- •Оглавление
- •Глава 1. Теория вероятностей 10
- •Глава 2. Математическая статистика 44
- •Глава 3. Случайные процессы 67
- •Введение
- •Глава 1. Теория вероятностей
- •1.1. Случайные события Основные понятия теории вероятностей
- •Основные определения
- •Операции над случайными событиями
- •Элементы комбинаторики
- •Классическое определение вероятности
- •Свойства вероятности
- •Вопросы для самопроверки
- •1.2. Теоремы сложения и умножения вероятностей Теорема сложения вероятностей
- •Теорема умножения вероятностей Условная вероятность
- •Обобщенная теорема умножения вероятностей
- •Независимость случайных событий
- •Вопросы для самопроверки
- •1.3. Формула Бернулли. Формула полной вероятности Повторение испытаний. Формула Бернулли
- •Формула полной вероятности
- •Вопросы для самопроверки
- •1.4. Дискретные случайные величины
- •Закон распределения дискретной случайной величины
- •Биномиально распределенные случайные величины
- •Математическое ожидание случайной величины
- •Свойства математического ожидания
- •Дисперсия случайной величины
- •Свойства дисперсии
- •Функция распределения случайной величины
- •Свойства функции распределения
- •Вопросы для самопроверки
- •1.5. Непрерывные случайные величины
- •Плотность вероятности непрерывной случайной величины
- •Cвойства функции плотности вероятности
- •Нормальное распределение
- •Правило трех сигм
- •Независимость случайных величин. Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Предельные теоремы теории вероятностей
- •Закон больших чисел в форме Чебышева
- •Следствия из закона больших чисел
- •Центральная предельная теорема (теорема Ляпунова)
- •Вопросы для самопроверки
- •Глава 2. Математическая статистика
- •2.1. Основные понятия математической статистики
- •Приемы обработки выборок
- •Построение гистограммы относительных частот
- •Точечные оценки параметров генеральной совокупности
- •Дополнительные свойства точечных оценок
- •Проверка взаимозависимости генеральных совокупностей. Выборочный коэффициент корреляции
- •Интервальные оценки параметров генеральной совокупности
- •Вопросы для самопроверки
- •2.2. Статистическая проверка статистических гипотез
- •Этапы проверки статистических гипотез
- •Проверка гипотез о параметрах генеральных совокупностей
- •Проверка гипотезы о виде распределения генеральной совокупности. Критерий согласия Пирсона
- •Вопросы для самопроверки
- •Глава 3. Случайные процессы
- •3.1. Элементы теории случайных процессов Определение случайного процесса
- •Основные характеристики случайных процессов
- •Свойства математического ожидания
- •Дисперсия случайного процесса и ее свойства
- •Корреляционная функция случайного процесса и ее свойства
- •Нормированная корреляционная функция
- •Взаимная корреляционная функция и ее свойства
- •Нормированная взаимная корреляционная функция
- •Производная и интеграл от случайной функции
- •Интеграл от случайной функции и его характеристики
- •Вопросы для самопроверки
- •Заключение
- •Библиографический список
Вопросы для самопроверки
В какой ситуации применима формула Бернулли?
Дать определение основных параметров формулы Бернулли n, p, i.
Что называется полной группой событий?
Сформулировать формулу полной вероятности.
Чем гипотезы в формуле полной вероятности отличаются от элементарных исходов?
1.4. Дискретные случайные величины
Ранее нами были изучены свойства случайных событий. Имеется частный класс испытаний и случайных событий, когда каждому результату опыта, каждому элементарному исходу можно сопоставить некоторое определенное число.
Случайной величиной называется вещественная функция, определенная на пространстве элементарных исходов Ω:
Х : .
Будем обозначать случайные величины большими буквами, находящимися в конце латинского алфавита.
Пример 1. При подбрасывании кубика естественным образом возникает случайная величина Х = {значения, которые могут выпасть на кубике} = {1, 2, 3, 4, 5, 6}.
Пример 2. Пусть опыт состоит в подбрасывании двух монет. Будем фиксировать число выпавших гербов. Получим случайную величину Z, имеющую значения: Z = {0, 1, 2}.
Дискретной случайной величиной называется случайная величина, имеющая конечное число значений (в общем случае к классу дискретных относят и случайные величины, имеющие бесконечное число значений, но которые можно перенумеровать с помощью натурального ряда. Говорят, что такие случайные величины имеют счетное число значений). Безусловно, в рассмотренных примерах мы имеем дело с дискретными случайными величинами.
Непрерывной случайной величиной называется случайная величина, значения которой сплошным образом покрывают некоторый интервал (кроме этого требуется выполнение еще некоторых условий, которые мы рассмотрим далее). Примером такой случайной величины является температура, замеренная в какой-либо точке пространства. Ее значения изменяются непрерывным образом. Другой пример – вес случайно взятого человека.
Закон распределения дискретной случайной величины
Дискретная случайная величина полностью определяется своим законом распределения. Закон распределения (иногда его называют ряд распределения) – это таблица следующего вида:
-
Х
х1
х2
...
хi
...
хn
р
р1
р2
...
рi
...
рn
где хi – все значения случайной величины, выстроенные в порядке возрастания, рi – соответствующие вероятности.
Важным свойством закона распределения, часто используемым для проверки, является равенство единице полной вероятности или суммы всех рi : .
Построим закон распределения для случайных величин из рассмотренных примеров 1 и 2.
1. Случайная величина Х, возникающая при подбрасывании кубика:
-
Х
1
2
3
4
5
6
р
1/6
1/6
1/6
1/6
1/6
1/6
Отметим, что .
2. Случайная величина Z, возникающая при подбрасывании двух монет:
-
Z
0
1
2
р
1/4
1/2
1/4
Вычисление рi проводим, подсчитывая число всех равновероятных исходов, либо по формулам сложения и умножения вероятностей.