- •Теория вероятностей
- •Введение
- •1. Случайные события. Вероятность событий
- •1.1. Элементы комбинаторики
- •1.1.1 Повторные выборки
- •Число способов выбора двух элементов
- •Число выборок из трех элементов
- •1.1.2. Бесповторные выборки
- •1.2. Основные понятия теории вероятностей
- •1.3. Алгебра событий
- •1.4. Частота события
- •1.5. Статистическое определение вероятности
- •1.6. Классическое определение вероятности
- •1.7. Свойства вероятностей
- •1.8. Геометрические вероятности
- •1.9. Теорема умножения вероятностей. Условная вероятность
- •1.10. Теорема сложения вероятностей
- •1.10.1. Вероятность суммы событий
- •1.10.2. Вероятность появления хотя бы одного события
- •1.11. Формула полной вероятности. Формула Байеса
- •1.11.1. Формула полной вероятности
- •1.11.2. Вероятность гипотез. Формула Байеса
- •2. Повторные независимые испытания
- •2.1. Формула Бернулли
- •2.2. Формулы Лапласа
- •2.2.1 Локальная теорема Лапласа
- •2.2.2. Интегральная теорема Лапласа
- •2.3. Формула Пуассона
- •2.4. Простейший поток событий
- •3. Случайные величины
- •3.1. Понятие случайной величины
- •3.2. Законы распределения дискретных случайных величин
- •3.3. Законы распределения непрерывных случайных величин
- •3.3.1. Интегральная функция распределения
- •3.3.2. Показательный закон распределения
- •3.3.3. Дифференциальная функция распределения
- •3.3.4. Равномерное распределение
- •3.3.5. Распределение Коши
- •4. Числовые характеристики случайных величин
- •4.1. Математическое ожидание и его свойства
- •4.1.1. Математическое ожидание
- •4.1.2. Свойства математического ожидания
- •4.2. Дисперсия и среднее квадратическое отклонение
- •4.2.1. Дисперсия случайной величины
- •4.2.2. Свойства дисперсии
- •4.2.3. Среднее квадратическое отклонение
- •4.3. Моменты случайных величин
- •4.4. Примеры нахождения законов распределения
- •5. Нормальный закон распределения
- •5.1. Геометрический смысл параметров m и σ
- •5.2. Вероятностный смысл параметров функции распределения
- •5.3. Вероятность попадания случайной величины в заданный интервал
- •5.4. Вероятность отклонения случайной величины от математического ожидания
- •6. Системы случайных величин
- •6.1. Функция распределения
- •6.2. Плотность распределения
- •6.3. Закон распределения системы двух дискретных случайных величин
- •6.4. Зависимые и независимые случайные величины
- •6.5. Операции над случайными величинами
- •6.6. Числовые характеристики системы двух случайных величин
- •6.6.1. Ковариация двух случайных величин
- •6.6.2 Коэффициент корреляции
- •6.9. Двумерный нормальный закон распределения
- •7. Предельные теоремы теории вероятностей
- •7.1. Центральная предельная теорема
- •7.2. Интегральная теорема Лапласа
- •7.3. Распределение частоты события
- •7.4. Закон больших чисел
- •7.5. Неравенство Чебышева
- •7.6. Теорема Чебышева
- •7.7. Теорема Бернулли
- •7.8. Принцип практической уверенности
- •7.9. Правило трёх сигм
- •Контрольные вопросы
- •Заключение
- •Рекомендуемый Библиографический список
- •Теория вероятностей
- •6 80021, Г. Хабаровск, ул. Серышева, 47.
4.2. Дисперсия и среднее квадратическое отклонение
Дисперсия и среднее квадратическое отклонение дают представление о разбросе случайных величин относительно их среднего значения.
4.2.1. Дисперсия случайной величины
Дисперсией (рассеянием) случайной величины называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
Для вычисления дисперсии можно использовать слегка преобразованную формулу
,
так как М(Х), 2 и – постоянные величины. Таким образом,
.
4.2.2. Свойства дисперсии
Свойство 1. Дисперсия постоянной величины равна нулю. Действительно, по определению
Свойство 2. Постоянный множитель можно выносить за знак дисперсии с возведением его в квадрат.
Доказательство
Центрированной случайной величиной называется отклонение случайной величины от ее математического ожидания:
Центрированная величина обладает двумя удобными для преобразования свойствами:
Свойство 3. Если случайные величины Х и Y независимы, то
Доказательство. Обозначим . Тогда и .
Поэтому
Во втором слагаемом в силу независимости случайных величин и свойств центрированных случайных величин
,
поэтому
.
Пример 4.5. Если a и b – постоянные, то D(aХ+b)=D(aХ)+D(b)= .
4.2.3. Среднее квадратическое отклонение
Дисперсия, как характеристика разброса случайной величины, имеет один недостаток. Если, например, Х – ошибка измерения имеет размерность ММ, то дисперсия имеет размерность . Поэтому часто предпочитают пользоваться другой характеристикой разброса – средним квадратическим отклонением, которое равно корню квадратному из дисперсии
Среднее квадратическое отклонение имеет ту же размерность, что и сама случайная величина.
Пример 4.6. Дисперсия числа появления события в схеме независимых испытаний
Производится n независимых испытаний и вероятность появления события в каждом испытании равна р. Выразим, как и прежде, число появления события Х через число появления события в отдельных опытах:
Так как опыты независимы, то и связанные с опытами случайные величины независимы. А в силу независимости имеем
Но каждая из случайных величин имеет закон распределения (пример 3.2)
|
0 |
1 |
Р |
1-р |
р |
и (пример 4.4). Поэтому, по определению дисперсии:
,
где q=1-p.
В итоге имеем ,
Среднее квадратическое отклонение числа появлений события в n независимых опытах равно .
4.3. Моменты случайных величин
Помимо уже рассмотренных случайные величины имеют множество других числовых характеристик.
Начальным моментом k-го порядка случайной величины Х ( ) называется математическое ожидание k-й степени этой случайной величины.
Центральным моментом k-го порядка случайной величины Х называется математическое ожидание k-ой степени соответствующей центрированной величины.
Легко видеть, что центральный момент первого порядка всегда равен нулю, центральный момент второго порядка равен дисперсии, так как .
Центральный момент третьего порядка дает представление об асимметрии распределения случайной величины. Моменты порядка выше второго употребляются сравнительно редко, поэтому мы ограничимся только самими понятиями о них.