- •Лекционный курс
- •Раздел 1. Линейная алгебра с элементами аналитической геометрии
- •Тема 1. Элементы векторной алгебры и ее приложения.
- •1.1. Линейные операции над векторами
- •1.2. Скалярное произведение векторов
- •1.3. Векторное произведение векторов
- •1.4. Типовые задачи, решаемые средствами векторной алгебры
- •1.5. Линейное, евклидово и нормированное пространства.
- •Тема 2. Матрицы и определители
- •2.1. Понятие матрицы и действия с ними.
- •2.2. Транспонирование матриц
- •2.3. Произведение матриц.
- •2.4. Ранг матрицы
- •2.5. Понятие обратной матрицы
- •2.6.Определители и их свойства.
- •2.7. Линейные операторы и матрицы
- •2.8. Задача о собственных значениях
- •2.9. Свойства симметрических матриц
- •2.10. Квадратичные формы и их приведение к каноническому виду
- •Тема 3. Системы линейных уравнений
- •3.1.Формулы Крамера
- •3.2. Метод Гаусса.
- •3.3.Матричный метод решения линейной системы.
- •3.4. Понятие о приближенных методах решения линейных систем
- •Тема 4. Элементы аналитической геометрии на прямой, плоскости и в трехмерном пространстве.
- •4.1. Уравнения линий и поверхностей
- •4.2. Уравнение 1-й степени на плоскости
- •4.3. Уравнения первой степени в пространстве
- •4.4. Уравнения первой степени в пространстве
- •4.5. Типовые задачи на плоскость в пространстве.
- •4.6. Уравнения 2-й степени на плоскости.
- •4.7. Уравнения 2-й степени в пространстве
- •4.8. Цилиндры и поверхности вращения
- •Раздел 2. Математический анализ и дифференциальные уравнения.
- •Тема 5.Функции и их свойства
- •5.1. Функция, способы ее задания, свойства, график функции, преобразование графика сдвигом и деформацией.
- •Тема 6. Пределы и непрерывность.
- •6.1. Понятие предела
- •6.2. Замечательные пределы.
- •6.3. Алгоритм вычисления пределов.
- •6.4. Примеры эквивалентных бмв.
- •Тема 7. Производная и дифференциал функции.
- •7.1. Понятие производной
- •7.2. Дифференциальное исчисление функции одного переменного.
- •7.3. Из определения вытекает алгоритм вычисления производной.
- •7.4.Таблица и основные правила.
- •7.5. Производная и дифференциал.
- •7.6. Производная и дифференциал высшего порядка.
- •Тема 8. Приложения производной
- •8.2.Приложение производной к исследованию функций.
- •Тема 9. Неопределенный интеграл.
- •9.1.Первообразная. Неопределенный интеграл и его свойства
- •9.3.Методы интегрирования.
- •9.4.Рациональные дроби.
- •9.4.Рациональные тригонометрические функции.
- •9.5.Простейшие иррациональные выражения.
- •Тема 10. Определенный интеграл.
- •Методы нахождения определенного интеграла
- •10. 2.Несобственные интегралы.
- •Тема 11. Дифференциальные уравнения.
- •11.1 Определение дифференциального уравнения
- •11.2. Некоторые дифференциальные уравнения первого порядка. Методы Их Решения.
- •Тема 12 Функции нескольких переменных
- •12.1.Основные понятия
- •12.2.Непрерывность функций нескольких переменных
- •12.3.Частные производные и дифференциалы
- •12.4. Производная по направлению и градиент
- •12.5. Производная сложной функции нескольких переменных
- •12.6. Производные и дифференциалы высших порядков
- •12.7. Производные неявных функций
- •12.8.Экстремумы функций нескольких переменных
- •Раздел 3. Ряды.
- •Тема 13. Числовые и степенные ряды.
- •Раздел 4. Теория вероятностей и математическая статистика
- •Тема 14. Основные понятия теории вероятностей.
- •1. Понятие события.
- •2. Классическое определение вероятности. Свойства вероятности.
- •3. Статистическое определение вероятности.
- •4. Элементы комбинаторики
- •Тема 15. Основные теоремы теории вероятностей и следствия из них.
- •15.1.Теорема сложения.
- •15.2. Условная вероятность события. Теорема умножения
- •15.3. Вероятность появления хотя бы одного события
- •15.4. Формула полной вероятности.Формула Байеса.
- •15.5. Повторные независимые испытания
- •15.6. Локальная теорема Муавра- Лапласа
- •15.7. Интегральная теорема Муавра-Лапласа.
- •Тема 16. Случайные величины и способы их описания
- •16.1. Понятие случайной величины. Дискретные и непрерывные
- •16.2. Функция распределения случайной величины. График функции
- •16.4. Равномерный закон распределения.
- •16.6. Правило «трех сигм».
- •16.7. Показательное распределение.
- •16.8. Функция надежности.
- •16.9. Показательный закон надежности.
- •16.10. Математическое ожидание.
- •16.11. Дисперсия.
- •16.12. Числовые характеристики непрерывных случайных величин.
- •16.13. Числовые характеристики случайных величин, имеющих некоторые стандартные законы распределения.
- •1. Биномиальное распределение.
- •2. Закон Пуассона.
- •3. Равномерное распределение.
- •4. Нормальное распределение.
- •16.14. Закон больших чисел. Неравенство Чебышева. Теоремы Чебышева и Бернулли.
- •Корреляционный анализ.
- •Глоссарий
- •Темы контрольных работ.
- •Основная литература
- •Дополнительная литература
16.2. Функция распределения случайной величины. График функции
распределения.
Определение. Функцией распределения F(x) случайной величины Х называется вероятность того, что случайная величина примет значение, меньшее х:
F (x) = p (X < x). (1)
Свойства функции распределения.
