- •1. Основные теоретические сведения
- •1.1. Случайные события. Классическая формула вероятности
- •1.2. Действия с событиями. Сложение и умножение вероятностей. Условная вероятность
- •1.3. Схема независимых испытаний (схема Бернулли). Приближения в схеме Бернулли
- •1.4. Дискретные случайные величины
- •1.5. Непрерывные случайные величины
- •1.6. Основные виды непрерывных распределений
- •2. Примеры решения задач
- •3. Варианты типового расчета
- •Библиографический список
- •Приложение
1.4. Дискретные случайные величины
Случайной называют величину X, которая в результате одного испытания примет одно и только одно возможное значе, напередие неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.
Дискретной случайной величиной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.
Законом распределения дискретной случайной величиныX называют соответствие между возможными значениями(xi) и их вероятностями (pi); его можно задать таблично, аналитически (в виде формулы) и графически.
Функцией распределения дискретной случайной величиныX называют функцию F(x), определяющую вероятность того, что случайная величина X в результате испытания примет значение, меньшее x
F(x) = P(X<x).
Математическое ожидание дискретной случайной величины:
M(X) = x1p1 + x2p2 +…+ xnpn
или
¥
M ( X ) = åxi pi ,
i=1
если количество возможных значений X бесконечно. Дисперсия дискретной случайной величины
D(X) = M(X – M(X))2 = M(X2) – (M(X))2.
Среднее квадратическое отклонение случайной величины
σ( X ) = D( X ).
Для случайной величины, распределенной по закону Бернулли, математическое ожидание и дисперсия равны соответственно
M(X) = n×p; D(X) = n×p×q.
8
1.5. Непрерывные случайные величины
Непрерывной |
случайной |
величиной называют |
случайную |
величину, |
|||
которая |
может |
принимать |
все |
значения |
из |
некоторого |
конечного и |
бесконечного промежутка. Число возможных значений непрерывной случайной величины бесконечно.
Функцией распределения непрерывной случайной величины называют непрерывную и кусочно-дифференцируемую функциюF(x), определяющую вероятность того, что случайная величинаX в результате испытания примет значение, меньшее x
F(x) = P(X<x).
|
Другими словами, непрерывной случайной величиной называют случайную |
|
||||||||||
величину с непрерывной функцией распределения. |
|
|
|
|
|
|||||||
|
Свойства функции распределения |
|
|
|
|
|
|
|
|
|||
1. |
0 £ F(x) £ 1; |
|
|
|
|
|
|
|
|
|
|
|
2. |
F(x) – неубывающая функция; |
|
|
|
|
|
|
|
|
|||
3. |
Вероятность того, что случайная величина примет значение, заключенное |
|
||||||||||
в интервале (a; b), |
равна приращению |
функции распределения |
на |
этом |
||||||||
интервале P(a < X < b) = F(b) – F(a); |
|
|
|
|
|
|
|
|
||||
4. |
Вероятность того, что непрерывная случайная величина примет одно |
|||||||||||
определенное значение, равна нулю; |
|
|
|
|
|
|
|
|
||||
5. |
Пределы в бесконечности |
lim F (x) = 0, lim F (x) =1. |
|
|
|
|||||||
x®-¥ |
|
|
x®+¥ |
|
|
|
||||||
6. |
Если |
все |
возможные |
значения |
случайной величины |
принадлежат |
||||||
интервалу (a; b), то F(x) = 0 для x £ a, F(x) = 1 для x ³ b. |
|
|
|
|||||||||
|
Плотностью |
распределения |
вероятностейнепрерывной |
случайной |
||||||||
величины X |
называют функцию f(x) |
– первую |
производную |
от |
функции |
|||||||
распределения F(x) |
|
|
|
F (x + D x) - F (x) |
|
|
|
|
||||
|
|
|
f (x) = F '(x) = lim |
. |
|
|
|
|||||
|
|
|
|
|
|
|
||||||
|
|
|
|
Dx®0 |
|
D x |
|
|
|
|||
|
Вероятность попадания случайной величины в заданный интервал |
|
|
|||||||||
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
P(a £ X < b) = ò f (x)dx. |
|
|
|
||||||
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
Нахождение |
функции |
распределения |
вероятностей |
|
по |
известно |
|||||
плотности |
|
|
|
|
|
|
|
|
|
|
|
9
x
F (x) = ò f (t)dt .
-¥
Свойства плотности распределения вероятностей:
1. Плотность распределения вероятностей– неотрицательная функция;
¥
2.ò f (x)dx =1 (условие нормировки).
