , …, nk |
|
|
|
|
|
|
|
|
|
СЛУЧАЙНЫЕ СОБЫТИЯ
ОСНОВНЫЕ ПОНЯТИЯ
Испытание (опыт)
Совокупность условий, которые могут повторяться произвольное количество раз
Событие (исход) Результат испытания
КЛАССИФИКАЦИЯ СОБЫТИЙ
Достоверное (Ω) |
Обязательно произойдет |
|||
Невозможное (Ø) |
Не может произойти |
|||
Случайное (А, В, С,…) |
Может произойти или не произойти |
|||
|
|
|
Обязательно произойдет, если не |
|
Противоположное ( A) |
||||
произойдет А |
||||
|
|
|
||
Элементарное событие |
Неделимое на более простые события |
|||
(элементарный исход) |
в условиях данного опыта |
|||
Совместные |
Появление одного не исключает по- |
326
|
явление других |
|
|
Несовместные |
Появление одного исключает появле- |
|
|
ние других |
|||
|
|||
Равновозможные |
Нет оснований считать какое-то более |
|
|
возможным, чем другие |
|||
|
|||
|
Несовместные, в совокупности ис- |
|
|
Полная группа событий A1 , A2 ,...An |
черпывающие все возможные исходы |
||
|
A1 + A2 + ...+ An = W , Ai Aj = Æ, i ¹ j |
|
|
Пространство элементарных исходов |
Полная группа элементарных исходов |
||
|
|
|
ВЕРОЯТНОСТЬ
Вероятность события P (A) – численная мера степени возможности появ-
ления события А, 0 £ P (A) £1.
ВАРИАНТЫ ОПРЕДЕЛЕНИЙ ВЕРОЯТНОСТИ
Статистическое определение вероятности
Число, около которого группируются относительные частоты при увеличении числа испытаний, называется статистической вероятностью рассматриваемого события.
Относительной частотой W ( A) события А называют отношение числа испытаний m, в которых событие А появилось, к числу всех проведенных испы-
таний n: W (A )= mn .
Классическое определение вероятности
Пусть пространство элементарных событий W состоит из конечного числа равновозможных элементарных исходов.
m
n , где m – число благоприятствующих исходов, n – общее число несо-
вместных равновозможных исходов, составляющих пространство исходов.
Геометрическое определение вероятности
Используется, если число равновозможных исходов бесконечно и несчетно. Пусть каждый результат испытаний определяется случайным положением точки в некоторой области W (отрезок линии, фигура на плоскости, тело в
пространстве), мера которой m(W) (под мерой области будем понимать длину, площадь, объем). Наступлению события А благоприятствует попадание
точки в область A Í W. Вероятность события А: P(A )= m(A) , где m(A) -
m(W )
мера области А.
327
Аксиоматическое определение вероятности
Если событие не обладает симметрией возможных исходов, ероятности нельзя вычислить по классической формуле. В этом случае используется аксиоматический теоретико-множественный подход: рассматривается пространство исходов W; каждому исходу или множеству исходов A Í W , соответствующему некоторому событию А, ставится в соответствие вероятность события P ( A) – число, удовлетворяющее следующим условиям:
1)Вероятность любого события заключена между 0 и 1: 0 £ P( A) £1.
2)Вероятность достоверного события P (W) = 1.
3)Если А и В – несовместные события ( A × B = Æ ), то P( A + B) = P( A) + P(B)
или для любого числа событий A1, A2 ,K, An , если Ai × Aj = Æ при i ¹ j , то
P çæ |
n |
|
n |
åAi ÷ö |
= åP (Ai ), т.е. вероятность суммы несовместных событий равна |
||
è i =1 |
ø |
i =1 |
сумме вероятностей этих событий. A1, A2 ,K, An , или, для счетного множества несовместных событий A1, A2 ,K, An ,K( Ai × Aj = Æ, i ¹ j) ,
P çæ |
¥ |
|
¥ |
åAi ÷ö |
= åP (Ai ). |
||
è i=1 |
ø |
i =1 |
Следствия:
1.Вероятность невозможного событияP (Æ) = 0 .
