- •8.Условные вероятности; теорема умножения
- •16.Моменты n-го порядка. Дисперсия. Среднее квадратическое отклонение.
- •21. Простейший Пуассоновский поток
- •28.Оценка отклонения теоретического распределения от нормального; асимметрия и эксцесс.
- •30.Дискретные двумерные случайные величины
- •36. Коэффициент корреляции. Связь между…
- •54. Доверительный интервал для оценки мо при нЕизвестной дисперсии
- •56. Проверка статистических гипотез
- •14. Непрерывная св. Плотность распределения.
- •17.Мода, медиана и квантили
- •22.Локальная предельная теорема Муавра-Лапласа.
- •18.Целочисленные св и их производящие функции
- •23 Интегральная предельная теорема Муавра-Лапласа
- •24.Геометрическое распределение
- •25. Равномерное распределение
- •29. Совместная функция распределения
- •41.Распределение 2. (“хи-квадрат”).
- •52. Интервальные оценки. Доверительный интервал. Доверительная вероятность.
- •53. Доверительный интервал для оценки мо при известной дисперсии
- •57. Критерий и его применение.
- •15. Математическое ожидание
- •19.Биномиальное распределение
- •20.Распределение Пуассона.
- •26. Показательное (экспоненциальное) распределение.
- •31.Непрерывные двумерные св
- •32.Зависимые и независимые св,
- •35.Числовые характеристики системы двух св: Моменты начальные и центральные, ковариация.
- •39. Закон распределения функции одного случайного аргумента.
- •45. Теореме Чебышева. Теорема Бернулли. Цпт.
- •55.Доверительный интервал для оценки дисперсии при неизвестном мо.
- •58. Марковская зависимость испытаний.
- •59. Переходные вероятности.
15. Математическое ожидание
Пусть вероятность P на конечном вероятностном пространстве (, A , P) определяется с помощью элементарных вероятностей .
Опр. МО случайной величины называется сумма
Замечание. В литературе математическое ожидание часто называют средним значением X.
Из определения МО – вытекают следующие свойства
Свойства:
1. .
Доказательство:
2. Аддитивность: .
Доказательство:
Замечание.
Из свойства 2 по индукции выводится свойство конечной аддитивности.
3. .
Доказательство:
4. Если , то .
Доказательство:
По свойствам 2 и 3
.
5. МО СВ X выражается через ряд распределения СВ X с помощью формулы
Доказательство:
Так как СВ , тогда .
Пусть – некоторая числовая функция, подставляя вместо аргумента x СВ Х, получим новую СВ
– ?
1 способ. С помощью закона распределения Y;
2 способ. С помощью формулы
.
Докажем формулу для .
.
Все дальнейшие выкладки повторяют свойство 5.
19.Биномиальное распределение
Опр.СВДТ Х имеет биномиальное распределение, если ее возможные значения 0,1,2,…,m,.,n,а соответствующие вероятности
pm=P{X=m}=Cnm pmqn–m m=0,1,..,n (0<p<1,q=1–p)
Это распределение зависит от двух параметров: n, p.
В литературе X~B(n,p). Рассмотрим условия, при которых возникает биномиальное распределение.
Пусть производится n независимых опытов (испытаний), в каждом из которых событие А (“успех”) появляется с вероятностью p, СВ Х – это число успехов при n-опытах. Коментарии: Опыты называются независимыми, если вероятность какого-либо исхода каждого из них не зависит от того, какие исходы имели другие опыты. Покажем, что СВ Х имеет биномиальное распределение.B={x=m} – это количество успехов в n опытах , равно m. Событие B распадается на ряд вариантов, в каждом варианте успех достигается m раз, а неуспех n–m раз.
Если успех ставим в соответствие 1. Если неуспех ставим в соответствие 0. 0,1,1,…,0,1 – всего n чисел
m штук – “1” ; n–m штук – “0”. Так как опыты независимы, то каждый такой вариант имеет вероятность P=pm(1–p)n–m (по теореме умножения), а всего таких вариантов Cnm штук, причем все такие варианты несовместны, то по теореме сложения вероятностей несовместных событий следует. P(B)=P{X=m}= Cnm pm(1–p)n–m
Найдем важнейшие числовые характеристики X~B(n,p). Воспользуемся производящей функцией
Возьмем производную по S.
;
;
20.Распределение Пуассона.
Опр. СВДТ Х имеет распределение Пуассона, если ее возможные значения 0, 1, 2, …, m, … (счетное множество значений), а соответствующие вероятности выражаются формулой
Pm=P{X=m}=(am/m!)e-a.
Замечание.Закон Пуассона зависит только от a, смысл этого параметра состоит в следующем, он одновременно является МО и дисперсией СВ Х.
;
; DX=a2+a– a2=a; X=a
Рассмотрим условия, при которых возникает Пуассоновское распределение. Покажем, что оно является предельным, для биноминального распределения при n и одновременно р0, но nра (а~0,1–10).
Теорема (Пуассона).
Если n, р0, но npа, то фиксированного значения m, где m=0,1,…
.
Доказательство.
фиксированного значения m.
.
Комментарии:Так как n-велико, а вероятность p - очень мала, то в каждом отдельном опыте “успех” приходит редко.Поэтому закон Пуассона в литературе называется законом редких явлений.Пример:Завод отправил на базу n=5000 доброкачественных изделий. Вероятность того, что в пути изделие повредится p=0,0002. Найти вероятность того, что на базу прибудут 3 негодных изделия.Решение. n=5000. p=0,0002. np=1=a Имеются специальные таблицы, спомощью которых можно найти P{X=m}.