- •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
41. Дисперсия нормального закона распределения
Найдем дисперсию
Таким образом, , , .
Мы установили вероятностный смысл параметров и а, а - это математическое ожидание распределения, - ее среднеквадратическое отклонение. По нормальному закону распределено большое количество случайных величин. Например, этому закону подчиняется распределение роста 20-ти летнего мужчины, вес женщины, рост которой равен 170 см, дальность полета снаряда, результат измерения длины, массы, времени и т.д.
42-43. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
Функция называется функцией Лапласа или интегралом вероятности. Она тесно связана с нормальным законом распределения. Ее основные свойства:
-
область определения функции Лапласа – вся числовая ось;
-
функция Лапласа монотонно возрастает на всей числовой прямой, т.к. ;
-
функция - нечетная, покажем это.
4) . Действительно,
График.
Итак, пусть у нас имеется нормальная случайная величина X с математическим ожиданием а и дисперсией . Тогда функция распределения этой случайной величины
.
Сделаем замену переменной в этом интеграле, положив . Тогда , при , , при , .
Если , то случайная величина называется нормированной. График функции распределения нормированной нормальной случайной величины с математическим ожиданием , т.е. имеет вид:
Найдем вероятность того, что случайная величина , распределенная по нормальному закону с параметрами , , примет значение из
Таким образом,
.
Найдем вероятность того, что отклонение нормальной случайной величины от ее математического ожидания по модулю меньше некоторого положительного , т.е. найдем вероятность
.
Итак: .
Вероятность того, что нормальная случайная величина отклоняется от своего математического ожидания по модулю меньше, чем на , определяется формулой
.
Если в этой формуле положить , то получим
.
Отсюда вытекает, что среди 10000 значений нормальной случайной величины в среднем только 27 выйдут за пределы интервала . Это означает, что практически среди небольшого числа значений нет таких, которые выходят за пределы указанного интервала. В этом и состоит правило «трех сигм», которое широко применяется в статистике.
44. Неравенство Маркова
Теорема. Если случайная величина может принимать только неотрицательные значения и у нее есть математическое ожидание, то какова бы ни была величина той же размерности, что и , всегда выполняется неравенство
.
Доказательство. Пусть - непрерывная случайная величина с плотностью распределения . Из условия теоремы следует, что при и при .
Математическое ожидание случайной величины -
(разобьем на два интеграла)
.
Так как , то .
Итак,
, .
Если это неравенство вычесть из тождества 1=1, то
или . Что и требовалось доказать.
Пример. Средний срок службы мотора 4 года. Оценить снизу вероятность того, что данный мотор не прослужит 20 лет.
Решение. Пусть случайная величина - срок службы мотора. Из условия задачи - . Требуется оценить снизу вероятность . Эту вероятность можно рассматривать как левую часть неравенства Маркова с . Тогда
.
Пример. Сумма всех вкладов в некотором сберегательном банке составляет 2 млн. рублей, вероятность того, что случайно взятый вклад не превышает 10000 руб. равна 0.8. Что можно сказать о числе вкладчиков данного сберегательного банка?
Решение. Пусть - величина случайно взятого вклада, а - число всех вкладчиков. Тогда из условия задачи следует, что . Так как , то по неравенству Маркова получим или
, , .