- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
22.16. Функция одного случайного аргумента и ее распределение
Если каждому возможному значения случайной величины Хсоответствует одно возможное значение случайной величиныY, тоY– функция отX: Y=j(X).
Найдем закон распределения вероятностей функции по известному распределению дискретного и непрерывного аргумента.
1) Если X– дискретная величина. Найти распределениеY=X2. Вероятности соответствующих значенийXи Yравны:
Х 2 3 Р 0,6 0,4
Y 4 9 Р 0,6 0,4
2) Пусть X– непрерывная случайная величина.
Пусть Y=j(X)и плотность распределенияf(x)известна, тогда
,
где
–
обратная функция для функцииу=j(х),
которая должна быть дифференцируемой
и строго возрастающей или убывающей
функцией.
Математическое ожидание функции одного случайного аргумента
Пусть Y=j(X) – функция случайного аргументаХ. НайдемM(Y).
Пусть Хдискретная случайная
величина:
с вероятностью
,Y– тоже дискретная случайная
величина со значениями:
с вероятностью
.
Тогда![]()
Пусть X– непрерывная случайная величина, заданная плотностьюf(x).
а) можно найти g(y)
– плотность распределения величиныYи
,
однако проще:
.
22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
До сих пор мы рассматривали случайные величины, возможные значения которых определялись одним числом – одномерные. Кроме одномерных случайных величин изучают величины, возможные значения которых определяются 2, 3,…, nчислами. Такие величины называются двумерными, трехмерными, …,n-мерными.
Будем обозначать через (X, Y) двумерную случайную величину. Каждую из величинX,Yназывают компонентами (составляющими); обе величиныXиY, рассматриваемые одновременно, образуют систему двух случайных величин.
Пример: станок штампует плитки. Если контролировать длину Xи ширинуY– то имеем двухмерную случайную величину (X,Y).
Закон распределения вероятностей дискретной двумерной величины
Закон распределения дискретной двумерной
случайной величины – перечень возможных
значений этой величины, т.е. пары чисел
и их вероятностей
.
|
|
Х | |||||
|
|
|
… |
|
… |
| |
|
|
|
|
|
|
|
|
|
… |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
… |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
События (Х=
,
=
)
образуют полную группу, поэтому сумма
вероятностей, помещенных в таблице,
равна 1. Можно найти законы распределения
каждой составляющей. События (Х=
,
=
),
(Х=
,
=
),…,(Х=
,
=
)
несовместны, поэтому
-
вероятность того, чтоХпримет
значение
равно сумме вероятностей «столбца
».
– просуммировать вероятности «столбца
».
Аналогично,
равно сумме вероятности строки
.
Функции распределения двумерной случайной величины
Функцией распределения двумерной
случайной величины (X,
Y) называют
,
определяющую вероятность того, чтоX<x,
Y<y:F(x,y)=P(X<x,
Y<y).
Свойства:
1.
–
вероятность.
2.
–
неубывающая функция по каждому аргументу,
т.е.
,
если
;
если
.
3. Предельные соотношения:
![]()
,
,
.
4.
,
.
При
функция распределения системы
становится функцией распределения
составляющейХ; при
функция распределения системы становится
функцией распределения составляющейY.
