- •20. Закон распределения дсв.
- •2. Основные формулы комбинаторики
- •3.Относительная чистота.
- •4. Теорема сложения вероятностей.
- •5. Полная группа событий
- •6. Противоположные события
- •7. Произведение событий
- •8.Условная вероятность
- •9. Теорема умножения вероятностей
- •10. Независимые события
- •11. Вероятность появления хотябы одного события.
- •12.Теорема сложения совместных событий
- •13.Формула полной вероятности
- •14.Вероятность гипотез. Формула Бейеса.
- •15.Формула бернулли
- •16. Локальная теорема Лапласа
- •17. Интегральная теорема Лапласа.
- •18. Вероятность отклонения частоты от постоянной вероятности в независимый испытаниях.
- •19. Случайная величина
- •23. Среднее квадратическое отклонение
- •24. Функция распределения вероятностей непрерывной случайной величины.
- •25.Плотность распределения вероятностей непрерывной случайной величины.
- •26. Математическое ожидание и Дисперсия Непрерывные Случайные Величины
- •27. Виды законов распределения вероятностей непрерывной св
- •28.Равномерное распределение
- •29. Нормальное распределение
- •Свойства нормального распределения
- •30. Функция одной случайного аргумента
- •31.Функции от двух случайных аргументов
- •9. Теорема умножения вероятностей
- •10. Независимые события
16. Локальная теорема Лапласа
Пусть xn=m-np/npq.Предположим, что m,n и величины xn являются ограниченными. Тогда npq*Pn(m)-xn²/2/2П
В частности, если xn x, то npq*Pn(m) -xn²/2/2П
Доказательство:
В силу ограниченности величин xn разность n -m, вместе с n и m Воспользуемся формулой Стирлинга
k!2Пk*(k/e)k
npq*Pn(m)=npq*Cmnpmqn-m=(n! npq * pmqn-m)/(m!(n-m)!)1/2П*(np/m) m (nq/n-m) n-m*np/m* nq/n-m
В силу определения xn: m=np+ xnnpq
n-m=n-np- xnnpq=nq- xnnpq
m/np=1+ xn q / np 1
n-m/nq=1- xnp/nq1
17. Интегральная теорема Лапласа.
В условиях предыдущей теоремы вероятность того, что событие А в серии из n испытаний наступит не менее k1 раз и не более k2 раз: Pn(k1≤k≤k2)=Ф(x2)-Ф(x1)
Ф(x)=1/2П0∫xe-t²/2dt- функция Лапласа
x1= k1-np/npq; x2= k2-np/npq
Следствие: Pn(k-np≤)=2Ф(/npq)
np-≤k≤np+; x1=-/npq; x2=/npq
18. Вероятность отклонения частоты от постоянной вероятности в независимый испытаниях.
Производная n независимых испытаний в каждом из которых появления события А постоянно равна Р. 0<Р<1. Чтобы найти вероятность отклонения частоты m/n от постоянной Р по абсолютной величине не превышающий >0. (m/n-Р)< -≤m/n-Р≤; умножаем на n/pq -n/pq * ≤n/pq m/n-Р≤*n/pq; -n/pq * ≤ m -nР / n/pq ≤*n/pq; -n/pq * =х’; n/pq * =х’’Р(х’≤ m -nР / n/pq ≤ х’’)1/2П х’х’’ е-z²dz/21/2П -n/pq * n/pq * е-z²dz/22/2П 0n/pq * е-z²dz/2=2Ф(n/pq * )-n/pq * . Равна ф-ции Лапласа.
19. Случайная величина
Случайная величина – численная функция, задаваемая на множестве элементарных событий. На одном множестве может быть несколько случайных величин.
Дискретная случайная величина (ДСК) – величина, принимающая счетное (конечное или бесконечное) множество значений.
Непрерывная случайная величина (НСВ) – случайная величина, значения которой образуют несчетные множества. (Например, расход бензина на 100 км у автомобиля Жигули в Нижнем Новгороде).
