
- •Понятие вероятности и классическое определение вероятности.
- •Некоторые элементы комбинаторики
- •Условная вероятность. Формула умножения вероятностей.
- •Формула Байеса
- •Аксиоматическое построение теории вероятностей
- •Последовательность независимых испытаний (схема Бернулли)
- •Случайные величины и функции распределения
- •Ф ункция распределения случайных величин
- •Плотность распределения случайной величины
- •Числовые характеристики случайных величин
- •Момент, дисперсия, среднеквадратичное отклонение
- •Зависимые и независимые случайные величины
- •Система произвольного числа случайных величин
- •Законы распределения и числовые характеристики функции случайных величин
- •Теоремы о числовых характеристиках
- •Закон распределения монотонной функции одного случайного элемента.
- •Предельные теоремы теории вероятностей
- •Закон больших чисел в форме теоремы Чебышева
- •Обобщённая теорема Чебышева и теорема Маркова
- •Характеристические функции
- •Основные свойства характеристических функций
- •Центральная предельная теорема для суммы одинаково распределённых слагаемых
- •Математическая статистика
- •Весовые характеристики статистического распределения
- •Доверительный интервал
- •Проверка статистических гипотез
- •Метод наименьших квадратов
Плотность распределения случайной величины
Рассмотрим
.
Средняя вероятность на единицу длины
на отрезке
.
Производная функции распределения называется плотностью распределения или плотностью вероятности или дифференциальным законом распределения.
Свойства плотности вероятности:
.
.
.
Числовые характеристики случайных величин
Характеристики положения: математическое ожидание, мода, медиана.
Если задан ряд:
x |
|
|
… |
|
p |
|
|
… |
|
то математическое ожидание
.
Для непрерывной величины
.
Мода – координата локального максимума плотности вероятности.
М
едиана
– такое число, что прямая
делит площадь под функцией распределения
на две равные части, т.е.
.
Момент, дисперсия, среднеквадратичное отклонение
Начальный момент k=го
порядка:
.
Для непрерывного x:
.
Видно, что
.
Центральный момент k-го
порядка:
.
Для непрерывного x:
.
Видно, что
.
Дисперсия
.
Среднеквадратичное
отклонение
.
Рассмотрим
;
.
, где
.
.
.
Величина
называется коэффициентом
асимметрии.
Величина
является характеристикой
крутизны кривой.
Для нормального распределения
.
Некоторые известные законы распределения случайных величин.
Закон равномерной плотности или равномерного распределения
.
Найдём C:
.
Таким образом,
.
.
.
Моды у этого распределения нет. Медиана
.
Дисперсия
.
Среднеквадратичное отклонение
.
Пусть
.
Тогда
.
Нормальный закон распределения (закон Гаусса)
,
где и m
– параметры распределения.
.
Среднеквадратичное отклонение = .
Центральный момент k-го
порядка
.
Если k – нечётное, то
,
иначе
.
Отсюда следует, что
.
Эксцесс
,
что, собственно, следует из его
определения.
Показательное распределение
.
.
Закон (распределение) Пуассона:
Если задана случайная
дискретная величина
,
то вероятность того, что
.
Многоугольник распределения:
.
Биномиальное распределение:
.
(бином Ньютона)
.
Системы случайных величин или многомерные случайные величины
Ф
ункцией
распределения двух случайных величин
называют вероятность выполнения двух
неравенств:
,
т.е. вероятность попадания в заштрихованную
область.
Свойства двумерных функций распределения:
Если
, то
, если
, то
.
.
Одномерные функции можно представить через двумерные:
.
.
.
Вероятность попадания в
прямоугольник со сторонами
и
будет:
.
Тогда вероятность попадания в какую-то
область
.
Функция
– плотность распределения.
Плотности распределения отдельных величин, входящих в систему случайных величин. Условные законы распределения.
Пусть заданы функции распределения
и
.
Тогда
,
где
– функция плотности распределения для
.
Тогда
.
Условным законом распределения
величины x,
входящих в систему
называется её закон распределения,
вычисленный при условии, что другая
величина Y
приняла определённое значение y.
Вероятность попадания в прямоугольник
со сторонами
и
где
и
– два события. Тогда
.
Следовательно,
Таким образом,
.
Двумерный ряд распределения:
X Y |
|
|
… |
|
|
|
|
… |
|
|
|
|
… |
|
… |
… |
… |
… |
… |
|
|
|
… |
|
.
При этом
(сокращённо)
.