- •Министерство образования и науки рф
- •1.2.Краткие исторические сведения
- •2.Основные понятия теории вероятностей
- •2.1.Событие. Вероятность события
- •2.2.Непосредственный подсчет вероятностей
- •2.3.Основные формулы комбинаторики
- •2.3.Частота и статистическая вероятность события
- •2.4.Случайная величина
- •3.Основные теоремы теории вероятностей
- •3.1. События как множества и операции над ними
- •3.2.Теорема сложения вероятностей
- •3.3.Теорема умножения вероятностей
- •3.4.Формула полной вероятности.
- •3.5.Формула Бейеса или теорема гипотез.
- •Случайные величины и их законы распределения
- •4.1.Ряд распределения
- •4.2.Функция распределения
- •4.3.Плотность распределения
- •5.Числовые характеристики случайных величин
- •5.1.Характеристики положения
- •5.2.Моменты, дисперсия, квадратичное отклонение
- •5.3.Закон равномерной плотности
- •5.4.Распределение Симпсона
- •5.5.Биномиальное распределение
- •5.6.Распределение Пуассона
- •5.7.Геометрическое распределение
- •5.5.Биномиальное распределение
- •5.6.Распределение Пуассона
- •5.7.Геометрическое распределение
- •5.8.Распределение Паскаля
- •5.9.Гипергеометрическое распределение
- •5.10.Формула Стирлинга
- •6.Непрерывные распределения
- •6.1.Нормальное распределение
- •6.2.Показательное распределение
- •6.3.Логарифмически нормальное распределение
- •7.Статистическая оценка параметров распределения
- •7.1.Статистическая функция распределения
- •7.2.Статистический ряд. Гистограмма
- •7.3.Числовые характеристики распределения
- •7.4.Оценка параметров распределения
- •7.4.1. Метод моментов.
- •8.Метод наибольшего правдоподобия
- •8.1.Случай дискретных распределений
- •8.2.Случай непрерывных распределений
- •8.3.Другие методы оценки параметров
- •9.Проверка статистических гипотез
- •9.1.Вводные замечания
- •9.2.Проверка гипотезы о законе распределения
- •10.Системы случайных величин
- •10.1.Понятие о системе случайных величин
- •10.2.Двумерные случайные величины и их законы распределения
- •10.3.Плотность распределения двумерной случайной величины
- •10.4. Условные законы распределения
- •10.5.Зависимость и независимость случайных величин
- •10.6.Числовые характеристики двумерных случайных величин
- •11.Двумерный нормальный закон распределения
- •12.Числовые характеристики функций случайных величин
- •12.1.Математическое ожидание и дисперсия функции
- •12.2.Теоремы о числовых характеристиках
- •13.Распределение функции случайных аргументов
- •13.1.Распределение функции одного аргумента
- •13.2.Распределение суммы случайных величин
- •13.3.Распределение суммы нормально распределенных случайных величин
- •13.Распределение функции случайных аргументов
- •13.1.Распределение функции одного аргумента
- •13.2.Распределение суммы случайных величин
- •13.3.Распределение суммы нормально распределенных случайных величин
- •14.Предельные теоремы
- •14.1.Понятие о законе больших чисел
- •14.2.Неравенство Чебышева
- •14.3.Закон больших чисел Чебышева
- •14.4.Центральная предельная теорема
5.7.Геометрическое распределение
Геометрическое распределение выражается следующим образом:
(5.7.1)
Название распределения связано с тем , что вероятности при различных n образу-ют геометрическую прогрессию со знаменателем , равнымq=1-p. Действительно
.
Параметр p имеет смысл вероятности. Пусть при повторении опыта событиеАимеет вероятностьp, тогда число опытовXдо первого появления событияА как раз определяется выражением (5.7.1). Действительно, вероятность того, что в первыхn-1 опытах событиеА не произойдет, равна(1-p)n-1 .А вероятность появления его приn-ом испытании равнаp.Отсюда получаем вероятность реализации такой серии событий равна.
Математическое ожидание
.
Дисперсия
.
5.5.Биномиальное распределение
Дискретная случайная величина X, принимающая значения xm=m,где
m=0,1,…,n,имеет биномиальное распределение, если вероятности её значений определяются следующей формулой:
. (5.5.1)
Здесь
-
число сочетаний из nпоm, а параметрp имеет смысл вероятности, то есть.
Это распределение связано с повторением опытов. Если в результате опыта событие Аимеет вероятностьpи опыт повторяетсяn раз, то вероятность того, что это событие произойдетm раз, рана. Действительно, конкретная реализацияnиспытаний, в которых событиеAпроизошлоmраз, а противоположное событиесоответственноn-mраз, имеет вероятность. Ноmсобытий средиn испытаний могут распределитьсяравновозможными способами. Отсюда и получается формула (5.5.1).
Сумма
,
так как q=1-p а. Выражениеявляется членом разложения бинома Ньютона(p+q)n ,поэтому это распределение называется биномиальным.
Математическое ожидание
. (5.5.2)
Дисперсия
. (5.5.3)
Квадратичное отклонение
. (5.5.4)
Если nустремить к бесконечности и одновременноpк нулю так, чтобы выполнялось соотношение
,
где а положительная константа, то в пределе
,
а это известное распределение Пуассона. То есть в пределе при ибиномиальное распределение совпадает с распределением Пуассона.
5.6.Распределение Пуассона
Рассмотрим дискретную случайную величину Х, которая может принимать только целые неотрицательные значения: 0, 1, 2, …
Говорят, что случайная величина Храспределена позакону Пуассона, если вероятность того, что она примет определённое значениеm, выражается формулой
где а– некоторая положительная величина, называемаяпараметром распределения Пуассона.
Ряд распределения по закону Пуассона:
|
0 |
1 |
2 |
… |
m |
|
… |
Убедимся, что суммарная вероятность равна единице.
Но
Следовательно
Рис.5.6.1. Полигон распределения Пуассона.
Вычислим вероятность того, что Хокажется больше 0:
Математическое ожидание
Т.е. параметр а - есть математическое ожидание.
Дисперсия
Но
Следовательно .
.
Вывод. Дисперсия равна математическому ожиданию. Это свойство часто используют для определения, распределена ли случайная величина Х по закону Пуассона.
Рассмотрим типичную задачу. Пусть на оси Охслучайным образом распределяются точки. Пусть распределение удовлетворяет следующим условиям:
Вероятность попадания какого-либо числа точек в отрезок lзависит только от длины отрезка, но не от положения на оси. На единичный отрезок попадает в среднемточек.
Точки распределяются независимо.
Вероятность совпадения двух точек равна нулю (чем точки ближе, тем вероятность меньше).
Выделим на оси отрезок длиной lи рассмотрим дискретную случайную величинуХ– число точек, попадающих в этот отрезок. Возможные значенияХ: 0, 1, 2, …,m, …
Докажем, что случайная величина Х имеет закон распределения Пуассона. Для этого вычислим вероятность того, что на участок lпопадётmточек.
На участок хпопадётхточек. Это математическое ожидание. Поскольку участокхмал, то попадание двух точек в один отрезок пренебрежимо мало ихесть вероятность попадания одной точки на участокх.
Пусть существует число n,такое, что . Тогда вероятность попадания в один отрезок равна. А вероятность попадания вmотрезков равна
Обозначим , тогда
.
Что и требовалось доказать.
Мы убедились, что распределение Пуассона возникает там, где точки располагаются случайно друг от друга и подсчитывается их количество, попавшее в какую-то область. Мы рассмотрели одномерный случай, но его легко можно распространить на любую размерность. Например, если для отрезка оси параметр аравен, то для плоского случая(здесьS- площадь области), а для объёмного(V– объём области).
Докажем, что закон Пуассона является предельным для биномиального распределения.
Причём параметр .
Предельное свойство биномиального распределения можно записать в виде:
Если подставить , то получим
,
что уже было доказано. При большом nприближённо вероятность можно считать:
.
Из-за малой вероятности события закон Пуассона носит название “закона редких явлений”.