- •1.Классическое определение вероятности
- •2.Геометрическое определение вероятности
- •6 7Б 3ч 4б 6ч 2б 8ч . Формула полной вероятности
- •8.Схема с повторением испытаний (схема Бернулли)
- •12. Числовые характеристики св. Математическое ожидание.
- •49. Интервальные оценки параметров распределения
- •18.Биномиальный закон распределения вероятности
- •19. Равномерный закон распределения случайных величин
- •36.Классификация смо
- •38. Время обслуживания.
- •39. Смо с отказами.
- •22 .Показательный закон
- •40 Система уравнений Эрланга
- •41 Установившийся режим работы смо
- •43 Смо с ограниченной очередью ожидания
- •23.Нормальный закон
- •21.Поток событий
- •13. Дисперсия и ско, свойства
- •14. Плотность вероятности непрерывной св
- •15.Функция распределения случайной величины.
- •16.Связь между f(X) и f(X) для непрерывной св.
- •Вопрос 32: теорема Бернулли.
- •Вопрос 33:Центральная предельная теорема.
- •Вопрос 35: Основные элементы смо.
- •Вопрос 34: Доказательство интегральной формулы Муавра-Лапласа.
16.Связь между f(X) и f(X) для непрерывной св.
Пусть с испытанием связана непрерывная СВ xс плотность вероятности f(x) и функцией распределения F(x). Справедливы равенства:
F(x)=
f(x)= F’(x)
Док-во:
F(x)= по свойству плотности вероятности
= =F’(x),
Вопрос 32: теорема Бернулли.
Вероятность случайного события есть доля наступления этого события в длинной серии независимых одинаковых испытаний. Укажем строгую математическую формулировку этого утверждения.
Пусть выполняется серия n независимых одинаковых испытаний и при каждом испытании событие А наступает с вероятностью р. Обозначим Wn= число наступлений события А/ n.
Число Wn называется частотой события А в серии из n испытаний.
Теорема. В указанной ситуации при неограниченном возрастании числа независимых испытаний частота случайного событий А сходится по вероятности к вероятности этого события: Wn → p при n → ∞
Доказательство. Очевидно, Wn – случайная величина, при этом справедливо равенство.
Wn= ξ1+ ξ2+…+ ξn/n, где ξi – число наступлений события А в i-ом испытании.
Проверим, что случайные величины ξi удовлетворяют условиям теоремы Чебышева.
ξ1, ξ2, …, ξn независимы в силу независимости испытаний.
Закон распределения случайной величины ξi для всех i=1, .., n имеет вид ξi =
= (0 1), q=1-p (34)
(q p)
Отсюда M[ξi] = p*1+0*q=p, D[ξi] = p(1-p)2 + q(0-p)2=pq. (35)
Следовательно, случайные величины ξi однотипны с числовыми характеристиками: a=p, D=pq.
В силу теоремы Чебышева среднее арифметическое этих случайных величин сходится по вероятности к их общему математическому ожиданию:
ξ1+ ξ2+…..+ ξn / n → р при n→ ∞, что и требовалось.
Замечание 1: Из сказанного выше следует: число успехов(наступлений события А в схеме Бернулли) дается формулой ξ= ξ1+ ξ2+….+ ξn,
Где ξi-число успехов в i-ом испытании.
Из всего этого следует: М[ξ]=n p, D[ξ]=npq.(37)
Таким образом, числовые характеристики биномиальной случайной величины с параметрами(n,p) даются формулами (37).
Замечание 2:Индикатором связанного с испытанием события А называется случайная величина, равная 1, если событие А произойдет и 0, если событие А не произойдет. Очевидно, закон распределения индикатора имеет вид (34), где р – вероятность наступления, q- вероятность ненаступления события А.
Вопрос 33:Центральная предельная теорема.
При изучении нормального распределения было сформулировано следующее утверждение: если случайные величины ξ1, ξ2,…, ξn зависимы и нормальны с одними и теми же (а, σ), то сумма ξ1+ ξ2+….+ ξn также нормальна. Оказывается справедливо гораздо более глубокое утверждение: если случайные величины независимы и имеют один и тот же закон распределения (неважно какой), то при достаточно большом числе слагаемых сумма ξ1+ ξ2+….+ ξn приближенно нормальна. Это утверждение называется центральной предельной теоремой теории вероятности.
Приведем строгую формулировку этой теоремы.
Рассмотрим бесконечную последовательность независимых случайных величин ξ1, ξ2,…, ξn, ….. с одним и тем же законом распределения, в частности, с одними и теми же параметрами (а, σ).
Сумма первых n случайных величин ξ1+ ξ2+….+ ξn (38) имеет числовые характеристики M=na, D=nσ2 ---- СКО= σ√n (39)
Обозначим Fn(x) функцию распределения случайной величины (38). Поставим вопрос: КАК МЕНЯЕТСЯ Fn(x) при неограниченном возрастании числа слагаемых?
Функция распределения нормальной случайной величины с числовыми характеристиками (39) имеет вид Фn(x)= + Ф ( ), где Ф (х) – функция Лапласа. Справедлива теорема. В указанной ситуации имеет место соотношение max|Fn(x)-Фn(x)| →0 при n → ∞.
При достаточно большом числе слагаемых сумма (38) независимых случайных величин с одним и тем же законом распределения с большой точностью подчинена нормальному закону с параметрами (na, σ√n) независимо от закона распределения слагаемых.
Тогда F(x)= + Ф( )
Откуда получаем P(m1< ξ<m2) ≈ Fξ (m2) – Fξ (m1)=Ф( )-Ф( )