- •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.
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)
где – длина участка на числовой оси, являющегося пересечением для участка [α,β] и диапазона [a,b] .
Задача 7.3.
НСВ Х – равномерно распределенная на отрезке [3,8]. Найти P{6 X 7}.
2.2. Показательный закон распределения
В простейшем потоке событий случайная величина Х – интервал времени между двумя последовательными событиями распределена по показательному закону.
Определение 7.7.
Непрерывная случайная величина распределена по показательному закону, если ее плотность распределения имеет вид:
(7.19)
где λ – интенсивность событий, т.е. количество событий в единицу времени.
График плотности распределения для случайной величины, распределенной по показательному закону, имеет вид, показанный на рис.7.4
Показательный закон распределения имеет только один параметр λ .
Интегральная функция распределения определяется следующим образом:
Таким образом, интегральная функция случайной величины, распределенной по показательному закону, определяется выражением
(7.20)
График интегральной функции (5.19) изображен на рис.7.5.
Числовые характеристики
Математическое ожидание.
(7.21)
Доказательство.
В соответствии с формулой (6. ) математическое ожидание случайной величины, распределенной по показательному закону, определяется следующим образом:
Проинтегрируем полученный интеграл по частям.
,
т.е.
Примечание. Вычисление предела осуществляется по правилу Лопиталя.
Дисперсия.
Полученный интеграл проинтегрируем по частям. Обозначим: , тогда . Проинтегрируем по частям:
Дисперсию определим по формуле связи:
т.е. (7.22)
3. Среднее квадратичное отклонение.
(7.23)
4. Вероятность попадания случайной величины на заданный участок
Вероятность попадания случайной величины на заданный участок [a,b], если участок входит в диапазон [0, ], можно определить двумя способами:
1-й способ.
.
2-й способ.
.
Таким образом,
(7.24)
Геометрически вероятности соответствует область, выделенная штриховкой на рис.7.5.
2.3. Нормальный закон распределения
Наиболее простым и достаточно точно отражающим случайные ошибки измерений является так называемый нормальный закон распределения.
Определение 7.8.
Непрерывная случайная величина распределена по нормальному закону, если ее плотность распределения имеет вид:
(7.25)
где σ и m – параметры распределения.
График плотности распределения для случайной величины, распределенной по нормальному закону, имеет вид, показанный на рис.7.6.
Интегральная функция распределения определяется следующим образом:
Таким образом, интегральная функция случайной величины, распределенной по нормальному закону, определяется интегралом
(7.26)
График интегральной функции изображен на рис.7.7.
Числовые характеристики