- •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 дисперсії:
Дисперсія сталої величини дорівнює нулю.
Дисперсія добутку сталої величини на випадкову величину дорівнює добутку квадрата сталої величини на дисперсію випадкової величини: D[CX]=C2D[X].
Дисперсія випадкової величини має розмірність квадрату випадкової величини. Для того, щоб мати характеристику розсіяння тієї ж розмірності, що і у випадкової величини вводять іншу характеристику розсіяння – середнє квадратичне відхилення σх, що дорівнює кореню квадратному з дисперсії. σх= .
Приклад. Дискретна випадкова величина Х задана рядом розподілу
хі |
-1 |
0 |
1 |
рі |
0,4 |
0,2 |
0,4 |
-1 0 1 х
Знайти М[X]; D[X]; σх.
М[X]= =(-1)·0,4+00,2+1·0,4=0
D[X]= =(-1-0)2·0,4+(0-0)2·0,2+(1-0)2·0,4=0,8
σх=
Приклад. Неперервна випадкова величина Х задана щільністю розподілу f(x)=
Знайти М[X]; D[X]; σх.
М[X]=
=
=
D[X]=
+ 0,272.
σ х= 0,521. f(x)
mx
0 1 x
Розподіл Пуассона
При розв’язуванні багатьох практичних задач приходиться мати справу з дискретними випадковими величинами, які підкоряються закону Пуассона. Типовим прикладом випадкової величини, що має розподіл Пуассона, є число викликів на телефонній станції за деякий час t, число викликів швидкої допомоги за деякий час t, середнє число літаків, що прибувають в аеропорт і т. д.
Нехай дискретна випадкова величина Х може приймати тільки такі значення: 0, 1, 2, ... .
Випадкова величина Х має розподіл Пуассона, якщо ймовірність того, що вона прийме значення m виражається формулою: Рm= (m=0, 1, 2, …)
де а – деяка стала величина, її називають параметром Пуассона.
Ряд розподілу випадкової величини Х має вигляд:
хі |
0 |
1 |
2 |
... |
m |
рі |
e-a |
ae-a |
|
… |
|
Математичне сподівання і дисперсія цієї величини дорівнюють а.
Задача. При роботі електронної обчислювальної машини час від часу виникають збої. Потік збоїв можна зчитати простішим (стаціонарним, пуассоновським). Середнє число збоїв за добу дорівнює 1,5. Знайти ймовірності подій: А – за дві доби не буде жодного збою; В – за добу буде хоча б один збой; С – за тиждень буде не менше ніж три збої.
Розв’язання. Число збоїв за дві доби дорівнює 1,52=3.
Р(А)=Р0= 0,05 (5%)
Щоб знайти ймовірність події В, треба спочатку знайти ймовірність протилежної події . Подія полягає в тому, що за добу не відбудеться жодного збою. Р( )=Р0= ; Р(В)=1-Р( )=1-е-1,5=0,777.
Середнє число збоїв за тиждень дорівнює 1,57=10,5.
Знайдемо ймовірність події С, яка полягає в тому, що за тиждень буде не менше ніж три збої. Спочатку знайдемо ймовірність події , яка полягає в тому, що за тиждень буде менше ніж три збої тобто або один, або два, або жодного збою.
Р( )=
+ =66,62·е-10,5=0,002,
Р(С)=1-0,002=0,998.