- •Вероятность событий
- •1.1 Элементарные понятия теории вероятности.
- •1.2 Операции над случайными событиями
- •1.3 Вероятность случайного события
- •1.4 Формулы комбинаторики
- •1.5 Вероятность произведения событий
- •1.6 Вероятность суммы событий
- •1.7 Формула полной вероятности. Формула Байеса.
- •Независимые повторные испытания
- •2.1 Формула Бернулли
- •2.2 Наивероятнейшее число появлений успеха в n независимых испытаниях.
- •2.3 Обобщение формулы Бернулли
- •2.4 Формула Пуассона
- •2.5 Локальная теорема Лапласа.
- •2.6 Интегральная теорема Лапласа
- •2.7 Вероятность отклонения относительной частоты от вероятности события a
- •Дискретные случайные величины
- •3.1 Основные определения
- •3.1.1.Дискретная случайная величина
- •3.1.2 Функция дискретной случайной величины
- •3.2 Законы распределения случайной дискретной величины
- •3.2.1. Биномиальное распределение
- •3.2.2. Распределение Пуассона
- •3.2.3. Геометрическое распределение
- •3.2.4. Гипергеометрическое распределение
- •3.3 Числовые характеристики дискретной случайной величины.
- •3.3.1. Математическое ожидание дискретной случайной величины
- •3.3.2. Математическое ожидание функции дискретной случайной величины
- •3.3.3. Свойства математического ожидания
- •3.3.4. Дисперсия дискретной случайной величины
- •3.3.5. Основные свойства дисперсии
- •3.4 Другие числовые характеристики дискретной случайной величины
- •3.4.1 Среднеквадратическое отклонение
- •3.4.2. Моменты k-го порядка
- •3.4.3. Нормированная случайная величина
- •3.4.4. Функция распределения дискретной случайной величины.
- •3.4.5. Мода и медиана дискретной случайной величины
- •3.4.6. Ковариация и коэффициент корреляции
- •Непрерывные случайные величины.
- •4.1. Функция распределения и плотность вероятности непрерывной случайной величины
- •5.2. Функция непрерывной случайной величины
- •5.3. Основные характеристики непрерывной случайной величины
- •5.3.1. Математическое ожидание
- •5.3.2. Дисперсия
- •5.3.3. Мода и медиана
- •5.3.4. Моменты k-го порядка
- •5.3.5. Асимметрия и эксцесс.
- •5.3. Законы распределения непрерывной случайной величины
- •5.3.1. Равномерное распределение
- •5.3.2. Показательное распределение
- •5.3.3. Нормальное распределение
- •5. Закон больших чисел
- •5.1. Центральная предельная теорема
- •5.2. Неравенство и теорема Чебышева.
- •5.3. Теорема Бернулли (Закон больших чисел)
- •5.4. Эмпирическая оценка параметров случайной величины
- •Система двух случайных величин
- •6.1. Закон распределения дискретной двумерной случайной величины
- •6.2. Функция распределения двумерной случайной величины
- •6.3. Свойства функции распределения двумерной случайной величины
- •6.4. Функция плотности вероятности непрерывной двумерной случайной величины
- •6.5. Функция двумерной случайной величины
- •6.6. Условные законы распределения составляющих двумерной случайной величины
- •6.6.1. Условные законы распределения дискретной случайной величины
- •6.6.2. Условные законы распределения непрерывной случайной величины
- •6.6.3. Условное математическое ожидание
- •6.7. Корреляция случайных величин
- •6.7.1 Независимость компонент двумерной случайной величины
- •6.7.2. Корреляционный момент и коэффициент корреляции
- •6.7.3. Линейная регрессия, линейная корреляционная зависимость.
3.2.4. Гипергеометрическое распределение
Случайная величина X имеет гипергеометрическое распределение с параметрами i, l, m, если она может принимать значения с вероятностями pk=p(X=k)= ClkCmi-k/Cl+mi, где k=0,1,2, ..., l, kil+m, где i, l, m - целые числа. Пусть имеется коробка, в которой находятся l белых и m черных шаров. Случайная величина i – число вынутых белых шаров -имеет гипергеометрическое распределение.
3.3 Числовые характеристики дискретной случайной величины.
3.3.1. Математическое ожидание дискретной случайной величины
Пусть X- дискретная случайная величина, имеющая закон распределения {xi, pi}. Математическим ожиданием случайной величины X называется число M(X) определяемое выражением
M(X)=pixi
i
Если случайная величина X имеет бесконечно много значений, ряд может не иметь конечного предела. В этом случае говорят, что математическогоо ожидания у случайной величины не существует.
