- •Конспект лекцій з курсу
- •Математичної статистики “ Розділ “теорія ймовірностей”.
- •Передмова
- •1.Основні поняття теорії ймовірностей
- •1.1. Випадкові події та їх алгебра
- •1.1.1. Первісні поняття. Подія
- •1.1.2. Алгебра випадкових подій.
- •1.2. Аксіоми та властивості ймовірності
- •1.2.1. Частота та ймовірність випадкової події
- •1.2.2. Аксіоми ймовірності та її властивості.
- •1.2.3. Принцип практичної вірогідності
- •1.3. Теорема множення та її наслідки
- •1.3.1. Умовна ймовірність
- •1.3.2. Формула повної ймовірності
- •1.3.3. Теорема гіпотез (формулиБейєса)
- •1.4. Випробування із скінченною кількістю наслідків
- •1.4.1. Класичне означення ймовірності
- •1.4.2. Комбінаторні методи підрахунку кількості наслідків
- •1.5. Повторні випробування
- •1.5.1. Схема я.Бернуллі. Узагальнення а.Маркова
- •1.5.2. Асимптотичні формули для схеми Бернуллі.
- •2.Випадкові величини
- •2.1. Одновимірні випадкові величини
- •2.1.1. Випадкова величина та її функція розподілу
- •2.1.2. Дискретні випадкові величини
- •2.1.3. Неперервні випадкові величини
- •2.1.4. Перетворення розподілів
- •2.2. Випадкові вектори
- •2.2.1. Функція розподілу випадкового вектора
- •2.2.2. Дискретний випадковий вектор
- •2.2.3. Неперервний випадковий вектор
- •2.2.4. Найважливіші види двовимірних розподілів.
- •2.2.5. Закон розподілу суми випадкових величин
- •2.2.6. Ентропія і інформація
- •3.Числові характеристики випадкових величин
- •3.1. Математичне сподівання та його властивості
- •3.1.1. Стійкість середнього арифметичного
- •3.1.2. Математичне сподівання випадкової величини
- •3.1.3. Математичне сподівання функції випадкової величини
- •3.1.4. Математичне сподівання функції випадкового вектора
- •3.1.5. Кореляційний момент випадкових величин
- •3.2. Дисперсія випадкової величини
- •3.2.1. Дисперсія випадкової величини та її властивості
- •3.2.2. Дисперсія суми випадкових величин
- •3.2.3. Нерівність п.Чебишева
- •3.3. Кореляція
- •3.3.1.Коефіцієнт кореляції та кореляційна матриця
- •3.3.2. Регресія
- •3.4. Прикладні задачі
- •3.4.1. Теорія масового обслуговування.
- •3.4.2. Найпростіші задачі теорії надійності
- •Додатки
- •Література
3.Числові характеристики випадкових величин
3.1. Математичне сподівання та його властивості
3.1.1. Стійкість середнього арифметичного
Повнуінформацію про випадкову величину дає її розподіл ймовірності. Проте часто експериментатор не володіє такою інформацією, та вона і не є необхідною. Досить охарактеризувати випадкову величину кількома числами. Найчастіше використовують дві характеристики випадкової величини – математичне сподівання (інакше, середнє значення) та дисперсію.
Нехай випадкова величина Xприймає відповідно значенняx1, x2,…, xmз ймовірностямиp1, p2,..., pm. Проведемо серію зn випробувань, в кожному з яких будемо спостерігати значення випадкової величини. Припустимо, що в цій серії випадкова величинаX прийнялаnkраз значенняxk(k=1, 2,..., m). Складемо середнє арифметичне результатів спостереження випробувань
.
Середнє арифметичне є випадковою величиною, оскільки воно залежить від конкретної серії випробувань і від n. Однак, із властивості стійкості частоти (nk / n pk при достатньо великомуn) випливає властивість стійкості середнього арифметичного (при зростанніnсереднє арифметичне коливається поблизу деякого числа): x1·p1+x2· p2+ ...+xm·pm.
3.1.2. Математичне сподівання випадкової величини
Означення 1.Математичним сподіваннямвипадкової величиниXназивається числоMX, яке в залежності від типу випадкової величини визначається формулою
(1)
Математичне сподівання дає уяву про розташування значень випадкової величини.
Розмірність математичного сподівання MXспівпадає з розмірністю випадкової величиниX.
Приклад 1. Нехай подіяAз’являється у випробуванні з імовірністюp. Знайти математичне сподівання числа появ подіїAв даному випробуванні.
Розв’язок. Позначимо число появ подіїAу випробуванні черезX. ВеличинаX –випадкова, приймає свої значення 0 і 1 з імовірностями 1– pтаp. Тоді на підставі формули (1) (верхній рядок) одержимо
MX=0·(1– p)+1·p.
Приклад 2. Знайти математичне сподівання випадкової величиниX, розподіленої по закону Пуассона з параметром(розділ 2.1, формула (5)).
Розв’язок. Оскільки (k=0,1,...) , то згідно з формулою (1) маємо
.
Приклад 3. Знайти математичне сподівання випадкової величиниX, розподіленої за показниковим законом з параметром(розділ 2.1, формула (8)).
Розв’язок. На підставі формули (1) (нижній рядок) одержимо
.
Звідси виходить, що середній проміжок часу Tміж двома послідовними відмовами апаратури дорівнює 1/, якщо тривалість проміжку часу між двома послідовними відмовами апаратури розподілена за показниковим законом з параметром. З цієї причини показниковий розподіл у теорії надійності записується у вигляді
,
де T0‑ середній час роботи до відмови.
При обчисленні математичного сподівання доцільно використовувати такий результат.
Теорема 1. Якщо розподіл випадкової величиниX симетричний відносно прямоїx=x0, тоMX=x0 (мал.3.1).
Наслідки: 1) Математичне сподівання випадкової величини, розподіленої по закону Гауса N(a; 2), дорівнює a.
2) Математичне сподівання рівномірного у проміжку [c; d] розподілу дорівнює (c+d)/2.
3) Математичне сподівання випадкової величини, розподіленої за законом Стьюдента n, дорівнює 0.
Приклад 4. Знайти математичне сподівання випадкової величини, розподіленої за законом Релея з параметром2 (розділ 2.2, формула (11)).
Розв’язок. За формулою (1) маємо
.