- •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.
-
Случайные величины.
Переменная величина называется случайной, если в результате опыта она может принимать действительные значения с определёнными вероятностями.
Случайная величина Х называется дискретной, если существует такая неотрицательная функция:
которая ставит в соответствие значению хi переменной Х вероятность рi , с которой она принимает это значение.
Дискретные случайные величины X и Y называются независимыми, если события Х = хi и Y = yj при произвольных i и j являются независимыми.
Случайная величина Х называется непрерывной, если для любых a < b существует такая неотрицательная функция f ( x ), что
Функция f ( x ) называется плотностью распределения непрерывной случайной величины.
Вероятность того, что случайная величина Х принимает значение меньшее х , называется функцией распределения случайной величины Х и обозначается F ( x ) :
F(x) = P (X <x).
-
Закон распределения вероятностей дискретной случайной величины.
Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями.
Приняты следующие виды (способы задания) законов распределения случайной величины:
-
ряд распределения;
-
многоугольник распределения;
-
функция распределения;
-
плотность распределения.
-
Ряд и многоугольник распределения.
Рядом распределения называется таблица, в котором перечислены все возможные значения дискретной случайной величины и соответствующие им вероятности:
Приняв во внимание, что в одном испытании случайная величина принимает одно и только одно возможное значение, заключаем, что события Х=Х1, Х=Х2 ,… , Х=Хn образуют полную группу; следовательно, сумма вероятностей этих событий, т. е. сумма вероятностей второй строки таблицы, равна единице:
p1+ p2+ … + pn=1.
Если множество возможных значений X бесконечно (счетно),
то ряд р1 + р2+... сходится и его сумма равна единице.
Пример: В денежной лотерее из 100 билетов разыгрываются два выигрыша по 100 руб., пять выигрышей по 50 руб. и пятнадцать выигрышей по 20 руб. Найти закон распределения случайной величины X возможного выигрыша на один билет.
Решение: Составим возможные значения X:
х1=100, х2=50,х3=20, x4= 0. Их вероятности соответственно равны:
p1=2/100=0,02; p2=5/100=0,05;
p3=15/100=0,15; p4=100-(2+5+15)/100=0,78;
Закон распределения будет иметь вид
X |
0 |
20 |
50 |
100 |
P |
0,78 |
0,15 |
0,05 |
0,02 |
Контроль: 0,02+0,05+0,15+0,78=1
Для наглядности закон распределения дискретной случайной величины можно изобразить и графически, для чего в прямоугольной системе координат строят точки (xi;pi), затем соединяют их отрезками прямых.
Полученную фигуру называют многоугольником распределения.
-
Числовые характеристики дискретных случайных величин.
Величины, в сжатой форме, характеризующие основные особенности распределения случайных величин называются её числовыми характеристиками.
Числовые характеристики используются, когда достаточно иметь конечное число. К числовым характеристикам относятся:
-
математическое ожидание;
-
дисперсия;
-
среднее квадратичное отклонение.
-
Математическое ожидание дискретной случайной величины, его свойства.
Рассмотрим дискретную случайную величину Х, принимающую значения , , …, с вероятностями , , …,.
Сумма произведений всех возможных значений случайной величины на вероятности этих значений называется математическим ожиданием случайной величины и обозначается М[X].
M[X] = ++…+= (6.3)
Пример: Найти математическое ожидание дискретной случайной величины, ряд распределения которой:
X |
1 |
3 |
5 |
p |
0,2 |
0,5 |
0,3 |
Решение: М[X]=10,2+30,5+50,3=0,2+1,5+1,5=3,2
Вероятностный смысл этой числовой характеристики таков: математическое ожидание случайной величины приближенно равно среднему значению случайной величины.
Пусть произведено n испытаний, в которых случайная величина приняла раз значение , раз значение , …, раз значение , причем ++…+ =n. Тогда среднее арифметическое всех значений, принятых случайной величиной Х, вычисляется по формуле: =.
Или =. Заметим, что - относительная частота значения , - относительная частота значения , …, - относительная частота значения . Если число испытаний n достаточно велико, то относительная частота приближенно равна вероятности появления события: , , …, . Тогда ++…+. Значит,
M[X]. Математическое ожидание приближенно равно среднему арифметическому наблюдаемых значений случайной величины. Равенство будет тем точнее, чем больше число испытаний. Математическое ожидание больше наименьшего и меньше наибольшего возможных значений.
Свойства математического ожидания случайной величины:
1. Математическое ожидание постоянной величины равно самой величине:
М[C]=C.
2. Постоянный множитель можно выносить за знак математического ожидания:
М[CХ]=CM[X].
3. Математическое ожидание суммы двух случайных величин равно сумме математических ожиданий этих величин:
М[Х+Y]=M[X]+M[Y].
4. Математическое ожидание произведения двух независимых случайных величин равно произведению математических ожиданий этих величин:
М[ХY]=M[X]M[Y].
(Две случайные величины называются независимыми, если закон распределения одной из них не зависит от того, какие возможные значения принимает другая величина.)
-
Математическое ожидание числа появлений события в независимых испытаниях.
Пусть производится n независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна р.
Теорема. Математическое ожидание М (X) числа появлений события А в п независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании:
М (X) = пр.
Доказательство. Будем рассматривать в качестве случайной величины X число наступления события А в n-независимых испытаниях. Очевидно, общее число X появлений события А в этих испытаниях складывается из
чисел появлений события в отдельных испытаниях. Поэтому если Х1 — число появлений события в первом испытании, Х1 — во втором, ..., Хn — в n-м, то общее число появлений события X = X1 + Х2 + ... + Хn.
По третьему свойству математического ожидания,
М (X) = М (X1 + М (Х2) +...+М (Хn). (*)
Каждое из слагаемых правой части равенства есть математическое ожидание числа появлений события в одном испытании: М (Х1) — в первом, М (Х2) — во втором и т. д. Так как математическое ожидание числа появлений события в одном испытании равно вероятности события, то М (Х1) = М (X2) = M (Хn)=р.
Подставляя в правую часть равенства (*) вместо каждого слагаемого р, получим
М (X) = np.