- •Теория вероятностей
- •§ 1. Предмет теории вероятностей
- •§ 2. Случайные события или исходы. Множество элементарных событий. Основные понятия
- •Примеры на построение множества ω.
- •Алгебраические операции над событиями
- •Диаграмма Венна.
- •Свойства операций
- •§ 3. Различные подходы к определению вероятности
- •П. 1. Аксиоматическое определение вероятности
- •П. 2. Классическое определение вероятности
- •Решение.
- •Решение.
- •Пп. 1. Комбинаторный метод вычисления вероятностей в классической схеме
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Пп. 2. Геометрические вероятности в классической схеме
- •Решение.
- •П. 3. Статистическое определение вероятности
- •§ 4. Основные теоремы теории вероятностей п.1. Теоремы сложения вероятностей
- •Доказательство.
- •Доказательство (методом математической индукции).
- •Доказательство.
- •Доказательство.
- •Решение.
- •Д оказательство (геометрическое)
- •П.2. Теоремы умножения вероятностей
- •Доказательство.
- •Решение.
- •Решение.
- •§ 5. Формулы полной вероятности и формула Байеса п. 1. Формула полной вероятности (следствие обеих основных теорем сложения и умножения)
- •Решение.
- •П. 2. Формула Байеса (Бейеса) (следствие теоремы умножения и формулы полной вероятности)
- •Решение.
- •§ 6. Последовательность независимых испытаний п. 1. Независимые испытания
- •П. 2. Формулы Бернулли.
- •Решение.
- •Решение.
- •Замечания.
- •Решение.
- •П. 3. Предельные теоремы в схеме Бернулли
- •Решение.
- •Решение.
- •Доказательство.
- •Решение.
- •П. 4. Наивероятнейшее число появления события в независимых испытаниях
- •Решение.
- •§ 7. Случайные величины п. 1. Основные определения
- •П. 2. Законы распределения случайных величин. Законы распределения дискретных случайных величин. Функция распределения
- •Формы закона распределения дсв.
- •Решение.
- •Решение.
- •3. Функция распределения – универсальный закон распределения (для дсв и нсв).
- •Свойства f(X).
- •Доказательство.
- •Графики функции распределения.
- •Решение.
- •Решение.
- •П. 3. Плотность распределения вероятностей нсв
- •Свойства плотности распределения
- •2. Условие нормировки: интеграл в бесконечных пределах от плотности распределения равен 1: . (4) Доказательство
- •Решение.
- •Решение.
- •П. 4. Числовые характеристики случайных величин, их роль и назначение
- •Пп 1. Характеристики положения (математическое ожидание, мода, медиана)
- •1. Математическое ожидание или среднее значение случайной величины
- •2. Мода случайной величины
- •3. Медиана случайной величины
- •Пп 2. Моменты
- •Доказательство.
- •И эксцесс
- •Решение.
- •Решение.
- •Решение.
- •П. 5. Законы распределения вероятностей дискретных случайных величин: биномиальный, Пуассона, гипергеометрический. Пп 1. Биномиальное распределение
- •Решение.
- •Пп 2. Распределение Пуассона
- •Решение.
- •Решение.
- •Пп 3. Гипергеометрическое распределение
- •Решение.
- •П. 6. Законы распределения вероятностей непрерывных случайных величин: равномерный, показательный, нормальный Пп 1. Равномерное распределение или закон равномерной плотности
- •Решение.
- •Пп 2. Показательное или экспоненциальное распределение
- •Решение.
- •Пп 3. Нормальный закон распределения
- •Смысл параметров m и σ
- •Решение.
- •§ 8. Системы случайных величин или случайные векторы п. 1. Основные понятия.
- •П. 2. Законы распределения свдт и свнт
- •Закон. Таблица распределения – закон распределения свдт.
- •Решение.
- •Решение.
- •Закон. Функция распределения – закон распределения свдт и свнт.
- •Решение.
- •3. Плотность распределения (для свнт)
- •Решение.
- •Решение.
- •П. 4. Плотности распределения отдельных величин, входящих в систему. Равномерное и нормальное распределения. Условные законы распределения
- •Решение.
- •Решение.
- •П. 5. Числовые характеристики системы. Корреляция. Линии регрессии
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •§ 9. Закон больших чисел. Предельные теоремы теории вероятностей
Решение.
Шары синие, следовательно, n = 3, а + b = 12, а = 7.
Данная случайная величина имеет возможные значения х1 = 0, х2 = 1, х3 = 2, х4 = 3.
, ,
, .
Следовательно, ряд распределения имеет вид:
xi |
0 |
1 |
2 |
3 |
4 |
pi |
|
|
|
|
|
Мат. ожидание найдем по формуле: .
или по определению: .
П. 6. Законы распределения вероятностей непрерывных случайных величин: равномерный, показательный, нормальный Пп 1. Равномерное распределение или закон равномерной плотности
Пусть известно, что все возможные значения х непрерывной случайной величины Х лежат в пределах определенного интервала (a, b), в некоторых источниках рассматривается [a, b].
Определение 54. Равномерным называют распределение вероятностей НСВ Х, если на каждом интервале (a, b) ее плотность распределения f(x) сохраняет постоянное значение, равное (т. е. все х одинаково вероятны), а вне этого интервала плотность равна нулю:
Примеры типовых задач: равномерное распределение реализуется 1) в экспериментах, в которых наудачу ставится точка на промежутке (a, b) или [a, b], причем Х – координата поставленной точки; 2) в экспериментах по измерению тех или иных физических величин с округлением, причем Х – ошибка округления.
Выведем формулы для вычисления мат. ожидания и дисперсии.
, D[X] = .
Итак, , D[X] = , тогда среднее квадратическое .
Вероятность попадания случайной величины на участок находится по формуле:
..
Найдем функцию распределения F(x):
Если , то , следовательно .
Если , то
Если , то
Итак,
Пример. Цена деления шкалы амперметра равна 0,1 ампера. Показания амперметра округляют до ближайшего целого деления. Найти вероятность того, что при отсчете будет сделана ошибка, превышающая 0,02 ампера.
Решение.
СВ Х – ошибка округления отсчета. Х распределена равномерно в интервале между двумя соседними целыми делениями:
Ошибка отсчета превысит 0,02, если она будет заключена в интервале (0,02; 0,08).
Найдем вероятность попадания Х в этот интервал:
Можно было найти эту вероятность, сразу подставив в формулу , следовательно,
Пп 2. Показательное или экспоненциальное распределение
Определение 55. НСВ Х распределена по показательному или экспоненциальному закону, если ее плотность распределения f(x) имеет вид:
– коэффициент распределения.
Выведем формулы для вычисления мат. ожидания и дисперсии.
D[X] = .
Итак, , D[X] = , тогда среднее квадратическое: .
Найдем функцию распределения F(x):
Если , то , следовательно .
Если , то .
Итак,
Пример. Случайная величина Т – время работы радиолампы имеет показательное распределение. Определить вероятность того, что время работы лампы будет не меньше 600 часов, если среднее время работы лампы 400 часов.