- •ВВЕДЕНИЕ
- •Глава XIV ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •Раздел I
- •Виды случайных событий
- •Классическое определение вероятности
- •Основные формулы комбинаторики
- •Статистическое определение вероятности
- •Непосредственное вычисление вероятностей
- •§ 2. Теорема сложения вероятностей несовместных событий
- •§ 3. Условная вероятность. Теорема умножения вероятностей
- •§ 4. Теорема сложения вероятностей совместных событий
- •§ 5. Формула полной вероятности
- •§ 6. Формула Бейеса
- •§ 7. Схема Бернулли
- •Раздел II
- •§ 2. Математическое ожидание, дисперсия и среднеквадратическое отклонение случайной величины, их свойства
- •Свойства математического ожидания
- •Свойства дисперсии
- •Примеры решения задач
- •§ 3. Примеры распределения случайных величин
- •3.1 Биномиальное распределение
- •3.2 Распределение Пуассона
- •3.3 Нормальное распределение
- •3.4. Равномерное распределение
- •3.5 Показательное (экспоненциальное) распределение
- •§ 4. Система случайных величин
- •§ 5. Ковариация и коэффициент корреляции
- •Свойства коэффициента корреляции
- •§ 6. Закон больших чисел. Теорема Чебышева
- •§ 7. Центральная предельная теорема Ляпунова
- •Глава XV МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •§ 1. Задачи математической статистики
- •§ 2. Выборочный метод
- •2.1 Генеральная и выборочная совокупности
- •2.2 Статистическое распределение выборки
- •2.3 Эмпирическая функция распределения
- •2.4 Полигон и гистограмма
- •2.5 Оценки математического ожидания
- •2.6 Оценки дисперсии
- •§ 3. О статистической проверке гипотез
- •ПЕРЕЧЕНЬ КОНТРОЛЬНЫХ ВОПРОСОВ
- •КОНТРОЛЬНЫЕ ЗАДАНИЯ
- •Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •ПРИЛОЖЕНИЕ
- •Список рекомендуемой литературы
24
Замечание 1. Значения функции f (t) называют обычно плотностью вероятности случайной величины X . Такое название объясняется следующими обстоятельствами:
f (t) = lim F(t + |
t) − F(t) . |
|
|
t →0 |
t |
F(t + t) − F (t) |
|
F(t + t) − F(t) = P(t ≤ X < t + t) |
есть “средняя |
||
|
|
t |
|
вероятность”, т.е. вероятность P(t ≤ X < t + |
t) , отнесенная к единице длины. |
Замечание 2. Понятие интегральной функции распределения имеет место и для дискретных случайных величин. График этой функции в таком случае имеет ступенчатый вид.
Для описания дискретной случайной величины понятие дифференциальной функции распределения неприменимо.
§ 2. Математическое ожидание, дисперсия и среднеквадратическое отклонение случайной величины, их свойства
Определение 1. Пусть X – дискретная случайная величина, закон распределения которой имеет вид:
|
x |
x1 |
|
x2 |
|
… |
xn |
(1) |
|
p |
p1 |
|
p2 |
|
… |
pn |
|
|
|
|
|
|||||
Математическим ожиданием дискретной случайной величины X на- |
||||||||
зывается число |
|
|
n |
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
M ( X ) = ∑ xi pi . |
|
|
(2) |
i =1
Определение 2. Пусть X – непрерывная случайная величина и f (t) – ее дифференциальная функция распределения. Математическим ожиданием непрерывной случайной величины X называется число
+∞ |
|
M ( X ) = ∫t f (t) dt |
(3) |
−∞
(имеется ввиду, что интеграл (3) сходится).
Математическое ожидание, как дискретной, так и непрерывной случайной величины, имеет следующий вероятностный смысл.
Пусть проведено N испытаний, в результате чего получены значения случайной величины X : x1 , x2 , …, xN . Среднее арифметическое этих чисел
x1 + x2 +... + xN при больших n близко к M ( X ) .
N
25
Поясним вышесказанное на примере дискретной случайной величины X . Если X имеет распределение (1), то в результате N испытаний ( N – большое) мы получим p1 N раз значение x1 , p2 N раз – значение x2 , …,
pN N раз – значение xN . Среднее арифметическое полученных в результате испытаний значений равно:
x1 p1 N + x2 p2 N +... + xN pN N |
N |
|
= ∑xi pi = M ( X ) . |
||
N |
||
i =1 |
В связи с этим математическое ожидание называют также средним значением случайной величины.