2.Если A Í B (событие А влечет за собой событие В), то P( A) £ P(B) .
3.Если события A и A противоположны, P(A) + P( A) =1.
4. Если события A1, A2 ,K, An образуют полную группу несовместных собы-
n |
n |
тий, т.е. если åAi = W, ( Ai × Aj = Æ, |
i ¹ j), то åP( Ai ) =1. |
i=1 |
i=1 |
Теорема сложения вероятностей |
|
Если события А и В совместны, A × B ¹ Æ , то Для несовместных событий А и В: P( A + B) = мы трех совместных событий А, В и С:
P (A + B + C ) = P (A) + P (B ) + P (C )- P (AB )
P(A + B) = P(A) + P(B) - P(AB) .
P( A) + P(B) . Вероятность сум-
- P (AC ) - P (BC ) + P (ABC ).
Условная вероятность события А, |
при |
P (B |
|
A) = |
P (AB ) |
|||
|
||||||||
условии, что событие В произошло |
|
|
,P (A )¹ 0. |
|||||
|
P (A ) |
|||||||
|
||||||||
Теорема умножения вероятностей |
|
P (AB ) = P (A)× P (B |
|
A), |
||||
|
|
|||||||
|
P (AB ) = P (B )× P (A |
|
B) |
|||||
|
|
|||||||
|
|
|
||||||
|
|
|
|
|
|
|
|
|
Для произвольного числа событий
P (A1 × A2 ×...× An ) = P (A1 )× P (A2 A1 )× P (A3 A1 × A2 )×...× P (An A1 × A2 ×...× An-1 ).
328
События А и В независимы, если вероятность события А не зависит от того, произошло событие В или нет, т.е., P (A B) = P (A). В противоположном слу-
чае, если P (A B) ¹ P (A), события А и В зависимы.
Для независимых событий Р(А·В)=Р(А)·Р(В).
Для нескольких независимых событий Р(А1·А2·…·Аn)=Р(А1)·Р(А2)·…·Р(Аn), или
P çæ |
n |
|
n |
Õ Ai ÷ö |
= ÕP (Ai ), |
||
è |
i =1 |
ø |
i =1 |
Формула полной вероятности
Событие A может произойти только вместе с одним из n взаимоисключающих событий (гипотез) H1 ,H2 ,...,Hn , образующих полную группу:
H1 + H2 + ...+ Hn = W , Hi H j = Æ (i ¹ j).
Известны вероятности реализации гипотез:
n
P(H1 ), P(H2 ),..., P(Hn ) , åP(Hi ) = 1
i=1
и условные вероятности события А при реализации каждой из гипотез:
P(A|H1), P(A|H2),…,P(A|Hn).
|
|
|
|
|
n |
|
|
|
|
|
( |
|
|
|
i ) |
|
Полная вероятность события А: P |
( |
A |
) |
= |
å |
P |
( |
H |
i |
) |
A |
|
H |
. |
||
|
|
|
|
|
× P |
|
|
|
||||||||
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
Формула Бейеса (теорема гипотез) |
|
|||||||||||||||
|
|
|
||||||||||||||
Вероятности гипотез P(H1 ), P(H2 ),..., P(H n ) |
|
заданы до наступления |
события А. После того, как произошло событие А, вероятности гипотез изменяются из-за получения дополнительной информации, что событие А про-
изошло: Р(Н1|А), Р(Н2|А),…, Р(Нn|А).
P (Hi |
|
A) = |
P (Hi )P (A |
|
Hi ) |
i =1, 2..., n . |
||||
|
|
|||||||||
|
||||||||||
|
|
|
|
|
, |
|||||
|
n |
|
|
|
||||||
|
|
|
åP (Hi |
)P (A |
|
Hi ) |
|
|||
|
|
|
|
i=1
Повторение опытов. Формула Бернулли
Рассмотрим сложный опыт, состоящий из нескольких независимых простых испытаний. Вероятность появления события А в каждом из них
P (A) = p , вероятность противоположного события P (A) = 1 - p = q .
