- •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
24.2. Закон распределения вероятностей дискретной двумерной случайной величины
Определение. Законом распределения дискретной случайной величины называют перечень возможных значений этой величины (т.е. пар чисел (хi, yi); (i=1, 2,..., n); (j=1, 2,..., n)).
-
Х
Y
х1
х2
......
хn
у1
Р (х1, у1)
Р (х2, у1)
......
Р (хn, у1)
...
..................
..................
..................
..................
уm
Р (х1, уm)
Р (х2, уm)
......
Р (хn, уm)
Т.к. события (Х= хi; Y=yj), (i=1, 2, ..., n); (j=1, 2, ..., m) составляют полную группу, то сумма всех вероятностей таблицы равна I.
Зная закон распределения двумерной случайной величины, можно составить законы распределения каждой из составляющих. Действительно, например, события (Х=х1, Y=у1), ..., (Х=х1, Y=уm) являются несовместными, и вероятность Р (х1) того, что Х примет значение х1 по теореме сложения такова:
Р (х1)=р(х1, у1)+р(х2, у2)+...+р(х1, уm).
Итак, Р(х1) равна сумме вероятностей «столбца х1» из таблицы.
Аналогично, сложив вероятности «строки уj», получим Р (Y=yj) или Р (уj).
Пример. Найти законы распределения составляющих двумерной случайной величины, заданной законом распределения.
-
Х
Y
х1
х2
х3
у1
0,10
0,30
0,20
у2
0,06
0,18
0,16
Решение. р(х1)=0,10+0,06=0,16.
р (х2)=0,30+0,18=0,48
р (х3)=0,20+0,16=0,36
-
Y
х1
х2
х3
Х
0,16
0,48
0,36
Контроль: 0,16+0,48+0,36=1
-
Y
у1
у2
Х
0,60
0,40
Контроль: 0,60+0,40=1
24.3. Интегральная и дифференциальная функция распределения двумерной случайной величины и их свойства
Определение. Интегральной функцией распределения двумерной случайной величины (дискретной или непрерывной) называется функция
F(x1 y)=P(X<x, Y<y).
Геометрически это равенство можно истолковать так: F(х, у) есть вероятность того, что случайная точка (Х, Y) попадает в бесконечный квадрант с вершиной (х, у), расположенный левее и ниже этой вершины.
Свойство 1. Значение интегральной функции удовлетворяют двойному неравенству
0 F (х, у) 1.
Свойство 2. F (х, у) - неубывающая функция по обоим аргументам,
т.е. F (х2, у) F (х1, у), если х2>х1;
F (х, у2) F (х, у1), если у2>у1.
Свойство 3. Имеют место предельные соотношения: F (- , у)=0
F (х,–)=0,
F (–,–)=0,
F (+ ,+)=1.
Свойство 4. F (х,+)=Fх (х) и F (+ , у)=Fу (у),
где Fх (х) и Fу (у) - интегральные функции распределения вероятностей случайных величин Х и Y, составляющих двумерную величину (Х, Y).
Свойство 5. Р [(X, Y) R]=F(, )–F(d, )–F(, )+F(, )