
- •Тема 1 випадкові величини
- •Поняття випадкової величини. Закон розподілу дискретної випадкової величини. Математичні операції над випадковими величинами 4
- •Тема 2 основні закони розподілу
- •Тема 3 елементи математичної статистики
- •Тема 4 розв’язування задач засобами mathcad 150
- •Тема 1 випадкові величини
- •Поняття випадкової величини. Закон розподілу дискретної випадкової величини. Математичні операції над випадковими величинами
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Математичне сподівання дискретної випадкової величини та його властивості
- •Розв’язування
- •Доведення
- •Доведення
- •Доведення
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Функція розподілу випадкової величини
- •Розв’язування
- •Доведення
- •Доведення
- •Неперервні випадкові величини. Щільність ймовірності
- •Доведення
- •Розв’язування
- •Доведення
- •Розв’язування
- •Мода, медіана, квантилі, моменти випадкових величин. Асиметрія та ексцес (надвишок)
- •Розв’язування
- •Розв’язування
- •1.7 Приклади розв’язування задач
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Питання для самоперевірки
- •Завдання для самостійної роботи
- •Тема 2 основні закони розподілу
- •2.1 Біноміальний закон розподілу
- •Доведення
- •2.2 Закон розподілу Пуассона
- •Розв’язування
- •2.3 Рівномірний закон розподілу
- •Доведення
- •Розв’язування
- •Розв’язування
- •2.4 Показниковий закон розподілу
- •Доведення
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •2.5 Нормальний закон розподілу
- •Доведення
- •Доведення
- •Доведення
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •2.6 Розподіл
- •2.7 Розподіл Ст’юдента
- •2.8 Розподіл Фішера-Снедекора
- •Питання для самоперевірки
- •Завдання для самостійної роботи
- •Тема 3 елементи математичної статистики
- •3.1 Варіаційні ряди, їх графічне представлення та характеристики
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •3.2 Поняття оцінки параметрів. Методи знаходження оцінок
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •3.3 Статистична гіпотеза та загальна схема її перевірки
- •Розв’язування
- •1. Перевірка гіпотез про рівність середніх.
- •Розв’язування
- •2. Перевірка гіпотез про рівність дисперсій двох сукупностей.
- •Розв’язування
- •3. Побудова теоретичного закону розподілу за експериментальними даними. Перевірка гіпотез про закон розподілу
- •Розв’язування
- •Питання для самоперевірки
- •Завдання для самостійної роботи
- •Тема 4 розв’язування задач засобами MathCad
- •Розв’язання
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Словник основних математичних термінів, що зустрічаються в тексті
- •21021, М. Вінниця, Хмельницьке шосе, 95, внту
- •21021, М. Вінниця, Хмельницьке шосе, 95, внту
Доведення
як ймовірність неможливої події
.
як ймовірність
достовірної події
.
4. Ймовірність
потрапляння випадкової величини на
проміжок
дорівнює приросту її функції розподілу
на цьому інтервалі, тобто
. (1.19)
Формула (1.19) випливає безпосередньо з формули (1.18).
Неперервні випадкові величини. Щільність ймовірності
Враховуючи розглянуте поняття функції розподілу, неперервною випадковою величиною називають випадкову величину, функція розподілу якої неперервна та диференційовна в усіх точках. Має місце теорема.
Теорема 1.1 Ймовірність будь-якого окремо взятого значення неперервної випадкової величини дорівнює нулю.
Доведення
Покажемо, що для
довільного значення
випадкової величини
ймовірність
.
Подамо
у вигляді
.
Застосувавши властивість (4) функції розподілу і враховуючи неперервність , одержимо
.
До цих пір ми розглядали випробування, які зводились до схеми випадків, і нульову ймовірність мали лише неможливі події. З наведеної теореми випливає,що нульову ймовірність можуть мати і можливі події.
Наслідок.
Якщо
– неперервна випадкова величина, то
ймовірність потрапляння випадкової
величини на проміжок
не залежить від того, є цей проміжок
відкритим чи закритим, тобто
.
Дійсно,
.
Аналогічно доводяться інші рівності.
Подання неперервної випадкової величини за допомогою функції розподілу не є єдиним. Введемо поняття щільності ймовірності неперервної випадкової величини.
Щільністю
ймовірності (closeness
of
probability)
(або просто
щільністю)
неперервної випадкової величини
називається похідна її функції розподілу
.
(1.20)
Про випадкову величину кажуть, що вона розподілена із щільністю на певному проміжку осі абсцис. Функція є однією з форм закону розподілу, але існує вона лише для неперервних випадкових величин. Щільність ймовірності іноді називають диференціальним законом розподілу. Графік щільності ймовірності називають кривою розподілу.
Приклад 1.11 Знайти щільність розподілу ймовірності випадкової величини задану функцією розподілу
.
Розв’язування
За формулою (1.20) маємо
Розглянемо загальні властивості щільності ймовірності неперервної випадкової величину.
1. Щільність ймовірності – невід’ємна функція, тобто
.
Дійсно, оскільки
функція розподілу неспадна, то
.
2.
Ймовірність потрапляння неперервної
випадкової величини на проміжок
дорівнює визначеному інтегралу від її
щільності ймовірності в межах від
до
,
тобто
. (1.21)
Доведення
За (4) властивістю функції розподілу маємо
.
Оскільки
є первісною для щільності ймовірності,
то за формулою Ньютона – Лейбніца
приріст первісної на відрізку
є визначений інтеграл
,
тобто
.
З
геометричної точки зору одержана
ймовірність дорівнює площі криволінійної
трапеції, обмеженої кривою розподілу,
віссю
та прямими
та
.
Рисунок 1.6
3. Функція розподілу неперервної випадкової величини знаходиться через щільність ймовірності за формулою:
. (1.22)
Формула (1.22) може
бути одержана з (1.21) при
,
якщо замінити верхню межу
на змінну межу
.
З
геометричної точки зору функція розподілу
дорівнює площі фігури, обмеженої зверху
кривою розподілу та розташованої лівіше
точки
(рис. 1.7).
Рисунок 1.7
4. Невласний інтеграл у нескінченних межах від щільності ймовірності неперервної випадкової величини дорівнює одиниці:
. (1.23)
Дійсно, за формулою
(1.22):
та при
.
Поняття математичного
сподівання та дисперсії, розглянуті
для дискретної випадкової величини,
можна розповсюдити на неперервні
випадкові величини. Для одержання
відповідних формул достатньо у формулах
(1.3) та (1.11) для дискретної випадкової
величини замінити знак підсумовування
знаком
інтеграла із нескінченними межами
,
можливі значення
– неперервною змінною
,
а ймовірність
– елементом ймовірності
.
Зауваження. Під
елементом
ймовірності розуміють
ймовірність потрапляння випадкової
величини
на проміжок
.
В результаті одержуємо такі формули для математичного сподівання та дисперсії неперервної випадкової величини :
(1.24)
(якщо інтеграл абсолютно збіжний) та
(1.25)
(якщо інтеграл збіжний).
Усі властивості математичного сподівання та дисперсії, розглянуті для дискретних величин, справедливі і для неперервних. Зокрема, на практиці при обчисленні дисперсії використовують формулу:
. (1.26)
Приклад 1.12 Дано функцію:
.
Знайти: а) значення
сталої
,
при якому дана функція буде щільністю
ймовірності деякої випадкової величини
;
б) вираз для функції розподілу
;
в) обчислити ймовірність того, що
випадкова величина
набуде значення з відрізку
;
г) математичне сподівання та дисперсію
випадкової величини
.