- •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
- •0Р(а)1.
- •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
- •680021, Г. Хабаровск, ул. Серышева, 47.
3.3.4. Равномерное распределение
Равномерный закон распределения имеет функцию плотности вероятности вида:
П
Рис. 3.6
В качестве примера равномерно распределенной случайной величины можно назвать ошибку округления, скажем, до 0,01, то это означает, что ошибка округления равномерно распределена в интервале [-0,005; 0,005].
3.3.5. Распределение Коши
Закон распределения Коши задается функцией плотности вероятности: (Коши в свое время заблуждался, считая, что ошибки измерения распределены по этому закону). График этой функции изображен на рис. 3.7.
Рис. 3.7
Вычислим, например, вероятность того, что случайная величина, распределенная по закону Коши, примет значение из интервала [0,1]:
Замечание. По функции плотности вероятности можно легко найти интегральную функцию распределения.
Так как F(x)=P(X<x) и ,
то .
4. Числовые характеристики случайных величин
Закон распределения случайной величины дает исчерпывающую информацию о случайной величине. Однако иногда можно охарактеризовать достаточно ярко случайную величину с помощью всего одного или нескольких чисел. Например, можно указать закон распределения количества осадков, выпадающих в данной местности за определенный месяц, но проще и нагляднее указать среднее количество осадков в данном месяце.
Числа, назначение которых в сжатом виде характеризовать основные особенности распределений случайных величин, называются числовыми характеристиками. Рассмотрим некоторые из числовых характеристик и их основные свойства.
4.1. Математическое ожидание и его свойства
4.1.1. Математическое ожидание
Математическим ожиданием(или средним значением)дискретнойслучайной величины называется сумма произведений всех её возможных значений на соответствующие им вероятности. Т.е., если случайная величина имеет закон распределения
X |
|
|
… |
|
, |
P |
|
|
… |
|
то математическое ожиданиевычисляется по формуле
.
Если случайная величина имеет бесконечное число значений, то математическое ожидание определяется суммой бесконечного ряда: , при условии, что этот ряд абсолютно сходится (в противном случае говорят, что математическое ожидание не существует).
Для непрерывной случайной величины, заданной функцией плотности вероятности f(x), математическое ожидание определяется в виде интеграла
,
при условии, что этот интеграл существует и абсолютно сходится (если интеграл расходится, то говорят, что математическое ожидание не существует).
Пример 4.1.
Определим математическое ожидание случайной величины, распределённой по закону Пуассона. По определению
или обозначим . Тогда
.
Значит, параметр , определяющий закон распределения пуассоновской случайной величины, равен среднему значению этой величины.
Пример 4.2.
Для случайной величины, имеющей показательный закон распределения (), математическое ожидание равно:
.
В данном интеграле пределы взяты с учётом того, что f(х) отлична от нуля только при положительных x.
Пример 4.3. Случайная величина, распределенная по закону распределения Коши, не имеет среднего значения. Действительно
.
Данный интеграл не существует (проверьте самостоятельно).