- •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
3.4. Ожидаемое среднее значение дискретной случайной величины
Рассмотрим основные характеристики дискретной случайной величины при конечном числе значений.
Каждому значению дискретной случайной величины отвечает его вероятность. Как отмечалось выше, последовательность таких пар образует ряд распределения дискретной случайной величины:
где , , i = 1,…, n, .
Если случайная дискретная величина является случайной альтернативной величиной, т. е. задается двумя значениями 0 и 1 и соответствующими им вероятностями исходов q = 1– р и р, то ряд распределения принимает форму:
,
где 0 ≤ p ≤ 1, p + q = 1.
На основе ряда распределения можно определить среднее значение случайной дискретной величины как меру, которая объединяет значения случайной дискретной величины и их вероятности. Среднее значение есть взвешенная средняя всех возможных значений случайной величины, роль весов (частот) играют вероятности.
Ожидаемое среднее значение случайной величины называется математическим ожиданием М(Х) (оценкой, которую ожидают получить).
Математическое ожидание случайной дискретной величины X (т. е. принимающей только конечное или счетное множество значений x1, x2,..., хп соответственно с вероятностями р1, p2,…, рп) равно сумме произведений значений случайной величины на соответствующие им вероятности:
. (3.3)
Найдем математическое ожидание случайной величины X – числа рекламных объявлений в газете в заданный день для примера 3.1. Расчет ожидаемого среднего значения случайной величины удобно производить, пользуясь табл. 3.3.
Таблица 3.3
Вычисление математического ожидания числа рекламных
объявлений (пример 3.1)
хi |
0 |
1 |
2 |
3 |
4 |
5 |
n |
P(хi) |
0,1 |
0,2 |
0,3 |
0,2 |
0,1 |
0,1 |
|
хiP(хi) |
0,0 |
0,2 |
0,6 |
0,6 |
0,4 |
0,5 |
М(Х) = 2,3 |
Можно сказать, что в среднем 2,3 рекламных объявления ежедневно помещаются в газете. Это – ожидаемое среднее число рекламных объявлений в заданный день.
3.5. Свойства математического ожидания случайной дискретной величины
Математическое ожидание случайной дискретной величины обладает следующими свойствами:
1. M(C) = С,
где С – постоянная величина.
2. М(С·Х) = С·М(Х),
где С – постоянная величина.
3. М(Х1 ± Х2 ±…± Хn) = М(Х1) ± М(Х2) ±…± М(Хn). (3.4)
4. Для конечного числа п независимых случайных величин:
М(Х1∙ Х2∙…∙Хn) = М(Х1) ∙М(Х2) ∙…∙М(Хn). (3.5)
5. М(Х–C) = М(Х) – C.
Следствие. Математическое ожидание отклонения значений случайной величины X от ее математического ожидания равно нулю:
М[Х – М(Х)] = 0. (3.6)
6. Математическое ожидание среднего арифметического значения п одинаково распределенных взаимно независимых случайных величин равно математическому ожиданию каждой из величин:
. (3.11)
Случайные дискретные величины называются одинаково распределенными, если у них одинаковые ряды распределения, а следовательно, и одинаковые числовые характеристики.
Пусть Х1, Х2,..., Хn – одинаково распределенные случайные величины, математические ожидания каждой из которых одинаковы и равны а. Тогда математическое ожидание их суммы равно nа и математическое ожидание средней арифметической равно а:
.
Пример 3.4. Для лотереи, описанной в примере 3.2, составим закон распределения суммы выигрыша посетителя магазина, который приобрел два билета стоимостью по 1 руб. Найдем математическое ожидание суммы выигрыша и убедимся в справедливости формулы М(Х + Y) = М(Х) + М(Y).
Решение. Суммы выигрышей на первый и второй билеты лотереи с учетом затрат на их приобретение являются случайными величинами, которые обозначим соответственно X и Y. Это одинаково распределенные случайные величины, а их законы распределения получены в примере 3.2. Сумма выигрыша для посетителя, который приобрел два билета, является случайной величиной. Она представляет собой сумму случайных величин Х и Y, которые являются зависимыми. Для нахождения закона распределения случайной величины X+Y рассмотрим возможные различные исходы лотереи (табл. 3.4).
Таблица 3.4