- •Основы теории вероятностей.
- •1. Классификация случайных событий.
- •2 Вероятность случайного события.
- •3. Теоремы сложения вероятностей.
- •4. Теоремы умножения вероятностей.
- •5. Формула полной вероятности.
- •6. Формулы Байеса.
- •7. Случайная величина.
- •Дискретная случайная величина.
- •Непрерывная случайная величина.
- •3).Функция распределения.
- •1 F(X)
- •8. Числовые характеристики (параметры) случайной величины.
- •3). Средне -квадратическое или стандартное отклонение.
- •Контрольные вопросы.
7. Случайная величина.
Случайная величина – это переменная, которая принимает свои значения в зависимости от случайных обстоятельств.
.Дискретная случайная величина (точечная) принимает отдельные числовые значения (число студентов в аудитории, кубик: 1,2,3,4,5,6)
Непрерывная случайная величина принимает любые значения из некоторого интервала( масса тела, рост студентов).
Случайные величины обозначают заглавными последними буквами латинского алфавита:X,Y,Z…,а их возможные значения прописными буквами:
Любое правило, которое устанавливает связь между возможными значениями случайной величины и вероятностями, с которыми она эти значения принимает, называется законом распределения случайной величины.
Закон распределения случайной величины можно задавать в виде:
1).Таблицы
2). Графика
3) Функции распределения.
Дискретная случайная величина.
1).Таблица: Ряд распределения(может быть конечным или бесконечным)
X |
x1 |
x2 |
… |
… |
… |
xn |
P(x) |
P(x1) |
P(x2) |
|
|
|
P(xn) |
Так как события X=x1, X=x2…. попарно несовместны и составляют полную группу событий, следовательно
2).График: многоугольник распределения.
x1 x2 xn
P(x2)
P(x1)
P(xn)
3).Функция распределения F(x0)– это вероятность того, что случайная величина X принимает значения меньшие или равные x0.
1). F(x) неубывающая: F(x2)≥F(x1) если x2≥x1
2).F(-∞)=0; F(+∞)=1
x1 x2 xn
Вероятность попадания значения случайной величины в заданный интервал:
Пример:
X |
2 |
4 |
6 |
8 |
10 |
P(x) |
0,1 |
0,2 |
0,4 |
0,2 |
0,1 |
F(x) |
0,1 |
0,3 |
0,7 |
0,9 |
1 |
F(4)=P(X≤4)=F(2)+F(4)=0,1+0,2=0,3 F(8)=P(X≤8)=F(2)+F(4)+F(6)+F(8)=0,1+0,2+0,4+0,2=0,9
P(4<X≤8)=F(8)-F(4)=0,9-0,3=0,6
Непрерывная случайная величина.
1).Таблица: Интервальный ряд распределения.
X |
Δx1 |
Δx2 |
|
|
|
Δxk |
P(Δx) |
P(Δx1) |
P(Δx2) |
|
|
|
P(Δxk) |
Где к – количество интервалов.
2).График: Гистограмма.
3).Функция распределения.
1 F(X)
0
1). F(x) неубывающая: F(x2)≥F(x1) если x2≥x1
2).F(-∞)=0; F(+∞)=1
4). Функция плотности распределения f(x): (только для непрерывной случайной величины).
Найдём предел:
Обозначим: . это функция плотности распределения.
То есть функция распределения F(x) является первообразной для функции плотности распределения f(x).
Площадь под кривой
1). f(x) неотрицательная функция (f(x)≥0).
2). Вероятность попадания в элементарный интервал dx=(x+Δx)-x равна f(x)dx=dP.
3).Вероятность попадания случайной величины в интервал [a,b]:
4). Условие нормировки: площадь под кривой равна единице.
8. Числовые характеристики (параметры) случайной величины.
1). Математическое ожидание. Это среднее значение случайной величины.
Дискретная случайная величина.
При n→∞ W(x1)→P(x1)
W(x2)→P(x2)
W(xk)→P(xk)
=
.
Пусть проведено n испытаний,
случайная величина приняла значение
x1 -- m1 -- раз,
x2 -- m2 -- раз,
…………………..
Xk -- mk -- раз,где
К -- количество различных значений,
mi -- частота значения xi.
m1+m2+…+mk=n
Среднее арифметическое :
Непрерывная случайная величина.
2). Дисперсия (рассеивание). Это математическое ожидание (среднее значение) квадрата отклонения случайной величины X от её математического ожидания.
Дискретная случайная величина.
Для вычисления дисперсии удобно пользоваться формулой:
Если X и Y независимые случайные величины,то
Непрерывная случайная величина.
Размерность дисперсии (единица измерения)2,поэтому используют: