- •Введение
- •Глава 1. Основные понятия и теоремы теории вероятностей
- •1.4 Элементы комбинаторики
- •1) Правило суммы.
- •2) Правило произведения.
- •3) Перестановки.
- •1.5 Применение комбинаторики для подсчета вероятностей
- •1.7 Формула Байеса. Вероятность оценки гипотез
- •1.8 Независимые повторные испытания. Формула Бернулли
- •1.9 Наивероятнейшее число наступления события
- •1.10 Формула Пуассона
- •1.11 Локальная и интегральная теоремы Муавра-Лапласа
- •Глава 2. Случайные величины
- •2.1.2 Дискретные случайные величины
- •2.1.3 Числовые характеристики дискретной случайной величины
- •Свойства математического ожидания:
- •2.2 Биномиальное распределение дсв
- •Закон распределения такой дсв имеет вид:
- •2.3 Геометрическое распределение дсв
- •2.4 Закон распределения Пуассона
- •2.5 Непрерывные случайные величины и их числовые характеристики
- •2.5.1 Плотность распределения вероятностей
- •2.5.2 Числовые характеристики непрерывной случайной величины
- •2.6 Нормальное распределение и его числовые характеристики
- •2.8 Показательное распределение
- •2.9 Числовые характеристики случайной величины (продолжение). Моменты
- •2.10 Случайные векторы. Закон распределения
- •2.10.1 Случайные векторы
- •2.10.2 Зависимые и независимые случайные величины
- •2.11 Распределения, связанные с нормальными
- •2.11.1 Распределение 2 (распределение к. Пирсона)
- •Функция распределения случайной величины
- •2.11.3 Распределение Фишера-Снедекора (или f-распределение)
- •2.12 Понятие о законе больших чисел
- •2.12.1 Неравенство Маркова
- •2.12.2 Неравенство Чебышева
- •2.12.3 Теорема Чебышева
- •Но т.К. Вероятность не превышает единицы, то справедливо
- •2.12.4 Теорема Бернулли
- •2.12.5 Центральная предельная теорема
- •2.13 Марковские цепи
- •2.13.2 Марковские цепи
- •2.13.3 Пуассоновский процесс
- •Приложения
Глава 2. Случайные величины
2.1 Дискретные случайные величины и их числовые характеристики
Большинство экспериментов завершаются появлением некоторого числа:
– в результате выявления бракованных изделий появляется число X – количественная характеристика брака;
– в результате приобретения n лотерейных билетов выявляется число X выигрышей;
– в опыте по подбрасыванию n раз монеты выявляется число X выпадения «решки»;
– при стрельбе по мишени из n опытов X оказались точными попаданиями, и т.д.
Во всех этих примерах говорится о величине, характеризующей некоторое случайное событие (опыт, эксперимент). Эти величины принимают то, или иное числовое значение в зависимости от исхода конкретного испытания.
2.1.1 Функция распределения случайной величины
Результат эксперимента будем называть случайной величиной (СВ), если для любого xR неравенство <x является событием, т.е. определена вероятность Р(<x). Эта вероятность как функция от x называется функцией распределения (ФР) случайной величины и обозначается F (x) или F(x).
Итак, по определению функцией распределения называют вероятность того, что случайная величина в результате испытания примет значение, меньшее x:
(2.1)
Свойства функции распределения:
Функция распределения монотонно не убывает на R, т.е. х1, х2R если х1<х2, то F(х1)F(х2).
Это очевидно, т.к. событие (<х2) является суммой двух несовместных событий (<х1) и (х1<<х2). Значит P(<х2)=P(<х1)+P(х1 <х2)P(<х1) в силу неотрицательности вероятности.
Т.к. событие <+ – достоверное, а < – невозможное, то
Поскольку функция распределения монотонна и ограничена на R, она может иметь не более чем счетное множество точек разрыва первого рода.
Функция распределения непрерывна слева при любом значении x:.
Вероятность того, что случайная величина примет значение в полуинтервале [a,b), равна
P{a b}=F(b)F(a). (2.2)
Вероятность того, что случайная величина примет значение в точности равное x, равна нулю: Р{=x}=F(x+0)F(x)=0.
