- •Теория вероятностей.
- •Пространство элементарных исходов.
- •Вероятность на дискретном пространстве элементарных исходов.
- •Классическое определение вероятности
- •Сигма-алгебра событий.
- •Определение вероятности на общем пространстве элементарных исходов. Свойства вероятности.
- •Геометрические вероятности. Примеры.
- •Условная вероятность
- •Независимость событий в совокупности
- •Формула полной вероятности.
- •Последовательность испытаний Бернулли.
- •Теорема Пуассона.
- •Случайные величины. Определение. Функция распределения случайной величины и её свойства.
- •Дискретные случайные величины. Примеры распределения дискретных случайных величин.
- •Абсолютно непрерывные распределения случайных величин. Плотность распределения и её свойства.
- •Примеры абсолютно непрерывных распределений. Равномерное распределение
- •Совместная функция распределения двух случайных величин и её свойства. Совместное распределение двух дискретных случайных величин.
- •Абсолютно непрерывные совместные распределения двух случайных величин. Совместная плотность распределения, её свойства.
- •Условные плотности распределения.
- •Распределения n-мерных случайных векторов. Дискретные распределения, абсолютно непрерывные распределения.
- •Распределение функции от случайной величины. Примеры.
- •Независимость случайных величин.
- •Распределение суммы независимых случайных величин. Формула свертки.
- •Математическое ожидание случайных величин. Свойства математического ожидания. Примеры.
- •Дисперсия случайных величин. Свойства дисперсии. Примеры.
- •Ковариация. Свойства.
- •Коэффициент корреляции. Свойства.
- •Двумерное нормальное распределение и его параметры.
- •Неравенство Маркова. Неравенство Чебышева.
- •Сходимость по вероятности последовательности случайных величин. Свойства сходимости по вероятности.
- •Закон больших чисел.
- •Слабая сходимость последовательности случайных величин и её свойства.
- •Соотношения между слабой сходимостью случайных величин и сходимостью по вероятности.
- •Центральная предельная теорема. Различные формулировки центральной предельной теоремы.
Теорема Пуассона.
Пусть и так, что . Тогда для любого вероятность получить успехов в испытаниях схемы Бернулли с вероятностью успеха стремится к величине
Доказательство. Положим . Тогда и
|
(8) |
В соотношении (8) мы воспользовались тем, что и замечательным пределом . Докажем последнее свойство:
Случайные величины. Определение. Функция распределения случайной величины и её свойства.
Функцией распределения называют функцию Р (х), определяющую для каждого значения х вероятность того, что случайная величина Х примет значение, меньшее х, т. е.
F(х)=Р(Х<х).
Часто вместо термина «функция распределения» используют термин «интегральный закон распределения».
Функция распределения обладает следующими свойствами:
Для непрерывной случайной величины выполняется следующее свойство, называемое иногда «парадоксом нулевой вероятности»: P(X=a)=0 для любого конкретного числа а.
Дискретные случайные величины. Примеры распределения дискретных случайных величин.
Биномиальное распределение
Дискретная случайная величина X, принимающая целочисленные значения имеет биномиальное распределение, если вероятность значения k вычисляется по формуле Бернулли:
где 0<p<1, q=1-p.
Биномиальный закон распределения имеет случайная величина, равная числу успехов в серии из n независимых испытаний Бернулли с вероятностью успеха p в каждом испытании.
Для биномиального распределения
Распределение Пуассона
Дискретная случайная величина X, принимающая положительные целочисленные значения k , имеет распределене Пуассона, если вероятности ее значений вычисляются по формуле
Для распределения Пуассона
Теорема Пуассона.
Эта теорема дает пуассоновское приближение биномиального распределения и обычно используется при p<0,1 и npq 9 .
Равномерное распределение
Непрерывная случайная величина X, принимающая значения на отрезке имеет равномерное распределение, если плотность распределения вероятностей имеет вид
Абсолютно непрерывные распределения случайных величин. Плотность распределения и её свойства.
Cлучайная величина имеет абсолютно непрерывное распределение, если существует неотрицательная функция такая, что для любого борелевского множества имеет место равенство:
Функцию называют плотностью распределения случайной величины .
Теорема. Плотность распределения обладает свойствами:
(f1) для любого ; (f2) .
Плотностью распределения вероятностей непрерывной случайной величины называют первую производную от функции распределения:
Вероятность того, что непрерывная случайная величина X примет значение, принадлежащее интервалу , определяется равенством:
Зная плотность распределения, можно найти функцию распределения
Примеры абсолютно непрерывных распределений. Равномерное распределение
Говорят, что имеет равномерное распределение на отрезке , и пишут: , если плотность распределения постоянна на отрезке и равна нулю вне него:
Очевидно, что площадь под графиком этой функции равна единице и . Поэтому является плотностью распределения.
Случайная величина имеет смысл координаты точки, выбранной наудачу на отрезке . Вычислим по определению 30 функцию распределения случайной величины :
Получим следующую непрерывную функцию распределения:
Нормальное распределение.
Для нормального распределения
Вероятность попадания нормально распределенной случайной величины на отрезок вычисляется по формуле
где Ф(х) – функция Лапласа, которая определяется равенством
Интегральная теорема Муавра – Лапласа
Если то для случайной величины X
Теорема дает нормальное приближение биномиального распределения применяется при p>0,1 и npq>9.
Показательное распределение
Говорят, что имеет показательное (экспоненциальное) распределение с параметром , и пишут: , если имеет следующую плотность распределения:
Функция распределения случайной величины непрерывна:
Показательное распределение является единственным абсолютно непрерывным распределением, для которого выполнено свойство «нестарения» (и в этом смысле оно является непрерывным аналогом дискретного геометрического распределения).
Гамма-распределение
Говорят, что имеет гамма-распределение с параметрами , , и пишут: , если имеет следующую плотность распределения:
где постоянная вычисляется из свойства (f2) плотности так:
откуда . Здесь через обозначен интеграл
называемый гамма-функцией Эйлера; при целых положительных , . Замена в интеграле Пуассона даст .
Показательное распределение — частный случай гамма-распределения: .
Функцию распределения гамма-распределения можно записать, вообще говоря, только в виде интеграла:
Но при целых значениях параметра интегрированием по частям этот интеграл можно превратить в сумму:
|