Задать св – значит указать все множество ее значений и соответствующие этим значениям вероятности. Говорят, что задан закон распределения случайной величины.
Случайная величина может быть задана несколькими способами:
1.Табличный.
Х a1 a2 … аn
Р p1 p2 … pn
pi=1 Значения случайных величин в таблице указываются в порядке возрастания.
Недостпаток табличного способа в том, что он пригоден только для случайных величин, принимающих небольшое количество значений.
2. Функция распределения F(x) = P(X<x) или интегральный закон распределения. Указывается вероятность того, что случайная величина принимает значение < x.
Х a1 a2 … аn-1
Р p1 p2 … pn-1
f(x) p1 p1+p2 … p1+p2+…+pn-1
При увеличении значения случайной величины, количество ступенек функции F(х) возрастает, уменьшается их высота и в пределе при получаем гладкую непрерывную функцию F(х).
20. ЗАКОН РАСПРЕДЕЛЕНИЯ ДСВ.
Случайная величина называется дискретной,если она принимает случайные изолированные значения, причем каждое значение этой СВ содержит окрестность, в которой нет других значений СВ. Причем каждое значение СВ определяется с некоторой вероятностью. Соответствие всех значений ДСВ и вероятности этих значений Х(х1,х2…) называется распределением случайной величины P(p1,p2…). ПРИМЕРЫ: 1) схема Бернули – P=e(c.m)(инд.n)p(c.n)q(c.n-m), 2) локальный закон Лапласа: P=φ(x)/√npq`. Эти 2 закона используются при 0,1<p>1 и при n∞. Если P мало, а n велико, тогда используется феноминальный закон Пуассона:
P(k)=λ(c.k)e(c.-λ)/k!, λ=np, k=0,1,2…n. Зная закон распределения ДСВ мы можем найти функцию распределения ДСВ F(x). функцию распределения СВ – вероятность того, что СВ принимает значения <x, F(x)=P(X<x).
F(x)=∑[k, x(инд.k)<X] P(X=x(инд.k).
21. Математическое ожидание (МО)
М(х) =xipi pi=1
свойства МО:
М(х) СВ Х ХminМ(х)Хmax
2. М(С)=С МО постоянной величины есть величина постоянная
3. М(ХУ)=М(Х) М(У)
4. М(ХУ)=М(х) М(у)М(Сх)=СМ(х) – МО произведения двух независимых СВ
5. М(аХ+вУ)=аМ(Х)+вМ(У)
6. М(Х-m)=0 – МО СВ Х от её МО.
Дискретные Случайные Величины
1. Биноминальные СВ МО(Х)=np
2. Пуассоновские СВ МО(Х)=
3. Бернуллиевы СВ МО(Х)=р
4. Равномерно распред. СВ M(x)= (a1 + a2 +…+аn)/n
Пример. Случайная величина Х, заданна функцией распределения F(x)=x2.Найти МО. РЕШЕНИЕ: f(x)=2xM(x)=0x*f(x)dx=0x*2x= 2 0 x2=2*(2x 0)
22. Дисперсия СВ
D(X)= (xi-m)2pi; pi =1
свойства дисперсии:
1. Для любой СВ Х: D(X)0. При Х=const D(X)0.
2. D(X)=M(X2)-M2(X)=M(X2-2mX-m2)
3. D(cX)=c2D(X)
4. D(X+c)=D(X)
5. D(X+Y)=D(X)+D(Y), D(X-Y)=D(X)+D(Y)
6. Независимые СВ: D(XY)=D(X)D(Y)+M2(X)D(Y)+M2(Y)D(X)
Дисперсия СВ
1. Биноминальные D(X)=npq
2. Пуассоновские D(X)=
3. Бернуллиевы D(X)=pq
Пример: Найти D(X) числа отказов элемента некоторого устройства в 10 независимых опытах, если p=0,9 Решение: n=10; p=0,9; q=0,1 D(X)=n*p*q=10*0,9*0,1=0,9