- •1.1.2. Определение априорной вероятности
- •Задания для самостоятельной работы
- •1.1.3. Определение апостериорной вероятности (статистической вероятности или частоты
- •1.1.4. Условная вероятность
- •1.1.5. Полная вероятность
- •1.2. Случайные величины
- •1.2.1. Дискретные случайные величины
- •Задания для самостоятельной работы
- •1.2.2. Непрерывные случайные величины
- •1.3. Системы случайных величин
- •1.3.1. Законы распределения систем случайных величин
- •1.3.2. Определение числовых характеристик системы случайных величин
- •1.4. Случайные функции
- •1.4.1. Непрерывные случайные функции (процессы)
- •1.4.2. Определение случайных функций
- •1.4.3. Дискретные случайные процессы
- •1.4.3.1. Потоки событий
- •1.4.3.2. Марковские процессы с дискретными
- •Расчет цепи Маркова для стационарного режима
- •Для того чтобы система перешла из состояния в состояние, нужно, чтобы одна из трех эвм за время вышла из строя.
- •Глава 2. Прикладные вероятностные теории
- •2.1. Основы теории информации
- •2.1.1. Энтропия как мера неопределенности
1.2.1. Дискретные случайные величины
СВ называется дискретной, если множество ее возможных значений счетное или конечное, т. е. пространство исходов конечно. Общими формами представления распределения для дискретной СВ являются:
1) ряд распределения;
2) функция распределения.
Рядом распределения P(z) дискретной СВ Zназывают таблицу, в которой перечислены возможные значения СВ и соответствующие им вероятности (табл.1.3).
Таблица 1.3. Ряд распределения СВ
|
|
... | ||
|
... |
Здесь .
Функцией распределениядискретной СВ называют функциюF(z), равную вероятностиP(Z < z)того, что СВ будет меньше произвольно выбранного значенияz. Функция распределенияF(z)вычисляется по формуле
, |
(1.19) |
где суммирование ведется по всем значениям i, для которых .Таким образом,F(z) является функцией накопления вероятностей.
Вероятность попадания СВ Zв интервал (a,b) выражается формулой
P(a < Z < b) = F(b) – F(a). |
(1.20) |
Пример 1.8. При десятикратном подбрасывании игральной кости получены следующие результаты: «1» выпала 2 раза, «2» 1 раз,«3»4 раза, «4»2 раза, «5»0 раз, «6»1 раз. Требуется определить функцию распределения случайной величины – выпадения некоторого количества очков на игральной кости.
Решение. Вероятность выпаденияkочков определим по формуле, гдеkколичество исходов, в которых зафиксировано выпадениеkочков. Значения функции распределения вероятности выпаденияkочков определим как сумму.
Результаты сведем в табл.1.4.
Таблица 1.4. Распределения вероятности
k |
1 |
2 |
3 |
4 |
5 |
6 |
|
0,2 |
0,1 |
0,4 |
0,2 |
0 |
0,1 |
F(k) |
0 |
0,2 |
0,3 |
0,7 |
0,9 |
0,9 |
Полученные значения вариационного ряда и функции распределения представим графически на рис.1.1 и 1.2 соответственно.
F(k)
Рис.1.1. Вариационный ряд Рис.1.2. Функция распределения
Определение распределения вероятностей СВ в виде вариационного ряда или функции распределения дает полное представление о СВ. В то же время для практических расчетов в ряде случаев достаточно знать лишь некоторые параметры этого распределения, называемые моментами.Математическим ожиданием M[Z] СВZназывается ее среднее значение, вычисленное по формуле
. |
(1.21) |
Начальным моментомk-го порядкаСВZназывают математическое ожиданиеk-й степени этой СВ:
. |
(1.22) |
Следовательно,
. |
(1.23) |
ЦентрированнойСВ называется разность между СВZи ее математическим ожиданием:
|
(1.24) |
Центральным моментом k-го порядкаСВZназывают математическое ожидание центрированной СВk-й степени:
. |
(1.25) |
Математическое ожидание СВ Zесть ее первый начальный момент, а дисперсиявторой центральный момент:
.
