- •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.
Непрерывные случайные величины.
4.1. Функция распределения и плотность вероятности непрерывной случайной величины
Дискретные случайные величины определены на множестве элементарных исходов, которое является конечным или счетным. Однако возможны ситуации, когда случайная величина принимает непрерывный ряд значений. В этой ситуации в качестве закона распределения можно ввести функцию распределения вероятностей случайной величины. Мы вводили такую функцию для дискретного случая, и теперь можем написать ее для непрерывной случайной величины.
Как и в дискретном случае, под функцией распределения будем понимать функцию F(x), определяющую вероятность того, что случайная величина X примет значение, меньшее чем x.
F(x)=P(Xx), -x
Функция распределения непрерывной случайной величины является дифференцируемой. Производная функции распределения
f(x)=dF(X)/dx
является кусочно-непрерывной и носит название плотности вероятности.
Будем говорить, что задана непрерывная случайная величина X, если задан ее закон распределения в виде функции распределения F(X) или плотности вероятности f(x). Для этих функций выполняется целый ряд свойств :
1. 0F(x)1
2. F(-)=0, F()=1
3. x2 x1, F(x2)F(x1) - функция F(x) является неубывающей
x
4. F(x)=P(-Xx)= ∫ f(t)dt
-
5. f(x) 0
x2
6. P(x1xx2)= ∫f(t)dt= F(x2)- F(x1)
x1
7. P(-x)= ∫f(t)dt=1
-
8. P(X=x0)=0
Таким образом, зная закон распределения, всегда можно определить для случайной величины вероятность попасть в заданный интервал, однако в силу того, что случайная величина принимает бесконечно много значений, вероятность каждого конкретного значения равна 0.
5.2. Функция непрерывной случайной величины
Так же, как и в дискретном случае можно ввести функцию непрерывной случайной величины. Пусть имеется случайная величина X, f(x), F(x) и монотонная функция y=(x), для которой существует обратная дифференцируемая функция x=(y). Опеределим случайную величину Y=(x) как числовую функцию, которая каждому элементарному исходу испытания, характеризуемому значением x, ставит в соответствие число, равное (x). Чтобы определить случайную величину Y, необходимо кроме ее значений задать закон распределения, то есть найти ее функцию распределения G(y) и плотность вероятности g(y). Можно показать, что для этих функций должны выполняться следующие равенства
G(y)= F((y)) и g(y)= f((y))(y)
5.3. Основные характеристики непрерывной случайной величины
5.3.1. Математическое ожидание
Математическим ожиданием непрерывной случайной величины называется интеграл плотности вероятности
M(x)= ∫ xf(x)dx
-
В случае, если функция плотности вероятности отлична от нуля только на интервале axb
b
M(x)= ∫ xf(x)dx
a
5.3.2. Дисперсия
Дисперсией непрерывной случайной величины называют математическое ожидание отклонения случайной величины от ее математического ожидания
D(x)= ∫[x-M(X)]2f(x)dx
-
В случае, если функция плотности вероятности отлична от нуля только на интервале axb
b
D(x)= ∫[x-M(X)]2 f(x)dx
a
Для дисперсии и математического ожидания непрерывной случайной величины выполняются те же свойства, что и для дискретной.