- •Предмет теории вероятности. Основные задачи.
- •Понятие события, классификация
- •Классическое определение вероятности
- •Статистическое определение вероятности
- •Элементы комбинаторного анализа
- •Действия над событиями.
- •Теорема сложения вероятностей несовместных событий
- •Условная вероятность. Теорема умножения вероятностей. Независимые события.
- •Теорема сложения вер-тей совместных событий
- •Формула полной вероятности. Формула Байеса
- •Повторные независимые испытания. Формула Бернулли
- •Приближенные вычисления вероятностей в схеме испытаний Бернулли
- •Случайные величины. Закон распределение дискретной случайной величины
- •Математические операции над дсв
- •Математическое ожидание дсв
- •Математическое ожидание числа появлений события в нез. Исп.
- •Дисперсия дсв
- •Дисперсия числа появлений события в независимых испытаниях
- •Основные законы распределения дсв
- •Распределение Пуассона
- •Гипергеометрическое распределение
- •Функция распределения вероятностей случайной величины
- •График функции распределения дсв
- •Непрерывные случайные величины. График.
- •Теорема о вер-ти отдельно взятого значения нсв
- •Вероятность попадания нсв в заданный интервал
- •Плотность вероятности нсв
- •Нахождение функций по плотности распределения
- •Числовые характеристики случайных величин
- •Равномерный закон распределения нсв
- •Показательный закон распределения нсв
- •Нормальный закон распределения нсв
- •Нормальная кривая. Влияние параметров на ее форму.
- •Свойства случайной величины, распределенной по нормальному закону.
- •Закон больших чисел
- •Основные задачи математической статики
- •Сплошное и выборочное наблюдения. Генеральная и выборочная совокупности. Типы выборок. Репрезентативность.
- •Статистическое распределение выборки. Эмпирическая функция распределения. Полигон и гистограмма.
- •Оценка параметров генеральной совокупности. Свойства оценок.
- •Основные методы нахождения оценок.
- •Точечные оценки параметров генеральной совокупности по собственно-случайной выборке.
- •Интервальное оценивание. Предельная ошибка выборки.
Приближенные вычисления вероятностей в схеме испытаний Бернулли
Рассмотрим урну, содержащую шаров, из которых шаров — белые, а оставшиеся шаров — чёрные. Из урны наудачу (без возвращения) выбираются шаров. Вероятность того, что будет выбрано ровно белых и чёрных шаров, находится по формуле (см. определение 8 гипергеометрического распределения вероятностей):
Если число шаров в урне очень велико, то извлечение одного, двух, трёх шаров почти не меняет пропорцию белых и чёрных шаров в урне, так что вероятности не очень отличаются от вероятностей в процедуре выбора с возвращением:
Сформулируем и докажем нашу первую предельную теорему.
Теорема Если и так, что , то для любых фиксированных и
Доказательство. Перепишем следующим образом:
И в числителе, и в знаменателе дроби — произведение фиксированного числа сомножителей, поэтому и дробь есть произведение сомножителей. Каждый из первых сомножителей имеет вид при некоторых фиксированных и и стремится к при . Каждый из оставшихся сомножителей имеет вид и стремится к при . Окончательно имеем
Случайные величины. Закон распределение дискретной случайной величины
Случайной величиной называется числовая величина, которая в результате опыта может принять какое-либо значение из некоторого множества, причем заранее, до проведения опыта, невозможно сказать, какое именно значение она примет. Случайные величины обозначают заглавными латинскими буквами X, Y, Z,..., а их возможные значения — строчными латинскими буквами х, у, z. Случайная величина называется дискретной, если множество ее значений конечно или счетно, и непрерывной в противном случае. Законом распределения случайной величины называется любое соотношение, связывающее возможные значения этой случайной величины и соответствующие им вероятности. Закон распределения дискретной случайной величины задается чаще всего не функцией распределения, а рядом распределения, т.е, таблицей
Х |
x1 |
x2 |
... |
xn |
... |
P |
p1 |
p1 |
... |
pn |
... |
В которой x1, x2, ..., xn, ... - расположенные по возрастанию значения дискретной случайной величины X, а р1, р2, ..., рп, ... — отвечающие этим значениям вероятности: pi = Р{Х = хi), i= 1, 2, ..., п, ... . Число столбцов в этой таблице может быть конечным (если соответствующая случайная величина принимает конечное число значений) или бесконечныи. Очевидно, pi= 1.
Многоугольником распределения дискретной случайной величины X называется ломаная, соединяющая точки {xi; pi), расположенные в Порядке возрастания хi.
Функция распределения ДСВ
Если - дискретная случайная величина, принимающая значения x1 < x2 < … < xi < … с вероятностями p1 < p2 < … < pi < …, то таблица вида
x1 |
x2 |
… |
xi |
… |
p1 |
p2 |
… |
pi |
… |
называется распределением дискретной случайной величины.
Функция распределения случайной величины, с таким распределением, имеет вид
У дискретной случайной величины функция распределения ступенчатая. Например, для случайного числа очков, выпавших при одном бросании игральной кости, распределение, функция распределения и график функции распределения имеют вид:
1 |
2 |
3 |
4 |
5 |
6 |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |