полная методичка
.pdfD 2 2n
4. С увеличением к – числа степеней свободы 2 - распределение медленно приближается к нормальному.
Распределение Стьюдента ( t – распределение)
Пусть случайные величины 1; |
2 ; п |
нормально распределены с параметрами 0; , тогда |
|||||||
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
случайная величина |
|
|
|
1 |
|
|
имеет распределение, которое называется t – |
||
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
||
|
1 |
n |
2 |
||||||
|
|
|
|||||||
|
|
|
|
i2 |
|
|
|||
|
|
|
|||||||
|
|
|
п i 1 |
|
|
распределением или распределением Стьюдента с n – степенями свободы.
|
|
|
|
|
|
п 1 |
|
|
|
|
|
|
п 1 |
||
|
|
|
|
|
Г |
|
|
|
|
|
2 |
|
|
||
|
|
|
|
|
|
||||||||||
1 |
|
|
|
2 |
|
|
2 |
|
|||||||
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
1) Р(х) = |
|
|
|
|
|
1 |
|
|
|
|
|
- четная функция |
Г 2
2)По мере увеличения n, распределение Стьюдента быстро приближается к нормальному.пп
Распределение Фишера-Снедекора ( F – распределение).
Пусть 1; |
2 ; т и 1; |
|
2 ; п |
нормально распределены с параметрами (0; 1). Распределение |
||||||||||||||||||||||||||||
случайной величины вида: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
1 |
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
i2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
F |
|
т i 1 |
|
|
|
называется распределением со степенями свободы т и п. |
||||||||||||||||||||||||||
|
1 |
|
n |
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
i2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
х 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
т |
1 |
|
п |
1 |
|
m n |
|
|
|
|
|
|
|
|||||||
х; т; п |
|
|
|
|
|
|
|
т 1 |
|
т п |
|
|||||||||||||||||||||
|
т 2 |
п 2 |
Г |
|
|
|
2 |
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
п т |
|
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
х 0 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
т |
|
|
п |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
Г |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|||||
F |
|
п |
|
|
п 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
п |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D F 2n2 m n 2
m n 2 2 n 4
Закон больших чисел.
При некоторых, достаточно общих, условиях, суммарное поведение большого числа случайных величин почти утрачивает случайный характер и становится закономерным. Для практики важно знание условий, при выполнении которых совокупное действие многих случайных величин приводит к результату почти независящему от случая. Эти условия и составляют суть законов больших чисел.
Теорема Чебышева.
Пусть 1 ; 2 ; попарно независимые случайные величины, имеющие 1 ; 2
и D 1 |
: D 2 . Пусть также дисперсии всех случайных величин ограниченны некоторой константой, |
||||||||||||||||||||||||||||||||||||||||||
т.е. c 0 : D i |
c , тогда 0 выполняется следующее |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
2 |
|
n |
|
M |
1 |
M |
2 |
|
M |
n |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
соотношение: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
lim |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Доказательство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Воспользуемся вторым неравенством Чебышева. |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
M |
|
1 |
|
D |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Пусть 1 2 |
n ; |
|
M |
|
M 1 M 2 M n |
; |
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
D |
D 1 D n |
|
nc |
|
; |
|
|
|
|
|
|
D |
c |
; |
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n2 |
|
|
|
|
|
|
|
|
|
|
|
n2 |
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
1 |
|
n |
|
|
|
M |
1 |
M |
n |
|
|
|
|
|
|
C |
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Смысл закона больших чисел заключается в том, что при больших n, с вероятностью близкой к 1, среднее арифметическое суммы независимых случайных величин становится близким к const, равной среднему арифметическому математических ожиданий этих случайных величин.
