- •Основные формулы комбинаторики: размещения, перестановки, сочетания.
- •Формула размещения:
- •Формула сочетания:
- •Виды случайных событий.
- •Виды событий:
- •Теорема умножения вероятностей независимых событий.
- •Условная вероятность. Теорема умножения вероятностей зависимых событий.
- •Вероятность появления хотя бы одного события.
- •Повторение испытаний. Формула Бернулли.
- •Свойства функции Гаусса :
- •Интегральная теорема Лапласа.
- •- Функция Лапласа,
- •Относительная частота.
- •Вероятность отклонения относительной частоты от теоритической вероятности.
- •Случайные величины.
- •Отклонение случайной величины от её математического ожидания.
- •Дисперсия дискретной случайной величины, её свойства.
- •Функция распределения случайной величины, её свойства, график.
- •Плотность распределения вероятностей непрерывной случайной величины, её свойства.
- •Нахождение функции распределения по известной плотности распределения.
- •Нормальное распределение, его математическое ожидание, дисперсия.
- •36. Нормальная кривая.
- •39. Правило трех сигм.
- •40. Генеральная и выборочная совокупность. Повторная и бесповторная выборки. Статическое распределение выборки.
- •41. Понятие о системе случайных величин.
-
Нормальное распределение, его математическое ожидание, дисперсия.
Случайная величина называется распределенной по нормальному закону, если ее плотность вероятности имеет вид:
Здесь математическое ожидание, дисперсия, среднее квадратическое отклонение. Как и ранее, , однако, этот интеграл вычисляется численными методами. Чтобы упростить эту процедуру, пользуются преобразованием случайной величины и правилом сохранения элемента вероятности , где плотность распределения вероятности случайной величины :
.
Как видим, индивидуальные числовые характеристики распределения (математическое ожидание и дисперсия) в последнее выражение не входят, т.е. вышеуказанным преобразованием нормальная случайная величина приведена к нормальной стандартной случайной величине с параметрами 0 (математическое ожидание) и 1 (дисперсия). Дифференциальная и интегральная функции стандартного нормального распределения табулированы (имеются таблицы), что существенно облегчает вычисления. Интегральная функция распределения обозначается ,
Часто используют функцию Лапласа:
Очевидны следующие свойства:
где .
Пример. Нормальная случайная величина задана математическим ожиданием и средним квадратическим отклонением . Записать соответствующую дифференциальную функцию, схематично изобразить ее график, вычислить вероятность попадания случайной величины в интервал
Решение: Записать дифференциальную функцию нормальной случайной величины с заданными значениями математического ожидания и дисперсии значит в общее выражение для дифференциальной функции нормальной случайной величины подставить заданные и . Например, если , то получим
.
При изображении этой функции на схематичном графике следует учесть, что эта функция имеет максимум при , симметрична относительно (это видно непосредственно из приведенной выше формулы) и стремится к нулю при . Однако правило (вероятность того, что случайная величина примет значение, по модулю отличающееся от математического ожидания на или более, пренебрежимо мала – составляет всего около 0,0027) позволяет нам закончить правую ветвь в точке а левую – в точке Высота максимума в точке составит Дополнительно надо учесть, что перегибы ветвей будут иметь место в точках
Вероятность попадания случайной величины в интервал вычислим так:
При этом следует воспользоваться таблицами функции стандартного нормального распределения или функции Лапласа .
36. Нормальная кривая.
Центральная предельная теорема. Если случайная величина Х представляет собой сумму очень большого числа взаимно независимых случайных величин, влияние каждой из которых на всю сумму ничтожно мало, то Х имеет распределение, близкое к нормальному.
Говорят, что случайная величина Х распределена по нормальному закону с параметрами а и , если плотность распределения вероятностей имеет вид:
, –¥<t<¥.
Вероятностный смысл параметров а и таков: а – математическое ожидание случайной величины Х, s – среднее квадратическое отклонение величины.
Иногда такой закон распределения называют Гауссовским. График плотности нормального распределения называют нормальной кривой (кривой Гаусса). На рисунке изображены нормальные кривые с параметрами а=1 и , , .
Из рисунка видно, что положение пика кривых определяется параметром а=1, а параметр s (среднее квадратическое отклонение) характеризует форму нормальной кривой. При увеличении s уменьшается максимум кривой распределения, сама кривая становится более пологой, растягиваясь вдоль оси абсцисс. И, наоборот, при уменьшении s возрастает максимум кривой распределения, сама кривая становится более «островершинной». Площадь, ограниченная любой нормальной кривой и осью абсцисс, равна единице. Параметр а(математическое ожидание величины) определяет положение максимума на оси абсцисс, не влияя на форму кривой. На рисeyrt ниже показаны нормальные кривые с одинаковым средним квадратическим отклонением и разными математическими ожиданиями а=–1, а=0, а=1.
Нормальное распределение с параметрами а=0 и называется нормированным.
-
Вероятность попадания в заданный интервал нормальной случайной величины.
Вероятность того, что Х примет значение, принадлежащее интервалу (α,β)
P(α<X<β)=Ф((β-a)/σ)-Ф((α-a)/σ), где – функция Лапласа.
-
Ф(-∞)=0
-
Ф(+∞)=1
-
Ф(-х)=1-Ф(х)
P(mx-l<x<mx+l)=Ф(l/σ)-Ф(-l/σ)=2Ф(l/σ)-1
38. Вычисление вероятности заданного отклонения.
Часто требуется вычислить вероятность того, что отклонение нормально распределенной случайной величины Х по абсолютной величине меньше заданного положительного числа d, т. е. требуется найти вероятность осуществления неравенства |x —а|<d.
Заменим это неравенство равносильным ему двойным неравенством
Тогда получим:
Приняв во внимание равенство:
(функция Лапласа—нечетная), окончательно имеем
Вероятность заданного отклонения равна
На рисунке наглядно показано, что если две случайные величины нормально распределены и а = 0, то вероятность принять значение, принадлежащее интервалу (-d,d),больше у той величины, которая имеет меньшее значение d. Этот факт полностью соответствует вероятностному смыслу параметра s .
Пример. Случайная величина Х распределена нормально. Математическое ожидание и среднее квадратическое отклонение Х соответственно равны 20 и 10. Найти вероятность того, что отклонение по абсолютной величине будет меньше трех.
Решение: Воспользуемся формулой
По условию ,
тогда