- •Глава 1. Алгебра случайных событий
- •§1. Основные определения и понятия
- •Свойства противоположного события
- •2 Решение типовых задач
- •§3 Задачи для самостоятельного решения.
- •1) Построить пространство элементарных исходов
- •2) Указать состав подмножеств, соответствующих данным событиям
- •3) Выполнить указанные операции над данными событиями.
- •Глава 2 Классическое вероятностное пространство.
- •§1. Основные понятия и определения.
- •2) Все элементарные исходы равновозможные, т.Е.
- •Элементы комбинаторики.
- •§2. Решение типовых задач.
- •20 Футбольных команд, среди которых 4 призёра предыдущего первенства, по жеребьевке разбиваются на 4 занумерованные подгруппы по 5 команд.
- •Решение:
- •52 Карты раздаются четырём игрокам (каждому по 13 карт)
- •Решение:
- •4) Картошки, 5) наполеон, 6) невские.
- •Решение:
- •§3 Задачи для самостоятельного решения.
- •Глава 3 Относительная частота и её свойства
- •§1. Основные понятия.
- •Относительная частота события а:
- •4) Свойство устойчивости:
- •§2. Решение типовых задач
- •§3. Задачи для самостоятельного решения
- •Глава 4. Теоремы сложения и умножения вероятностей. Условная вероятность.
- •§1. Основные понятия
- •5)Теорема сложения для совместных событий:
- •6)Теорема умножения
- •7)Теорема о сумме совместных, но независимых в совокупности событий.
- •§2 Решение типовых задач.
- •Задача №6
- •Решение:
- •Глава 5. Формула полной вероятности. Формулы Байеса.
- •§1. Основные понятия
- •§2. Решение типовых задач. Задача 1
- •Задача 2
- •Задача 3
- •Задача 4.
- •Решение.:
- •Задача 5.
- •Решение:
- •Задача 6.
- •Решение.
- •Задача 8
- •Задача 9
- •§ 3 Задачи для самостоятельного решения
- •Задача 6.
- •Задача 7.
- •Задача 9.(новогодний аттракцион)
- •Задача 10.
- •Задача 11.
- •Задача 12.
- •Задача 13.
- •Задача 14.
- •Глава 6 Последовательность независимых испытаний
- •§1.Основные понятия
- •§2 Решение типовых задач
- •§3 Задачи для самостоятельного решения.
- •Задача 2.
- •Задача 3.
- •Глава 7. Одномерная случайная величина дискретного типа
- •1 Основные понятия
- •Полигон распределения
- •Основные дискретные распределения и их числовые характеристики
- •Задача2
- •Задача 3
- •Задача 7
- •Задача 8
- •Глава 8 Одномерная случайная величина непрерывного типа
- •§1 Основные понятия.
- •§2 Решение типовых задач
- •Задача 2
- •1)Основное свойство функции плотности:
- •Задача 3
- •Решение:
- •1)Основное свойство функции плотности:
- •Задача 4
- •Решение:
- •Задача5
- •Задача 6
- •§3 Задачи для самостоятельного решения
- •Задача 22
- •Задача 23
- •1. Строим график
- •§2 Решение типовых задач
- •§3. Задачи для самостоятельного решения
- •Глава 11. Непрерывная двумерная случайная величин
- •Условные математические ожидания
- •§ 2 Решение типовых задач
- •§ 3 Задачи для самостоятельного решения
- •Глава 12. Закон больших чисел (предельные теоремы)
- •§ 1. Основные понятия и формулы
- •1. Неравенство Маркова
- •2. Неравенство Чебышева
- •3. Неравенство Бернулли
- •§ 2. Решение типовых задач
- •§ 3. Задачи для самостоятельного решения
- •Глава 12. Нормальная случайная величина
- •§ 1. Основные понятия и формулы
- •§ 2. Решение типовых задач
- •§ 3. Задачи для самостоятельного решения
Глава 12. Нормальная случайная величина
§ 1. Основные понятия и формулы
Непрерывная случайная величина Х распределена по нормальному закону (распределение Гаусса), если ее плотность распределения вероятности имеет вид (для х(-; )):
fx(x)=
Для краткости данный закон записывают так: X N (m, ). Распределение Гаусса имеет два параметра:mи. Причем, известно, что:
m = mx (M [X]) – это математическое ожидание СВX;
= x (x =√Dx ; = Dx ) – это среднеквадратичное отклонение СВ Х, аDx – это дисперсия СВ Х.
