- •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, что вероятность реализации такой серии событий равна.
Математическое ожидание
.
Дисперсия
.
5.8.Распределение Паскаля
Распределение Паскаля дискретной случайной величины Хвыражается так:
, (5.8.1)
где pиk– параметры распределения. Параметрpимеет смысл вероятности, то есть. Параметрk– целое положительное число.
Математическое ожидание
.
Дисперсия
.
Это распределение связано, как и геометрическое, с повторением опытов.
Если p – вероятность событияА в одном опыте, то до появления этого событияkраз потребуется всегоk+xиспытаний, где конкретное значениеx имеет вероятность (5.8.1).
Это распределение обобщает геометрическое распределение. То есть если k=1, то распределение Паскаля совпадает с геометрическим. Действительно, если в (5.8.1) подставитьk=1, то получим
,
что совпадает с геометрическим распределением (5.7.1), если положить, что
x=n-1
и учесть , что .
5.9.Гипергеометрическое распределение
Гипергеометрическое распределение дискретной случайной величины Хвыражается так:
, (5.9.1)
где N,n,k– целые положительные величины, играющие роль параметров распределения, причем,.
Это выражение уже встречалось нам раньше в связи с выборкой размера n из партии деталей размеромN, в которойk-число дефектных деталей. Тогдаx- число дефектных деталей в выборке изn деталей, а (5.9.1) – вероятность этого значения.
Математическое ожидание
.
Дисперсия
.
5.10.Формула Стирлинга
При расчетах вероятностей в дискретных распределениях часто приходится вычислять выражение n!, например,
.
Стирлинг вывел удобную для практических расчетов приближенную формулу
. (5.10.1)
Эта формула особенно удобна при больших nно она дает хорошее приближения и при малыхn.На пример приn=2n!=2, а формула (5.10.1) дает значение 1.9. Приn=4 точное значение 4!=24, а приближенное 23.5. Приn=8 8!=40320 а приближенное значение 39902.4 с относительной ошибкой 0.01.
6.Непрерывные распределения
6.1.Нормальное распределение
Это наиболее часто встречающийся на практике закон распределения. Он характеризуется плотностью вероятности вида:
Кривая распределения по нормальному закону имеет симметричный холмообразный вид (см. рис.6.1.1)
Рис.6.1.1. Графики плотности нормального распределения при различных значениях квадратичного отклонения .
Максимальная ордината кривой, равная , соответствует точке ; по мере удаления от точкиmплотность распределения падает и стремится к оси абсцисс.
Докажем, что m- есть математическое ожидание, а– есть среднее квадратическое отклонение. Для этого вычислим основные числовые характеристики случайной величиныХ.
Применим замену переменной
Первый интеграл равен нулю. Второй представляет собой интеграл Эйлера-Пуассона:
Следовательно, . На практике параметрmчасто называют центром рассеивания.
Вычислим дисперсию Х:
Та же замена переменной:
Интегрирование по частям дает D(X)
Первое слагаемое равно нулю, второе , откуда
Геометрический смысл: m– центр симметрии кривой плотности распределения;- характеризует степень рассеивания случайной величины и одновременно расплывчатость кривой, поскольку площадь, ограниченная кривой плотности всегда равна единице. Размерностьmисовпадает с размерностью случайной величиныХ.Выведем общие формулы для центральных моментов любого порядка.
Делаем замену переменной
Интегрируем по частям:
Первый член в скобках равен нулю. Получаем:
Но момент степени S-2:
Следовательно
Т. е. можно выражать чётные моменты через моменты на 2 порядка ниже. Нечетные моменты в силу симметрии распределения равны нулю. Т. е. для чётных моментов имеем:
Общая формула для момента порядка Sпри чётномS:
,
где под понимается произведение всех нечётных чисел от 1 доS-1.
Асимметрия:
Эксцесс:
Т.е. эксцесс характеризует крутость конкретного закона распределения по отношению к нормальному.
Вычислим вероятность попадания случайной величины Х, подчинённой нормальному закону с параметрамиm,на участок отдо.
где F(x)– функция распределения величины Х.
Замена переменной
Этот интеграл сложный, но существуют специальные таблицы для функций:
Ф*есть нормальная функция распределения. Её таблицы приведены в приложениях учебников и задачников.
Свойства функции Ф*:
Учитывая последнее свойство, рассмотрим вероятность попадания на участок, симметричный, относительно математического ожидания.
*
Решим следующую задачу. Отложим от математического ожидания четыре отрезка длиной и вычислим вероятность попадания случайной величины Х в каждый из них.
Вероятностью попадания в четвёртый участок уже практически можно пренебречь. Сумма же вероятностей для первых трёх равна 0,5 с точностью до 0,01 (1%). Т. е. можно сказать, что в интервале укладывается практически всё рассеивание. Такой способ оценки диапазона возможных значений называетсяправилом трёх сигм. Это правило позволяет грубо оценить величину. Берут максимально возможное отклонение и делят его на три.
Часто (особенно в артиллерийской практике) для характеристики рассеяния кроме среднего квадратичного отклонения используют вероятное (срединное) отклонение, обозначается Е или В.
Вероятным (срединным) отклонениемслучайной величины Х, распределённой по нормальному закону, называется половина длины участка, симметричного относительно центра рассеивания, вероятность попадания в который равна 0,5.
Т. е. вероятность попадания в интервал равна 0,5.
Выразим Е через :