- •В.А. Павский
- •Оглавление
- •Часть 1. Понятие случайного события и его вероятности……..9
- •Часть 2. Случайные величины и функции распределения…….52
- •Часть 3. Предельные теоремы…………………………………………….130
- •Часть 4. Элементы математической статистики………………..141
- •Введение
- •Часть 1. Понятие случайного события и его вероятности
- •Операции над событиями
- •Кроме того, если выполнено условие
- •Следствия из аксиом
- •Из определения сразу следует, что
- •Элементы комбинаторики
- •Пример 5. Сколько существует размещений с повторениями при выборкеkшаров изn?
- •1.3 Вычисление вероятностей событий
- •1.3.1 Классический метод вычисления вероятностей
- •Пример.Поnящикам случайно распределяютсяnшаров. Считая, что ящики и шары различимы, найти вероятности следующих событий:
- •1.3.2 Геометрический метод вычисления вероятностей
- •1.3.3 Статистическое определение вероятности
- •1.3.4 Условная вероятность
- •Произвольны, причем рв.
- •Формула (6) считается определением, ниоткуда не выводится и является отражением здравого смысла. Поясним это на примере геометрического изображения событий (рис. 3).
- •Теорема умножения.ПустьА,в,тогда
- •1.4 Формула полной вероятности и формула Байеса (Bayes) Формула полной вероятности
- •Применяя теорему умножения получим
- •Применяя (9), получим
- •Формула Байеса
- •Вероятности ,, называютапостериорнымивероятностями гипотезВk, поскольку оценка происходит после того, как событиеАпроизошло.
- •1.5 Независимые испытания
- •1.6 Локальная теорема Муавра – Лапласа
- •Интегральная теорема Муавра-Лапласа
- •Функция - табулирована, ее значения приведены в табл. 4 приложения.
- •Сравнивая решение задачи п.1.5. А), б), можно предположить, что, так как – наивероятнейшее число, с большой вероятностью реализуется событие40k60, с центром в точкеk0:
- •1.8 Формула Пуассона
- •Часть 2. Случайные величины и функции распределения
- •Например, к дискретным случайным величинам относятся:
- •Свойства функции распределения.
- •Свойства плотности
- •Примеры основных распределений
- •2.1 Числовые характеристики случайных величин
- •2.1.1 Математическое ожидание, мода, медиана
- •Моменты
- •Свойства дисперсии
- •2.2 Вычисление числовых характеристик стандартных распределений
- •1. Биномиальное распределение.
- •Приложения нормального распределения
- •2.3 Функции от случайных величин
- •2.3.1 Функции от одного случайного аргумента
- •2.3.2 Многомерные случайные величины
- •2.3.3 Условные законы распределения
- •2.3.4 Моменты многомерных случайных величин
- •Свойства коэффициента корреляции
- •2.3.5 Случайные процессы
- •2.3.5.1 Марковские процессы
- •2.3.5.2 Непрерывные цепи Маркова
- •2.3.5.3 Потоки событий
- •2.3.6 Основы теории массового обслуживания
- •Часть 3. Предельные теоремы
- •Вместо (111), часто используют неравенство
- •3.1 Закон больших чисел
- •3.2 Центральные предельные теоремы
- •Часть 4. Элементы математической статистики
- •4.1 Оценка функций распределения
- •Свойства эмпирической функции распределения
- •4.2 Точечные оценки неизвестных параметров законов распределения
- •Итак, пусть имеем выборку (122). Для оценки математического ожидания
- •4.3 Доверительный интервал
- •Окончательно
- •4.4 Проверка статистической однородности
- •Заключение
- •Обозначения
- •Приложение
- •Значения некоторых числовых величин
- •Продолжение таблицы 5
- •Продолжение таблицы 7
- •Библиографический список
Часть 2. Случайные величины и функции распределения
Пусть дано произвольное вероятностное пространство (ℱ,Р).
Введем одно из основных понятий теории вероятностей – случайную величину. Интуитивно, случайная величина – это переменная (функция), которая в результате эксперимента принимает одно из множества своих возможных значений.
Определение: Измеримая [2] функция , определенная на пространстве элементарных событий и принимающая значения из области действительных
чисел, называется случайной величиной
, , R . (21)
Поскольку для любого элементарного события определена вероятность его реализации, то очевидно, что каждое значение случайной величины так же имеет свою вероятность. Таким образом, с каждой случайной величиной связано распределение вероятностей (в определении это измеримость).
Различают два основных вида случайных величин: дискретные и непрерывные.
Случайная величина, которая принимает конечное илисчетноечисло значений, называется дискретной.
Например, к дискретным случайным величинам относятся:
а) число отказов технического устройства за определенное время;
б) количество посетителей столовой в каждый рабочий день за месяц;
в) число появлений гербов при подбрасывании монеты в серии из n испытаний.
Случайная величина называется непрерывной, если она принимает значения из интервала или, может быть, всей действительной оси.
Например, к непрерывным случайным величинам относятся:
а) время работы технического устройства до первого отказа;
б) отсутствие посетителей в столовой в течение не более чем один час;
в) величина ошибки измерения физических величин.
Дискретная случайная величина полностью определяется своим законом распределения, который можно представить в виде табл. 1:
Таблица 1
|
x1 |
x2 |
… |
xn |
… |
|
p |
p1 |
p2 |
… |
pn |
… |
(pi=1) |
где хi, iN возможные значения случайной величины, а рi – соответствующие им вероятности. При этом сумма вероятностей всех значений случайной величины всегда равна единице.
В общем случае, случайная величина полностью определяется своей функцией распределения.
Определение. Функцией распределения F(х) случайной величины называется вероятность события х, х R , то есть
F(х) = Р х, х R . (22)
Функция распределения существует для любой случайной величины.
Свойства функции распределения.
Монотонность: х1 х2)F (х1)F (х2);
непрерывность слева:
;
число разрывов 1-го рода не более чем счетно (ступенчатая функция);
F(-)= 0;
F(+)= 1.
Любая функция, удовлетворяющая свойствам 1) – 5), является функцией распределения и обратно.
Для любой дискретной случайной величины можно построить ее функцию распределения. Более того, можно сказать, что величина называется случайной, если она имеет функцию распределения.
Определение. Индикатором событияАназывается случайная величина:
IА () =
Пример 1. Построить функцию распределения индикатора событияА, если известно, чтоР р.
Решение. Случайная величинаIА () – дискретная. Закон ее распределения имеет вид:
IА |
0 |
1 |
. |
р |
1-р |
р |
Функцию распределения определим формулой:
график которой представлен на рис. 6.
Рис. 6
Очевидно, что вероятностная характеристика случайной величины, полученная из функции распределения с помощью формальных математических операций и определенная на всей действительной оси, несет столько же информации о случайной величине, что и сама функция распределения. Исключение могут составлять некоторые точки действительной оси, число которых не более чем счетно.
К такой характеристике можно отнести плотность.
Определение. Функция(х), удовлетворяющая условиям:
а) (х)0,хR,
б) ,
называется плотностью случайной величины .
Из определения видно, что плотность играет ту же роль, что и закон распределения дискретной случайной величины.
Физически, плотность характеризует распределение единичной массы на действительной оси. Ёе изменение на участке длиной х, примыкающего к точкех, оценивается интегралом
.