Определение 1.2. Нормальная случайная величина называется стандартизированной, если Х N(0;1).
Замечание: Если ХN(m,), то случайная величинаU = (Х-m)/ будет стандартизированной нормальной величиной, т.к.
M [U] = M [(X-m)/] = (1/)*(M[X]-m) = 0(по свойствам математического ожидания);
D [U] = D [(X-m)/] = (1/2)*D[X] = (1/2)*2 = 1 (по свойствам дисперсии СВ Х).
В таблицах приведены значения функции плотности стандартизированной СВ:
φ(x) =
x
Замечание:
φ(х)*dx = 1 (Площадь под графиком равна 1);
φ(-х) = φ(х).
Как найти значение f (x), еслиХ N (m, ), где mиизвестны:
Во-первых, f(x) =,т.е сначала надо найтиx0 = (x-m)/
Затем по таблице необходимо найти φ (x0)
Наконец, вычислить значение f(x) =.
Функцией распределения случайной величины Х называется функция, заданная на всей числовой оси и в каждой точке х её значения равны вероятности попадания в интервал слева от х.
Основные свойства:
D (F) = (-∞;∞)
E (F) = (0;1)или[0;1]:limF(x) = 0 (при х(-∞));limF(x) = 1 (при х∞)
Неубывающая функция: Еслих1 >x2 , тоF(х1) >=F(x2)
Если Х – непрерывная СВ, то F (x) – непрерывная функция; если Х – дискретная СВ, то F (x) – кусочно-постоянная функция (разрыв слева).
Эскиз графика функции распределения дискретной СВ
Связь между функцией плотности f (x) и функцией распределения F (x):
F (x) =
f (x) = F ′ (x)
F(x)
1
P {α < X < β} = =F (b) – F (a) - вероятность попадания в интервал [α;β]
Чтобы найти значение F(x) в любой точке вводят специальную функцию Лапласа, значения которой приведены в таблице. В разных таблицах можно встретить два варианта выражения функции Лапласа:
Ф (х) =
Вариант 1:
Свойства:
Ф (-∞) =-½
Ф (+∞) = ½
Ф (-х) = Ф (х)
Тогда, чтобы получить значение F(x), если ХN(m;), используем формулу:
F (x) = ½ + Ф((x-m)/)
Вариант 2:
Ф (х) =
Свойства:
Ф (-∞) = 0
Ф (+∞) = 1
Ф (-х) = 1 - Ф (х)
F (x) = Ф((x-m)/)
Основные формулы:
P {X < a} = F (a) =
Р {X > b}=1–F(b) =
P {a < X < b} = F (b) – F (a) = Ф ((b-m)/) – Ф ((a-m)/)
Правило «3*»: P {|X-m|< 3*} = 2 * Ф (3) = 0, 99973 - почти достоверное событиепопасть в такой интервал
Схема Бернулли:
Проводится «n» испытаний. Возможны только два исхода:A(P(A)=p) и
А (P(А)=1-p=q).X– число появлений события А в «n» испытаниях.
bk=P{X=k}=
Формула Бернулли
k = 0, 1, 2…n
При больших «n» используют приближенные формулы:
bk, где=n*p(n-велико, р-мало)
Формула Пуассона:
Локальная формула Муавра-Лапласа:
bk , где(х) =
Приближенная интегральная формула Муавра-Лапласа
bk N (m;)
m = n*p
=
Нормальный закон является предельным для биномиального: Х N (m;), m = n*p, =
P {k1<X<k2}=