- •Теорія ймовірності та математична статистика історія виникнення та розвитку теорії ймовірностей
- •Основні поняття теорії ймовірностей
- •Перестановки, розміщення, комбінації
- •Геометрична ймовірність
- •Сума і добуток подій
- •Теорема додавання ймовірностей
- •Теорема множення ймовірностей
- •Теорема додавання сумісних подій
- •Формула повної ймовірності
- •Формула Байєса
- •Послідовності незалежних випробувань
- •Локальна теорема лапласа
- •Інтегральна теорема Лапласа
- •Формула Пуассона (теорема Пуассона)
- •Випадкова величина
- •Закон розподілу ймовірностей дискретної випадкової величини
- •Функція розподілу випадкової величини
- •Властивості функції розподілу:
- •Щільність розподілу випадкової величини
- •Властивості функції щільності розподілу:
- •Числові характеристики випадкової величини
- •Властивості математичного сподівання:
- •Властивості дисперсії:
- •Розподіл Пуассона
- •Рівномірний розподіл
- •Нормальний розподіл
- •Система випадкових величин
- •Функція розподілу двох випадкових величин
- •Властивості функції розподілу:
- •Щільність розподілу системи двох випадкових величин
- •Залежні і незалежні випадкові величини
- •Числові характеристики системи двох випадкових величин
Властивості функції щільності розподілу:
f(x)0, тому що f(x) є похідною неспадної функції.
=1, тому що ймовірність влучення випадкової величини на всю пряму Ох дорівнює 1.
Приклад. Функція розподілу неперервної випадкової величини задана виразом
F(x)=
Знайти: 1) Щільність розподілу f(x);
2) Коефіцієнт а;
3) Ймовірність влучення випадкової величини на проміжок від 0,25 до 0,5.
Розв’язання.
Ймовірність попадання випадкової величини на вісь Ох дорівнює 1.
а=1.
Запишемо функцію F(x) при а=1.
F(x)=
2) f(x)=F(x) f(x)= f(x)=
y
1 y=F(x)
2
y=2x
1
x
0 1 0 1
3) P(0,25X<0,5)= =0,1875.
Числові характеристики випадкової величини
Знаючи закон розподілу випадкової величини, можна вказати, де розташовані можливі значення випадкової величини і яка ймовірність її появи в тому чи іншому інтервалі. В багатьох практичних питаннях немає необхідності характеризувати випадкову величину, задаючи закон розподілу.
Часто буває достатньо вказати число біля якого розташовані інші значення випадкової величини, а також вказати число, що характеризує степінь розкиданості значень випадкової величини. Такі числа називаються числовими характеристиками випадкової величини.
Математичним сподіванням М[X] випадкової величини називається число, що обчислюється за формулою:М[X]= , якщо Х дискретна величина
і за формулою М[X]= , якщо Х неперервна випадкова величина.
Математичне сподівання позначається ще символом mx.
Приклад. Дискретна випадкова величина Х задана рядом розподілу
хі |
-2 |
-1 |
0 |
1 |
2 |
3 |
рі |
0,1 |
0,1 |
0,2 |
0,3 |
0,2 |
0,1 |
Знайти М[X].
М[X]= =(-2)·0,1+(-1)·0,1+0·0,2+1·0,3+2·0,2+3·0,1=0,7
0,7
х
-2 -1 0 1 2 3
Приклад. Неперепвна випадкова величина Х задана щільністю розподілу
f(x)=
Знайти М[X].
М[X]= =
Математичне сподівання не є серединою проміжку на якому розкидані значення випадкової величини. Воно посунуто в ту сторону, де щільність розподілу випадкової величини більше.
Якщо провести велику кількість дослідів, то середнє арифметичне значення величини буде приблизно дорівнювати математичному сподіванню.
Властивості математичного сподівання:
Математичне сподівання сталої величини дорівнює цій сталій величини, тобто М[C]=C.
Сталий множник можна виносити за знак математичного сподівання М[СХ]=С·М[Х]
Доведення. М[СХ]= .
Для неперервної випадкової величини доведення аналогічне.
Основними характеристиками розсіяння випадкової величини навколо математичного сподівання є дисперсія і середнє квадратичне відхилення.
x-mx
x
mx x
При означенні цих характеристик використовуємо величини x-mx. Ця величина x-mx називається центрірованою випадковою величиною.
Математичне сподівання центрірованої випадкової величини дорівнює нуль.
М[ ]= =
=
Дисперсію випадкової величини Х називається величина, яка обчислюється для дискретних випадкових величин за формулою
D[X]= ,
а для неперервних – за формулою
D[X]= .
Дисперсія характеризує розсіяння випадкової величини.