Дисперсией D[Z] СВZ называют математическое ожидание от квадрата центрированной СВ:
. |
(1.26) |
Следовательно,
. |
(1.27) |
При практических расчетах в некоторых случаях удобнее использовать следующую формулу расчета дисперсии, полученную путем преобразования (1.26):
. |
(1.28) |
Корень квадратный из дисперсии называют средним квадратичным отклонениеми определяют по формуле
, |
(1.29) |
где имеет размерность случайной величины.
Для определения вероятности события, заключающегося в принятии дискретной СВ определенного значения , необходимо установитьзакон распределения вероятностей и его параметры (моменты). Закон распределения может быть задан рядом распределения или аналитической зависимостью. Наиболее часто встречающиеся аналитические зависимости носят названия типовых законов распределения. Для дискретных СВ типовыми являются законы Бернулли и Пуассона.
1. Дискретная СВ Z, выражающая число появлений события А в n независимых испытаниях, в каждом из которых вероятность появления события А одинакова и равна р, подчиняется закону распределения Бернулли. Вероятность возможного значения Z = k определяется по формуле
, |
(1.30) |
где q = 1 – pвероятность непоявления события.
2. Если вероятность события мала, а число испытаний велико, то применение формулы Бернулли затруднительно. В этом случае пользуются ее предельным значением распределением Пуассона. Вероятность появления событияАровноkраз вnнезависимых испытаниях определяется приближенно по формуле
, |
(1.31) |
где = np параметр распределения Пуассона.
Пример1.9. Необходимо определить неисправный элемент в электрической цепи из 10 последовательно включенных микросхем. Каждая следующая микросхема проверяется в том случае, если предыдущая оказалась исправной. Построить ряд распределения и найти математическое ожидание числа проверок, если вероятность исправности элемента равнар.
Постановка задачи. Испытания заканчиваются наk-м элементе (k = 1,2,...,9), если первыеk – 1пройдут испытания, аk-й не выдержит. Десятая микросхема считается неисправной, если первые девять выдержали проверку.
Решение. ЕслиZслучайное число испытаний, то вероятность проведения каждого из них, гдеq = 1 – p. Вероятность десятого испытания.
Таким образом, вероятность каждого из десяти испытаний можно определить по табл.1.5.
Таблица 1.5. Ряд распределения числа испытаний
xi |
1 |
2 |
3 |
|
9 |
10 |
q |
pq |
... |
Согласно определению математического ожидания имеем
Пример1.10. Ставятся 4 независимых опыта, в каждом из которых событиеА появляется с вероятностью 0,4. Рассмотрим случайную величинуZчисло появления событияАв четырех опытах. Построить ряд и функцию распределения случайной величиныZ. Найти ее математическое ожидание, дисперсию и среднее квадратичное отклонение.
Решение. Случайная величина Z может принимать значения {0,1,2,3,4}. Вероятность P(Z = zi) вычисляется по формуле Бернулли:
.
В результате вычислений получим следующий ряд распределений (см. табл.1.6).
Таблица 1.6. Ряд распределения числа появления события А
|
0 |
1 |
2 |
3 |
4 |
|
1 |
4 |
6 |
4 |
1 |
|
0,1296 |
0,3456 |
0,3456 |
0,1536 |
0,0256 |
Графики вариационного ряда и функции распределения вероятностей приведены на рис. 1.3 и 1.4.
Рис.1.3. Вариационный ряд Рис.1.4. Функция распределения
Математическое ожидание СВ Z, дисперсия и среднее квадратичное отклонение вычислим по формулам (1.21) – (1.29):
Пример1.11. В организации имеются 100 компьютеров. Вероятность безотказной работы каждого равна 0,98. Какова вероятность отказа двух компьютеров одновременно?
Решение. Отказ является событием, противоположным безотказной работе. Его вероятность для каждого компьютера
p=1–q=1–0,98= 0,02, n = 100.
Применим закон Пуассона
где = n . р = 100 . 0,02 = 2.
Тогда вероятность отказа двух компьютеров