Эти свойства непосредственно вытекают из определения функции распределения.
2.1.2 Дискретные случайные величины
Случайная величина называется дискретной (ДСВ), если она принимает отдельные, изолированные возможные значения с определенными (ненулевыми) вероятностями. Тогда каждому элементарному исходу X ставится в соответствие одно из не более, чем счетного набора пар чисел (Х1, р1), ..., (Хn, pn), n,
Правило, устанавливающее связь между значением случайной величины и ее вероятностью, называется законом распределения случайной величины.
Случайные величины обозначаются заглавными буквами латинского алфавита X,Y..., а значения, которые они принимают – прописными: x, y...
Например, дискретная случайная величина X представляет собой конечный (или бесконечный) ряд чисел x1, x2, x3, ..., xn... Его называют также рядом распределений.
Обычно закон распределения случайной величины задается в виде таблицы:
xi |
x1 |
x2 |
x3 |
... |
xn |
pi |
p1 |
p2 |
p3 |
... |
pn |
При этом сумма вероятностей всех возможных значений случайной величины X равна 1:
.
Задача 1. В результате подбрасывания двух игральных костей появляется некоторое число X – случайная величина, характеризующая сумму выпавших очков с определенной вероятностью. Найти закон распределения такой случайной величины X.
Решение: В этой задаче число равновозможных исходов n=66=36, а число благоприятных исходов, например, для x=4 может быть получено тремя способами (вариантами):
4=1+3=2+2=3+1.
Закон распределения такой случайной величины будет задан таблицей:
Xi |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
pi |
|
|
|
|
|
|
|
|
|
|
|
Дискретная величина считается заданной, если указан закон ее распределения, т.е. известны все ее значения и указана вероятность каждого из них.
Так как каждому значению x ДСВ ставится в соответствие ее вероятность, то закон распределения ДСВ можно задавать с помощью функции распределения (ФР) ДСВ.
Функцией распределения F(x) ДСВ называется вероятность события <x: F(x)=P{<x}. Очевидно, она обладает всеми общими свойствами функции распределения.
Свойства функции распределения ДСВ:
Пусть задана ДСВ X: (хi,pi), pi0, pi =1. Тогда
функция распределения непрерывна при xхi и имеет разрыв первого рода при x=хi, равный рi;
функция распределения постоянна на полуинтервале (xi, xi+1];
F(xi+0)-F(xi)=pi;
свойство накопительной вероятности:
. (2.3)
График функции распределения произвольной ДСВ представляет собой «возрастающую ступеньку». Приведем характерный вид (Рис.7) графика функции распределения ДСВ, заданной аналитически формулой
:
Пусть - некоторая детерминированная функция, определенная на пространстве элементарных исходов Ω случайной величины X. Тогда каждому возможному значению xi случайной величины X соответствует
Рис.7
определенное значение yi= (xi). В таком случае исходу yi благоприятствует элементарный исход xi с той же вероятностью pi, т.е. функция задает новое пространство элементарных исходов (Ω), на котором задана случайная величина Y, называемая функцией одного случайного аргумента Y= (X).
Если одному значению yi соответствуют различные значения x1… xk, то полная вероятность осуществления yi равна сумме вероятностей всех исходов, влекущих yi, т.е. P(X= x1 или… или X=xk)==.
Пример. Дискретная случайная величина X задана рядом распределений:
X |
-2 |
2 |
5 |
P(хi) |
0.35 |
0.42 |
0.23 |
Составить закон распределения ДСВ Y=X2.
Решение. Составим закон распределения ДСВ Y=X2:
X |
-2 |
2 |
5 |
Х2 |
4 |
4 |
25 |
P(хi) |
0.35 |
0.42 |
0.23 |
Т.к. двум различным значениям СВ X (x=-2, x=2) соответствуют равные значения СВ Y (y=4), то составим новый закон распределения ДСВ Y=X2, сложив вероятности, соответствующие этим значениям СВ X:
Х2 |
4 |
25 |
P(хi) |
0.77 |
0.23 |