- •К.А.Джафаров Теория вероятностей и Математическая Статистика
- •Общие сведения
- •2. Рабочая программа оглавление
- •Общая характеристика направления
- •521600 Экономика
- •2.Требования к основной образовательной программе подготовки бакалавра по направлению 521600 «экономика»
- •3.Требования к обязательному минимуму содержания основной образовательной программы подготовки бакалавра по направлению 521600 «экономика»(раздел общие математические дисциплины)
- •Теория вероятностей и математическая статистика
- •II. Цели и задачи дисциплины.
- •III. Принципы построения курса
- •IV. Структура и содержание курса Лекции – 68 часов Практические занятия – 51 час
- •Модуль 1. Случайные величины и их вероятности
- •Модуль 4. Цепи Маркова
- •Модуль 6. Оценивание неизвестных параметров
- •Модуль 7. Проверка статистических гипотез
- •III семестр (34 часа)
- •1. Случайные величины и их вероятности (12 часов)
- •IV cеместр (34 часа)
- •4. Цепи Маркова (6 часов)
- •5. Основные понятия математической статистики (4 часа)
- •6. Оценивание неизвестных параметров (8 часов)
- •7. Проверка статистических гипотез (8 часов)
- •8. Примеры статистических методов обработки данных (8 часов)
- •V. Деятельность студентов. Практические занятия
- •III семестр (17 часов)
- •1. Случайные величины и их вероятности (6 часов)
- •IV cеместр (34 часа)
- •4. Цепи Маркова (6 часов)
- •5. Основные понятия математической статистики (4 часа)
- •6. Оценивание неизвестных параметров (8 часов)
- •7. Проверка статистических гипотез (8 часов)
- •8. Примеры статистических методов обработки данных (8 часов)
- •Контрольные мероприятия
- •VI. Самостоятельная работа студента
- •Литература
- •Дополнительная литература
- •Приложение. Вариант контрольной работы № 1
- •Вариант контрольной работы № 2
- •Глава 1 события и их вероятности
- •1.1. Аксиомы теории вероятностей. Вероятностные пространства
- •Случайные события. Операции над ними
- •1.1.2. Вероятности
- •1.1.3. Свойства вероятностей
- •Задачи к 1.1
- •1.2. Схема равновозможных исходов
- •1.2.1. Элементы комбинаторики
- •1.2.2. Классическая вероятность
- •1.2.3. Геометрическая вероятность
- •1.2.4. Гипергеометрическое распределение
- •Задачи к 1.2
- •Условные вероятности. Формула полной вероятности. Формулы Байеса
- •1.3.1. Условные вероятности
- •1.3.2. Формула полной вероятности
- •1.3.3. Формулы Байеса
- •Задачи к 1.3
- •1.4. Независимость случайных событий
- •1.4.1. Независимость двух событий
- •1.4.2. Независимость нескольких событий
- •Задачи к 1.4
- •1.5. Дополнительные задачи к Главе 1
- •Глава 2 случайные величины и их распределения
- •2.1. Случайные величины со значениями в 1
- •2.1.1. Случайные величины
- •2.1.2. Функция распределения
- •2.1.3. Свойства функции распределения
- •Задачи к 2.1
- •2.2. Дискретный и непрерывный типы распределений
- •2.2.1. Дискретная случайная величина
- •2.2.2. Непрерывная случайная величина
- •2.2.3. Примеры случайных величин
- •Задачи к 2.2
- •2.3. Функция от случайной величины
- •Задачи к 2.3
- •2.4. Случайные величины со значениями в n.
- •2.4.1. Случайные векторы
- •2.4.2. Дискретные и непрерывные двумерные случайные величины
- •2.4.3. Независимость случайных величин
- •Задачи к 2.4
Глава 2 случайные величины и их распределения
2.1. Случайные величины со значениями в 1
2.1.1. Случайные величины
Рассмотрим вероятностное пространство {, F, Р}, где - пространство элементарных событий, F — -алгебра событий и Р — определенная на ней вероятность. Пусть = () некоторая функция, определенная на и принимающая значения в 1.
Если для любого фиксированного x 1 событие { : () < х} F, то говорят, что = () — измеримая функция.
Определение. Случайной величиной называется измеримая функция = (), отображающая в 1.
