- •Методические указания Элементы теории вероятностей и математической статистики
- •Предисловие
- •Основные понятия теории вероятностей
- •Определения
- •Сложение и умножение вероятностей
- •Вероятность события при многократных испытаниях
- •Случайные величины
- •Числовые характеристики случайной величины
- •Числовые характеристики одинаково распределенных независимых случайных величин
- •Закон больших чисел
- •Распределение вероятностей случайной величины
- •Плотность и функция распределения
- •Законы распределения вероятностей
- •Равномерное распределение
- •Биноминальное распределение
- •Распределение Пуассона
- •Показательное распределение
- •Нормальное распределение
- •Общие сведения о случайных функциях (процессах)
- •Основные понятия
- •Характеристики случайной функции
- •4.3. Стационарные и марковские случайные процессы
- •Элементы математической статистики
- •Основные задачи математической статистики
- •Понятия математической статистики
- •Виды выборок
- •Частота. Полигон и гистограмма
- •Числовые характеристики статистического распределения
- •Подбор теоретического закона распределения (первая задача математической статистики).
- •Критерий согласия Пирсона (вторая задача математической статистики)
- •Точность оценки. Доверительная вероятность и доверительный интервал
- •Доверительные интервалы для оценки математического ожидания нормального распределения
- •Приложение
- •Литература
Числовые характеристики одинаково распределенных независимых случайных величин
Пусть - одинаково распределенные независимые случайные величины (например, результаты испытаний, проводимых в однородных условиях), которые имеют одинаковые математические ожидания -a, дисперсию -, стандарт -.
Среднее арифметическое этих величин определяется выражением:
.(2.14)
Очевидно, будучи линейной комбинацией случайных величин, в свою очередь является также случайной величиной.
Тогда имеют место следующие зависимости:
1) (2.15)
2) (2.16)
3) (2.17)
Закон больших чисел
При испытаниях (опытах, наблюдениях) мы в большинстве случаев имеем дело не со всей совокупностью значений случайной величины, а с некоторой выборкой этих значений.
Среднее арифметическое этой выборки стремится к математическому ожиданию с увеличением ее объема.
Однако это свойство отличается от понятия сходимости, принятого в математическом анализе. Как известно, в детерминированной постановке сходимость означает безусловное приближение математической величины к некоторому пределу при неограниченном увеличении числа членов ряда этой величины.
В теории вероятностей стремление среднего арифметического случайной величины к ее математическому ожиданию обусловлено той или иной степенью вероятности этого. Причем, чем больше объем выборки, тем выше эта вероятность.
Это положение отражено в фундаментальном законе больших чисел, сформулированном Я. Бернулли и в более общем виде – П.Л. Чебышевым.
Теорема Бернулли
Если в каждом из nнезависимых испытаний вероятностьPпоявления событияAпостоянна, то
(2.18)
Это означает, что частота появления событияAстремится к его вероятности, т.е. при достаточно большомnразница между ними с заданной вероятностью будет сколь угодно мала. Это свойство называется «сходимостью по вероятности».
Контрольные вопросы
1.Перечислите свойства математического ожидания и дисперсии.
2.Назовите числовые характеристики одинаково распределенных независимых случайных величин.
3.Сформулируйте закон больших чисел.
Распределение вероятностей случайной величины
Плотность и функция распределения
Случайная величина Хможет принимать различные значения в интервале (minХ,maxХ), на котором она определена, в частном случае, на всей числовой оси (–∞‚ ∞). Очевидно, что непрерывная случайная величина не может быть задана перечнем значений. Она задается непрерывной функциейf(х), выражающей зависимость между значениями случайной величины и их вероятностями. Функцияf(х) называетсяплотностью распределения непрерывной случайной величины
Функция распределения F(x)определяет вероятность того, что случайная величинаХпримет значение меньше, чемx,т.е.
F(х) = P(X < х). (3.1)
Плотность распределения непрерывной случайной величины есть производная от функции распределения
f(х)= F (х) . ( 3.2)
Функция распределения F(х) является интегралом от плотности распределенияf(х), т.е.
(3.3)
Свойства функции распределения
1) ;
2) F(x) – неубывающая функция;
3) Вероятность того, что значение случайной величины находится в интервале (a, b), равна:
;(3.4)
для непрерывной случайной величины:
.(3.5)
Законы распределения вероятностей
В зависимости от физической природы или технических параметров явлений или процессов, выражаемых случайными величинами, распределения вероятностей этих величин могут описываться различными математическими законами. Приведем некоторые наиболее простые и распространенные из них.