- •Ответы на вопросы.
- •1 Способ непосредственного подсчета вероятностей событий.
- •2 Статистический способ определения вероятностей событий.
- •3 Геометрический способ определения вероятностей событий.
- •4 Теорема сложения вероятностей для совместимых событий.
- •5 Теорема сложения вероятностей для несовместимых событий.
- •6 Зависимые и независимые события. Условные вероятности событий.
- •7 Теорема умножения вероятностей.
- •8 Формула полной вероятности.
- •9 Теорема гипотез (Формулы Бейеса).
- •10 Повторение испытаний. Формулы Бернулли.
- •11 Понятие случайной величины. Виды законов распределения.
- •12 Функция распределения случайной величины и ее свойства.
- •13 Плотность распределения случайной величины и ее свойства.
- •14 Вероятность попадания случайной величины на заданный участок.
- •15 Математическое ожидание случайной величины и ее свойства.
- •16 Дисперсия случайной величины и ее свойства. Среднее квадратичное отклонение.
- •17 Закон равномерной плотности.
- •18 Нормальный закон распределения.
- •19 Экспоненциальный закон распределения.
- •20 Вероятность попадания случайной величины на заданный участок.
- •21 Теорема Чебышева.
- •22 Теорема Бернулли.
- •23 Элементы математической статистики. Генеральная и выборочная совокупности. Статистическое распределение выборки.
- •24 Эмпирическая функция распределения, ее построение по опытным данным.
- •25 Гистограмма частот и относительных частот.
- •26 Статистические оценки параметров распределения. Несмещенные, эффективные и состоятельные оценки.
- •27 Интервальные оценки параметров распределения. Доверительный интервал.
- •28 Интервальная оценка математического ожидания нормального распределения при известном среднем квадратичном отклонении.
- •29 Интервальная оценка среднеквадратического отклонения нормального распределения.
- •30 Функция распределения системы случайных величин и ее свойства.
- •31 Плотность распределения системы случайных величин и ее свойства.
- •32 Законы распределения отдельных случайных величин, входящих в систему.
- •33 Условные законы распределения случайных величин.
- •34 Числовые характеристики системы двух дискретных случайных величин.
- •35 Числовые характеристики системы двух непрерывных случайных величин.
- •36 Условное математическое ожидание. Уравнение линии регрессии.
- •37 Корреляционный момент. Коэффициент корреляции.
- •38 Теорема сложения математических ожиданий.
- •39 Теорема сложения дисперсий.
- •40 Математическое ожидание линейной функции случайных аргументов.
- •44 Закон распределения суммы двух случайных величин.
- •45 Композиция одномерных нормальных законов.
- •46 Понятие о центральной предельной теореме.
- •47 Понятие о случайной функции.
- •48 Закон распределения случайной функции.
- •49 Математическое ожидание и дисперсия случайной функции.
- •50 Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция.
- •51 Определение характеристик случайной функции по опытным данным.
- •52 Сложение случайных функций.
- •53 Сложение случайной функции со случайной величиной.
- •54 Умножение случайной функции на неслучайную функцию.
- •55 Стационарная случайная функция и свойства ее характеристик.
10 Повторение испытаний. Формулы Бернулли.
На практике часто приходится иметь дело с сериями независимых опытов, в каждом из которых некоторое событие A может появиться или нет. При этом вероятность появления его в каждом опыте известна и она не меняется от опыта к опыту.
Примеры: появление изделий с браком в процессе производства; поступление на вход приемника серии импульсов, отраженных целью. Появление каждого импульса можно рассматривать как опыт, в результате которого импульс либо проходит на выход приемника, либо не проходит из-за помех.
В общем случае задача состоит в том, чтобы определить вероятность появления события A ровно m раз в n опытах и не появления n-m раз. Условимся считать, что вероятность события A в каждом опыте одна и та же и равна p. Следовательно, вероятность не наступления события A в каждом опыте постоянна и равна q=1-p.
Вероятность одного сложного события, состоящего в том, что в n опытах событие A наступит m раз и не наступит n-m раз равна ( на основании теоремы умножения вероятностей независимых событий).
Так как не требуется, чтобы событие A повторилось ровно m раз в определенной последовательности, то таких сложных событий может быть столько, сколько можно составить сочетаний из n элементов по m,т.е. . Поскольку эти сложные события несовместны и их вероятности одинаковы, то искомая вероятность будет равна
, где .
Полученное выражение называют формулой Бернулли.
Пример 3: Пусть n=2: .
Так как , то можно определить вероятность появления события не менее m раз по следующему выражению
, или , или .
В частном случае, когда m=1 получают формулу вероятности появления события хотя бы один раз .
При большом числе опытов n пользоваться приведенными выше формулами неудобно, поэтому используют формулу Лапласа – Гаусса
, где D=n p q.
11 Понятие случайной величины. Виды законов распределения.
В зависимости от цели того или иного испытания часто имеют дело с величинами, которые могут принимать те или иные значения, причем заранее неизвестно, какие именно. Такие величины называют случайными.
Случайной называется величина, которая в результате опыта может принять одно и только одно возможное значение, заранее неизвестное и зависящее от случайных обстоятельств.
Примеры случайных величин: число вышедших из строя элементов после 1000 часов работы сложного устройства; величина напряжения в сети в данный момент времени; число покупателей в магазине в момент закрытия.
Различают два основных типа случайных величин: дискретные и непрерывные.
К случайным дискретным величинам относят величины, частные значения которых можно пересчитать, т. е. их число конечно.
У случайных непрерывных величин нельзя пересчитать их частные значения, так как их число бесконечно (они непрерывно заполняют определенный интервал).
Случайные величины обозначают прописными буквами X, Y, Z, а их частные значения – строчными буквами x, y, z.
Случайное событие можно рассматривать как частный случай случайной величины.
Например: событие A – попадание пули в мишень, событие - непопадание пули в мишень. Если случайная величина X принимает частное значение x=1, то появляется событие A, а если случайная величина X принимает частное значение x=0, то появляется событие .
Всякое соотношение, устанавливающее связь между частным значением случайной величины и вероятностью ее появления, называют законом распределения.
Если случайная величина X принимает частные значения с вероятностью , то закон распределения случайной величины запишется в виде соотношений
…………….
…………….
.
К основным математическим формам законов распределения случайной величины относят:
ряд распределения,
многоугольник распределения,
функцию распределения,
плотность распределения.
Ряд распределения применяется для случайных дискретных величин и представляет собой таблицу, в первой строке которой указываются частные значения случайной величины, а во второй – вероятности их появления (таблица 1).
Таблица 1
x |
|
|
|
… |
|
… |
|
P(X=x) |
|
|
|
… |
|
… |
|
Эта таблица позволяет найти ответы на следующие вопросы.
Какие частные значения может принимать случайная величина?
Какие частные значения случайной величины будут появляться чаще, а какие реже?
По этой таблице можно определить вероятность появления случайной величины в заданных пределах , т.е.
.
Многоугольник распределения представляет собой график, на котором по оси абсцисс откладываются частные значения случайной величины, а по оси ординат – вероятности их появления.
Рисунок 1 Многоугольник распределения
График многоугольника распределения решает те же вопросы, что и ряд распределения.
Ряд и многоугольник распределения не являются универсальными характеристиками случайной величины. Их нельзя построить для случайной непрерывной величины. Поэтому необходима универсальная характеристика, пригодная не только для дискретных, но и для непрерывных величин. Такой характеристикой является функция распределения (интегральная функция) случайной величины, которая обозначается F(x).