- •Введение в теорию вероятностей
- •§ 1. Элементы комбинаторики
- •Размещения
- •Перестановки
- •Сочетания
- •Свойства сочетаний
- •§ 2. Основные понятия теории вероятностей
- •2.1. Предмет теории вероятностей
- •2.2. Испытания и события
- •2.3. Классическое определение вероятности
- •Свойства вероятности
- •2.4. Примеры непосредственного вычисления вероятностей
- •2.5. Теорема сложения вероятностей несовместных событий
- •2.6. Полная группа событий
- •2.7. Противоположные события
- •§ 3. Теорема умножения вероятностей
- •3.1. Произведение событий
- •3.2. Условная вероятность
- •3.3. Теорема умножения вероятностей зависимых событий
- •3.4. Независимые события. Теорема умножения для независимых событий
- •3.5. Вероятность появления хотя бы одного события
- •3.6. Теорема сложения вероятностей
- •3.7. Формула полной вероятности
- •3.8. Вероятность гипотез. Формулы Бейеса
- •§ 4. Повторение испытаний
- •4.1. Формула Бернулли
- •4.2. Локальная теорема Лапласа
- •4.3. Интегральная теорема Лапласа
- •§ 4. Виды случайных величин. Задание дискретной случайной величины
- •5.1. Случайная величина
- •5.2. Закон распределения вероятностей дискретной случайной величины
- •5.3. Биномиальное распределение
- •5.4. Распределение Пуассона
- •5.5. Геометрическое распределение
- •§ 6. Математическое ожидание дискретной случайной величины
- •6.1. Числовые характеристики дискретных случайных величин
- •6.2. Свойства математического ожидания
- •§ 7. Дисперсия дискретной случайной величины
- •7.1. Отклонение случайной величины
- •7.2. Дисперсия дискретной случайной величины
- •7.3. Свойства дисперсии
- •7.4. Среднее квадратическое отклонение
- •§ 8. Функция распределения вероятностей случайной величины
- •8.1. Основные понятия
- •8.2. Свойства функции распределения
- •§ 9. Плотность распределения вероятностей непрерывной случайной величины
- •9.1. Основные понятия
- •9.2. Свойства плотности распределения
- •§ 10. Нормальное распределение
- •10.1. Числовые характеристики непрерывных случайных величин
- •10.2. Нормальное распределение
- •10.3. Нормальная кривая
- •§ 11. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 11. Задания для самостоятельной работы
- •I. Элементы комбинаторики
- •II. Непосредственное вычисление вероятностей
- •III. Теоремы сложения и умножения вероятностей
- •IV. Формула полной вероятности. Формулы Байеса
- •V. Повторные испытания
- •VI. Случайные величины
- •VII. Нормально распределенная случайная величина
- •§ 12. Задания для индивидуальной работы.
- •Литература
- •Приложение
- •Значение функции
- •Значения функции
7.3. Свойства дисперсии
1. Дисперсия постоянной величины С равна нулю: D(С) = 0.
2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат: D(СХ) = С2D(Х).
3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин: D(X + Y) = D(Х) + D(Y).
Следствия.
1.
2.
4. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий:
Теорема. Дисперсия числа появлений события А в n независимых испытаниях, в каждом из которых вероятность р появления события постоянна, равна произведению числа испытаний на вероятности появления и непоявления события в одном испытании: D(X) = npq.
7.4. Среднее квадратическое отклонение
Определение. Средним квадратическим отклонением случайной величины Х называют квадратный корень из дисперсии:
В тех случаях, когда желательно, чтобы оценка рассеяния имела размерность случайной величины, вычисляют среднее квадратическое отклонение, а не дисперсию.
Пример. Случайная величина Х задана:
X |
2 |
3 |
10 |
р |
0,1 |
0,4 |
0,5 |
Вычислить σ(Х) - ?
Решение.
Теорема. Среднее квадратическое отклонение суммы конечного числа взаимно независимых случайных величин равно квадратному корню из суммы квадратов средних квадратических отклонений этих величин:
Рассмотрим три положения, которые устанавливают связь между числовыми характеристиками среднего арифметического случайной величины и соответствующими характеристиками каждой отдельной величины.
Математическое ожидание среднего арифметического одинакого распределенных взаимно независимых случайных величин равно математическому ожиданию а каждой из величин: .
Дисперсия среднего арифметического n одинаково распределенных взаимно независимых случайных величин в n раз меньше дисперсии каждой из величин:
Среднее квадратическое отклонение среднего арифметического nодинаково распределенных взаимно независимых случайных величин в раз меньше среднего квадратического отклонения каждой из величин:
§ 8. Функция распределения вероятностей случайной величины
8.1. Основные понятия
Определение. Функцией распределения называют Функцию F(Х), определяющую вероятность того, что случайная величина Х в результате испытания примет значение, меньшее х, т.е. F(X) = P(X < x).
Геометрически: F(X) есть вероятность того, что случайная величина примет значение, которое изображается на числовой оси точкой, лежащей левее точки х. F(X) – интегральная функция.
Определение. Случайную величину называют непрерывной, если ее функция распределения есть непрерывная, кусочно-дифференцируемая функция с непрерывной производной.
8.2. Свойства функции распределения
1. Значение функции распределения принадлежат отрезку [0; 1], т.е.
2. F(X) – неубывающая функция, т.е. если x2 > x1, то F(X2) ≥ F(X1).
Следствия. 1. Вероятность того, что случайная величина примет значение, заключенное в интервале (a; b), равна приращению функции распределения на этом интервале: P(a ≤ X < b) = F(b) – F(a).
2. Вероятность того, что непрерывная случайная величина Х примет одно определенное значение, равна нулю.
3. Если возможные значения случайной величины принадлежат интервалу (a; b), то:
1. F(X) = 0, при х ≤ а;
2. F(X) = 1, при х ≥ b.
Следствие. Если возможные значения непрерывной случайной величины расположены на всей оси Х, то справедливы следующие предельные отношения
Рассмотренные выше свойства позволяют представить, как выглядит график функции распределения непрерывной случайной величины:
1. График расположен в полосе, ограниченной прямыми: у = 0, у = 1 (свойство 1).
2. При возрастании х (a; b), график «поднимается вверх» (свойство 2).
3. При х ≤ а ординаты равны нулю; при х ≥ b ординаты графика равны единице (свойство 3).
Рис.1.
Пример. Известен закон распределения:
X |
1 |
4 |
8 |
р |
0,3 |
0,1 |
0,6 |
Определить функцию распределения и вычертить ее график.
Решение. При x ≤ 1, F(x) = 0 (свойство 3);
при 1 < x ≤ 4, F(x) = 0,3;
при 4 < x ≤ 8, F(x) = 0,4.
Действительно, при 4 < x1 ≤ 8, F(x1) равно вероятности события Х < х1, которое может быть осуществлено, когда Х примет значение 1 (Р(Х) = 0,3) или значение 4 (Р(Х) = 0,1). Поскольку эти два события несовместны, то по теореме сложения вероятностей вероятность события Х < х1 равна сумме: 0,3 + 0,1 = 0,4.
При х > 8, F(x) = 1.
Таким образом,
Р ис.2.