Замечание. Математическое ожидание является постоянным, не зависящим от опыта числом, характеризующим определенное свойство случайной величины, а именно – устойчивость среднего арифметического полученных в результате испытаний значений.
Свойства математического ожидания
1.M (C) = C , где C = const .
2. |
M ( X +Y ) = M ( X ) + M (Y ) |
для произвольных случайных величин |
X |
|
|
и Y (зависимых или независимых). |
|
3. |
M (λ X ) = λ M ( X ) для |
любой случайной величины X и произ- |
|
|
вольного числа λ . |
|
|
4. |
M ( X Y ) = M ( X ) M (Y ) |
для независимых случайных величин X |
и |
Y .
Определение 3. Пусть X – дискретная случайная величина с распре-
делением (1). Дисперсией дискретной случайной величины X называется число:
n |
|
D( X ) = ∑(xi − M ( X ))2 pi , |
(4) |
i =1 |
|
где M ( X ) – математическое ожидание случайной величины X . |
|
Определение 4. Пусть X – непрерывная случайная величина и |
f (t) – |
ее дифференциальная функция распределения. Дисперсией непрерывной случайной величины X называется число:
+∞ |
|
D( X ) = ∫(t − M ( X ))2 f (t) dt |
(5) |
−∞
(если интеграл сходится), M ( X ) – математическое ожидание случайной величины X .
26
Данные выше определения можно объединить следующим образом: дисперсия случайной величины X есть математическое ожидание случайной
величины ( X − M ( X ))2 .
Истолкование дисперсии случайной величины как математического ожидания квадрата отклонения X от M ( X ) позволяет описать вероятностный смысл дисперсии следующим образом.
Дисперсия характеризует среднее значение квадрата отклонения значений X от ее математического ожидания. Чем больше эти отклонения по абсолютной величине, тем больше дисперсия, и обратно. Дисперсия измеряет меру рассеяния значений случайной величины относительно математического ожидания X .
Свойства дисперсии
1.D(C) = 0 , где C = const .
2.D(λ X ) = λ2 D( X ) для любой случайной величины X и произволь-
ного числа λ .
3. D( X +Y ) = D( X ) + D(Y ) для независимых случайных величин X и
Y .
Теорема. Дисперсия равна разности между математическим ожиданием квадрата случайной величины X и квадратом ее математического ожи-
дания, т.е. |
|
D( X ) = M ( X 2 ) −[M ( X )]2 . |
(6) |
Доказательство. |
свойства2,3 для |
|
|
D( X ) = M [X − M ( X )]2 = M ( X 2 − 2 X M ( X ) +[M ( X )]2 ) |
матем. ожидания |
= |
= M ( X 2 ) − 2 M ( X ) M ( X ) +[M ( X )]2 = M ( X 2 ) −[M ( X )]2 .
Определение. Средним квадратическим отклонением случайной величины X называют квадратный корень из ее дисперсии, т.е.
σ( X ) = D( X ) . |
(7) |
Среднее квадратическое отклонение, как и дисперсия, является мерой рассеяния значений случайной величины относительно математического ожидания. Среднее квадратическое отклонение измеряется в тех же единицах, что и случайная величина X , в то время как дисперсия имеет измерение
X 2 . Поэтому иногда предпочтительнее иметь дело с σ ( X ) , а не с D( X ) .
27
Теорема. Среднее квадратическое отклонение суммы конечного числа взаимно независимых случайных величин равно квадратному корню из суммы квадратов средних квадратических отклонений этих величин, т.е.
σ( X1 + X 2 +... + X n ) = σ 2 ( X1 ) +σ 2 ( X 2 ) +... +σ 2 ( X n ) .
Доказательство.
Пусть X = X1 + X 2 +... + X n .
свайство3
D( X ) = D( X1 ) + D( X 2 ) +... + D( X n ).
σ( X ) = D( X ) = D( X1 ) +... + D( X n ) = σ 2 ( X1 ) +... +σ 2 ( X n ) .
Примеры решения задач
Пример 1.
Пусть X – количество очков при бросании игральной кости. Найти математическое ожидание, дисперсию и среднее квадратическое отклонение случайной величины X .