Другими словами, случайной величиной называется функция, ставящая в соответствие каждому элементарному исходу число = () и обладающая свойством измеримости.
П ример. Бросаем игральную кость один раз. Рассмотрим определенную на функцию
Для любого фиксированного x 1 событие { : () < х} F, где F — -алгебра событий из . Поэтому является случайной величиной.
2.1.2. Функция распределения
Определение. Функцией распределения случайной величины будем называть следующую функцию
F (x) = F(x) = Р( (-, x)) = Р( < х).
П ример 1. Бросаем игральную кость один раз. Напомним, что = {1, 2, 3, 4, 5, 6}. Рассмотрим случайную величину вида
Найдем функцию распределения F (x). Пусть х 0, тогда F (x) = 0, поскольку { < х} для такого х - невозможное событие. Рассмотрим промежуток (0, 1], т.е. 0 < х 1. Тогда
F (x) = Р( < х) = Р( = 0) = Р(выпадение четного числа) = 1/2.
Остается случай, когда х > 1. В этом случае,
F(x) = Р( < х) = Р( = 0) + Р( = 1) = 1,
поскольку { < х} = { = 0} { = 1}—объединение несовместных событий.
И так, функция распределения случайной величины определяется так:
График этой функции имеет вид:
П ример 2. Рассмотрим «задачу о встрече», приведенную в пункте 1.2.3. Пусть случайная величина — величина ошибки в часах первого человека. Определим функцию распределения этой величины. Пусть х - 5, тогда F(x) = 0. Рассмотрим промежуток (—5,5], т.е. - 5 < х 5. Тогда Р( < х) = (х - (-5))/10 = (х + 5)/10. Эта вероятность (геометрическая) вычислена следующим образом: G = [- 5,5] и g = [- 5, х) и
Остается случай, когда х > 5. Тогда F(x) = Р( < х) = 1.
И так, случайная величина имеет функцию распределения
График этой функции выглядит следующим образом:
2.1.3. Свойства функции распределения
1). 0 F(x) 1 для любого x 1.
По определению функция распределения является вероятностью, поэтому свойство очевидно.
2). F(x)—неубывающая функция, т.е. при х1 < х2 выполняется неравенство F(х1) F(х2).
При х1 < х2 событие { < х1 } влечет событие { < х2 }, поэтому
Р( < х1 ) Р( < х2 ),
откуда следует свойство 2.
3). limx- F(x) = F(-) = 0, limx+ F(x) = F(+) = 1.
Обозначим An = { < хn}, где {хn} монотонно убывающая к - последовательность. Очевидно, что An F для любого n, и An+1 An - По лемме непрерывности (см. 1.1.3).
limn P(An) = Р(A) = Р( n An) = Р( = -) = 0.
Но Р(An) = Р( < хn), а это есть функция распределения, т.е. limn F(хn) = 0 для любой монотонно убывающей к - последовательности {хn}, отсюда можно получить и соотношение: limn - F(х) = 0.
Пусть = { хn}, где { хn } монотонно возрастающая к последовательность. Очевидно, что limn P(Bn) = 0. Отсюда следует, что limn [1 - F(xn)] = 0, следовательно и limx [1 - F(x)] = 0.
4). Р(х1 < х2)=F(х2) - F(х1).
Пусть А = { < х1}, В = { < х2} и C = { х1 < х2}. Тогда очевидно, что В = A С и события A, С несовместны. По аксиоме 3 мы получаем, что
Р( < х2) = Р( < х1) + Р(х1 < х2),
и, следовательно,
Р(х1 < х2) = F(x2) - F(x1).
5). F(x) —- непрерывная слева функция, т.е. для любой последовательности чисел x1, x2, ..., xn, ..., сходящейся к числу х слева, выполняется
limn F(xn) = F(x)
Пусть для определенности x1, x2, ..., xn ,… возрастающая последовательность. Рассмотрим события
А = { < х}, А1 ={ < х1}, Аn = { хn-1 < хn},
n = 2, 3, ...
Очевидно, что A = n Аn, причем А1, А2 .... попарно несовместные события, тогда по аксиоме 3 получаем
Итак, функция распределения любой случайной величины удовлетворяет вышеуказанным свойствам. Верно и обратное, а именно, если функция удовлетворяет свойствам 1-5, приведенным выше, то найдется случайная величина , для которой эта функция будет функцией распределения.