- •С.П. Казаков
- •Содержание
- •1. Элементы теории вероятностей
- •1.1. Общие понятия
- •1.2. Сумма и произведение случайных событий,
- •1.3 Формула полной вероятности, формула Байеса
- •1.4 Схема Бернулли
- •1.5 Дискретные случайные величины
- •1.6 Непрерывные случайные величины
- •1.6.2 Числовые характеристики непрерывных случайных величин
- •1.3 – Плотности распределения случайных величин
- •1.7 Нормальное распределение
- •1.8 Основы теории надежности
- •1.8.2. Надежность элементов
- •Контрольные вопросы и задачи
- •2. Случайные прцессы
- •2.1Общие понятия
- •2.2 Непрерывный нормальный
- •2.3 Нестационарный случайный процесс (временной ряд)
- •2. 4 Марковские случайные процессы
- •Самостоятельная работа № 2
- •3. Математическая статистика
- •3.1 Общие понятия и задачи математической статистики
- •3.2 Выборочный метод
- •175, 166, 169, 179, 164, 170, 169, 167, 175, 181.
- •158, 162, 163, 164, 165, 166, 167, 168, 169,169,
- •170, 170, 171, 174, 175, 175, 177, 179, 180, 181.
- •3.3 Точечные оценки параметров распределений
- •3.4 Доверительные интервалы
- •3.5 Отсев грубых ошибок и определение минимально
- •3.6Проверка статистических гипотез
- •6, 4, 5, 7, 6, 4, 8, 6, 8, 9. 3, 2, 0, 4, 4, 3, 4, 1, 5, 7.
- •3, 6, 3, 4, 6, 9, 4, 9, 6, 5. 3, 4, 6, 4, 2, 3, 6, 3, 4, 1.
- •4 Статистические зависимости и связи
- •4.1 Подбор эмпирических формул (парная корреляция)
- •4.2 Практическая задача: проверка легитимности выборов
- •4.3 Множественная корреляция
- •4.4 Задачи классификации
- •Теория вероятностей, случайные процессы и математическая статистика
1.6 Непрерывные случайные величины
1.6.1 Основные свойства и характеристики
В предыдущем параграфе рассматривались дискретные случайные величины, для которых множество исходов конечно. Если значения случайной величины целиком заполняют некоторый интервал, то случайная величина называется непрерывной.
При операциях с дискретными случайными величинами мы пользовались рядами распределения. Для непрерывной случайной величины вместо них вводятся функция распределения и плотность вероятностей.
Функцией распределения непрерывной случайной величиныназывают функциюF(х), определяющую вероятность того, что случайная величина ζ примет значение, меньшее, чемх,
. (1.14)
Она обладает следующими основными свойствами:
-значение функции принадлежит отрезку [0;1], т.е.;
-функция является неубывающей, т.е. , прих2 > х1;
-вероятность того, что случайная величина примет значение, заключенное в интервале (а, b), равна приращению функции на этом интервале, т. е..
Наряду с функцией распределения F(x) в теории вероятностей используется так называемаяплотность вероятностей, равная производной от этой функции:
f (x) =F /(x). (1.15)
Плотность вероятностей обладает следующими свойствами:
а) б); в).
Рассмотрим пример. Пусть f (х) имеет следующий вид:
Тогда графическое изображение f (х) иF(х) для этой функции имеют вид, приведенный на рисунках.
а) б)
Рисунок 1.2 – Функция распределения (а) и плотность
вероятностей (б)
1.6.2 Числовые характеристики непрерывных случайных величин
Для непрерывных случайных величин вводятся следующие числовые характеристики:
-математическое ожиданиенепрерывной случайной величиныХ, возможные значения которой принадлежат всей числовой оси, определяется по формуле
. (1.16)
-дисперсия и среднеквадратичное отклонениенепрерывной случайной величиныХ;определяются формулами
;
(1.17)
.
Задача.Определить математическое ожидание, дисперсию и среднеквадратичное отклонение для случайной величиныХ, плотность вероятностей которой представлена на рис. 12.2,б.
Решение: по формулам (1.16) и (1.17) с учетом графиков на рисунке 1.12 находим
;
; .
1.6.3 Основные законы распределения
Вероятностные методы исследований имеют широкое применение в науке. Поэтому студентам важно знать наиболее распространенные функции распределения случайных величин и условия, когда они используются. Характеристики этих распределений представлены в таблице 1.4, а вид плотности вероятностей – на рисунке 1.3.
1.3 – Плотности распределения случайных величин
Таблица 1.4 – Основные законы и характеристики распределений
Распределение |
Область значений |
Плотность Распределения |
Среднее |
Дисперсия |
Равномерное |
(а, в) |
|
|
|
Нормальное |
|
|
А |
|
Логнормальное |
|
|
|
|
Показательное |
|
|
|
|
Наиболее распространенным является нормальное распределениеслучайных величин. Ему подчиняются стабильные характеристики социально – экономических процессов, параметры объектов и совокупностей, когда они меняются в небольших пределах.
Логарифмически – нормальное(логнормальное) распределение используется обычно, когда распределение мало отличается от нормального, но среднее значение случайной величины близко к нулю и не уходит в отрицательную область.
Равномерно распределеннымина интервале (а, b) обычно принимаются вероятностные параметры , исходная информация о распределении которых мала, но известен примерный диапазон, в котором они изменяются.
Экспоненциальное (показательное) распределение используется при решении задач надежности функционирования технических и социально-экономических систем, оценки их безопасности и эффективности .
Особое место среди законов распределения случайных величин занимает нормальное распределение. Закону нормального распределения подчиняется большинство совокупностей, изучаемых в прикладных науках. Поэтому изучению его закономерностей посвящен отдельный подраздел.