- •Оглавление
- •Глава 1. Теория вероятностей 10
- •Глава 2. Математическая статистика 44
- •Глава 3. Случайные процессы 67
- •Введение
- •Глава 1. Теория вероятностей
- •1.1. Случайные события Основные понятия теории вероятностей
- •Основные определения
- •Операции над случайными событиями
- •Элементы комбинаторики
- •Классическое определение вероятности
- •Свойства вероятности
- •Вопросы для самопроверки
- •1.2. Теоремы сложения и умножения вероятностей Теорема сложения вероятностей
- •Теорема умножения вероятностей Условная вероятность
- •Обобщенная теорема умножения вероятностей
- •Независимость случайных событий
- •Вопросы для самопроверки
- •1.3. Формула Бернулли. Формула полной вероятности Повторение испытаний. Формула Бернулли
- •Формула полной вероятности
- •Вопросы для самопроверки
- •1.4. Дискретные случайные величины
- •Закон распределения дискретной случайной величины
- •Биномиально распределенные случайные величины
- •Математическое ожидание случайной величины
- •Свойства математического ожидания
- •Дисперсия случайной величины
- •Свойства дисперсии
- •Функция распределения случайной величины
- •Свойства функции распределения
- •Вопросы для самопроверки
- •1.5. Непрерывные случайные величины
- •Плотность вероятности непрерывной случайной величины
- •Cвойства функции плотности вероятности
- •Нормальное распределение
- •Правило трех сигм
- •Независимость случайных величин. Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Предельные теоремы теории вероятностей
- •Закон больших чисел в форме Чебышева
- •Следствия из закона больших чисел
- •Центральная предельная теорема (теорема Ляпунова)
- •Вопросы для самопроверки
- •Глава 2. Математическая статистика
- •2.1. Основные понятия математической статистики
- •Приемы обработки выборок
- •Построение гистограммы относительных частот
- •Точечные оценки параметров генеральной совокупности
- •Дополнительные свойства точечных оценок
- •Проверка взаимозависимости генеральных совокупностей. Выборочный коэффициент корреляции
- •Интервальные оценки параметров генеральной совокупности
- •Вопросы для самопроверки
- •2.2. Статистическая проверка статистических гипотез
- •Этапы проверки статистических гипотез
- •Проверка гипотез о параметрах генеральных совокупностей
- •Проверка гипотезы о виде распределения генеральной совокупности. Критерий согласия Пирсона
- •Вопросы для самопроверки
- •Глава 3. Случайные процессы
- •3.1. Элементы теории случайных процессов Определение случайного процесса
- •Основные характеристики случайных процессов
- •Свойства математического ожидания
- •Дисперсия случайного процесса и ее свойства
- •Корреляционная функция случайного процесса и ее свойства
- •Нормированная корреляционная функция
- •Взаимная корреляционная функция и ее свойства
- •Нормированная взаимная корреляционная функция
- •Производная и интеграл от случайной функции
- •Интеграл от случайной функции и его характеристики
- •Вопросы для самопроверки
- •Заключение
- •Библиографический список
Биномиально распределенные случайные величины
Рассмотрим ситуацию повторения некоторых фиксированных испытаний. В каждом из этих n одинаковых опытов случайное событие А может произойти с вероятностью р, а может и не произойти с вероятностью 1–р. Введем случайную величину Sn как количество появлений события А в этой цепочке испытаний (или как число опытов, в которых событие А произошло). Такая дискретная случайная величина называется распределенной по биномиальному закону или биномиальной случайной величиной. Легко составить ее закон распределения:
Sn |
0 |
1 |
2 |
…i… |
n |
p |
|
|
|
|
|
Здесь используется формула Бернулли: P(Sn = i) = Pn(i) = = .
Задача. В урне 2 белых и 4 черных шара. Выбираем наугад, с возвращением 2 шара. Требуется составить закон распределения случайной величины Y – количества белых шаров в этой выборке.
Решение. Очевидно, что Y = S2 биномиальная случайная величина, при этом р = 2/6 = 1/3, 1– p = 2/3, следовательно,
-
Y = S2
0
1
2
p
4/9
4/9
1/9
Математическое ожидание случайной величины
Математическое ожидание случайной величины имеет смысл среднего значения, вокруг которого группируются все значения этой случайной величины, которые она может принимать. В механике – это центр тяжести системы точек. Если систему подпереть в этой точке, то она будет находиться в равновесии. Нередко это значение является также и наиболее вероятным, самым ожидаемым. Представим геометрический смысл математического ожидания на схеме:
Для дискретной случайной величины Х математическое ожидание определяется и вычисляется по формуле:
М(Х) = х1 р1 + х2 р2 + ... + хn рn = . (2)
Замечание. Само математическое ожидание не является случайной величиной. Для вычисления математического ожидания достаточно знать закон распределения случайной величины.
Пример 1. Найдем математическое ожидание случайной величины Х – значения грани, выпавшей на кубике. Используя построенный ранее закон распределения этой случайной величины, получаем:
М(Х) = 1/6 + 2/6 + 3/6 + 4/6 + 5/6 + 6/6 = 21/6 = 3.5.
Подтвержден геометрический смысл математического ожидания.
Пример 2. Найдем математическое ожидание случайной величины Z, возникающей при подбрасывании двух монет, равной числу выпавших гербов.
М(Z) = 0∙1/4 + 1∙1/2 + 2∙1/4 = 1.
Здесь также подтверждается геометрический смысл математического ожидания.
Свойства математического ожидания
1. М(const) = const.
2. М(СХ) = СМ(Х).
3. М(Х + Y) = М(Х) + М(Y), для любых двух случайных величин Х и Y.
4. Пусть случайные величины Х и Y независимы. Тогда М(Х∙ Y) = М(Х) ∙ М(Y).
Пояснение. Случайные величины Х и Y – называются независимыми тогда и только тогда, когда случайные события {Х = хi} и {Y = yj} при любых i и j являются независимыми. Согласно ранее данному определению, следует, что при любых i и j вероятность события {Х = хi} не зависит от того, произошло ли событие {Y = yj} и наоборот. Другими словами, независимые случайные величины Х и Y не могут влиять друг на друга, взаимовлияние отсутствует.
Пример. Пусть требуется найти математическое ожидание суммы значений, выпавших на двух одновременно подброшенных кубиках.
Ответ получаем без вычисления закона распределения суммы двух случайных величин: М(Х+ Y) = 7 на основании свойства 3.
Математическое ожидание биномиальной случайной величины так же легко получить, пользуясь свойством 3:
M (Sn) = n ∙ p.