- •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.
-
Отклонение случайной величины от её математического ожидания.
Отклонением называют разность между случайной величиной и ее математическим ожиданием: Х – М[Х].
Однако оказывается, что математическое ожидание отклонения случайной величины равно 0:
М[Х – М[Х]]=0.
Действительно, М[Х – М[Х]]= М[Х] – M[М[Х]]= М[Х] – M[Х]=0.
Это объясняется тем, что одни отклонения положительны, а другие – отрицательны. И в результате их взаимного сложения значение отклонение будет равно 0. Поэтому отклонение случайной величины нельзя использовать для оценки ее рассеяния. Для этого чаще всего вычисляют среднее значение квадрата отклонения, называемое дисперсией.
-
Дисперсия дискретной случайной величины, её свойства.
Дисперсией случайной величины называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
D[Х] = М[(Х – М[Х])2].
Рассмотрим дискретную случайную величину Х, принимающую значения , , …, с вероятностями , , …,. Используя в выражении определение математического ожидания , получим следующую формулу для вычисления дисперсии:
D[Х] = =
++…+.
Пример: Найти дисперсию случайной величины, ряд распределения которой:
X |
1 |
3 |
5 |
p |
0,2 |
0,5 |
0,3 |
Ранее было подсчитано математическое ожидание этой случайной величины: М[X]=3,2. Теперь вычислим дисперсию. По определению D[X]=(1-3,2)20,2 + (3-3,2)20,5 + (5-3,2)20,3 = (-2,2)20,2 + (-0,2)20,5 + 1,820,3 = 4,840,2 + 0,040,5 + 3,240,3=1,96.
Для нахождения дисперсии можно воспользоваться и формулой:
D[X]=120,2+320,5+520,3–3,22=10,2+90,5+250,3–10,24=0,2+4,5+7,5–10,24 =1,96.
Свойства дисперсии случайной величины:
1. Дисперсия постоянной величины равна нулю:
D[C]=0.
2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:
D[CХ]=C2M[X].
3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин:
D[Х+Y]=D[X]+D[Y].
4. Дисперсия разности двух независимых случайных величин равна сумме дисперсий этих величин:
D[Х–Y]=D[X]+D[Y].
-
Формула для вычисления дисперсии.
Для вычисления дисперсии также можно пользоваться следующей формулой:
D[Х] = М[Х2] – (М[Х])2
Доказательство: Раскрыв квадрат разности, получим:
D[Х] = М[(Х – М[Х])2] = М[Х2 – 2ХМ[Х]+ М[Х]2].
Учитывая, что М[Х] – это некоторое постоянное число, раскроем предыдущее равенство так: D[Х] = М[Х2]–M[2ХМ[Х]]+M[М[Х]2] = М[Х2]– 2(М[Х])2 +(М[Х])2 = М[Х2] – (М[Х])2.
Таким образом, D[Х] = М[Х2] – (М[Х])2 = – (М[Х])2 = + + … + – (М[Х])2.
-
Дисперсия числа появлений события в независимых событиях.
Рассмотрим случайную величину X – число появления события А в n независимых испытаниях и найдем ее дисперсию. Вероятность появления события А в каждом испытании постоянна. По прежнему будем обозначать ее через p, а вероятность не появления события А через q=1–p.
Дисперсия D[X] числа появлений события А в n независимых испытаниях, в каждом из которых вероятность p появления события одинакова, равна произведению числа испытаний на вероятности появления и не появления события в одном испытании:
M[X]=npq.
-
Среднее квадратичное отклонение.
Легко заметить, что в отличие от математического ожидания, размерность дисперсии равна квадрату размерности случайной величины. Для характеристики рассеивания более удобно использовать другую величину, размерность которой совпадает с размерностью величины. Такой характеристикой является среднее квадратическое отклонение.
Средним квадратическим отклонением случайной величины X называется квадратный корень из дисперсии:
σ(X)=.
Пример: Найти среднее квадратическое отклонение случайной величины, ряд распределения которой
X |
1 |
3 |
5 |
p |
0,2 |
0,5 |
0,3 |
Решение: Дисперсия этой случайной величины была вычислена ранее: D[X] =1, 96. Следовательно, σ(X)== =1,4.