- •1. Основные понятия, определения и теоремы теории вероятностей*
- •1.1. Алгебра событий. Основые понятия теории множеств
- •1.2. Основные определения: испытание, событие. Классификация событий
- •1.3. Классическое определение вероятности. Свойства, вытекающие из этого определения
- •Значение вероятности
- •1.4. Основные теоремы теории вероятностей
- •1.5. Зависимые и независимые события
- •2. Формула полной вероятности и формула Бейеса
- •2.1. Формула полной вероятности
- •3. Случайные величины
- •3.1. Дискретные случайные величины
- •Ряд распределения случайной величины X
- •3.4. Ожидаемое среднее значение дискретной случайной величины
- •Вычисление математического ожидания числа рекламных
- •3.5. Свойства математического ожидания случайной дискретной величины
- •Возможные исходы лотереи
- •3.6. Ожидаемое среднее значение функции случайной величины
- •Ряд распределения числа месячных продаж
- •К вычислению среднего ожидаемого значения
- •3.7. Дисперсия дискретной случайной величины
- •К вычислению дисперсии случайной величины
- •3.9. Дисперсия линейной функции случайной величины
- •4. Законы распределения дискретных случайных величин
- •Формула Бернулли. Биномиальные вероятности
- •4.3. Биномиальный закон распределения
- •Биномиальное распределение
- •Биномиальное распределение X – числа гербов, появляющихся
- •Фрагмент таблиц ряда и функции биномиального распределения
- •Биномиальное распределение числа покупателей
- •Распределения
- •4.5. Распределение Пуассона
- •Закон распределения Пуассона
- •Сравнение вероятностей, полученных по формулам Бернулли и Пуассона
- •4.6. Гипергеометрическое распределение
- •Гипергеометрический закон распределения
- •Биномиальный закон распределения
- •Гипергеометрическое распределение
- •4.7. Производящая функция
- •4.8. Мультиномиальное распределение
- •4.9. Геометрическое распределение
- •5. Непрерывные случайные величины
- •6. Законы распределения непрерывных случайных величин
- •7. Закон больших чисел
- •7.1. Принцип практической уверенности. Формулировка закона больших чисел
- •7.2. Неравенства Маркова и Чебышева
- •7.3. Теорема Чебышева (частный случай)
- •7.4. Теорема Бернулли
- •7.5. Теорема Пуассона
К вычислению среднего ожидаемого значения
Число единиц товара х, тыс. шт. |
h(хi) |
P(хi) |
М[h(X)] = h(xi) P(xi) |
5000 6000 7000 8000 9000 |
2000 4000 6000 8000 10000 |
0,2 0,3 0,2 0,2 0,1 |
400 1200 1200 1600 1000 |
|
|
|
М[h(X)] = 5400 |
Ожидаемый ежемесячный доход от продаж продукции составляет 5400 условных денежных единиц (см. табл. 3.6). Для линейной функции случайной величины (см. пример 3.6) вычисления M[(h(x)] можно упростить, так как из свойств математического ожидания следует, что
M(аХ + b) = аM(Х) + b,
где a, b – числовые параметры.
Формула (3.7) подходит для любых случайных величин как дискретных, так и непрерывных.
В примере 3.6 можно вычислить ожидаемый доход. для этого сначала следует рассчитать ожидаемое среднее значение X, затем умножить полученное значение на 2 и вычесть из полученного произведения стоимость фиксированного выпуска 8000. Ожидаемое значение X есть 6700, следовательно, и ожидаемый доход равен М[h(Х)] = = М(2Х – 8000) = 2М(Х) – 8000 = 2∙6700 – 8000 = 5400, что и получено раньше.
3.7. Дисперсия дискретной случайной величины
Дисперсия случайной величины есть математическое ожидание квадрата отклонения значений случайной величины от ее математического ожидания.
σ2 = D(X) = M{[X – M(X)]2} = [xi – M(X)]2P(xi). (3.8)
Вероятности значений случайной величины играют роль весов (частот) при вычислении ожидаемых значений квадратов отклонений дискретной случайной величины от средней. По формуле (3.8) дисперсия вычисляется путем вычитания математического ожидания из каждого значения случайной величины, затем возведения в квадрат результатов, умножения их на вероятности Р(хi) и сложения результатов для всех хi.
Для примера 3.1 (о рекламных объявлениях, размещаемых в газете в определенный день) дисперсия вычисляется так:
σ2 = [xi–M(X)]2P(xi) = (0–2,3)2 + (1–2,3)2 + (2–2,3)2 + (3–2,3)2 +
+ (4–2,3)2 + (5 – 2,3)2 = 2,01.
3.8. Свойства дисперсии дискретной случайной
величины
Дисперсия дискретной случайной величины обладает следующими свойствами.
1. D(C) = 0,
где C – постоянная величина.
2. D(C∙X) = C∙D(X),
где C – постоянный множитель.
3. Для конечного числа п независимых случайных величин:
D(X1 ± Х2 ±...± Xn) = D(X1) + D(X2)+...+D(Xn). (3.9)
4. Если Х1, Х2,..., Хn – одинаково распределенные независимые случайные величины, дисперсия каждой из которых равна σ2(Хi), то дисперсия их суммы равна пσ2, а дисперсия средней арифметической равна σ2/п:
σ2/п. (3.10)
Для вычисления дисперсии проще пользоваться другой формулой, полученной путем несложных математических выкладок:
D(X) = M[X – M(X)] 2 = M[X 2 – 2M(X)X + M(X)2] =
M(X) 2 – 2M(X)M(X) + [M(X)] 2 = M(X2) – [M(X)] 2 = M(X 2) – М 2(Х).
Таким образом, σ2 = D(X) = M(X2) – М2(Х). (3.11)
При вычислении дисперсии с помощью формулы (3.11) используют определение ожидаемого среднего значения функции случайной дискретной величины из формулы (3.7) для специального случая h(X) = X2. Вычисляют х2 для каждого хi, умножают его на Р(х) и складывают для всех xi. Это дает М(Х2). Для получения дисперсии из M(X2) вычитают квадрат математического ожидания случайной величины X. Используя этот способ, вычислим дисперсию случайной величины для примера 3.1. Результаты оформим в виде рабочей таблицы (табл. 3.7).
Таблица 3.7