- •Пример: Игла Бюффона.
- •Положение иглы можно характеризовать двумя параметрами:
- •Задача о встрече
- •Вероятность зависит от выбора
- •Вероятность зависит от выбора
- •Если события А и В принадлежат одному полю событий и вероятность В не
- •Пример : Пусть в области, представленной на рисунке , задана геометрическая вероятность. Событие
- •Пусть событие А может произойти только совместно с одним из несовместных между собой
- •Пример1: Магазин закупает оптом половину всех компьютеров у фирмы LLL, треть - у
- •Пример2:
- •Доля выигрышей у комбинаций , стоящих в вер строке по сравнению с комбинацией
- •В предыдущем примере можно поставить и другой вопрос. Обнаружен компьютер с браком, какова
- •Пример 3: Студент приходит в медпункт и жалуется на плохое самочувствие, хотя по
- •Эксперимент, результат которого существенно изменяет априорные вероятности гипотез, называют
- •Пусть имеется пространство
- •В строгом определении задание пространства элементарных событий означает по существу задание условий, в
- •Случайные величины могут быть непрерывными, т.е. принимать любые значения в некотором интервале (например,
- •Пример: число очков при бросании кости
- •Для непрерывных случайных величин вводится понятие плотности распределения р(х), которая
- •Для непрерывных распределений всегда
- •Вид функций F(x), р(х), или перечисление р(хi) называют законом распределения случайной величины.
- •Во-вторых, очень часто случайные
- •Так называют распределение случайной величины, которая может принимать любые значения в интервале (a,b),
- •Распределение с плотностью, описываемой формулой
- •Если производится серия n независимых испытаний, в каждом из который событие А может
- •Пример : Кость бросают 5 раз, какова вероятность того, что 6 очков выпадет
- •Распределение Пуассона получается как предельный случай распределения Бернулли, если устремить р к нулю,
- •Пример1 : число вызовов, поступающих на станцию скорой помощи в течение часа.
- •Пример 2: число молекул идеального газа в некотором фиксированном объеме V.
- •Определение:
- •- для непрерывной случайной величины:
- •d. Вводится понятие условного
- •Если известны вероятности событий Hj, может быть найдено полное математическое ожидание:
- •Рассмотрим гипотезы Н1 - герб выпал в первый
- •Рассмотрим более общий случай: сколько пройдет испытаний до первого появления события, если его
- •e . Если f(x) - есть функция случайной величины
- •Определение: Дисперсией случайной величины х называется математическое ожидание квадрата отклонения значения величины от
- •- для непрерывной случайной величины:
- •Связь числовых характеристик
Рассмотрим гипотезы Н1 - герб выпал в первый
же раз, Н2 - в первый раз он не выпал. Очевидно, р(Н1) = р(Н2) = ½; Мx / Н1 = 1; Мx / Н2 на 1
больше искомого полного матожидания, т.к. после первого бросания монеты ситуация не изменилась, но один раз она уже брошена.
Используя формулу полного математического
ожидания, имеем
Мх = Мx / Н1×р(Н1) + Мx / Н2×р(Н2) = 1×0.5 + (Мх + 1)×0.5 ,
разрешая уравнение относительно Мх, получаем сразу Мх = 2 .
А сколько раз надо бросать монету до
десятого выпадения герба?
Рассмотрим более общий случай: сколько пройдет испытаний до первого появления события, если его вероятность Р . Гипотеза Н1 - оно появилось в первый же раз, Н2 - в первый раз оно не появилось. Очевидно, р(Н1) =Р,
р(Н2) = 1-Р; Мx / Н1 = 1; Мx / Н2 на 1 больше искомого полного матожидания, т.к. После первого испытания ситуация не изменилась, но одно испытание уже сделано.
Используя формулу полного математического ожидания, имеем Мх = Мx / Н1×р(Н1) + Мx / Н2×р(Н2) = 1×Р + (Мх + 1)×(1-Р)=P+Мх-Mx×P+1-P : -Mx ×P+1=0 разрешая уравнение относительно Мх, получаем сразу Мх = 1/Р .
e . Если f(x) - есть функция случайной величины
х, то определено понятие математического ожидания функции случайной величины:
- для дискретной случайной величины:
Сумма берется по всем значениям, которые принимает случайная величина. Ряд должен быть абсолютно сходящимся.
-для непрерывной случайной величины:
Интеграл должен быть абсолютно сходящимся.
Определение: Дисперсией случайной величины х называется математическое ожидание квадрата отклонения значения величины от ее математического ожидания: Dx = M(x-Mx)2
- для дискретной случайной величины:
Сумма берется по всем значениям, которые принимает случайная величина. Ряд должен быть сходящимся (в противном случае говорят, что случайная величина не имеет дисперсии)
- для непрерывной случайной величины:
Интеграл должен быть сходящимся (в противном случае говорят, что случайная величина не имеет дисперсии)
a . Если С - постоянная величина, то DС = 0 b . DСх = С2Dх
c . Дисперсия суммы случайных величин равна сумме их дисперсий только, если эти величины независимы
d . Для вычисления дисперсии удобно использовать формулу:
Dx=M(x-Mx)2=M[x2-2xMx+(Mx)2]=Mx2-(Mx
Связь числовых характеристик
параметрами законов распределения
Распределение Бернулли.
Введем случайную величину , равную 1 , если
А произошло, и 0, если не произошло , т.е.=1 с вероятностью р и 0 с вероятностью (1-р). М =р. В серии из n независимых испытаний
просуммировано n значений . m=n ,
Mm=np.
D =M 2-(M )2=12*p-p2=p(1-p)=pq
Распределение Пуассона
Dm=npq
np=a q~1
Mm=a
Dm=a