- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез. ( Формула Байеса )
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения
- •15. Функция распределения
- •16. Общие свойства функции распределения
- •17. Плотность распределения
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •30. Корреляционный момент случайных величин и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •Виды статистических наблюдений:
- •51. Виды измерений
- •Количественные измерения
- •Порядковые (ранговые) измерения
- •Номинальные измерения
- •Статистические таблицы
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации
- •57. Ассиметрия и эксцесс
- •58. Эмпирическая функция распределения
- •59. Точечные интервальные оценки
- •60. Доверительные интервалы
36. Закон распределения Пуассона
Случайная величина , которая принимает значение с вероятностью
,
где , , называется распределенной по закону Пуассона с параметром . Этот закон может быть записан в виде следующей таблицы:
-
Значения
0
1
2
…
…
Вероятности
…
…
Данное выше определение корректно. Действительно, и
.
Найдем математическое ожидание и дисперсию данной случайной величины
.
,
Таким образом, если распределено по закону Пуассона с параметром , то
.
Согласно теореме Пуассона, распределение Пуассона – это предельный случай биномиального распределения, когда , и . По закону Пуассона распределены числа так называемых редких явлений (например, число рождения четверней, число вызовов на АТС, поступивших в течение минуты, число несчастных случаев на производстве и т.д.).
37. Равномерный закон распределения
Непрерывная случайная величина, которая принимает значения только на сегменте [a,b] с постоянной плотностью распределения, называется распределенной по равномерному закону.
Из определения следует, что плотность распределения определяется равенством
и должна удовлетворять двум требованиям:
1)
2) , , , .
Таким образом
Найдем функцию распределения данной случайной величины. Известно, что ,
Тогда согласно формуле выше, получим
Графики
Найдем математическое ожидание и дисперсию случайной величины, распределенной равномерно на сегменте [a,b]:
Следовательно,
, ,
Равномерный закон распределения применяется при работе с округленными числами. Например, если число округлено до целого, то ошибка округления распределена равномерно на .
38. Показательный закон распределения
Непрерывная случайная величина X, которая принимает только неотрицательные значения с плотностью распределения
,
называется распределенной по показательному закону с параметром . Так как
,
т.е. приведенное определение корректно.
Функция распределения показательно распределенной случайной величины X имеет вид:
графики
Найдем математическое ожданиеи дисперсию случайной величины, распределенной по показательному закону.
Поэтому
Пример. Среднее время обслуживания покупателя 20 минут. Чему равна вероятность простоя в очереди от 20 минут до 40 минут?
Решение. Мат. ожидание . Искомая вероятность
39. Нормальный закон распределения
Случайная величина X распределена по нормальному закону, если плотность рапределения определяется по формуле
где и а – параметры распределения.
Так как и [введем замену ]
таким образом, приведенное выше определение корректно.
40. Математическое ожидание нормального закона распределения
Найдем математическое ожидание случайной величины X , распределенной по нормальному закону с параметрами и а:
Проведем замену в этом интеграле , тогда , , пределы интегрирования не меняются и, следовательно,
(интеграл от нечетной функции равен нулю по симметричному относительно начала координат промежутку).