Вероятность появления события А m раз в серии из n независимых опытов (формула Бернулли):
Pn (m) = Cnm pmqn-m = |
n! |
|
pm (1- p)n-m . |
|
m!(n - m)! |
||||
|
|
329
Вероятность того, что в n испытаниях событие А наступит
|
менее m раз: |
|
|
|
|
|
Pn (0) + Pn (1) +...+ Pn (m -1) , |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
более m раз: |
|
|
|
|
|
Pn (m +1) + Pn (m + 2) +... + Pn (n) , |
|
|||||||||||||||||||||||||||||||||||
|
не менее m раз: |
|
Pn (m) + Pn (m +1) +... + Pn (n) , |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
не более m раз: |
|
|
Pn (0) + Pn (1) +... + Pn (m) . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
Предельные случаи формулы Бернулли |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
Предельные теоремы Муавра - Лапласа |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
Вероятность P n (m) |
того, что при n независимых испытаниях событие А |
|||||||||||||||||||||||||||||||||||||||||
появляется m раз при больших n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
P |
|
(m )» |
|
|
1 j(x ) |
|
x = |
m |
- np |
|
|
, j( x) = |
|
|
1 |
|
|
× е- |
x2 |
|
|||||||||||||||||||||||
n |
|
|
|
|
|
|
|
|
|
2 |
|
– функция Гаусса. |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
npq |
|
|
|
, где |
|
|
npq |
|
|
|
|
|
|
|
|
|
|
2p |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
Вероятность того, что событие А наступит в n испытаниях не менее m1 раз, |
||||||||||||||||||||||||||||||||||||||||||
но не более m2 раз: |
|
|
|
|
|
m1 |
- np |
|
|
|
|
m2 |
- np |
|
|
|
|
||||||||||||||||||||||||||
P |
(m ,m |
) » Ф (x ) -Ф (x ), x1 = |
, x2 = |
, |
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||||||||||||
n |
|
1 2 |
|
|
|
|
|
|
2 |
|
|
1 |
|
|
|
|
|
|
npq |
|
|
|
|
|
npq |
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
1 |
|
x |
|
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Ф (x )= |
|
|
òe- |
|
|
dz – функция Лапласа. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Теоремы Муавра-Лапласа используют, если p и q не малы, а npq > 9 . |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
Формула Пуассона |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
P |
n ( |
m » |
lme-l |
|
, где |
l = np |
( n |
> |
10 , p |
< |
0,1, |
np |
< |
|
9 ). |
||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
) |
|
|
m! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
СЛУЧАЙНЫЕ ВЕЛИЧИНЫ |
|
||||||||||||||||||||||||||||
|
|
|
|
||||||||||||||||||||||||||||||||||||||||
Пусть W = w |
– пространство элементарных событий. Случайная величина |
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
{ |
} |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
(с.в.) |
X – функция X (w), определенная на множестве W , принимающая чи- |
||||||||||||||||||||||||||||||||||||||||||
словые значения и такая, что для любого x Î R определена вероятность |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P (X < x) |
= P w |
: X (w) < x |
} |
. |
|
|
||||||||||||||||||||||
Эта вероятность P(X <x) =F(x) |
|
|
|
|
|
{ |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
называется функцией распределения с.в. X . |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
0 £ F (x ) £ 1 |
||||||||||||||||||
Свойства функции распределения |
|
2 |
P{a £ X < b} = F (b)- F (a ) |
||||||||||||||||||||||||||||||||||||||||
3 |
F (x1 ) £ F (x2 ), если x1 < x2 ; |
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
F (-¥) = 0, F (¥) = 1 |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
330 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для дискретной с.в. X , принимающей значения x1, x2 ,... с вероятностями p1, p2 ,... функция распределения
F (x) = P{X < x} = å pi ,
xi <x
где суммируются вероятности тех значений xi , которые меньше x . Для непрерывной с.в. X функция распределения
x
F (x )= ò f (t )dt ,
-¥
где f (x) – плотность распределения (плотность вероятности).
