- •Предмет теории вероятностей
- •Алгебра событий
- •Диаграммы Венна
- •Частота событий и ее свойства
- •Аксиоматическое определение вероятности
- •Независимость событий
- •Формулы для вычисления вероятностей
- •Формула полной вероятности
- •Формула Байеса (формула гипотез)
- •Формула Бернулли.
- •Случайные величины.
- •Функция распределения
- •Моменты случайных величин
- •Основные распределения вероятностей.
- •Биномиальное распределение.
- •Распределение Пуассона
- •Нормальное распределение
- •Нормированные величины
- •Случайные векторы Системы случайных величин
- •Условные законы распределения
- •Законы распределения функций случайных величин
- •Закон больших чисел. Неравенство Чебышева.
- •Теорема Чебышева
- •Центральная предельная теорема.
- •Формула Муавра-Лапласа
- •Случайные функции
Моменты случайных величин
Математическое ожидание является основной численной характеристикой случайных величин, на ряду с ней для приблизительного описания случайных величин употребляют моменты.
υк - начальный момент к-ого порядка случайной величины Хк
- центральный момент к-ого порядка – математическое ожидание случайной величины (Х-М[Х])к
Особенно важная роль принадлежит центральному моменту 2-го порядка, который называется дисперсией.
Она характеризует степень разброса возможных значений случайной величины около ее центра (математического ожидания).
Тогда используя формулу получим:
Дисперсия имеет размерность квадрата размерности случайной величины, что на практике не удобно, поэтому вместо нее используют среднее квадратичное отклонение:
Формула для математического ожидания превращается:
Х – дискретная случайна величина:
Х – непрерывная случайная величина:
Основные распределения вероятностей.
Характеристической(?) функциейслучайной величины Х называется функция (g(t)), математическое ожидание случайной величины :
t –действительная переменная
(1)
P(X=xk)=Pk, k=1,2,…,m (2) |
F`(x)=f(x) (3) |
Преобразование функции для f(x)
Предположим, что существует начальный момент к-ого порядка величины Х, продифференцируем (1):
t=0
(4)
Биномиальное распределение.
(Для дискретной случайной величины)
Х - дискретная случайная величина
Производится nнезависимых опытов
А – либо наступит, либо нет.
Р(А)=р, Р()=q,p+q=1
Х – число наступления события А в nопытах.
Тогда закон распределения Х можно определить по формуле Бернулли:
,k=1,2,..,n(5)
Пространство элементарных событий состоит из n+1 исходов: Е0,Е1,…,Еn
Ek={X=k}, k=0,1,…,n
Эта ступенчатая функция в точках разрыва имеет скачки, равные вероятности.
Распределение Пуассона
k=0,1,…
Пространство элементарных событий состоит их бесконечного множества событий.
Ек={X=k}, k=0,1,2,…
Если nвелико, а р мало, то вместо точной формулы (5) можно использовать приближенную формулу (6).
Нормальное распределение
Х – непрерывная случайная величина имеет нормальное распределение если плотность вероятности
-∞<x<∞ (7) - плотность
и- параметры,>0
Пространство элементарных событий здесь составляет всю действительную ось.
Убедимся, что (7) – плотность:
Функция определяемая формулой (7) – плотность вероятностей.
Она есть непрерывно дифференцируемая функция.
При уменьшениикривая плотности вероятности становится более островершинной.
При плотность вероятности превращается в дельта функцию.
При , функция распределения превращается в единичную:
Нормированные величины
Случайная величина называется нормированной, если ее математическое ожидание =0, а дисперсия =1.
F0(-x)+ F0(x)=1
Правило трех :
Событие имеющее вероятность 0,997 считают достоверными, поэтому на практике все значения, которые может принять случайная величина в результате опыта отклоняются не более чем на утроенное .