- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
Пусть производится nнезависимых испытаний, в каждом из которых вероятность появления события постоянна и равнар. В качестве дискретной случайной величиныХрассмотрим число появления событияАв этих испытаниях.Хможет принимать значения 0,1,2,3,4,…,nс вероятностями, определенными по формуле Бернулли:
Полученная формула является аналитическим выражением биноминального закона распределения, т.е. биноминальным называется распределение вероятностей, определяемое формулой Бернулли. Запишем в виде таблицы:
-
Х
0
1
…
m
…
n
р
…
Пример. Монета бросается два раза. Написать закон распределения дискретной случайной величины – числа появлений «герба».
р= 0,5,q= 0,5,
Х |
0 |
1 |
2 |
Р |
0,25 |
0,5 |
0,25 |
Геометрическое распределение
Пусть проводятся независимые испытания, в каждом из которых вероятность появления события Аравнар.Испытания заканчиваются, как только появится событиеА, т.е. если событие появилось вk– ом испытании, то в предшествующихk– 1 испытаниях оно не появлялось. ПустьХ– дискретная случайная величина – число испытаний, которое нужно провести до появления событияА. Очевидно, возможными значениямиХ являются натуральные числа:Пусть событиеАпоявилось вk– ом испытании, то в предшествующихk– 1 испытаниях оно не появлялось. Вероятность этого события найдем по теореме умножения:, гдеq =1–p– вероятность не появления событияА.Полагаяk = 1, 2, 3, …, получим геометрическую прогрессию с первым членомр и знаменателемq. По этой причине распределение называют геометрическим. Запишем в виде таблицы.
-
Х
1
2
3
…
k
…
р
р
…
…
Очевидно, что
Пример.Преподаватель задает дополнительные вопросы до первого неправильного ответа. Составить закон распределения случайной дискретной величиныХ– числа дополнительных вопросов, если вероятность правильного ответа на вопрос равна 0,9.
и т.д. Получаем:
-
Х
1
2
3
…
k
…
р
0,9
…
…
Гипергеометрическое распределение
Пусть в партии из Nизделий имеетсяMстандартных. Из партии случайно отбираютnизделий (без возвращения изделия). Дискретная случайная величинаХ– число стандартных изделий средиnотобранных. Возможные значенияХ: 0, 1, 2, …,min(M,n). По классическому определению вероятности:
Эта формула определяет гипергеометрическое распределение, которое определяется тремя параметрами:
Пример. В партии из 10 деталей имеется 8 стандартных. Наудачу отобрали 2 детали. Составить закон распределения числа стандартных деталей среди отобранных.
Химеет следующие возможные значения:x1=0,x2=1,x3=2. ;;.
-
X
0
1
2
P
22.3. Распределение Пуассона. Простейший поток событий
Пусть производятся n независимых испытаний, вероятность появления события равнар,р– малая величина. Пусть числоn– велико ив серии испытаний. Вероятность появления равноkсобытий определим по формуле Пуассона: . Эта формула выражает закон распределения вероятностей Пуассона – массовых (n– велико) и редких (р– мало) событий.