- •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.
19 Экспоненциальный закон распределения.
В различных приложениях теории вероятностей, особенно в теории массового обслуживания, исследовании операций, в физике и т.д. широко применяется экспоненциальное (показательное) распределение.
Время занятости канала связи, время безотказной работы ЭВМ, продолжительность поиска чего–либо – все это экспоненциально распределенные случайные величины.
Неотрицательная величина X называется распределенной по экспоненциальному закону, если ее плотность распределения имеет вид
,
где - параметр экспоненциального распределения.
График плотности распределения изображен на рис. 13.
Рисунок 13 График плотности вероятности экспоненциально распределенной случайной величины
Определим основные числовые характеристики этого распределения:
,
т.е. математическое ожидание есть величина обратная параметру закона. Для отыскания дисперсии используем формулу
. Откуда средне – квадратичное отклонение будет равно
.
Вероятность попадания случайной величины на заданный участок, распределенной экспоненциально можно рассчитать, используя формулу
.
20 Вероятность попадания случайной величины на заданный участок.
Пусть случайная величина X распределена равномерно на интервале от a до b, причем плотность вероятности ее известна и равна f(x)=1/(b-a). Требуется определить вероятность попадания ее на участок от c до d (рис.9), т.е. .
Рисунок 9 Определение вероятности попадания случайной величины на заданный участок
Определяя эту вероятность как интеграл от плотности вероятности f(x), получаем
.
Следовательно, вероятность попадания случайной величины на заданный участок от c до d определяется как площадь заштрихованного прямоугольника.
Округление результатов измерений имеет равномерное распределение.
21 Теорема Чебышева.
При достаточно большом числе независимых опытов среднее арифметическое из опытных данных сходится по вероятности к математическому ожиданию случайной величины.
Пусть a – истинное значение измеряемой величины, - среднее арифметическое ряда измерений, - максимальное значение квадрата отклонения в произведенных измерениях, n – число измерений. Теорема Чебышева утверждает, что
. (5.1)
Для доказательства теоремы обратим внимание на то, что математическое ожидание любого измерения , где a – неизвестное истинное значение измеряемой величины. Далее, так как
, то
, т.е. математическое ожидание среднего значения случайной величины также равно истинному значению a. Дисперсия величины
. Так как можно написать, что
.
Теперь после замены x на и на a легко получаем теорему Чебышева.
Из теоремы следует, что при любых конечных и будет справедливо предельное соотношение
или эквивалентное ему соотношение
.
Таким образом, теорема Чебышева доказывает, что среднее арифметическое опытных данных (измерений) мало отличается от истинного значения при большом числе испытаний. Однако входящее в неравенство значение указывает на то, что увеличением числа измерений нельзя полностью компенсировать ошибки измерительного инструмента.
Выводы теоремы можно распространить и на другие моменты распределения. Например, для дисперсии получаем приближенную формулу, пригодную для практических вычислений:
,
где вместо a, согласно теореме Чебышева, можно пользоваться :
.
Неравенство и теорема Чебышева для практических задач могут использоваться в тех случаях, когда известна дисперсия, очевидно, она должна быть конечной величиной.