
- •Теория вероятностей и математическая статистика
- •Теория вероятностей
- •1. Общие понятия
- •1.1. Предмет теории вероятностей
- •1.2. Пространство элементарных событий
- •1.3. Операции над событиями
- •1.4. Статистический подход к понятию вероятности
- •1.5. Элементы комбинаторики
- •1. Перестановки.
- •2. Сочетания.
- •3. Размещения.
- •1.6. Классическое определение вероятности
- •1.7. Аксиоматическое определение вероятности
- •2. Основные теоремы теории вероятностей
- •2.1. Теорема умножения вероятностей
- •2.2. Теорема сложения вероятностей
- •2.3. Формула полной вероятности
- •2.4. Формула Бейеса
- •3. Повторение испытаний
- •3.1. Независимые испытания. Формула Бернулли
- •3.2. Локальная теорема Муавра – Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Теорема Пуассона
- •3.5. Вероятность отклонения частоты от постоянной вероятности в независимых испытаниях
- •4. Случайные величины и функции распределения
- •4.1. Случайные величины
- •4.2. Функция распределения вероятностей для дискретной св
- •4.3. Функция распределения вероятностей для непрерывной св.
- •4.4. Функция плотности распределения вероятностей
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия и среднее квадратическое отклонение св
- •5.3. Моменты и другие числовые характеристики случайной величины
- •6. Основные законы распределения случайных величин
- •6.1. Законы распределения дискретных случайных величин
- •6.1.1. Биномиальное распределение
- •6.1.2. Распределение Пуассона
- •6.1.3. Геометрическое распределение
- •6.2. Законы распределения непрерывных случайных величин
- •6.2.1. Равномерное распределение
- •6.2.2. Показательное распределение
- •6.2.3. Нормальное распределение
- •7. Закон больших чисел
- •7.1. Неравенства Чебышева
- •7.2. Теорема Чебышева
- •8. Многомерные случайные величины
- •8.1. Многомерные случайные величины и их функции распределения
- •X и y независимые случайные величины.
- •8.2. Вероятность попадания двумерной случайной величины
- •8.3. Числовые характеристики двумерной случайной величины
- •Математическая статистика
- •1. Статистические законы распределения выборки
- •1.1. Вариационный ряд
- •1.2. Полигон и гистограмма
- •1.3. Эмпирическая функция распределения
- •2. Статистические оценки параметров распределения
- •2.1. Точечные оценки
- •2.2. Интервальные оценки
- •2.3. Оценка вероятности появления события через его частоту
- •3. Проверка статистических гипотез.
- •3.1. Статистические гипотезы
- •3.2. Критерии проверки гипотезы
- •3.3. Критерий согласия Пирсона
- •3.4. Критерий согласия Романовского
- •4. Элементы теории корреляции
- •4.1. Статистические зависимости
- •4.2. Линейная регрессия
- •4.3. Корреляционная таблица
- •4.4. Выборочный коэффициент корреляции
- •Литература
- •С о д е р ж а н и е
4.3. Функция распределения вероятностей для непрерывной св.
Функция распределения
вероятностей (интегральная) непрерывной
СВ определяется аналогично как и для
дискретной
.
В этом случае
является непрерывной функцией и обладает
свойствами1-4.
Однако, если
непрерывная, то вероятность любого
определённого значения непрерывной
случайной величины равна нулю, так
как
Пример 4.3.
Найти параметр а
функции распределения
и веро-ятность попадания случайной
величины в интервал
,
если
Вначале найдём
значение параметра а
из условия непрерывности функции
распределения
при
:
или
Тогда функция
распределения
будет иметь следующий вид
Далее по свойству 4 найдем искомую вероятность
4.4. Функция плотности распределения вероятностей
для непрерывной СВ.
Для локальной характеристики непрерывной случайной величины вво-дится понятие плотности распределения вероятностей.
Пусть имеется
непрерывная случайная величина Х
с функцией распре-деления
.
Вычислим вероятность попадания этой
случайной величины в интервал
.
По свойству4
функции
распределения, получаем
.
Рассмотрим отношение
,
т.е. “среднюю“ вероятность и устремим
.
Определение 4.3.
Плотностью распределения вероятностей
или диффе-ренциальной
функцией распределения называется
функция
.
Из этого определения следуют её свойства:
1.
,
как производная от неубывающей
функции.
2.
Вероятность попадания СВ в интервал
равна
так как
вероятность попадания СВ в интервал
длины
3.
,
так как
4.
,
что следует из свойства3
и того, что
Пример 4.4.
Найти функцию распределения
по заданной функции плотности
и вероятность попадания случайной
величины в интервал
,
если
Вначале найдём
значение параметра а
по свойству 4
функции плот-ности
или
а по свойству 3 находим функцию распределения
Вероятность
попадания в заданный интервал можно
определить по формулам из свойства 4
функции распределения или из свойства
2
функции плотности
.
Воспользуемся первой формулой
.
Приведём графики
функций
и
.
3
1
0 1 х 0 1 х
5. Числовые характеристики случайных величин
5.1. Математическое ожидание случайной величины
Часто на практике закон распределения неизвестен и приходится ограничиваться неполными сведениями о СВ. Тогда полезно использовать некоторые параметры, которые суммарно описывают СВ. Такие параметры называются числовыми характеристиками. К их числу, в частности, относится математическое ожидание.
5.1.1. Рассмотрим случай дискретной СВ.
X |
|
|
… |
|
p |
|
|
… |
|
Обозначим её среднее значение через М(Х), тогда
,
так как
.
Определение 5.1. Математическим ожиданием дискретной случайной ве-личины называется значение
.
(5.1)
Замечание. Если число возможных значений дискретной случайной величины бесконечно, то
,
при условии сходимости ряда.
Из определения математического ожидания следуют его свойства:
1. Если
.
2. Если
.
3.
.
Действительно, рассмотрим две СВ с законами распределения
X |
|
|
… |
p |
|
|
… |
Y |
|
|
… |
q |
|
|
… |
Тогда случайная
величина
принимает возможные значения
с вероятностью
и тогда
.
4. Если Х
и Y
независимые СВ, то
.
Так как
,
то
.
Следствие.
.
Пример 5.1. Найти математическое ожидание числа очков, которые могут выпасть при бросании двух игральных костей.
Пусть Х и Y СВ выпадения очков на двух костях соответственно:
X |
1 |
… |
6 |
p |
|
… |
|
Y |
1 |
… |
6 |
p |
|
… |
|
Тогда
.
5.1.2. Для непрерывной
случайной величины выражение
пред-ставляет собой среднее значение
этой случайной величины на интервале
длиной
и тогда её среднее значение
.
(5.2)
Математическое ожидание непрерывной случайной величины имеет те же свойства, что и для дискретной случайной величины.
Пример 5.2.
Найти математическое ожидание
и функцию распре-деления случайной
величиныХ
с заданной плотностью распределения
По формуле (5.2) находим математическое ожидание: