- •1 Вводные понятия
- •2 Алгебра событий
- •5 Аксиомы теории вероятностей и следствия из них
- •3 Формула классической вероятности (схема урн)
- •4 Схема геометрической вероятности.
- •6 Формула сложения вероятностей.
- •7 Условные вероятности. Независимость событий.
- •Вероятность осуществления b при условии, что произошло a в том же эксперименте, определяется через отношение двух безусловных вероятностей.
- •8 Зависимые и независимые события
- •9 Правила вычисления вероятностей сложных событий.
- •10 Последовательность независимых испытаний. Схема Бернулли.
- •11 Случайные величины
- •Функция распределения случайно величины и ее свойства.
- •12 Закон распределения случайной величины дискретного типа.
- •13 I. Равномерное распределение (дискретное)
- •II. Биномиальное распределение
- •III. Распределение Пуассона
- •IV. Геометрическое распределение
- •14 Пуасоновское распределение как предельный случай биномиального.
- •15 Свнт и их законы распределения.
- •3) Функция распределения всегда непрерывна у свнт.
- •16 Числовые характеристики свнт.
- •Если перейдем к функции распределения, то заметим, что hx – корень уравнения .
- •17 Основные классические распределения непрерывного типа и их характеристики.
- •19 Интеграл вероятности и его свойства
- •20 Случайные векторы
- •Свойства двумерной функции распределения.
- •21 Случайные векторы дискретного типа (свдт) и их законы распределения.
- •24 Независимость случайных событий.
- •23 Вероятность попадания в область на плоскости
- •25 Функция от случайных величин. Теоремы о мат. Ожидании функций.
- •26 Свойства числовых характеристик случайного вектора.
- •Следствия из свойства 5.
- •Доказать, что если 4, то автоматически существует 1, 2, 3, используя неравенство Коши-Буняковского.
- •Пусть Перейдем от(X,y) к(u,V)путем преобразования стандартизациирассмотрим
- •28 Законы распределения функций
- •31 Законы больших чисел.
- •Неравенства Чебышева. Первое неравенство Чебышева.
- •При увеличении числа опытов по схеме Бернулли относительная частота успехов
- •32 Центральная предельная теорема.
- •33 Следствия цпт для схемы Бернулли.
- •34 Основные понятия математической статистики.
13 I. Равномерное распределение (дискретное)
ХR(n), n- число дискретов. Таблица распределения в этом случае имеет вид:
Х |
х1 |
х2 |
… |
хn |
P |
… |
mx=-среднее арифметическое.
Dx=
II. Биномиальное распределение
Пусть ХB(n,p), т.е. спектр возможных значений Ex={0,1,2,…,n}
P{X=k}=Pn,k(p)=, k Ex
Найдем mx и Dx
mx= (*)
Эту сумму можно свернуть двумя способами:
1) С использованием бинома Ньютона
/*Формула бинома Ньютона
(3) (q+p)n=,q и p - произвольные действительные числа.
Если q+p=1, то бином Ньютона дает нормировку и возможность использовать различные операции */
Выражение (*) отличается от (3) на множитель k, поэтому (3) надо продифференцировать по k и умножить на p:
P[(q+p)n]'=mx=p(n(q+p)n-1)(q+p)=1=np
mx=mp
Для вычисления дисперсии по формуле (2) находим :
=
[(q+p)n]'=[n(q+p)n-1]=
p[np(q+p)n-1]'p==pn((q+p)n-1+(n-1)p(q+p)n-2)= (т.к. q+p=1) =np(1+np-p)=np(q+np)=|q=1-p|=n2p2+npq
Dx=-= n2p2+npq- n2p2=npq
Dx=npq
2) С помощью производящей функции
/* Производящая функция для биномиального распределения:
(x)=(q+px)n=,где Pn,k - биномиальные вероятности.
mx= '(x)|x=1 =n(q+px)n-1p=np(q+1-q)n-1=np
=[x '(x)]'x=1=np+xnp(n-1)p(q+px)n-2=np(1+np-p)=np(np+q)
Dx=(np)2+npq-(np)2=npq
Dx=npq
III. Распределение Пуассона
Определение: Говорят, что Х подчиняется распределению Пуассона с параметром >0 (кратко пишут: XPu()), если множество возможных значений Ex=={0,1,2,…},а соответствующие вероятности вычисляются так:
Pk=P{X=k}=(4)
Вычислим mx и Dx.
Нормировка: ===1
mx=======
====
=+=+=
Dx=
Dx=mx=
X~Pu() mx=Dx=
X~B(n,p) mx=np, Dx=npq
Распределение Пуассона описывает:
- число атомов, распавшихся в единицу времени (радиоактивный распад)
- число независимых вызовов на АТС в единицу времени
IV. Геометрическое распределение
Определение: Говорят, что "Х распределена по геометрическому закону с параметром р>0 (Запись: Х~Гео(р)), если Ex=N, P{X=xk}=qk-1p
Это распределение встречается в опытах до 1-го успеха (включительно) по схеме Бернулли, где х-число проведенных опытов до 1-го успеха.
Нормировка: ===1
14 Пуасоновское распределение как предельный случай биномиального.
Теорема 6.1. Пусть X~B(n,p), причем положим =np, т.е. и устремим n( - некоторая константа) при этом = const, Pn,k()=== при n
Теорема показывает, что пир выполнении условий : n-велико, p-мало, -фиксированная — биномиальные вероятности хорошо аппроксимируются пуассоновскими.
Более тщательная оценка:
, для любых k=0,1,…,n
Интерпретация пуассоновского распределения, приходящая из биномиального, есть закон редких явлений.
Пример 1. Система коммутаций на АТС содержит n=50000 независимо работающих элементов. Вероятность отказа каждого за время Т равна p=210-5
Найти среднее (по распределению) число отказавших за время Т элементов и наиболее вероятное число отказавших элементов.
Какова вероятность, что за время Т откажет не менее 2-х элементов?
Решение.
Очевидно, что Х-(число отказавших за время Т элементов)~В(50000, p=210-5), но np= = 5104210-5=1.
1) Используем аппроксимацию: mx=np=1 — среднее число
Наиболее вероятное число отказавших элементов тоже равно 1 (P{X=k}=, P{X=k}= k=1)
2) Используем аппроксимацию Пуассона:
P{X2}=1-p{X<2}=1-p0-p1=1-e-1- e-1=1-2e-1=1-0,7358=0,2642