- •Лекция № 1 Основные понятия теории вероятностей. Классическое определение вероятности. Элементы комбинаторики.
- •1. Основные понятия теории вероятностей.
- •2. Классическое определение вероятности.
- •3. Элементы комбинаторики.
- •Лекция № 2 Алгебра событий. Аксиомы тв. Основные теоремы теории вероятностей. Модели надежности технических систем
- •1. Алгебра событий.
- •3. Основные теоремы теории вероятностей
- •Определение 4.
- •4. Модели надежности технических систем
- •Лекция № 3 Формула полной вероятности. Формула Бейеса.
- •1. Формула полной вероятности.
- •2. Формула Байеса.
- •1. Повторение опытов (схема Бернулли).
- •2. Формула Бернулли
- •3. Локальная теорема Лапласа
- •4. Интегральная теорема Лапласа
- •5. Наивероятнейшее число наступления событий.
- •Лекция № 5 Случайные величины.
- •1. Дискретные случайные величины.
- •Формы задания закона распределения дискретной случайной величины
- •2.1. Ряд распределения.
- •2.2. Многоугольник распределения.
- •2.3. Интегральная функция распределения.
- •2. Многоугольник распределения
- •3. Интегральная функция распределения
- •3. Вероятность попадания случайной величины на заданный участок
- •Лекция № 6 Числовые характеристики случайных величин.
- •1. Характеристики положения случайной величины на числовой оси.
- •Математическое ожидание не случайное число, которое в зависимости от типа случайной величины определяется по формуле:
- •На рис.6.2 показана мода непрерывной унимодальной (с одной модой) случайной величины, заданной плотностью распределения.
- •2. Моменты случайных величин. Для характеристики различных свойств случайных величин используются начальные и центральные моменты.
- •3. Свойства моментов случайных величин. Особого внимания заслуживают свойства начальных и центральных моментов первого и второго порядков.
- •Первый центральный момент μ1 любой случайной величины равен нулю.
- •Математическое ожидание.
- •Дисперсия.
- •Среднее квадратичное отклонение.
- •1.2. Закон распределения Пуассона Закон распределения Пуассона связан с редкими событиями, составляющими простейший поток событий.
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •4. Вероятность попадания пуассоновской случайной величины на заданный участок.
- •2. Законы распределения непрерывных случайных величин.
- •2.1. Равномерный закон распределения
- •Если участок [α,β] не входит в диапазон [a,b], то выражение (7.17) не является справедливым. В этом случае необходимо руководствоваться выражением если (7.18)
- •2.2. Показательный закон распределения
- •2.3. Нормальный закон распределения
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •Поскольку 2-й центральный момент
- •4. Вероятность попадания случайной величины на заданный участок
- •Поскольку то (7.31) перепишется как
- •3. Правило трех сигм
- •Лекция № 8 Основные задачи математической статистики. Определение законов распределения случайных величин на основе экспериментальных данных.
- •Предмет и задачи математической статистики.
- •Основные понятия.
- •3. Простейшие приемы обработки результатов наблюдений.
- •3.1 Статистическое распределение выборки.
- •Гистограмма.
- •Эмпирическая функция распределения
- •Лекция №2. Выравнивание статистических рядов. Проверка статистических гипотез.
- •Лекция №3. Оценка параметров случайных величин.
5. Наивероятнейшее число наступления событий.
Пусть производится n независимых опытов, в каждом из которых может наступить событие А с одинаковой вероятностью р.
С помощью формулы Бернулли при небольших n или с помощью локальной теоремы Лапласа при больших n можно найти вероятности наступления события А в n независимых опытах ровно k раз.
Сведем полученные данные в таблицу.
k |
0 |
1 |
. . . |
k0 |
. . . |
n |
Pn(k) |
Pn(0) |
Pn(1) |
. . . |
Pn(k0) |
. . . |
Pn(k) |
Среди множества чисел k, k{0,n}, есть, по крайней мере, одно число k0, которому соответствует максимальная вероятность Рn(k).
Определение 4.2.
Наивероятнейшим числом наступления события А в n независимых опытах при одинаковой вероятности р наступления события А в каждом из них называется число k0, которому соответствует максимальная вероятность Рn(k), т.е.
(4.4)
На практике наивероятнейшее число k0 определяют из двойного неравенства
-
np – q k0 np + p ,
(4.5)
где q = 1– р.
Задача 6.
Найти наивероятнейшее число лекций, которые посетил студент из n=15 запланированных в семестре, если вероятность посещения каждой лекции р=0,9.
Решение.
Вычисляем np – q k0 np + p ,
,
,
.
.
Лекция № 5 Случайные величины.
1. Дискретные случайные величины.
Определение 5.1.
Одномерной случайной величиной называют такую величину, которая в результате опыта принимает заранее неизвестное значение.
Примеры случайных величин:
количество студентов, присутствующих на лекции;
количество солнечных дней в году;
вес осколка разорвавшегося снаряда;
время ожидания общественного транспорта на остановке;
температура окружающей среды.
Случайные величины по типу пространства возможных значений делятся на дискретные и непрерывные.
Определение 5.2.
Случайная величина называется дискретной, если:
совокупность её возможных значений удается пересчитать − x1, x2, …, xn (или x1 , x2 , …, xn , …), т.е. значения принадлежат счетному множеству − конечному или бесконечному;
можно найти вероятности принятия случайной величиной этих значений .
В дальнейшем, вместо слов «случайная величина» часто будем пользоваться сокращением с.в.
Чтобы иметь исчерпывающую характеристику случайной величины, необходимо знать ее закон распределения.
Определение 5.3.
Закон распределения случайной величины – это соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими вероятностями.
Формы задания закона распределения дискретной случайной величины
Различают три формы задания закона распределения ДСВ:
ряд распределения;
многоугольник распределения;
интегральная функция распределения.