- •Содержание
- •1Основные понятия теории вероятностей (тв).
- •1.1Предмет тв
- •1.2Виды случайных событий
- •1.3Вероятность
- •1.4Относительная частота
- •1.5Теоремы сложения вероятностей
- •1.6Теорема умножения вероятностей
- •1.7Теорема о полных вероятностях
- •1.8Теорема о повторении опытов
- •1.9Метод производящих функций
- •2Случайные величины и их распределения
- •2.1Понятие случайных величин (св)
- •2.2Дискретная св. Закон распределения вероятностей.
- •2.3Св непрерывного типа. Плотность распределения вероятностей.
- •2.4Функция распределения вероятностей.
- •3 Числовые характеристики распределения случайных величин
- •3.1Математическое ожидание (мо) св
- •3.1.1Мо дискретной св
- •3.1.2Мо непрерывной св
- •3.1.3Свойства мо
- •3.1.4Мода и медиана св
- •3.2Дисперсия св. Понятие среднего квадратического отклонения (ско).
- •3.2.1Определение дисперсии
- •3.2.2Свойства дисперсии
- •4.1.2Геометрическое распределение
- •4.2Типовые распределения непрерывных св
- •4.2.1Равновероятный (равномерный) закон распределения.
- •4.2.2Показательный закон распределение.
- •4.2.3Нормальный закон распределения
- •4.2.3.1Связь с биномиальным законом распределения. Локальная теорема Лапласа (Муавра-Лапласа)
- •4.2.3.2Интегральная теорема Лапласа.
- •4.2.3.3Необходимое и достаточное условие нормального закона распределения (нзр)
3.2Дисперсия св. Понятие среднего квадратического отклонения (ско).
3.2.1Определение дисперсии
Степень группирования (или степень рассеивания) СВ относительно центра рассеивания (МО) характеризуется дисперсией. Рассеивание СВ X связано с отклонением (x - aX ), где aX – центр рассеивания (aX = MX).
Отклонение СВ X (x-aX ) называют также центрированной СВ X*.
M(X*) = 0
Дисперсией называют МО квадрата отклонения СВ X от своего МО.
Дискретная СВ: |
или
|
Непрерывная СВ: |
или
|
Средним квадратическим отклонением СВ называют квадратный корень из дисперсии.
Случайная величина вида называется нормированной СВ.
3.2.2Свойства дисперсии
Свойство 1.
Свойство 2.
Свойство 3. , если X и Y независимые СВ
Следствие: Дисперсия суммы случайных величин, независимых в совокупности равна сумме дисперсий этих СВ.
Свойство 4.
Следствие:
Пример 1. Рассчитать дисперсию для СВ распределенной по закону Бернулли.
-
n=1
n
Пример 2.
Найти дисперсию СВ, плотность распределения вероятности которой задана следующей функцией:
3.2.3Другие характеристики рассеивания
Среднее абсолютное отклонение СВ:
Квантиль -такое значение , для которого
В частности , и квантили делят площадь под кривой распределения на 4 равные части.
3.3Начальные и центральные моменты.
Начальным момент k-го порядка
Центральный момент k-го порядка
Математическое ожидание СВ – начальный момент 1-го порядка.
Дисперсия СВ – центральный момент 2-го порядка.
4Типовые распределения вероятностей
4.1Типовые распределения дискретных СВ
4.1.1Распределение выборочного значения признака
Пусть имеется совокупность элементов (предметов, явлений), различающихся величиной некоторого общего признака (группа студентов-признак «рост»).
x1, x2,.., xk – различные значения признака у элементов совокупности.
M1, M2, …, Mk- число элементов с заданным признаком, причем .
Выбирается 1 элемент. Какова величина признака у выбранного элемента или выбранного значения признака? Очевидно, что X – дискретная СВ с возможными значениями xi. Имеем схему распределения вероятностей –
4.1.2Геометрическое распределение
Проводится серия опытов. В каждом опыте событие A появляется с вероятностью p и не появляется с вероятноятностью q=1-p. Серия заканчивается при первом же появлении события A. Тогда СВ X – число испытани, которое надо провести до первого появления события A, а вероятность того что x=m есть:
m = 1,2,3,…
p = p,qp,qqp,… - геометрическая прогрессия со знаменателем q
Ряд Pm – сходится, а его сумма равна 1.
4.1.3Гипергеометрическое распределение
В партии N изделий, среди них M стандартных. Случайно отбирается n изделий (без возврата – формула Бернулли не применима). X –СВ, число m стандартных изделий из n отобранных.
X=m, => 0,1,2,…, min{M,n}
4.1.4Биномиальный закон распределения
Биномиальным называют закон распределения дискретной СВ X – числа появлений события в n независимых испытаниях, в каждом из которых вероятность появления события равна p (а не появления соответственно q). Распределение вероятностей определяется формулой Бернулли.
m – число раз появления события
4.1.5Отрицательное биномиальное распределение
Описывает распределение СВX – числа испытаний в схеме Бернулли до k-го интересующего события (включая последнее испытание).
4.1.6Распределение Пуассона.
Введем распределение Пуассона через биномиальное распределение. Заданы n, p, q = 1-p. При этом p <= 0.1 (вероятность появления события очень мала), а n достаточно велико. Введем допущение: , то есть среднее число появления события в различных сериях испытаний (различные значения n) остается неизменным.
{так как , то } =
т.к. n – велико, существуют определенные трудности вычисления Pn,m. Перейдем к приближенному определению как предельному значению, к которому стремиться данное соотношение.
таким образом получаем:
Распределение Пуассона имеет смысл для массовых, редких событий !!
Для этого распределения характерно:
На практике распределение Пуассона используется:
Для приближенного вычисления вероятностей Pn,m биномиального закона распределения при достаточно больших n и p <= 0.1.
для характеристики распределения простейшего потока событий во времени
Поток событий – последовательность событий, наступающих в случайные моменты времени.
Простейший пуассоновский поток событий – поток событий, обладающий свойствами стационарности, отсутствия последействия и ординарности.
Стационарность – вероятность появления K событий за промежуток времени длительностью t , есть функция, зависящая только от K и длительности t, но не зависит от начала его отсчета. Иначе,: интенсивность потока событий во времени есть величина постоянная ( ).
Интенсивность потока – среднее число событий появляющихся в единицу t.
Отсутствие последействия – вероятность появления K событий на любом промежутке t не зависит от того сколько раз оно появлялось в предшествующие моменты. То есть предыстория процесса не оказывает влияния на наблюдаемый процесс, или имеет место взаимная независимость появлений того или иного числа событий в непересекающихся промежутках времени.
Ординарность – появление 2-х и более событий за бесконечно малый промежуток t практически невозможно. То есть за бесконечно малый промежуток времени появляется не более одного события.
, где