Следствие теоремы Чебышева: Если при условиях теоремы Чебышева 1; |
2 ; п имеют |
|||||||||||||
равные между собой математические ожидания М i |
a, |
i 1, 2,3 , то 0 |
||||||||||||
|
|
|
|
|
1 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
lim |
|
|
|
|
|
a |
|
|
1 |
|
|
|
||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Следствие теоремы Чебышева обосновывает принцип среднего арифметического, используемого во всех экспериментальных дисциплинах, т.е. если производится серия n – измерений без систематической ошибки, то среднее арифметическое результатов наблюдается при больших n сколько угодно мало отличается от измеряемой величины.
Теорема Бернулли.
Пусть m – число успехов в серии n испытаний в схеме Бернулли с вероятностью p – успехов в каждом испытании. 0 выполняется следующее предельное соотношение:
|
|
|
|
m |
|
|
|
|
|
|
|||||
lim |
|
|
|
|
p |
|
1 |
|
|||||||
|
|
|
n |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
1 число успехов в первом эксперименте.
2 |
во втором. |
1 2 п |
|
|
Число успехов в данной серии |
|
|
испытаний |
|
|
|
|
|
|
n |
|
|
1 n p |
|
|
Сходимость величин n x |
lim Xn x ; |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
P |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
P |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Центральная предельная теорема. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
Если случайные величины 1; |
|
2 ; п - независимы, нормально распределены с конечными |
|||||||||||||||||||||||||||||||||||||||||||||
математическими ожиданиями |
i |
a , конечные дисперсии D |
i |
2 , тогда |
0 |
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|||||
выполняется: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
1 n na |
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
lim |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
n |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
x |
|
|
1 |
|
x |
e |
t 2 |
|
|
|
1 |
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
0 |
|
|
|
|
2 |
dt |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
2П |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Теорема Ляпунова. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
Если 1; |
|
|
|
2 ; п - независимы, |
имеют конечные математические ожидания i |
ai , |
|||||||||||||||||||||||||||||||||||||||||
конечные дисперсии D |
i |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
3 Ck3 ; |
|
|
|
|
|
|
|
|
|
|
3 Ck3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
ak |
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
0 |
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
1 |
2 |
|
|
|
|
||
|
|
|
|
n ak |
|
|
|
0 |
|||
|
|
|
|
|
|
k 1 |
|
|
|||
выполняется следующее соотношение: lim |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
||||
|
|
n |
|||||||||
n |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Как следует из теоремы Ляпунова: совокупное действие случайных величин различной природы оказывается близким к нормальному распределению.
Потоки событий.
Поток событий – последовательность событий, которые наступают в случайные моменты времени.
Свойства потоков:
1. Стационарность потока.
Поток называется стационарным, если вероятность появления ровно m- событий на промежутке времени длительностью зависит только m и , и не зависит от момента времени, в который этот временной промежуток начался.
2. Отсутствие последствия.
Говорят, что поток обладает свойством отсутствия последствия, если вероятность появления m- событий на любом промежутке времени не зависит от того, появились или нет события в момент времени непосредственно предшествующий началу рассматриваемого промежутка.
Предыстория потока не сказывается на вероятности появления событий в будущем.
Если поток обладает таким свойством, то выполняется взаимная независимость числа событий в непересекающихся промежутках времени.
3. Ординарность потока.
Говорят, что поток обладает свойством ординарности, если за бесконечно малые промежутки времени может произойти не более одного события в потоке, т.е. появление 2-х и более событий практически невозможно.
4. Простейший (Пуассоновский) поток.
Простейшим потоком называется поток, который обладает всеми тремя свойствами.
Теорема: Если поток представляет собой сумму большого числа независимых стационарных потоков, влияние каждого на сумму ничтожно мало, то ординарный поток при условии его ординарности
является простейшим.
Определение: Интенсивность потока называется среднее число событий происходящих за единицу времени.
- интенсивность const m – событий за промежуток времени
m |
m |
|
; |
e |
; |
||
|
m! |
|
|
Замена Простейший поток должен обладать 3-мя свойствами:
1.Стационарность.
2.Отсутствие последствия.
3.Ординарность.
|
0 |
e |
~ 1 |
|
|
|
e x 1 x |
x2 |
|
x3 |
|
|
||||||
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2! |
|
3! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
1 |
e |
~ |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
1 1 |
2 |
|
3 |
|
|
|
||
m 2 1 e |
e |
|
~ 2 |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
2 |
|
|
|
3 |
|
|
2 |
о 2 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
1 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
2 |
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример: На телефонную станцию поступают 2 вызова в 1 минуту. Какова вероятность, что за 5 минут наступит 12 звонков.
Дано:
2 |
12 |
1012 |
е 10 |
0.09 |
|
||||
|
5 |
12! |
|
|
|
|
|
|
5
т125 12 ?
Введение в теорию цепей Маркова.
Цепь Маркова – последовательность испытаний, в каждом из которых, появляется и при том только один из несовместных событий 1 ; 2 ; к . При этом условная вероятность i j S того, что в
испытании с номером S наступит событие j при условии, что в S-1 испытании было i не зависит от результатов предшествующих испытаний.
События 1 ; 2 ; к называются состояниями системы, а сами испытания называются изменениями состояний системы.
Если изменение состояний происходит в фиксированные моменты времени, то такая цепь называется цепью Маркова с дискретными временами.
Если изменение состояний происходит в произвольные моменты времени, то цепь Маркова называют цепью с непрерывным временем.
Цепь Маркова называется однородной, если условная вероятность i j S перехода из состояния i
в состояние j не зависит от номера испытания S.
№1 |
№2 |
№3 |
№S-1 |
№S |
№S+1 |
1 |
1 |
1 |
1 |
1 |
|
2 |
2 |
2 |
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
к |
к |
к |
к |
к |
|
Для однородных цепей Маркова i j называются переходными вероятностями.
1 i j |
|
|
|
|
|||
|
|
|
p11 |
p12 |
p1k |
|
|
|
|
|
|
||||
1 |
|
|
|
|
|
|
|
|
|
|
pk1 |
pk 2 |
pkk |
|
|
k |
|
|
|
|
|
|
|
Pi j |
1 |
i 1; k; |
|||||
j 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Равенство Маркова. |
i j |
п - вероятность перехода из состояния i в ; за n испытаний. |
||||||
27 |
3 |
|
|
|
|
|
m |
n-m |
i j n i1 m 1 j n m i k m k j n m
k
i j n i r m r j n m
r1
1)n = 2; m=1;
|
|
|
k |
1 rj 1 |
|
|
i j 2 ir |
|
|
||||
|
|
|
r 1 |
|
|
|
|
|
|
|
k |
|
|
2 i j 2 i r r j |
|
|
||||
|
|
|
|
r 1 |
|
|
|
|
|
|
|
2 |
2 |
|
|
|
|
|
1 |
|
2) n = 3; |
m = 1; |
|
|
|||
|
|
|
k |
r j 2 |
|
|
i j 3 i r |
|
|
||||
|
|
|
r 1 |
|
|
|
|
|
|
|
|
3 |
3 |
|
|
|
|
|
1 |
|
3) |
n |
n |
|
|
|
|
|
|
1 |
|
|
|
Пример:
1 |
|
|
0.6 |
|
|
|
0.4 |
|
|
||||
|
|
|
0.3 |
0.7 |
|
|
|
|
2 |
|
0.66 |
||
|
0.34 |
|||||
|
2 |
|
1 |
0.33 |
0.67 |
|
|
|
|
|
Производные функции.
Определение: Дискретная случайная величина называется целочисленной, если она принимает только целые неотрицательные значения 0; 1; 2; n n с соответствующими вероятностями.