Найдем математическое ожидание для случайной величины
xi
-2
-1
0
1
2
pi
0.1
0.2
0.3
0.3
0.1
X
M(X)=-20.1-10.2+00.3+10.3+20.1
3.3.2. Математическое ожидание функции дискретной случайной величины
Если задана функция дискретной случайной величины Y=(X) , ее математическое ожидание
M(Y)=pi(xi)
i
Пусть например, случайная величина задана законом распределения
xi
-2
-1
0
1
2
pi
0.1
0.2
0.3
0.3
0.1
X
Для величины Z, zi=xi2+1
zi
1
2
5
pi
0.3
0.5
0.2
Z
M(Z)= 0.3+1+1=2.3=50.1+20.2+10.3+20.3+50.1
3.3.3. Свойства математического ожидания
1. Математическое ожидание константы равно этой константе
M(C)=C
2. Математическое ожидание произведения случайной величины на константу равно произведению этой константы на математическое ожидание случайной величины
M(CX)=C·M(X)
3. Математическое ожидание суммы двух случайных величин равно сумме математических ожиданий слагаемых
M(X+Y)= M(X)+M(Y)
Входящая в выражение случайная величина X+Y принимает значения, равные суммам всех различных пар значений X и Y. Если величины X и Y независимы, то есть вероятности различных значений одной величины не зависят от того, какое значение приняла другая, тогда вероятность любого значения X+Y равна произведению полных вероятностей соответствующих значений X и Y. Если же величины X и Y зависимы, необходимо находить произведение вероятности значения одной величины на условную вероятность значения второй. Докажем данное свойство для простого случая. Пусть заданы две случайных величины
xk
x1
x2
pk
p1
p2
X
и
yi
y1
y2
pi
g1
g2
Y
Z= X+Y
zi
x1+
y1
x2+
y1
x1+
y2
x2+
y2
pi
p11=
p1
g11
p21=
p2
g21
p12=
p1
g12
p22=
p2g22
В последней таблице gij –условные вероятности для события yj/xi , состоящего в том, что случайная величина приняла определенное значение yj при заданном xi. Поскольку события, состоящие в том, что случайная величина Y примет значение y1 или y2 образуют полную группу, то и события, соответствующие тому, что данная величина примет значение y1/xi или y2/xi образуют полную группу, а значит сумма соответствующих условных вероятностей равна 1.
gi1 + gi2 =1.
Если величины X и Y независимы, то вероятность gij = gj.
M(X+Y)=( x1+ y1)p11+( x2+ y1)p21+( x1+ y2)p12+( x2+ y2)p22=
=x1(p11+ p12)+x2(p21+ p22)+y1(p11+ p21)+y2(p12+ p22)=
= x1p1+ x2p2+y1g1 +y2g2= M(X)+M(Y)
Для нескольких случайных величин можно записать аналогичное выражение
M(X1+X2+X3)= M(X1)+M(X2)+ M(X3)
4. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий
M(X Y)= M(X) M(Y)
Под произведением случайных величин понимают случайную величину, которая принимает значения равные произведению всех различных пар значений величин X и Y.
Пусть заданы две независимых случайных величины
xk
x1
x2
pk
p1
p2
X
и
yi
y1
y2
pi
g1
g2
Y
Величина Z= XY
zi
x1y1
x2y1
x1y2
x2y2
pi
p11=
p1
g1
p21=
p2
g1
p12=
p1
g2
p22=
p2g2
M(X Y)=x1y1 p11+ x2y1 p21+ x1y2 p12+x2y2 p22=
= x1y1 p1 g1+ x2y1 p2 g1+ x1y2 p1 g2+x2y2 p2g2=
=(x1p1+x2p2)y1g1+(x1p1+x2p2)y2g2=
=(x1p1+x2p2)(y1g1+y2g2)= M(X) M(Y)
Аналогичное свойство можно доказать и для произвольного числа случайных величин.
5. Математическое ожидание отклонения случайной величины от ее математического ожидания равно 0.
M(X-M(X))= M(X)- M(M(X))= M(X)- M(X)=0
6. Математическое ожидание среднего арифметического одинаково распределенных взаимно-независимых величин Xi с математическим ожиданием M(Xi)=a равно а.
_
M(X)= M((X1+ X2+...+ Xn)/n)=(a+a+...+ a)/n= na/n=a
Таким образом, для оценки математического ожидания величины можно использовать оценку математического ожидания среднего арифметического ее значений.
7. Если вероятность появления события A в одном испытании равна p, математическое ожидание случайной величины X, равной числу появлений события A в n независимых испытаниях M(X)= np
Пусть X1 – случайная величина, равная числу появлений события A в одном испытании. Ее закон распределения выглядит следующим образом:
xk
0
1
pk
1-p
p
X1
M(X1)=0(1-p)+ 1p=p
Случайная величина
X= X1+ X1+... X1
n раз
и
M(X)=M(X1+ X1+... X1)= p + p +...+ p= np