0≤F(x)≤1. Действительно, так как функция распределения представляет собой вероятность, она может принимать только те значения, которые принимает вероятность.
Функция распределения является неубывающей функцией, то есть F(x2) ≥ F(x1) при х2 > x1. Это следует из того, что F(x2) = p(X < x2) = p(X < x1) + p(x1 ≤ X < x2) ≥ F(x1).
В частности, если все возможные значения Х лежат на интервале [a, b], то F(x) = 0 при х ≤ а и F(x) = 1 при х ≥ b. Действительно, X < a – событие невозможное, а X < b – достоверное.
Вероятность того, что случайная величина примет значение из интервала [a, b], равна разности значений функции распределения на концах интервала:
p ( a < X < b ) = F(b) – F(a).
Справедливость этого утверждения следует из определения функции распределения (см. свойство 2).
Для дискретной случайной величины значение F(x) в каждой точке представляет собой сумму вероятностей тех ее возможных значений, которые меньше аргумента функции.
Пример. Найдем F(x) для предыдущего примера:
Соответственно график функции распределения имеет ступенчатый вид:
Биномиальное распределение.
Вернемся к схеме независимых испытаний и найдем закон распределения случайной величины Х – числа появлений события А в серии из п испытаний. Возможные значения А: 0, 1, …, п. Соответствующие им вероятности можно вычислить по формуле Бернулли:
(2)
( p – вероятность появления А в каждом испытании).
Такой закон распределения называют биномиальным, поскольку правую часть равенства (4.2) можно рассматривать как общий член разложения бинома Ньютона:
Пример. Составим ряд распределения случайной величины Х – числа попаданий при 5 выстрелах, если вероятность попадания при одном выстреле равна 0,8.
р(Х=0) = 1·(0,2)5 = 0,00032; р(Х=1) = 5·0,8·(0,2)4 = 0,0064; р(Х=2) = 10·(0,8)2·(0,2)3 = 0,0512; р(Х=3) = 10·(0,8)3·(0,2)2 = 0,2048; р(Х=4) = 5·(0,8)4·0,2 = 0,4096; р(Х=5) = 1·(0,8)5 = 0,32768. Таким образом, ряд распределения имеет вид:
х |
0 |
1 |
2 |
3 |
4 |
5 |
р |
0.00032 |
0.0064 |
0.0512 |
0.2048 |
0.4096 |
0.32728 |
16.3 Распределение Пуассона.
Рассмотрим дискретную случайную величину Х, принимающую только целые неотрицательные значения (0, 1, 2,…, т,…), последовательность которых не ограничена. Такая случайная величина называется распределенной по закону Пуассона, если вероятность того, что она примет значение т, выражается формулой:
, (3)
где а – некоторая положительная величина, называемая параметром закона Пуассона.
Покажем, что сумма всех вероятностей равна 1:
(использовано разложение в ряд Тейлора функции ех).
Рассмотрим типичную задачу, приводящую к распределению Пуассона. Пусть на оси абсцисс случайным образом распределяются точки, причем их распределение удовлет-воряет следующим условиям:
вероятность попадания некоторого количества точек на отрезок длины l зависит только от длины отрезка и не зависит от его расположения на оси ( то есть точки распределены с одинаковой средней плотностью);
точки распределяются независимо друг от друга ( вероятность попадания какого-либо числа точек на данный отрезок не зависит от количества точек, попавший на любой другой отрезок);
практическая невозможность совпадения двух или более точек.
Тогда случайная величина Х – число точек, попадающих на отрезок длины l – распре-делена по закону Пуассона, где а – среднее число точек, приходящееся на отрезок длины l.
Ранее говорилось о том, что формула Пуассона выражает биномиальное распределение при большом числе опытов и малой вероятности события. Поэтому закон Пуассона часто называют законом редких явлений.
Определение и свойства функции распределения сохраняются и для непрерывной случайной величины, для которой функцию распределения можно считать одним из видов задания закона распределения. Но для непрерывной случайной величины вероятность каждого отдельного ее значения равна 0. Это следует из свойства 4 функции распределения: р(Х = а) = F(a) – F(a) = 0. Поэтому для такой случайной величины имеет смысл говорить только о вероятности ее попадания в некоторый интервал.
Вторым способом задания закона распределения непрерывной случайной величины является так называемая плотность распределения (плотность вероятности, дифферен-циальная функция).
Определение. Функция f(x), называемая плотностью распределения непрерывной случайной величины, определяется по формуле:
f (x) = F′(x), (4)
то есть является производной функции распределения.
Свойства плотности распределения.
f(x) ≥ 0, так как функция распределения является неубывающей.
, что следует из определения плотности распределения.
Вероятность попадания случайной величины в интервал (а, b) определяется формулой Действительно,
(условие нормировки). Его справедливость следует из того, что а
так как при
Таким образом, график плотности распределения представляет собой кривую, располо-женную выше оси Ох, причем эта ось является ее горизонтальной асимптотой при (последнее справедливо только для случайных величин, множеством возможных значений которых является все множество действительных чисел). Площадь криволинейной трапеции, ограниченной графиком этой функции, равна единице.
Замечание. Если все возможные значения непрерывной случайной величины сосредоточе-ны на интервале [a, b], то все интегралы вычисляются в этих пределах, а вне интервала [a, b] f(x) ≡ 0.
Пример. Плотность распределения непрерывной случайной величины задана формулой
Найти: а) значение константы С; б) вид функции распределения; в) p(-1 < x < 1).
Решение. а) значение константы С найдем из свойства 4:
откуда .
б)
в)
Пример. Функция распределения непрерывной случайной величины имеет вид:
Найти плотность распределения.
Решение.