- •Раздел III. Теория вероятностей и математическая статискика Лекция 17. Основные понятия теории вероятностей
- •17.1. Введение. Предмет теории вероятностей
- •17.2. Краткий исторический очерк
- •17.3. Случайное событие. Его частота
- •17. 4. Классическое определение вероятности. Непосредственный подсчет вероятностей.
- •Лекция 18. Алгебра событий. Основные теоремы теории вероятностей
- •18.1. Алгебра событий
- •18.2. Теорема сложения вероятностей
- •18.3. Полная группа событий. Противоположные события
- •18.4. Теорема умножения вероятностей Независимые и зависимые события.
- •18.5. Теорема умножения вероятностей независимых событий
- •18.6. Условная вероятность
- •18.7. Теорема умножения вероятностей зависимых событий
- •Лекция 19. Основные теоремы теории вероятностей (продолжение)
- •19.1. Теорема сложения вероятностей совместных событий
- •19. 2. Формула полной вероятности
- •19.3. Формулы Бейеса (формулы переоценки вероятностей гипотез)
- •19. 4. Повторение испытаний. Формула Бернулли
- •Лекция 20. Случайные величины и их законы распределения
- •20.1. Дискретные и непрерывные случайные величины
- •Понятие закона распределения вероятностей дискретной случайной величины
- •20. 3. Биноминальное распределение
- •20. 4. Распределение Пуассона
- •20. 5. Простейший пуассоновский поток событий
- •21.2. Математическое ожидание и его основные свойства
- •21.3. Дисперсия дискретной случайной величины
- •21.4. Среднее квадратическое отклонение
- •21.5. Свойства дисперсии
- •21. 6. Понятие о моментах распределения
- •21.7. Определение интегральной функции распределения
- •21.8. Свойство интегральной функции
- •21.9. График интегральной функции
- •22.2. Вероятность попадания непрерывной случайной
- •22.3. Нахождение интегральной функции распределения по известной дифференциальной
- •22.4. Свойства дифференциальной функции. Ее вероятностный смысл
- •22.5. Математическое ожидание. Дисперсия. Среднее квадратическое отклонение
- •22.6. Начальные и центральные моменты
- •22.7. Коэффициент асимметрии
- •22.8. Эксцесс
- •22.9. Мода. Медиана
- •Лекция 23. Законы распределения непрерывной случайной величины
- •Закон равномерного распределения или закон равномерной плотности
- •23.2. Нормальное распределение
- •23.3. Вероятность попадания случайной величины, подчиненной нормальному закону, на интервал [
- •23.4. Правило трех сигм
- •Лекция 24. Система случайных величин
- •24.1. Понятие о системе случайных величин
- •24.2. Закон распределения вероятностей дискретной двумерной случайной величины
- •24.3. Интегральная и дифференциальная функция распределения двумерной случайной величины и их свойства
- •24.4. Условные законы распределения составляющих системы дискретных случайных величин
- •24.5. Числовые характеристики системы двух случайных величин
- •24.6. Коррелированность и зависимость случайных величин
- •Лекция 25. Предельные теоремы
- •25.1. Закон больших чисел
- •25.2. Теорема Чебышева
- •25.3. Теорема Бернулли
- •25.4. Центральная предельная теорема
21.8. Свойство интегральной функции
Свойство 1. Значения интегральной функции принадлежат отрезку 0 F(x) 1.
Доказательство. F(x) - вероятность, а вероятность всегда есть число, неотрицательное и не превышающее 1.
Свойство 2. F(x) - неубывающая функция, т.е. F(x2) F(x1), если х2>х1.
Доказательство. Пусть х2>х1. Событие. Состоящее в том, что Х принимает значение<х2, можно разложить на сумму несовместимых событий:
1) Х принимает значение < х2 с вероятностью Р (х2<х1);
2) Х принимает значение, удовлетворяющее неравенству х1 Хх2, с вероятностью Р (х1 Х х2).
По теореме сложения Р (Х<х2)=Р (Х<х2)+Р (х1 Х х2).