|
|
|
|
1 |
|
f (x ) ³ 0 |
||||
|
|
|
|
|
|
|
¥ |
f (x )dx = 1 |
||
|
|
|
|
2 |
|
ò |
||||
Свойства плотности вероятности |
|
|
|
|
-¥ |
|
|
|||
|
3 |
|
f (x ) = F ¢(x ) |
|||||||
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
4 |
|
P{a < X < b}= ò f (x )dx |
||||
|
|
|
|
|
|
|
|
|
|
a |
Рядом (или законом) распределения дискретной с.в. X называют таблицу |
||||||||||
вида |
|
|
|
|
|
|
|
|
|
|
|
X |
x1 |
x2 |
|
x3 |
|
… |
|
||
|
P |
p1 |
p2 |
|
p3 |
|
… |
|
Числовые характеристики случайных величин
Характеристики положения с.в. – математическое ожидание, мода и медиана.
Математическое ожидание (среднее значение) случайной величины X
n |
¥ |
M (X )= åxi pi = mx |
mx = M (X )= ò x × f (x)dx |
i=1 |
-¥ |
(для дискретной с.в.) |
(для непрерывной с.в.) |
Свойства математического ожидания
1)M (C ) = C , C - const ;
2)M (CX ) = CM (X ) ;
3) |
M (X ± Y ) = M (X ) ± M (Y ) , X и Y – любые с.в.; |
4) |
M (X ×Y ) = M (X ) × M (Y ) , если X и Y – независимые с.в. |
С.в. называются независимыми если для любых x и y имеет место равенст-
во P{X < x,Y < y} = P {X < x}× P {Y < y}.
331
Мода Mox дискретной с.в.– ее |
Мода непрерывной с.в.– значение, при ко- |
наиболее вероятное значение |
тором плотность вероятности максимальна |
Медиана Mex непрерывной с.в. – такое значение с.в., для которого
1
P{X < Mex }= P{X > Mex }= 2 .
Характеристики рассеяния с.в. относительно среднего значения – дисперсия и среднее квадратичное отклонение (СКО).
Дисперсия случайной величины X : |
D (X )= Dx = M ((X - mx )2 ); |
||
Для вычислений удобна формула: |
Dx = M (X 2 )- (mx |
2). |
|
|
|
|
|
n |
¥ |
|
|
Dx = ò (x - mx )2 f (x )dx |
|||
Dx = å(xi - mx )2 pi |
|||
i =1 |
-¥ |
|
|
(для дискретной с.в.) |
(для непрерывной с.в.) |
|
Свойства дисперсии
1)D (C ) = 0 , C - const ;
2)D (CX ) = C2 D (X );
3)D (X ±Y ) = D (X ) + D (Y ) , X и Y – независимые с.в.
Среднее квадратическое отклонение (СКО): s (X ) = s x = Dx .
