- •Теория вероятностей и математическая статистика Основные понятия теории вероятностей Рекомендуемая литература
- •1.1. Предмет теории вероятностей
- •1.2. Области применения теории вероятностей
- •1.3. Краткая историческая справка
- •1.4. Испытания и события. Виды событий
- •1.5. Алгебра событий
- •1.6. Классическое определение вероятности
- •1.7. Основные формулы комбинаторики
- •Лекция №2. Основные понятия и определения
- •2.1. Относительная частота. Устойчивость относительной частоты
- •2.2. Ограниченность классического определения вероятности. Статистическая вероятность
- •2.3. Геометрические вероятности
- •2.4. Теорема сложения вероятностей
- •2.5. Полная группа событий
- •2.6. Противоположные события
- •2.7. Принцип практической невозможности маловероятных событий
- •2.8. Произведение событий. Условная вероятность
- •2.9. Теорема умножения вероятностей
- •2.10. Независимые события. Теорема умножения для независимых событий
- •2.10. Вероятность появления хотя бы одного события
- •Лекция №3 следствия теорем сложения и умножения
- •3.1. Теорема сложения вероятностей совместных событий
- •3.2. Формула полной вероятности
- •3.3. Вероятность гипотез. Формулы Бейеса
- •4. Повторение испытаний
- •4.1. Формула Бернулли
- •4.2. Предельные теоремы в схеме Бернулли
- •4.3. Локальная и интегральная теоремы Муавра-Лапласа
- •4.3. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
- •5. Случайные величины
- •5.1. Понятие случайной величины. Закон распределения случайной величины
- •5.2. Закон распределения дискретной случайной величины. Многоугольник распределения
- •5.3. Биномиальное распределение
- •5.4. Распределение Пуассона
- •5.5. Геометрическое распределение
- •5.6. Гипергеометрическое распределение
- •6. Математическое ожидание дискретной случайной величины
- •6.1. Числовые характеристики дискретных случайных величин
- •6.2. Математическое ожидание дискретной случайной величины
- •6.3. Вероятностный смысл математического ожидания
- •6.4. Свойства математического ожидания
- •6.5. Математическое ожидание числа появлений события в независимых испытаниях
- •7. Дисперсия дискретной случайной величины
- •7.1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •7.2. Отклонение случайной величины от ее математического ожидания
- •7.3. Дисперсия дискретной случайной величины
- •7.4. Формула для вычисления дисперсии
- •7.5. Свойства дисперсии
- •7.6. Дисперсия числа появлений события в независимых испытаниях
- •7.7. Среднее квадратическое отклонение
- •7.8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •7.9. Одинаково распределенные взаимно независимые случайные величины
- •7.10. Начальные и центральные теоретические моменты
- •8. Закон больших чисел
- •8.1. Предварительные замечания
- •8.2. Неравенство Чебышева
- •8.3. Теорема Чебышева
- •8.4. Сущность теоремы Чебышева
- •8.5. Значение теоремы Чебышева для практики
- •8.6. Теорема Бернулли
- •Функция распределения вероятностей случайной величины
- •9.1. Определение функции распределения
- •9.2. Свойства функции распределения
- •9.3. График функции распределения
- •10. Плотность распределения вероятностей непрерывной случайной величины
- •10.1. Определение плотности распределения
- •10.2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •10.3. Закон равномерного распределения вероятностей
- •11. Нормальное распределение
- •11.1. Числовые характеристики непрерывных случайных величин
- •11.2. Нормальное распределение
- •11.3. Нормальная кривая
- •11.4. Влияние параметров нормального распределения на форму нормальной кривой
- •11.5. Вероятность попадания в заданный интервал нормальной случайной величины
- •11.6. Вычисление вероятности заданного отклонения
- •11.7. Правило трех сигм
- •11.8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •11.9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •11.10. Функция одного случайного аргумента и ее распределение
- •11.11. Математическое ожидание функции одного случайного аргумента
- •11.12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •11.13. Распределение «хи квадрат»
- •11.14. Распределение Стьюдента
- •11.15. Распределение f Фишера – Снедекора
- •12. Показательное распределение
- •12.1. Определение показательного распределения
- •12.2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •12.4. Функция надежности
- •12.5. Показательный закон надежности
- •12.6. Характеристическое свойство показательного закона надежности
5.2. Закон распределения дискретной случайной величины. Многоугольник распределения
На первый взгляд может показаться, что для задания дискретной случайной величины достаточно перечислить все ее возможные значения. В действительности это не так: случайные величины могут иметь одинаковые перечни возможных значений, а вероятности их – различные. Поэтому для задания дискретной случайной величины недостаточно перечислить все возможные ее значения, нужно еще указать их вероятности.
Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями; его можно задать таблично, аналитически (в виде формулы) и графически.
Определение. Любое правило (таблица, функция, график), позволяюшее находить вероятности произвольных событий A S (S – -алгебра событий пространства ), в частности, указывающее вероятности отдельных значений случайной величины или множества этих значений, называется законом распределения случайной величины (или просто: распределением). Про с.в. говорят, что «она подчиняется данному закону распределения».
Пусть Х – д.с.в., которая принимает значения х1, х2, …, xn,… (множество этих значений конечно или счетно) с некоторой вероятностью pi, где i = 1,2,…, n,… Закон распределения д.с.в. удобно задавать с помощью формулы pi = P{X = xi}где i = 1,2,…, n,…, определяющей вероятность того, что в результате опыта с.в. Х примет значение xi. Для д.с.в. Х закон распределения может быть задан в виде таблицы распределения:
-
Х
х1
х2
…
xn
…
P
р1
р2
…
рn
…
При табличном задании закона распределения дискретной случайной величины первая строка таблицы содержит возможные значения, а вторая – их вероятности. такую таблицу называют рядом распределения.
Приняв
во внимание, что в одном испытании
случайная величина принимает- одно и
только одно возможное значение, заключаем,
что события X
= x1,
X
= x2,
..., X
= xn
образуют полную группу; следовательно,
сумма вероятностей этих событий, т.е.
сумма вероятностей второй строки
таблицы, равна единице, то есть
.
Если множество возможных значений X бесконечно (счетно), то ряд р1 + р2 + ... сходится и его сумма равна единице.
Пример. В денежной лотерее выпущено 100 билетов. Разыгрывается один выигрыш в 50 руб. и десять выигрышей по 1 руб. Найти закон распределения случайной величины X – стоимости возможного выигрыша для владельца одного лотерейного билета.
Решение. Напишем возможные значения X: х1 = 50, х2 = 1, х3 = 0. Вероятности этих возможных значений таковы: р1 = 0,01, р2 = 0,01, р3= 1 – (р1 + р2)=0,89.
Напишем искомый закон распределения:
-
Х
50
10
0
р
0,01
0,1
0,89
Контроль: 0,01 + 0,1 + 0,89 =1.
Пример. В урне 8 шаров, из которых 5 белых, остальные – черные. Из нее вынимают наудачу 3 шара. Найти закон распределения числа белых шаров в выборке.
Решение. Возможные значения с.в. Х – числа белых шаров в выборке есть х1 = 0, х2 = 1, х3 = 2, х4 = 3. Вероятности их соответственно будут
;
;
.
Закон распределения запишем в виде таблицы.
-
Х
0
1
2
3
р




Контроль:
.
Закон распределения д.с.в. можно задать графически, если на оси абсцисс отложить возможные значения с.в., а на оси ординат – вероятности этих значений. ломаную, соединяющую последовательно точки (х1, р1), (х2, р2),… называют многоугольником (или полигоном) распределения (см. рис. 5.1).

Рис. 5.1. Полигон распределения
Теперь можно дать более точное определение д.с.в.
Определение. Случайная величина Х дискретна, если существует конечное или счетное множество чисел х1, х2, … таких, что P{X = xi} = pi > 0 (i = 1,2,…) и p1 + p2 + р3 +… = 1.
Определим математические операции над дискретными с.в.
Определение. Суммой (разностью, произведением) д.с.в. Х, принимающей значения xi с вероятностями pi = P{X = xi}, i = 1, 2, …, n, и д.с.в. Y, принимающей значения yj с вероятностями pj = P{Y = yj}, j = 1, 2, …, m, называется д.с.в. Z = X + Y (Z = X – Y, Z = XY), принимающая значения zij = xi + yj (zij = xi – yj, zij = xiyj) с вероятностями pij = P{X = xi, Y = yj} для всех указанных значений i и j. В случае совпадения некоторых сумм xi + yj (разностей xi – yj, произведений xiyj)соответствующие вероятности складываются.
Определение. Произведение д.с.в. на число с называется д.с.в. сХ, принимающая значения сxi с вероятностями pi = P{X = xi}.
Определение. Две д.с.в. Х и Y называются независимыми, если события {X = xi} = Ai и {Y = yj} = Bj независимы для любых i = 1, 2, …, n, j = 1, 2, …, m, то есть
.
В противном случае с.в. называют зависимыми. Несколько с.в. называют взаимно независимыми, если закон распределения любой из них не зависит от того, какие возможные значения приняли остальные величины.
Рассмотрим несколько наиболее часто употребляемых законов распределения.