Определение: Производящей функцией целочисленной случайной величины называется функция вида: S s
|
0 |
1 |
|
|
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S p0 p1S p2 S 2 pn S n |
||||||||||||
|
|
|
|
|
|
f k 0 |
|
|
|
n 0 |
||
f S |
|
|
|
|
|
|
||||||
|
|
k! |
|
S k - разложение функции в ряд Макларена |
||||||||
|
k 0 |
|
|
|||||||||
|
|
|
|
|
|
f k 0 |
|
|||||
|
|
|
|
|
|
|
|
|||||
S pn S n |
|
|
S k |
|||||||||
k! |
||||||||||||
|
|
|
n 0 |
|
|
k 0 |
|
|||||
|
|
n |
|
|
|
|
|
|
||||
Pn |
|
|
; |
|
n 0; 1; 2; |
|
||||||
|
|
|
|
|
||||||||
|
n! |
|
|
|
|
|
|
1. Биноминальное распределение.
Количество испытаний n с вероятностью успеха p, неуспеха q.
0; 1; n
p |
m |
m C m pm qn m |
|
|
|||
|
|
|
n |
|
|
|
|
|
|
n |
|
n |
|
|
|
S Cnm p m q n m S m Cnm p S m q n m pS q n |
Бином Ньютона |
||||||
|
|
m 0 |
|
m 0 |
|
|
|
|
|
|
|
|
|
2. Распределение Пуассона. |
|
p |
|
m |
m |
e |
|
|
|
m |
m! |
|
|
||||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S e S m |
|
|
|
||||
|
|
m 0 |
|
|
|
|
|
|
|
|
m |
|
|
|
|
S e |
S |
e e S |
e S 1 |
|
|||
|
|
||||||
|
|
m 0 |
m! |
|
|
|
|
|
|
|
|
|
|
3. Геометрическое распределение.
pm m pqm 1
|
|
|
|
pS |
S pqm1 S m pS qS m1 |
|
|
||
|
|
|||
|
qS |
|||
m1 |
m1 |
1 |
Факториальным моментом порядка к случайной величины называется:
k 1 k 1
0 1 1
1
2 2 2
|
|
1 |
|
|
|
|
|
1 1 2 |
|
D 2 |
||||
|
|
|
|
|
|
|
|
|
Теорема: |
|
k k |
1 |
||
|
|
|
|
k 1 k 1 n n 1 n k 1
n k
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S pn S n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
n0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
k S |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
n n 1 n k 1 S n k pn |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
n k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
k 1 |
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
D |
|
1 1 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Биноминальное распределение. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n 1 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
S |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
S pS q |
|
|
|
|
np pS q |
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S n n 1 p |
2 |
|
n 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
ps q |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
np |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D |
|
n n 1 p 2 np n2 p 2 |
np np2 |
np 1 p npq |
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Распределение Пуассона. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
s e |
S 1 |
|
|
|
|
|
|
e |
S 1 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
S |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
2 |
e |
S 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
S |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D 2 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. Геометрическое распределение. |
|
|
|
p 1 qS qpS |
|
|
|
|
|
||||||||||||||||||||||||||
S |
|
pS |
|
|
|
|
|
|
S |
|
|
p |
2 |
||||||||||||||||||||||
1 q |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
qS |
|
|
|
|
|
1 |
qS |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
S |
|
|
2 pq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
1 qS 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
D |
2q |
|
|
1 |
|
|
2q p 1 |
|
|
q |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
p 2 |
|
p 2 |
|
|
|||||||||||||||||||
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
p 2 |
|
|
|
|
|
Теорема о мультипликативном свойстве производящих функций.
1; 2 ; n - независимые целочисленные случайные величины, имеющие производящие функции
|
S ; |
S |
|
S , то |
|
S |
n |
|
|
|
|
|
|
S S |
|
|
|||||
1 |
2 |
n |
|
1 |
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
Доказательство: |
|
|
|
|
|
|
|
|
||
S |
S 1 n S 1 S 2 |
S n s 1 s n |
|
независимы |
||||||
1 |
n |
|
|
|
|
|
|
|
|
|
|
n |
n |
|
S |
|
|
|
|
|
|
s k |
|
k |
|
|
|
|
|
|
||
k 1 |
k 1 |
|
|
|
|
|
|
|
|
Пример: 1 - биноминальное распределение случайной величины
1 S pS q n1
1 2
1 p 2 p pS q m
Характеристические функции.
