- •Глава 1
- •1. Случайные события
- •1.1. Некоторые формулы комбинаторики
- •1.2. Классическое определение вероятности. Относительная
- •1.2. Теоремы сложения и
- •1.3. Формула полной вероятности
- •Тогда нужная вероятность будет
- •1.4. Повторные независимые
- •1.5. Теоремы Муавра-Лапласа.
- •II. Случайные величины и их
- •2.1. Дискретные случайные величины
- •Совместный закон распределения величин и можно задавать таблицей
- •Используя формулу умножения вероятностей, найдем,
- •Воспользуемся совместным законом распределения, полученным в задаче 1.
- •В частности, из свойств дисперсии следует, что
- •Найдем ее математическое ожидание, дисперсию и среднеквадратичное отклонение.
- •Совместный закон распределения был найден ранее
- •6. Закон распределения Пуассона дискретной случайной величины. Этот закон определяется формулой Пуассона
- •Можно показать, что для распределения Пуассона
- •2.2. Непрерывные случайные
- •По определению
- •Воспользуемся формулой .
- •Найдем функцию распределения .
- •Список формул
- •Достоверное, недостоверное, случайные и несовместимые события.
- •Классическое определение вероятности.
- •Непрерывная случайная величина.
- •Независимые события. Интенсивность потока.
- •Простейший (Пуассоновский) поток событий.
- •Асимметрия и эксцесс
- •Функция одного случайного аргумента
- •Функция двух случайных аргументов
- •Закон равномерного распределения вероятностей.!!!
- •Нормальное распределение вероятностей.
- •Закон распределения вероятностей дискретной двумерной случайной величины.
- •Система непрерывных случайных величин.
- •Условное математическое ожидание.
- •Зависимые и независимые случайные величины.
- •Числовые характеристики системы двух случайных величин.
- •Коррелированность и зависимость случайных величин.
- •Линейная регрессия.
Найдем ее математическое ожидание, дисперсию и среднеквадратичное отклонение.
M[X]=2·0,3+3·0,4+4·0,3=3;
D[X]=(2 – 3)2·0,3+(3 – 3)2·0,4+(4 – 3)2·0,3=0,6;
.◄
2. В урне 6 белых и 4 черных шара. Из нее три раза подряд извлекают шар, причем каждый раз вынутый шар возвращают в урну. Пусть Х – число извлеченных белых шаров. Составить закон распределения этой величины, определить ее математическое ожидание, дисперсию и среднеквадратичное отклонение.
Вероятность вынуть из урны белый шар р=0,6. Чтобы найти закон распределения случайной величины Х, воспользуемся формулой Бернулли, для которой n=3.
.
.
.
.
Итак, закон распределения имеет вид
Х |
0 |
1 |
2 |
3 |
Р |
0,064 |
0,288 |
0,432 |
0,216 |
Определим числовые характеристики случайной величины.
M[X]=0,288+0,864+0,648=1,8
D[X]= M[X2] – (M[X])2=1·0,288+4·0,432+9·0,216 – 3,24=0,72.
. ◄
3.Бросают две игральные кости. Найти математическое ожидание и дисперсию случайной величины, равной сумме очков при бросании двух костей
Решение. 1 способ. Используя результат примера 1 из раздела 8, получим
2 способ. Пусть – случайная величина, равная числу очков, выпавших на первой кости, а – случайная величина, равная числу очков, выпавших на второй кости. Сумма очков, выпавшая на обеих костях, есть случайная величина, равная .
Используя свойства математического ожидания и дисперсии ( и - независимые случайные величины) и результаты задачи 1 настоящего раздела, вычислим
,
. ◄
Пример. Дискретная случайная величина Х задана законом распределения:
X |
2 |
4 |
5 |
7 |
p |
0,2 |
0,1 |
0,3 |
0,4 |
Найти: а) математическое ожидание М(Х);
б) дисперсию D(Х) и среднее квадратическое отклонение (Х);
в) составить функцию распределения F(х) и построить её график.
Имеем: а) по формуле находим математическое ожидание Х: М(Х) = 2 × 0,2 + 4 × 0,1 + 5 × 0,3 + 7 × 0,4 = 5,1;
б) по формулам D(Х) = M (Х2) – [ M(Х)]2 и найдём дисперсию и среднее квадратическое отклонение.
= 22 × 0,2 + 42 × 0,1 + 52 × 0,3 + 72 × 0,4 = 29,5.
D(Х) = 29,5 – (5,1)2 = 3,49 ; (Х) = = 1,87;
в) по определению F(x) = P(X < x ) , т.е. F(x) есть вероятность того, что случайная X примет значение меньше, чем х.
Если х 2, то F(x) = P(X < 2) = 0.
Если 2 < x 4, то F(x) = P(X < 4) = P(X=2) = 0,2.
Если 4< x 5, то F(x) = P(Х < 5) = P(X=2)+(X=4) = 0,2+0,1 = 0,3.
Если 5< x 7, то F(x) = P(Х<7)= P(X=2)+P(X=4)+P(X=5)=0,2+0,1+0,3 = 0,6.
Если x>7, то F(x) = P(Х<7) = P(X=2) + P(X=4) + P(X=5) + P(X=7) = = 0,2+0,1+0,3+0,4 = 1.
Построим график F(x):
◄
4. Моменты случайных величин. Пусть некоторое натуральное число.
Моментом порядка случайной величины называется число
.
Центральным моментом порядка случайной величины называется число
.
Ковариацией ( корреляционнным моментом) двух случайных величин и называется число
.
Свойства ковариации.
-
Для любых двух случайных величин и
-
Для любых случайных величин и
-
Для любых случайных величин , и
.
Коэффициентом корреляции двух случайных величин и называется число
.
Корреляционный момент и коэффициент корреляции характеризуют степень линейной зависимости случайных величин.
Если ковариация или коэффициент корреляции двух случайных величин равны нулю, то такие величины называются некоррелированными.
Для любых двух случайных величин и
Из последней формулы следует важное свойство. Если случайные величины и некоррелированы, то
Свойства коэффициента корреляции
-
,
где
-
, и , тогда и только тогда, когда существуют такие и , что .
-
Если случайные величины и независимы, то .
Обратное утверждение неверно, т.е. из равенства нулю корреляции не следует независимость случайных величин
Пример. В ящике два шара, на каждом из которых написана цифра 1, и три шара, на каждом из которых написана цифра 2.
Один за другим вынимают два шара. Пусть - это номер на первом шаре, а – номер на втором шаре. Найти коэффициент корреляции и .