-¥
Математическое ожидание непрерывной случайной величины
¥
M ( X ) = òxf (x)dx.
-¥
Дисперсия непрерывной случайной величины
¥ |
¥ |
D( X ) = ò(x - M ( X ))2 f (x)dx = òx2 f (x)dx - M ( X )2 . |
|
-¥ |
-¥ |
1.6.Основные виды непрерывных распределений
I.Равномерное распределение.
Плотность |
распределения |
|
|
равномерно |
распределенной |
случайной |
|||||
величины |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ì0, x < a; |
|
|
|
|||||
|
|
|
ï |
|
|
1 |
|
|
|
|
|
|
|
|
ï |
|
|
|
|
|
|
|
|
|
|
f (x) = í |
|
|
|
, a |
£ x £ b; |
|
|
||
|
|
|
|
|
|
||||||
|
|
|
ïb |
- a |
|
|
|
|
|
||
|
|
|
ï0, |
x > b. |
|
|
|
||||
|
|
|
î |
|
|
|
|
|
|
|
|
Функция распределения равномерно распределенной случайной величины |
|||||||||||
|
|
|
ì0, x < a; |
|
|
|
|||||
|
|
|
ï |
|
|
- a |
|
|
|
|
|
|
|
|
ïx |
|
|
|
|
|
|||
|
|
F (x) = í |
|
|
|
, a |
£ x £ b; |
|
|
||
|
|
|
- a |
|
|
|
|||||
|
|
|
ïb |
|
|
|
|
|
|||
|
|
|
ï1, x > b. |
|
|
|
|||||
|
|
|
î |
|
|
|
|
|
|
|
|
Математическое |
ожидание |
|
|
равномерно |
распределенной |
случайной |
|||||
величины |
|
|
|
|
|
|
|
|
|
|
|
10
M(X) = (b + a)/ 2.
Дисперсия равномерно распределенной случайной величины
D(X) = (b – a)2/12.
Вероятность попадания в интервал(α; β) Í [a; b] равномерно распределенной случайной величины
P(α < X < β) = β - α . b - a
II.Нормальное распределение
Плотность |
распределения |
|
нормально |
распределенной |
случайной |
||||||
величины |
|
|
|
|
|
|
|
|
|
|
|
|
f (x) = |
1 |
|
|
|
-(x-a )2 |
|
|
|||
|
|
|
|
e 2σ2 . |
|
|
|||||
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
||||
|
|
|
σ 2π |
|
|
||||||
Функция распределения нормально распределенной случайной величины |
|
||||||||||
|
|
|
1 |
|
|
x -(t -a 2) |
|
|
|||
|
F (x) = |
|
|
|
òe 2σ2 dt. |
|
|
||||
|
|
|
|
|
|
|
|
||||
|
σ |
|
2π |
|
|
||||||
|
|
|
-¥ |
|
|
Математическое ожидание нормально распределенной случайной величины
M(X) = a.
Дисперсия нормально распределенной случайной величины
D(X) = s2.
Вероятность попадания в интервал(α; β) нормально распределенной случайной величины
æb - a ö |
æ a - a ö |
|||||
P(α < x < β) = F (b) - F (a) = Fç |
|
÷ |
- Fç |
|
÷, |
|
s |
s |
|||||
è |
ø |
è |
ø |
где
11
|
|
2π |
x |
|
|
|
ò |
|
|
F(x) = |
|
1 |
|
e-t 2 / 2 dt – функция Лапласа (см. таблицу в Приложении). |
|
|
|
||
|
|
0
Свойства функции Лапласа:
1)F(–x) = – F(x);
2)F(x) = 0,5 при достаточно больших x.
III.Показательное распределение
Плотность |
распределения |
показательно |
распределенной |
случайной |
величины |
|
|
|
|
ì0, x < 0;
f (x) = íîλ e-λ x , x ³ 0.
Функция |
распределения |
показательно |
распределенной |
случайной |
величины |
|
|
|
|
ì0, x < 0;
F (x) = íî1 - e-λx , x ³ 0.
Математическое |
ожидание |
показательно |
распределенной |
случайной |
величины |
|
|
|
|
M(X) = 1/λ.
Дисперсия показательно распределенной случайной величины
D(X) = 1/λ2.
Вероятность попадания в интервал(α; β) (α, β >0) показательно распределенной случайной величины
P(α < x < β) = e-λα - e-λβ .
12