Моменты случайных величин
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
as (X )= åxis pi |
||||
Начальный момент порядка s |
|
i=1 |
|||||||||
(для дискретной с.в.) |
|||||||||||
с.в. Х – математическое ожидание |
|||||||||||
|
|
|
|
||||||||
с.в. X s : |
as (X ) = M (X s ). |
¥ |
x |
s |
f (x )dx |
||||||
|
|
|
|
|
|
|
as (X )= ò |
|
|||
|
|
|
|
|
|
|
-¥ |
|
|
|
|
|
|
|
|
|
|
|
(для непрерывной с.в.) |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
as (X )= å(xi - mx )s pi |
||||
Центральный момент порядка s |
i =1 |
|
|
|
|||||||
(для дискретной с.в.) |
|||||||||||
с.в. Х : |
( |
(X - M (X )s |
) |
|
|
|
|
|
|||
m |
s |
(X )= M |
. |
¥ |
|
|
|
||||
|
|
|
|
as (X )= ò (x - mx )s f (x )dx |
|||||||
|
|
|
|
|
|
|
-¥ |
|
|
|
|
|
|
|
|
|
|
|
(для непрерывной с.в.) |
||||
|
|
|
|
|
|
|
|
|
|
|
332
Основные законы распределения случайных величин |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||
|
|
|
и их числовые характеристики |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
Название |
|
Формула |
|
|
|
M ( X ) |
|
D (X ) |
Примечания |
|
|
|||||||||||||||||||||||||||||||||||
Биномиаль- |
Pn (X = k ) = Cnk pk qn -k |
|
np |
|
npq |
|
|
0 £ k £ n |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
ное распре- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
деление |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Распределе- |
P (X = k ) = |
l |
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
ние Пуассо- |
|
|
e-l |
|
|
|
|
|
l |
|
|
l |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
k! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
на |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Равномер- |
|
ì 0, x |
< a, x > b, |
|
|
|
|
|
|
|
|
|
|
|
|
|
ì0, x < a, |
|
|
|
||||||||||||||||||||||||||
|
|
b + a |
|
(b - a ) |
2 |
|
|
ï |
|
|
|
|
- a |
|
|
|
|
|
|
|||||||||||||||||||||||||||
ное распре- |
f (x) = |
ï |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F ( x) = |
ï x |
, a |
£ x £ b , |
|||||||||||||||||||||
í |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
í |
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
деление |
|
ï |
|
|
, a £ x £ b. |
2 |
|
|
|
12 |
|
|
|
|
ïb - a |
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
îb - a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ï1, |
x > b. |
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
î |
|
|
|
|
|
|
|
|
|
|
|
|
|
Показатель- |
|
ì |
le |
-l x |
, x ³ 0, |
1 |
|
|
|
1 |
|
|
|
|
|
ì |
|
|
|
- |
e |
-l x |
, x |
³ |
0, |
|||||||||||||||||||||
ное распре- |
f (x) = í |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F ( x) = |
1 |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
í |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
деление |
|
î0, x < 0, |
|
|
|
|
|
l |
|
|
l2 |
|
|
|
î0, x < 0. |
|
|
|||||||||||||||||||||||||||||
Нормальное |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(x-m )2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
распределе- |
f (x )= |
|
|
|
|
|
1 |
|
|
|
|
|
|
- |
|
m |
|
|
|
2 |
|
|
F (x )= |
1 |
|
|
|
|
|
|
æ х - m ö |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2s 2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
ние |
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
+Ф ç |
|
|
|
÷ |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
s |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
N (m,s ) |
|
s |
|
|
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
|
|
ø |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Стандарт- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ное нор- |
|
|
|
|
|
|
|
1 |
|
|
- |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
F (x )= |
1 |
+Ф (x ) |
|
|
|||||||||||||||||
мальное |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
f ( x ) = |
|
|
|
|
|
|
|
|
|
e 2 |
0 |
|
|
|
1 |
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
распределе- |
|
|
|
|
|
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
ние N (0,1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
Сумма квадратов независимых с.в. |
Х1 , Х 2 ,..., Х n , распределенных |
||||||||||||||||||||||||||||||||||||||||||||
|
по стандартному нормальному закону N (0,1) распределена |
по |
||||||||||||||||||||||||||||||||||||||||||||
Распределе- |
закону, называемому «хи – квадрат с n степенями свободы»: |
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
ние c2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c 2 = åX i2 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
(Пирсона) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если эти величины связаны одним линейным соотношением, на-
n
пример, åXi =nX , число степеней свободы уменьшается, k =n-1.
