- •Теория вероятностей
- •§ 1. Предмет теории вероятностей
- •§ 2. Случайные события или исходы. Множество элементарных событий. Основные понятия
- •Примеры на построение множества ω.
- •Алгебраические операции над событиями
- •Диаграмма Венна.
- •Свойства операций
- •§ 3. Различные подходы к определению вероятности
- •П. 1. Аксиоматическое определение вероятности
- •П. 2. Классическое определение вероятности
- •Решение.
- •Решение.
- •Пп. 1. Комбинаторный метод вычисления вероятностей в классической схеме
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Пп. 2. Геометрические вероятности в классической схеме
- •Решение.
- •П. 3. Статистическое определение вероятности
- •§ 4. Основные теоремы теории вероятностей п.1. Теоремы сложения вероятностей
- •Доказательство.
- •Доказательство (методом математической индукции).
- •Доказательство.
- •Доказательство.
- •Решение.
- •Д оказательство (геометрическое)
- •П.2. Теоремы умножения вероятностей
- •Доказательство.
- •Решение.
- •Решение.
- •§ 5. Формулы полной вероятности и формула Байеса п. 1. Формула полной вероятности (следствие обеих основных теорем сложения и умножения)
- •Решение.
- •П. 2. Формула Байеса (Бейеса) (следствие теоремы умножения и формулы полной вероятности)
- •Решение.
- •§ 6. Последовательность независимых испытаний п. 1. Независимые испытания
- •П. 2. Формулы Бернулли.
- •Решение.
- •Решение.
- •Замечания.
- •Решение.
- •П. 3. Предельные теоремы в схеме Бернулли
- •Решение.
- •Решение.
- •Доказательство.
- •Решение.
- •П. 4. Наивероятнейшее число появления события в независимых испытаниях
- •Решение.
- •§ 7. Случайные величины п. 1. Основные определения
- •П. 2. Законы распределения случайных величин. Законы распределения дискретных случайных величин. Функция распределения
- •Формы закона распределения дсв.
- •Решение.
- •Решение.
- •3. Функция распределения – универсальный закон распределения (для дсв и нсв).
- •Свойства f(X).
- •Доказательство.
- •Графики функции распределения.
- •Решение.
- •Решение.
- •П. 3. Плотность распределения вероятностей нсв
- •Свойства плотности распределения
- •2. Условие нормировки: интеграл в бесконечных пределах от плотности распределения равен 1: . (4) Доказательство
- •Решение.
- •Решение.
- •П. 4. Числовые характеристики случайных величин, их роль и назначение
- •Пп 1. Характеристики положения (математическое ожидание, мода, медиана)
- •1. Математическое ожидание или среднее значение случайной величины
- •2. Мода случайной величины
- •3. Медиана случайной величины
- •Пп 2. Моменты
- •Доказательство.
- •И эксцесс
- •Решение.
- •Решение.
- •Решение.
- •П. 5. Законы распределения вероятностей дискретных случайных величин: биномиальный, Пуассона, гипергеометрический. Пп 1. Биномиальное распределение
- •Решение.
- •Пп 2. Распределение Пуассона
- •Решение.
- •Решение.
- •Пп 3. Гипергеометрическое распределение
- •Решение.
- •П. 6. Законы распределения вероятностей непрерывных случайных величин: равномерный, показательный, нормальный Пп 1. Равномерное распределение или закон равномерной плотности
- •Решение.
- •Пп 2. Показательное или экспоненциальное распределение
- •Решение.
- •Пп 3. Нормальный закон распределения
- •Смысл параметров m и σ
- •Решение.
- •§ 8. Системы случайных величин или случайные векторы п. 1. Основные понятия.
- •П. 2. Законы распределения свдт и свнт
- •Закон. Таблица распределения – закон распределения свдт.
- •Решение.
- •Решение.
- •Закон. Функция распределения – закон распределения свдт и свнт.
- •Решение.
- •3. Плотность распределения (для свнт)
- •Решение.
- •Решение.
- •П. 4. Плотности распределения отдельных величин, входящих в систему. Равномерное и нормальное распределения. Условные законы распределения
- •Решение.
- •Решение.
- •П. 5. Числовые характеристики системы. Корреляция. Линии регрессии
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •§ 9. Закон больших чисел. Предельные теоремы теории вероятностей
1. Математическое ожидание или среднее значение случайной величины
а) Для дискретных случайных величин.
Рассмотрим ДСВ Х, имеющую возможные значения х1 , х2, …, хn с вероятностями р1, р2 , …, рn . Охарактеризуем каким-нибудь числом положение значений СВ на оси абсцисс с учетом того, что эти значения имеют различные вероятности, т. е. рассмотрим «среднее взвешенное» из хi, причем каждое хi, при осреднении учитывается с «весом», пропорциональным вероятности хi:
.
Определение 39. Сумма произведений всех возможных значений случайной величины на вероятности этих значений называется математическим ожиданием случайной величины
. (1)
Замечания. 1. существует тогда и только тогда, когда ряд сходится.
2. Когда входит в формулы как определенное число, то ее обозначают .
Механическая интерпретация для ДСВ: пусть на оси (Ох) расположены точки с абсциссами х1 , х2, …,хn , в которых сосредоточены соответственно массы р1, р2 , …, рn , причем сумма всех масс равна 1 ( ), тогда – абсцисса центра тяжести данной системы материальных точек.
Связь между и средним арифметическим числа наблюдаемых значений СВ при большом числе опытов: при увеличении числа опытов среднее арифметическое наблюдаемых значений СВ будет приближаться (сходиться по вероятности) к ее математическому ожиданию. Эта связь – одна из форм закона больших чисел.
b) Для непрерывных случайных величин.
Рассмотрим НСВ. Заменим в формуле (1) отдельные значения хi непрерывно изменяющимся параметром х, соответствующие вероятности рi – элементом вероятности f(x)dx, конечную сумму – интегралом, тогда
. (2)
Механическая интерпретация для НСВ: – абсцисса центра тяжести в случае, когда единичная масса распределена по оси (Ох) непрерывно с плотностью f(x).
Свойства .
1. , где С – постоянная.
2. .
3. .
4. .
5. , a, b – постоянные.
с) Для смешанных случайных величин.
, причем сумма распространяется на те точки хi, где функция терпит разрыв, а интеграл берется по тем участкам, где функция непрерывна.
2. Мода случайной величины
Определение 40. Мода – наиболее вероятное значение случайной величины.
Иначе, мода – точка максимума многоугольника распределения для ДСВ или кривой распределения для НСВ.
Мода обознается М; когда мода входит в формулы как определенное число, то ее обозначают dX.
а) Для дискретных случайных величин.
Мода М – такое значение хm, что , где i = 1,…, n. M = xm.
b) Для непрерывных случайных величин.
Мода – действительное число М (dX), определяемое, как точка максимума плотности распределения f(x).
Замечание. Мода может не существовать, может иметь единственное значение или иметь бесконечное множество значений.
Определение 41. Распределения, обладающие посередине не максимумом, а минимумом называются антимодальными.
Замечание. Мода и математическое ожидание СВ не совпадают, но если распределение является симметричным и модальным и существует мат. ожидание, то оно совпадает с модой и центром симметрии распределения.