- •Теорія ймовірностей
- •1. Аксіоматичне означення ймовірності. Формула повної імовірності та ф-ла Баєса.
- •2. Випадкові величини. Властивості функцій розподілу.
- •3.Нерівність Чебишева. Закон великих чисел
- •4. Основні типи дискретних та неперервних розподілів.
- •1. Рівномірний з параметрами
- •2. Показниковий з параметром
- •3. Нормальний з параметрами
- •5.Центральна гранична теорема 1
- •6. Поняття випадкового процесу. Вінерівський та пуасонівський процеси.
- •7. Випадкове середнє та дисперсія. Емпірична функція розподілу. Теореми глівенка та колмогорова
- •8.Перевірка статистичних гіпотез. Критерії згоди колмогорова і 2 ( критерій пірсона).
1. Аксіоматичне означення ймовірності. Формула повної імовірності та ф-ла Баєса. 2
2. Випадкові величини. Властивості функцій розподілу. 3
3.Нерівність Чебишева. Закон великих чисел 4
4. Основні типи дискретних та неперервних розподілів. 5
5.Центральна гранична теорема 1 7
для однаково розподілених незалежних випадкових величин 7
6. ПОНЯТТЯ ВИПАДКОВОГО ПРОЦЕСУ. ВІНЕРІВСЬКИЙ ТА ПУАСОНІВСЬКИЙ ПРОЦЕСИ. 8
7. ВИПАДКОВЕ СЕРЕДНЄ ТА ДИСПЕРСІЯ. ЕМПІРИЧНА ФУНКЦІЯ РОЗПОДІЛУ. ТЕОРЕМИ ГЛІВЕНКА ТА КОЛМОГОРОВА 9
8.ПЕРЕВІРКА СТАТИСТИЧНИХ ГІПОТЕЗ. КРИТЕРІЇ ЗГОДИ КОЛМОГОРОВА І 2 ( КРИТЕРІЙ ПІРСОНА). 10
Теорія ймовірностей
1. Аксіоматичне означення ймовірності. Формула повної імовірності та ф-ла Баєса.
Спочату введемо кілька допоміжних понять.
Озн. Множина U є алгеброю, якщо
1)
2) і
3).
Озн. Множина U є -алгеброю, якщо
1)
2) і
3).
Будемо вважати, що множина всіх подій утворює -алгебру.
Озн. Числову функцію, задану на множині всіх подій U, будемо називати ймовірністю, якщо
Р(А) 0;
Р( )=1; Р( )=0;
.
Озн. Ймовірносний простір- це трійка об єктів: ( ).
Озн. Під аксіоматикою теорії ймовірності розуміють три властивості, накладені на U, і три властивості накладені на Р.
Відомо ряд важливих наслідків з цих властивостей, які легко доводяться. Приведемо їх.
1. Якщо , то .
2. .
3. P( )= 0.
4. P( )=P(A)+P(B)-P( ), .
5. Неперервність зверху:
і = , тоді має місце .
Озн. Умовною ймовірністю прийнято називати величину Р(А/В)=
Озн. А і В - незалежні події, якщо Р( )=Р(А)Р(В).
Озн. Кажуть, що утв-ють повну групу подій, якщо
.
Формула повної ймовірності має вигляд, якщо - повна група подій,
. Дійсно
Формула Баєса відповідно має вигляд (при тих же припущеннях)
2. Випадкові величини. Властивості функцій розподілу.
Нехай маємо ймовірносний простір ( , F, P). - деяка функція, визначена на .
Озн. -буде вимірною функцією, якщо
, де F алгебра.
Озн. Вимірна функція - випадкова величина ,
.
Озн. F(x)= - функція розподілу випадкової величини .
Властивості функцій розподілу.
1. F(x) – невід’ємна
2. F(x) - монотонно неспадна.(x1>=x2 => F(x1)>=F(x2) )Справді:
Отже
3. F(x) - неперервна зліва. Тобто F(x-0) = F(x)
4. Нормованою F(- ) = 0 , F(+ ) = 1.
Дискретні випадкові величини.
Нехай < > ймовірнісний простір. Дискретною випадковою величиною називається функція на , яка набуває скінченне або зліченне число значень х1, х2, …, хn , … і є вимірною відносно алгебри . Це означає, що для кожного хі { : x} (1).Дійсно, якщо для функції має місце співвідношення (1), то ця функція вимірна відносно , так як для кожного дійсного х { : x}= { : xі} . Крім того, якщо вимірна відносно алгебри , то за Теоремою 1 для кожного дійсного х { : x } . Таким чином, якщо дискретна випадкова величина на ймовірнісному просторі < >, яка приймає значення х1, х2, …, хn, …, то для кожного n визначена ймовірність Рn=Р{ : xn} Нехай () – дискретна випадкова величина, яка набуває значення х1,…, хі,…. Набір чисел Р{:()=xi}=pi (i=1,2,…) називають р о з п о д і л о м випадкової величини . Зрозуміло, що рі 0, .
Функція розподілу дискретної випадкової величини () визначається рівністю
Сумісний розподіл випадкових величин () і (). Нехай () – дискретна випадкова величина, яка набуває значень х1, х2,…, хі,…, () – дискретна випадкова величина, яка набуває значень y1, y2,…, yі,…. Набір чисел Р{:()=xi, ()=yi}=pij (i=1, 2, …; j=1, 2, …) називається сумісним розподілом випадкових величин і (розподілом випадкового вектора (, )). Мають місце такі твердження:
а) рij0,
б) де {pi} розподіл (), {qi} – розподіл ().
Незалежні випадкові величини. Випадкові величини і н а з и в а ю т ь с я н е з а л е ж н и м и, якщо для будь-яких i j
P{()=xi, ()= yi} = P{()=xi} P{()= yi}.
Математичне сподівання випадкової величини. Нехай () – дискретна випадкова величина, яка набуває значень хі з імовірностями рі(і=1, 2, …). Припустимо, що ряд хірі збігається. Тоді м а т е м а т и ч н и м с п оді-
в а н н я м випадкової величини () називається сума ряду М () = Якщо хірі=+, то кажуть, що випадкова величина () не має математичного сподівання. Математичне сподівання суми випадкових величин дорівнює сумі математичних сподівань.
Дисперсія випадкової величини () визначається рівністю
D=M[- M]2= M2-( M)2=
Властивості дисперсії.
D=0 =соnst;
D=
D(C)=c2 D;
D( C)= D .
Якщо та незалежні випадкові величини, то D( )= D +D .
Коєфіцієнт коваріації випадкових величин та це: cov(, )=M(-M)(-M).
Коефіцієнт кореляції. К о є ф і ц і є н т о м к о р е л я ц і ї випадкових величин і називаються
Мають місце такі твердження:
а) r(, ) 1;
б) якщо і незалежні, то r(, )=0;
в) якщо r(, )=1, то з імовірністю одиниця =а+b, де а і b – деякі сталі.