i=1
333
Z – с.в., распределенная по закону N (0,1) , а V – независимая
|
от Z |
с.в., распределенная по закону c2 с k степенями свободы. |
||||||||||
t – распре- |
Величина |
|
|
|
|
|
|
|||||
|
|
Z |
|
|
|
Z |
||||||
деление |
|
t = |
|
= |
|
|||||||
|
|
|
|
|
|
|
|
|
||||
|
V |
c 2 |
||||||||||
Стьюдента |
|
|
|
|
|
|||||||
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
||||
|
распределена по закону, называемому t – распределением |
|||||||||||
|
Стьюдента с k степенями свободы. |
|
|
|
|
|||||||
|
|
|||||||||||
|
Если независимые с.в. U и V распределены по закону c2 с k и |
|||||||||||
|
|
|
|
|
|
|
|
|
1 |
|||
F – распре- |
k2 степенями свободы соответственно, то величина |
|||||||||||
|
|
|
æU |
ö |
|
|
|
|||||
деление |
|
ç |
k |
÷ |
|
|
|
|||||
Фишера – |
|
è |
1 |
ø |
|
|
|
|||||
|
F = æV |
ö |
|
|
|
|||||||
Снедекора |
|
ç |
k2 |
÷ |
|
|
|
|||||
|
è |
ø |
|
|
|
распределена по закону, называемому распределением Фишера
– Снедекора со степенями свободы k1 и k2 .
Закон распределения функции от одной случайной величины
Если дискретная с.в. X имеет ряд распределения
X |
x1 |
x2 |
x3 |
… |
P |
p1 |
p2 |
p3 |
… |
и задана монотонная функция y = g (x ), то дискретная с.в. Y = g (X ), яв-
ляющаяся функцией X , имеет ряд распределения
Y |
g (x1 ) |
g (x2 ) |
g (x3 ) |
… |
P |
p1 |
p2 |
p3 |
… |
Если y = g (x ) – немонотонная функция, то среди ее значений g (x1 ), g (x2 ), g (x3 ), … могут быть равные. В этом случае столбцы с равными значениями g (xi ) объединяют в один столбец, а соответствующие вероятности складыва-
ют.
334
Пусть непрерывная с.в. X имеет плотность распределения fX (x); если функ-
ция y = g (x ) монотонна, то с.в. Y = g (X ) |
имеет плотность распределения |
||||||||||
f |
Y |
(y )= f |
X ( |
g-1 (y ) |
× |
|
( |
g-1 |
(y )¢ |
|
, |
|
|
||||||||||
|
|
) |
|
|
|
) |
|
||||
где x = g -1 ( y ) – функция, обратная к y = g (x ). |
|
|
|
||||||||
В случае, если y = g (x ) |
немонотонна, для нахождения |
fY (y ) область опре- |
деления y = g (x ) нужно разбить на промежутки монотонности, на каждом участке найти обратную функцию, найти вклад в плотность вероятности
fY (y ) от каждого участка и результаты сложить:
f |
|
(y )= |
n |
f |
X ( |
g |
-1 ( y ) × |
( |
g |
-1 (y )¢ |
|
|
Y |
å |
. |
||||||||||
|
|
|
i |
) |
i |
) |
||||||
|
|
|
i=1 |
|
|
|
|
|
|
|
|
Двумерные случайные величины
Пусть на одном и том же пространстве элементарных событий W = {w} зада-
ны случайные величины X (w) и Y (w), то говорят, что задана двумерная
ur
случайная величина (X (w),Y (w)), или случайный вектор Z(w) =(X(w),Y(w)).
Геометрическая интерпретация двумерной с.в. – это случайная точка на плос-
uuuur
кости с координатами (X ,Y ), или случайный вектор OM .
Функция распределения двумерной с.в. (X ,Y ) определяется соотношением
F ( x, y) = P{X < x,Y < y} и геометрически определяет вероятность попадания случайной точки (X ,Y ) в бесконечный квадрант с вершиной в точке
(x, y ), лежащий левее и ниже ее.
Закон распределения дискретной двумерной с.в. может быть задан с помощью таблицы
xi |
yi |
y1 |
y2 |
… |
ys |
|
|||||
|
|
|
|
|
|
x1 |
|
p11 |
p12 |
… |
p1s |
x2 |
|
p21 |
p22 |
… |
p2s |
… |
|
… |
… |
… |
… |
xk |
|
pk1 |
pk 2 |
… |
pks |
где pij = P{X = xi ,Y = y j } – вероятность того, что случайная величина X
примет значение xi , а случайная величина Y – значение y j , pij ³ 0 , при этом
åå pij = 1.
i j
335