- •Министерство транспорта российской федерации
- •Введение
- •1. Основные понятия теории вероятностей
- •1.1. События. Классификация событий
- •1.2. Классическое и статистическое определение вероятности
- •1.3. Элементы комбинаторики
- •2. Алгебра событий
- •2.1. Действия над событиями
- •2.2. Теорема сложения вероятностей несовместных событий
- •2.3. Зависимые и независимые события
- •2.4. Теорема умножения вероятностей независимых событий
- •2.5. Вероятность появления хотя бы одного события
- •2.6. Условная вероятность
- •2.7. Теорема умножения вероятностей зависимых событий
- •2.8. Теорема сложения вероятностей совместных событий
- •2.9. Формула полной вероятности
- •2.10. Вероятность гипотез. Формула Байеса
- •3. Повторные независимые испытания
- •3.1. Формула Бернулли
- •3.2 Локальная теорема Муавра-Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Формула Пуассона
- •4. Случайные величины
- •4.1. Понятие случайной величины
- •4.2. Закон распределения случайной величины
- •4.3. Функция распределения случайной величины
- •4.4. Плотность вероятности
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия случайной величины
- •5.3. Среднее квадратическое отклонение случайной величины
- •5.4. Мода и медиана. Квантили
- •Решение. Находим функцию распределения
- •5.5. Моменты случайных величин. Асимметрия и эксцесс
- •5.6. Числовые характеристики независимых испытаний
- •5.7. Одинаково распределенные взаимно независимые случайные величины
- •6. Основные законы распределения
- •6.1. Биноминальный закон распределения
- •6.2. Закон распределения Пуассона
- •6.3. Равномерный закон распределения
- •6.4. Показательный (экспоненциальный) закон распределения
- •6.5 Функция надежности
- •6.6. Нормальный закон распределения
- •7. Предельные теоремы теории вероятностей
- •7.1. Закон больших чисел
- •7.1.1. Неравенство Чебышёва
- •7.1.2. Теорема Чебышёва
- •7.1.3. Теорема Бернулли
- •7.1.4. Теорема Пуассона
- •7.1.5. Теорема Маркова
- •7.2.Центральная предельная теорема
- •7.2.1. Теорема Ляпунова
- •7.2.2. Теорема Берри-Эссена
- •8. Многомерные случайные величины
- •8.1. Понятие многомерной случайной величины
- •8.2. Закон распределения вероятностей двумерной дискретной случайной величины
- •8.3. Функция распределения многомерной случайной величины
- •8.4. Плотность вероятности двумерной случайной величины
- •8.5. Условные законы распределения двумерной случайной величины
- •8.6. Зависимые и независимые случайные величины
- •8.7. Числовые характеристики двумерной случайной величины.
- •Библиографический список
- •Оглавление
- •Лаврусь Ольга Евгеньевна Конспект лекций по теории вероятностей
- •443022, Г. Самара, Заводское шоссе, 18
Решение. Находим функцию распределения
.
Квантиль х0,3найдем из уравнения (5.21), т.е.= 0,3, откудах0,3≈ 0,67. ◄
5.5. Моменты случайных величин. Асимметрия и эксцесс
Среди числовых характеристик случайной величины особое место занимают моменты– начальные и центральные.
Определение.Начальным моментом k-го порядка случайной величины Х называется математическое ожидание k-ой степени этой величины:
. |
(5.22) |
Для дискретной случайной величины формула начального момента имеет вид:
. |
(5.23) |
Для непрерывной случайной величины:
. |
(5.24) |
Определение.Центральным моментом k-го порядка случайной величины Х называется математическое ожидание k-ой степени отклонения случайной величины Х от ее математического ожидания:
. |
(5.25) |
Для дискретной случайной величины формула центрального момента имеет вид:
. |
(5.26) |
Для непрерывной случайной величины:
. |
(5.27) |
Нетрудно заметить, что при k= 1 первый начальный момент случайной величиныХесть ее математическое ожидание (ν1=М(Х)), приk= 2 второй центральный момент – дисперсия (μ2=D(Х)).
Т.е. первый начальный момент характеризует среднее значениераспределения случайной величиныХ; второй центральный момент –степень рассеянияраспределенияХотносительно математического ожидания. Для более подробного описания распределения служат моменты высших порядков.
Третий центральный моментμ3служит для характеристикиасимметрии(т.е.скошенности) распределения. Он имеет размерность куба случайной величины. Чтобы получить безразмерную величину, ее делят наσ3, гдеσ– среднее квадратическое отклонение случайной величиныХ. Полученная величинаАназываетсякоэффициентом асимметрии случайной величины:
. |
(5.28) |
Если распределение симметрично относительно математического ожидания, то коэффициент асимметрии равен нулю А= 0.
На рис. 5.2 показаны две кривые распределения 1 и 2. Кривая 1 имеет положительную (правостороннюю) асимметрию (А> 0), а кривая 2 – отрицательную (левостороннюю) асимметрию (А< 0).
Четвертый центральный моментμ4служит для характеристикикрутости(островершинности или плосковершинности) распределения.
Эксцессомслучайной величины называется число
. |
(5.29) |
(Число 3 вычитается из отношения потому, что для нормального распределения, которое встречается наиболее часто, отношение μ4/σ4= 3). Кривые, более островершинные, чем нормальная, обладают положительным эксцессом, более плосковершинные – отрицательным эксцессом.
5.6. Числовые характеристики независимых испытаний
Пусть производится nнезависимых испытаний, в каждом из которых вероятность появления событияАпостоянна и равнар(т.е. повторные независимые испытания).
В этом случае математическое ожидание числа появлений события Авnиспытаниях находится по формуле
M(X) = np, |
(5.30) |
а дисперсия по формуле
D(X) = npq. |
(5.31) |
5.7. Одинаково распределенные взаимно независимые случайные величины
Рассмотрим nвзаимно независимых случайных величинХ1,Х2, …,Хn, которые имеют одинаковые распределения, а следовательно, одинаковые характеристики (математическое ожидание, дисперсию и др.). Наибольший интерес представляют числовые характеристики среднего арифметического этих величин.
Обозначим среднее арифметическое nвзаимно независимых случайных величин через:
.
Сформулируем положения, устанавливающие связь между числовыми характеристиками среднего арифметического и соответствующими характеристиками каждой отдельной величины.
1. Математическое ожидание среднего арифметического одинаково распределенных взаимно независимых случайных величин равно математическому ожиданию а каждой из величин:
М() =а. |
(5.32) |
2. Дисперсия среднего арифметического n одинаково распределенных взаимно независимых случайных величин в n раз меньше дисперсии D каждой из величин:
. |
(5.33) |
3. Среднее квадратическое отклонениеn одинаково распределенных взаимно независимых случайных величин в раз меньше среднего квадратического отклонения σ каждой из величин:
. |
(5.34) |