- •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.
15 Свнт и их законы распределения.
1) , где fx –плотность распределения вероятности (1)
Fx = P{X<x}
Прямая аналогия с дискретным случаем.
Обратное представление:
2) , еслих – точка непрерывности
При таком распределении все скачки сглаживаются.
3) Функция распределения всегда непрерывна у свнт.
4) Р{x1 ≤ Х ≤x2}=Fx(x2)- Fx(x1)= Р{x1 ≤ Х ≤x2} (3)
5) Р{x ≤ Х ≤ x+x}=Fx(x+x)- Fx(x)= Fx(x)=F’x(x)x+0(x)перейдем к дифференциалам Р{x ≤ Х ≤ x+dx}= F’x(x)= fx(x)dx – вероятность попасть на участок dx.
Определение: fx(x)dx- называется элементом вероятности.
16 Числовые характеристики свнт.
Моменты:
начальные: (сумма заменяется на интеграл);
б) центральные: .
Частные случаи.
Mx=1,
0=1, 1=0;
Ремарка: Данные характеристики существуют тогда и только тогда, когда данные несобственные интегралы сходятся.
Dx=1=2-mx2.
Мода: - точка на осих, соответствует максимальной плотности, если она принадлежит Ех.
Медиана: Присуща только непрерывным случайным величинам.
hx – точка на оси х, для которой вероятность оказаться левее равна вероятности оказаться правее, т.е. Р{Х < hx}= Р{Х > hx}
Р{Х < x0}=0 для любого случая..
Если перейдем к функции распределения, то заметим, что hx – корень уравнения .
Определение: Данные характеристики называются характеристиками положения. Совпадают только в симметричном случае.
17 Основные классические распределения непрерывного типа и их характеристики.
Равномерное распределение.
fx=0, при и fx=,
fx(х)
a b x
Условия нормировки (обязательное требование к плотности): =1
, ;
Пример: Отчет времени измеряется прибором. Ошибка распределена равномерно между серединами двух соседних линий.
Обозначение: XR(a,b)
Показательное (экспериментальное) распределения.
Обозначение: XЕх()
fx=0, при х ≤ 0 или е-х при х>0;
Пример 1: Модель отказов радиоаппаратуры, приводящая к показательному распределению.
Пусть Х – время безотказной работы радиоаппаратуры. Формализация: пусть известно, что аппаратура проработала х единиц времени без сбоя. Причем, что вероятность отказа радиоаппаратуры за время х, следующее за моментом времени х, пропорциональна х и не зависит от того, сколько времени она проработала без сбоя.
Математика: Р{ Х <x2+хХ ≥x}=х =(х) (3)
Решение. Ищем закон распределения. РассмотримFх(х)= Fх(х+х)-Fх(х)=
=Р{ х<Х<х+х}= (используем произведение событий)=(по формуле умножения)==Р{ Х<х+хХ ≥ х}=(1-F(x)) (х+(х))
, .
Fx = 0 для х ≤ 0 . начальное условие Fx = 0.
-ln(1- Fx)= х+C
1- Fx=C1e-x, C1= ec
Fx=1- C1e-x
Fx(0)=1- C1e-0=1- C1=0 C1=1
Fx(x)=1- e-x
0, при х ≤ 0
Fx(x)=
1- e-x, при х>0.
0, при х ≤ 0,
Ответ: fx = Fx’(x)=
e-x, при х>0.
Примеры экспериментов: 1) Время ожидания очереди (массовое обслуживание).
2) Время поиска.
Характеристики экспоненциального распределения:
а) Вычислим
, k=1,2…
, (нормировка).
,
- имеет смысл величины обратной математическому ожиданию.
Dx= .
б) Вычислим медиану hx для данного распределения.
Fx(x)= , 1-=,=,x=
Распределение Симпсона:
Плотность имеет вид -
18 Нормальное распределение (гаусовское).
Введем обозначения
XN(m,).
, x R, m – любое, >0.
Графически: площадь над гаусовской кривой.
а) Вычислим математическое ожидание.
mx=
Первый интеграл – интеграл Пуассона и равен , второй интеграл – интеграл от нечетной функции, пределы симметричны интеграл равен 0.
mx=m.
б)
,
(4)
где k=1,2,3….
.