Отсюда
Р(Х<х2)–Р(Х<х2)+Р(х1Хх2) или F(х2)–F(х1)=Р(х1Хх2) (21.10)
Т.к. любая вероятность 0, то F(х2)–F(х1)0 или F(х2)F(х1), что и требовалось доказать.
Следствие 1. Вероятность того, что случайная величина примет значение, заключенное в интервале [a;b], равна приращению интегральной функции на этом интервале:
Р (а Х b)=F (b)–F (a) (21.11)
Это следствие вытекает из (21.10.), если х2=b, x1=a.
Свойство 3. Вероятность того, что непрерывная случайная величина примет одно определенное значение, равна 0.
Действительно, положив в (21.11) b=х0+х, а=х0, получим
Р (х0 Х х0+х)=F (х0+х)–F(x0).
Устремим х0. Т.к. Х - непрерывная случайная величина, то F(х)–непрерывная функция, и поэтому F (х0+х)–F(x0)0, а, следовательно,
Р (Х=х0)=0.
Используя это положение, легко убедится в справедливости неравенств:
Р (а Х b)=Р (а<Х b)=Р (а Х b)=Р (а Х b) (21.12)
Например, равенство Р (а Х b)=Р (а<Х b) доказывается так:
Р (а Х b)=Р (Х=а)+Р (а<Х b)=Р (а<Х b)
Пример. Случайная величина Х задана интегральной функцией
Найти вероятность того, что Х попадает в интервал [2;3].
Решение. (2<X<3)=F(3)–F(2)= , т.к. на интервале [2; 3] F(x)=
Свойство 4. Если возможные значения случайной величины принадлежат интервалу [a; b], то F(x)=0 при х а, F(х)=1 при х b.
Доказательство.
1) Пусть х1а. Тогда событие Х<х1- невозможно Р(х<х1)=0, т.е. F(х)=0 при х а.
2) Пусть х2 b. Тогда событие Х<> х2 - достоверно, т.к. все значения Х меньше b, и следовательно, Р (Х<х2)=1, т.е. F(х)=1 при х b.
Следствие. Если возможные значения непрерывной величины расположены по всей оси Ох, то справедливы следующие предельные соотношения
и или и
21.9. График интегральной функции
Доказанные свойства позволяют представить график интегральной функции непрерывной случайной величины.
График расположен в полосе, ограниченной прямыми у=0, у=1 (первое свойство).
При возрастании х в интервале [a;b], где расположены все значения Х, F(х) возрастает, т.е. график "поднимается вверх" (свойство 2).
При х а ординаты графика=0, при х b ординаты=1 (свойство 3).
Для дискретной случайной величины график имеет ступенчатый вид, т.к.
F(х)=Р (Х <х)=
Убедимся в этом на примере.
Пример. Пусть дана дискретная случайная величина Х своим рядом распределения.
-
Х
1
3
7
Р
0,3
0,1
0,6
Найти интегральную функцию и вычертить ее график.
Решение. 1) Если х 1, то F(x)=0 (свойство 3)
2) Если 1<х 3, то F(X)=P (X<x)= (X=xi)=0,3
3) Если 3<х 7, то F(X)= (X=xi)=0,3+0,1=0,4
4) Если х>7, или 7<x<, то F(x)=P (x<)=
(X=xi)=P (Х=1)+Р (Х=3)+Р (Х=7)=0,3+0,1+0,6=1
Таким образом,
Лекция 22. Дифференциальная функция распределения
вероятностей непрерывной случайной величины и
ее числовые характеристики
22.1. Определение дифференциальной функции распределения
Непрерывную случайную величину, можно задать не только интегральной функции распределения вероятностей, но и с помощью дифференциальной функции распределения вероятностей.
Определение. Дифференциальной функцией распределения f(х) называют первую производную от интегральной функции: f(x)=F`(x).
Из приведенного определения следует, что интегральная функция f(х) является первообразной для дифференциальной функции f(х).
Для дискретной величины f(х) - не существует.
Часто вместо термина «дифференциальная функция» пользуются термином «плотность вероятности».