- •Российская академия народного хозяйства и государственной службы
- •Оглавление
- •Тема 1. Элементы комбинаторики
- •Контрольные вопросы и задания
- •Список основной литературы
- •Список дополнительной литературы
- •Тема 2. Случайные события §2.1. Классическое определение вероятности события
- •§2.2. Действия над событиями
- •§2.3. Теорема сложения вероятностей
- •§2.4. Понятие условной вероятности
- •§2.5. Теорема умножения вероятностей
- •§2.6. Формула полной вероятности и формула Байеса
- •§2.7. Повторение испытаний. Формула Бернулли
- •Контрольные вопросы и задания
- •Список основной литературы
- •Список дополнительной литературы
- •Тема 3. Случайные величины и их законы распределения §3.1. Общие определения
- •§3.2. Дискретные случайные величины и основные законы распределения
- •§3.3. Понятие интегральной и дифференциальной функции распределения
- •§3.4. Непрерывные случайные величины и основные законы распределения
- •§3.5. Действия над случайными величинами и основные числовые характеристики
- •§3.6. Неравенство Чебышева и интегральная теорема Муавра — Лапласа
- •Контрольные вопросы и задания
- •Список основной литературы
- •Список дополнительной литературы
- •Тема 4. Введение в математическую статистику §4.1 Основные определения
- •§4.2. Вариационный ряд и статистическое распределение выборки
- •§4.3. Графическое изображение статистического распределения
- •§ 4.4. Выборочные средние и методы их расчета
- •Контрольные вопросы и задания
- •Список основной литературы
- •Список дополнительной литературы
- •Тема 5. Статистические оценки параметров распределения §5.1 Точечные оценки
- •§ 5.2. Интервальные оценки
- •5.2.1. Доверительные интервалы для оценки параметров m и σ2 нормально распределенной генеральной совокупности
- •5.2.2. Доверительные интервалы для оценки разности средних двух нормально распределенных генеральных совокупностей
- •5.2.3. Доверительные интервалы для оценки доли признака
- •Контрольные вопросы и задания
- •Список основной литературы
- •Список дополнительной литературы
- •Тема 6. Статистические гипотезы § 6.1. Основные понятия статистической проверки гипотез
- •§ 6.2. Проверка гипотезы о равенстве дисперсии нормально распределенной генеральной совокупности некоторому значению
- •§ 6.3. Проверка гипотезы о равенстве генеральной средней нормально распределенной генеральной совокупности некоторому значению
- •§ 6.4. Проверка гипотезы о доле признака
- •§ 6.5. Проверка гипотезы о виде распределения генеральной совокупности
- •§ 6.6. Проверка гипотезы о равенстве параметров двух нормально распределенных генеральных совокупностей
- •Контрольные вопросы и задания
- •Список основной литературы
- •Список дополнительной литературы
- •Приложение
- •Значения функции плотности стандартизированного нормального распределения n (0, 1)
- •Значения функции распределения f (0,1)(X) нормального закона n (0,1);
- •Распределение Пуассона
- •Квантили tp распределения Стьюдента
- •Квантили распределения 2(хи-квадрат)
- •Квантили распределения Фишера f0,99(k1, k2)
- •Квантили распределения Фишера f0,975(k1, k2).
- •Квантили распределения Фишера f0,95(k1, k2)
- •Квантили распределения Фишера f0,90(k1, k2)
- •Заключение
- •Евгений Алексеевич Рапоцевич теория вероятностей и мамематическая статистика Учебное пособие
- •630102, Г. Новосибирск, ул. Нижегородская, 6, СибАгс
§3.2. Дискретные случайные величины и основные законы распределения
Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Закон распределения дискретной случайной величины Х удобно записывать в виде таблицы, где перечислены возможные (различные) значения этой случайной величины x1, x2, …, хn и вероятности их появления :
xi |
x1 |
x2 |
… |
xn |
pi |
p1 |
p2 |
… |
pn |
В последней строке таблицы
Закон распределения можно изобразить графически. Для этого рассмотрим совокупность пар (x1, р1), (x2, р2), …, (xn, рn). Нанесем точки с этими координатами на плоскость и соединим их поочередно отрезками прямых линий. Полученная фигура называетсямногоугольником распределения (рис.7).
Рис.7 Многоугольник распределения
Говорят, что случайная величина Х имеет вырожденное распределение с параметром α, если Х принимает единственное значение α с вероятностью 1, т. е. . Таблица распределенияX имеет вид
Х |
α |
p |
1 |
Говорят, что случайная величина Х имеет распределение Бернулли с параметром p, если Х принимает значения 1 и 0 с вероятностями p и 1 – p соответственно. Случайная величина Х с таким распределением равна числу успехов в одном испытании схемы Бернулли с вероятностью успеха p. Таблица распределения X имеет вид
Х |
0 |
1 |
p |
1 – p |
p |
Дискретная случайная величина Х называется распределенной по биномиальному закону, если ее возможные значения 0, 1, …, n, а вероятность того, что Х = m, выражается формулой где 0 < p < 1; q = 1 – p. Таблица распределения X имеет вид
Х |
0 |
1 |
… |
n |
p |
pn (0) |
pn (1) |
… |
pn (n) |
Дискретная случайная величина Х называется распределенной по закону Пуассона, если ее возможные значения 0, 1, 2, … т,…, а вероятность того, что Х = m, выражается формулой где λ > 0 — параметр закона Пуассона. Таблица распределения X имеет вид
Х |
0 |
1 |
… |
m |
… |
p |
… |
… |
Говорят, что случайная величина Х имеет геометрическое распределение с параметром p, где , еслиХ принимает значения 1, 2, 3, … с вероятностями . Случайная величинаХ с таким распределением имеет смысл номера первого успешного испытания в схеме Бернулли с вероятностью успеха p. Таблица распределения X имеет вид
Х |
1 |
2 |
… |
k |
… |
p |
p |
p (1 – p) |
… |
p (1 – p) k-1 |
… |
Говорят, что случайная величина Х имеет гипергеометрическое распределение с параметрами n, N и K, где , еслиХ принимает целые значения от дос вероятностями. Случайная величинаХ с таким распределением имеет смысл числа белых шаров среди n шаров, выбранных наудачу без возвращения из урны, содержащей K белых шаров и N – K не белых.
§3.3. Понятие интегральной и дифференциальной функции распределения
Интегральной функцией распределения случайной величины Х называется функция F (x), определяющая для каждого аргумента x вероятность того, что случайная величина X принимает значения меньшие, чем x, т. е. F (x) = Р (Х < х).
Для дискретных случайных величин функция распределения есть разрывная ступенчатая функция, непрерывная слева.
Пример.
Пусть задана дискретная случайная величина своим законом распределения.
-
xi
1
4
8
pi
0,3
0,1
0,6
Найдем для нее функцию распределения. Это будет функция, заданная следующим предписанием:
Соответствующий график функции имеет вид (рис.8).
Рис.8 График функции F(x)
Если функция распределения F (х) везде непрерывна и имеет производную, то случайная величина называется непрерывной в узком смысле слова или просто непрерывной.
Свойства интегральной функции распределения:
0 F (x) 1, так как это вероятность. Причем для произвольной функции распределения F (– ) = 0, F (+) = 1;
Функция F (х) является неубывающей функцией; т. е. F (х2) F (х1), если х2 х1;
Вероятность попадания случайной величины Х на участок от до выражается формулой Р ( X < ) = F () - F ();
Если случайная величина Х непрерывна, то Р (Х = ) = 0 и Р ( < Х < )=F () – F ().
Плотностью распределения (дифференциальной функцией распределения) непрерывной случайной величины называется первая производная от интегральной функции распределения, т. е. функция f (х) = F' (х).
Свойства дифференциальной функции распределения:
Плотность распределения любой случайной величины неотрицательна, т. е. f (х) 0;
График плотности f (х) называется кривой распределения.
Второе свойство говорит о том, что площадь фигуры, образованной осью ox и кривой распределения (не всегда замкнутой) равна единице. То есть, не всякую функцию можно рассматривать в качестве функции плотности некоторой случайной величины.
Функция распределения F (х) выражается через плотность распределения формулой Вероятность попадания на участок от до для непрерывной случайной величины выражается формулой . Это площадь криволинейной трапеции с границами x=, x=, y=0, y=f(x).