Решение. Закон распределения имеет вид:
x |
|
|
1 |
|
|
|
|
2 |
|
|
3 |
|
|
|
6 |
|
|
5 |
|
6 |
|
|
Σ |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
p |
|
1 6 |
|
|
|
1 6 |
|
|
1 6 |
|
|
|
1 6 |
|
|
1 6 |
|
1 6 |
|
|
1 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
+ 3 1 |
|
+ 4 1 |
|
|
|
|
|
= 21 |
|
|
|
||
M ( X ) = ∑xi pi =1 1 |
+ 2 |
1 |
|
+5 |
1 |
+ 6 |
1 |
= |
7 |
= 3,5. |
|||||||||||||||
|
|
i =1 |
|
|
|
|
6 |
|
|
6 |
|
6 |
|
6 |
|
|
6 |
|
6 6 2 |
|
|||||
Дисперсию вычислим по формуле: |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
D( X ) = M ( X 2 ) −[M ( X )]2 . |
|
|
|
|
|
|
|||||||||||
Закон распределения случайной величины X 2 |
имеет вид: |
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
x2 |
|
|
1 |
|
|
|
|
4 |
|
|
9 |
|
|
|
16 |
|
|
25 |
|
36 |
|
|
Σ |
||
p |
|
1 6 |
|
|
|
1 6 |
|
|
1 6 |
|
|
|
1 6 |
|
|
1 6 |
|
1 6 |
|
|
1 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
M ( X 2 ) |
= 1 (1 + 4 |
+ 9 +16 + 25 + 36) |
= 91 , |
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
D( X ) = |
91 |
− |
|
7 2 |
= |
182 −147 |
= |
35 |
≈ 2,92 , |
|
|
|
|
|
|
|
|||||||||
6 |
|
|
|
12 |
|
12 |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
σ( X ) = |
D( X ) = |
2,92 ≈1,71. |
|
|
|
|
|
|
|
|
|
|
|
|
|
28
Пример 2.
Случайная величина X – задана дифференциальной функцией распределения f (t) = cos t в интервале (0; π2 ). Вне этого интервала f (t) = 0 . Най-
ти математическое ожидание величины Y = X 2 .
Решение.
Для X
Для X 2
+∞ |
|
|
|
+∞ |
|
M ( X ) = ∫t f (t) dt . |
Если X * =ϕ( X ) M ( X * ) = ∫ϕ(t) |
||||
−∞ |
|
|
|
−∞ |
|
+∞ |
π 2 |
|
u = t2 , du = 2tdt, |
|
|
|
|
||||
M ( X 2 ) = ∫t2 f (t) dt = ∫t2 |
cos t dt = |
|
|||
dv = cos t dt, v |
= sin t |
|
|||
−∞ |
0 |
|
|
f (t) dt .
=
|
|
|
|
|
π 2 |
π 2 |
|
|
|
|
|
u = t, du = dt, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
= t2 sin t |
− 2 ∫t sin t dt = |
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
0 |
0 |
|
|
|
|
|
|
dv = sin t dt, |
|
v = −cos t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
= |
π |
2 |
|
|
|
π |
2 |
|
π 2 |
|
|
|
|
|
π |
2 |
− 2 sin t |
|
π |
2 |
|
π 2 |
− 2 . |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
4 |
− 2 |
−t cos t |
|
+ |
|
∫cos t dt |
= |
4 |
|
|
= |
4 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
Пример 3. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
Найти |
дисперсию |
|
случайной |
величины X , |
заданной |
|
интегральной |
|||||||||||||||||||||||||||||||
функцией |
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
при t ≤ −2, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
F(t) = |
|
|
|
|
|
|
|
|
при − 2 < t ≤ 2, |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
t 4 +1 2 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
при t ≥ 2. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
1, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Решение. |
|
Найдем дифференциальную функцию распределения случайной |
|||||||||||||||||||||||||||||||||||||||
величины X |
|
′ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
f (t) = F (t) : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
при t ≤ −2, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 4 , |
при − 2 < t ≤ 2, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
f (t) = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
при t ≥ 2. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
t2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M ( X ) |
|
⌠ |
|
|
⌠ 1 |
t dt = |
|
2 |
|
= 0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
= t f (t) dt = |
|
|
8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
⌡ |
|
|
⌡ 4 |
|
|
|
|
|
−2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
−2 |
|
|
−2 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
D( X ) = M [X − M ( X )] |
2 |
|
|
|
|
2 |
|
⌠ |
|
2 |
|
|
|
1 |
|
⌠ |
2 |
|
|
|
t |
|
2 |
|
16 |
|
4 |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
= |
M ( X |
|
|
) = t |
|
f (t) dt = |
|
|
t |
|
dt = |
|
|
|
|
|
|
= |
|
= |
|
. |
||||||||||||||||
|
|
|
|
|
|
4 |
|
12 |
|
|
12 |
3 |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
⌡ |
|
|
|
|
|
|
⌡ |
|
|
|
−2 |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−2 |
|
|
|
|
|
|
|
|
−2 |
|
|
|
|
|
|
|
|
|
|
|
|
|