Пусть и |
действительные случайные величины с конечными ; |
, тогда случайная |
величина |
i называется комплексной случайной величиной, имеющей математическое |
|
ожидание i . |
|
Все основные свойства математических ожиданий переносятся и на случай комплексных случайных величин.
|
a ib |
|
|
a2 b2 |
|
|
Определение: Характеристической функцией случайной величины называется функция
|
f t eit |
|
|
|
t R |
|
|||||||||||
|
f t cos t i sin t |
|
|||||||||||||||
Если известна функция распределения f x или |
p x , то явная запись будет |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||
|
f t eitx df x eitx p x dx |
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В случае дискретных случайных величин f t eitxk xk |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Свойства характеристической функции: |
|||
1) |
|
f t |
|
|
|
1 |
|
f 0 1 |
|
||||||||
|
|
|
|||||||||||||||
|
f |
|
|
t |
|
|
|
eit |
|
|
|
eit |
|
1 1 |
|
||
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
eit cos t i sin t eit f 0 1 1
2)Характеристическая функция равномерно непрерывна по аргументу t
3)Если случайные величины и связаны минимальным соотношением a b ,
где a,b const , то |
f n t eitb f at |
|
|
|
||
Доказательство: |
|
|
|
|
||
f |
|
t eit eita itb eitb eita |
eitb f |
|
at |
4) f t f t
|
|
|
|
eit |
|
|
eit |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
5) Мультипликативное свойство характеристической функции. |
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
n |
t |
Если случайные величины ; |
2 |
; |
n |
- независимы, то |
f |
f |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
n |
k 1 |
k |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доказательство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
t eit 1 n eit1 eit2 |
|
|
|
n |
|
|
||||||||||||||
f |
|
eitn eit1 eit2 f |
t |
|
||||||||||||||||||||
|
1 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6) Пусть m |
k |
|
k ; |
k 1; n, тогда характеристическая функция дифференцируема до |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
порядка n включительно, выполняется следующее соотношение |
|
|
||||||||||||||||||||||
1 |
|
|
f k |
0 i k m |
k |
; |
|
k 1; n |
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
it |
k |
|
|
|
|
|
где Rn o t n |
|
|
|
|
||||
2 |
|
f t |
|
mk Rn |
t , |
|
|
формула Макларена |
||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
k 0 |
k! |
|
|
|
|
|
|
|
|
|
|
|||||
Доказательство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
f |
|
t eit |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
f k t i k eit |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
f k 0 i k |
k i k m |
k |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7)Если дискретная целочисленная случайная величина, то ее характеристическая и производящая
функции связанны следующей формулой: f t eit
f k t eit
Примеры характеристических функций.
1. Биноминальное распределение. n – экспериментов, р – вероятность успеха.
S pS q n
f t peit q n
2. Распределение Пуассона.
S e S 1
f t e eit 1
3. Геометрическое распределение. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
pS |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
1 qS |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
f |
t |
|
|
|
|
peit |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
qeit |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
4. c; |
|
|
c const; |
: p 1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
f |
|
t eitc |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5. Нормальное распределение. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
а) Нормальное распределение (0; 1) |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
x |
|
1 |
|
|
|
|
e |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
p |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
2П |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
t |
1 |
|
|
|
itx |
|
x2 |
|
|
|
1 |
|
|
|
|
itx |
x2 |
dx f t |
1 |
|
|
itx |
x2 |
|
||||||||||||
f |
|
|
|
|
|
|
|
|
e e |
2 |
dx |
|
|
|
|
|
|
e |
2 |
|
|
i xe |
2 |
dx |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
2П |
|
|
|
|
|
|
|
2П |
|
|
|
|
2П |
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
2 |
|
it x dx |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d itx |
2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|