- •Часть 1. Основные понятия теории множеств. Операции над множествами. Бинарные отношения
- •Глава 1. Аксиоматический метод
- •Введение
- •1.1. Понятие аксиоматического метода
- •1.2. Правила аксиоматического построения теории
- •Глава 2. Теория множеств
- •Введение
- •2.1. Понятие множества
- •2.2. Способы задания множеств
- •2.3. Подмножества и равенство множеств
- •2.4. Операции над множествами
- •2.5. Алгебраические свойства операций над множествами
- •2.7. Алгебраические операции с множествами
- •Часть 2. Случайные события и операции над ними. Теоремы сложения и умножения вероятностей событий. Аксиомы теории вероятностей
- •Глава 1. Основные формулы комбинаторики
- •Введение
- •1.1. Перестановки
- •1.2. Размещения
- •1.3. Сочетания
- •Глава 2. Случайные события
- •Введение
- •2.1. Виды случайных событий
- •2.2. Алгебра случайных событий
- •2.3. Классическое определение вероятности
- •2.4. Теоремы сложения и умножения вероятностей
- •2.4.1. Сложение вероятностей несовместных событий
- •2.4.2. Умножение вероятностей независимых событий
- •2.4.3. Вероятность появления хотя бы одного события
- •2.4.4.Умножение вероятностей зависимых событий. Условная вероятность
- •2.5.5. Сложение вероятностей совместных событий
- •2.5.6. Формула полной вероятности
- •2.5.7. Формула Байеса
- •Часть 3. Дискретные и непрерывные случайные величины. Законы распределения
- •Глава 1. Понятие случайной величины
- •Глава 2. Дискретная случайная величина
- •2.1. Закон распределения дискретной случайной величины
- •2.2. Числовые характеристики дискретных случайных величин
- •Глава 3. Непрерывная случайная величина
- •3.1. Функция распределения вероятностей и плотность распределения вероятностей непрерывной случайной величины
- •3.2. Числовые характеристики непрерывной случайной величины
- •3.3. Некоторые частные распределения непрерывной случайной величины
- •3.4. Вероятность попадания в заданный интервал нормальной случайной величины
- •3.5. Вычисление вероятности заданного отклонения нормальной случайной величины
- •Литература
Случайная величина называется центрированной, если математическое ожидание M(X)=0, и стандартизированной, если M(X)=0 и среднее квадратическое отклонение σ = 1.
Рассмотрим на примере вычисление числовых характеристик дискретных случайных величин.
Пример 3. Найти математическое ожидание М (Х), дисперсию D(Х) и среднее квадратическое отклонение σ(Х) дискретной случайной величины Х, заданной законом распределения в таблице 4.
Таблица 4
Х |
-5 |
2 |
3 |
4 |
р |
0,4 |
0,3 |
0,1 |
0,2 |
|
|
|
|
|
Решение. Математическое ожидание Х вычисляется по формуле (4):
М(Х)= –5 0,4 + 2 0,3 + 3 0,1 + 4 0,2 = -0,3.
Дисперсия вычисляется по формуле (1.6): D(Х) = М(Х2) – [М(Х)]2. Закон распределения квадрата Х2 случайной величины задан в таблице 5.
Таблица 5
Х2 |
25 |
4 |
9 |
16 |
р |
0,4 |
0,3 |
0,1 |
0,2 |
Математическое ожидание Х2:
М(Х2) = 25 0,4 + 4 0,3 + 9 0,1 + 16 0,2 = 15,3.
Искомая дисперсия:
D(Х) = М(Х2) – [М(Х)]2 = 15,3 – (– 0,3)2 = 15,21.
Тогда среднее квадратическое отклонение будет: σ(X ) = D(Х) = 15,21 =3,9 .
Глава 3. Непрерывная случайная величина
3.1. Функция распределения вероятностей и плотность распределения вероятностей непрерывной случайной величины
Если рассматривать случайную величину Х, значения которой заполняют интервал (a,b) и составить перечень всех возможных её значений невозможно, то она называется непрерывной. В результате этого появилась необходимость дать общий способ задания любых типов случайных величин. Для этого вводится функция распределения вероятностей случайной величины. Функция распределения F(х) для непрерывной случайной величины имеет вид:
Х |
|
F(x) = ∫ f (x)dx |
(1.7) |
−∞ |
, |
где: f(х) – функция плотности вероятности вычисляется по формуле:
f (x) = lim |
P(x < Х < x + x) |
(1.8) |
|
x |
|||
x→0 |
. |
||
|
|
Функцию распределения F(х) называют интегральным законом распределения, плотность вероятности f(х). называют дифференциальным законом распределения.
Свойства функции распределения F(х):
Свойство 1. Значения функции распределения F(х) принадлежат отрезку [0, 1]: 0 ≤ F(х) ≤ 1.
24
Свойство 2. F(х) – неубывающая функция: F ( х1 ) ≤ F( х2 ), если х1< х2.
Свойство 3. Вероятность того, что случайная величина примет значение, заключенное в интервале [a, b] равна приращению функции распределения на этом интервале:
Р (а ≤ Х < в) = F( в ) – F( а)
lim F(x) =1 |
; |
lim F (x) = 0 |
. |
|
|
Следствие. x→+∞ |
x→−∞ |
|
|
||
Свойства плотности вероятности f(х) : |
|
|
|||
Свойство 1. Плотность вероятности не может быть отрицательной: f(х) ≥ 0. |
|
||||
Свойство 2. |
|
|
|
|
|
|
|
|
∞∫f(x)dx =1 |
. |
(1.9) |
|
|
|
−∞ |
|
|
|
|
|
|
|
Следствие. В частности, если значения случайной величины находятся в интервале [a, b], то вероятность попадания в заданный интервал
P(a < X < b) = ∫b |
f (x)dx |
a |
. |
Функция распределения связана с плотностью формулой:
f (x) = dF(x) = F' (x) dx .
3.2. Числовые характеристики непрерывной случайной величины
Математическое ожидание
Математическое ожидание непрерывной случайной величины Х:
M(x) = ∞∫x f(x)dx
−∞ .
f(х) – плотность вероятности распределения случайной величины Х.
Дисперсия
Дисперсия непрерывной случайной величины Х:
D(X) = |
∞∫[x - M(X) ]2 f ( x)dx |
. |
|
−∞ |
∞
D(X) = ∫x2 f(x)dx −[M (x)]2
−∞ |
. |
|
Среднее квадратическое отклонение
Среднее квадратическое отклонение определяется формулой (1.2).
(1.9а)
(1.10)
(1.11)
(1.12)
(1.13)
3.3. Некоторые частные распределения непрерывной случайной величины
На практике приходится при решении задач сталкиваться с различными распределениями непрерывных случайных величин. Плотность распределения f(x) непрерывной случайной величины называют законом распределения.
25
Следует рассмотреть некоторые важные для практики распределения случайных величин и соответствующие им числовые характеристики.
Равномерное распределение
Непрерывная случайная величина X называется распределенной равномерно на отрезке [a,b], если её плотность распределения вероятностей постоянна на данном отрезке:
0, |
|
|
x [a,b] |
|
|
1 |
|
. |
|
f (x) = |
|
|||
|
|
|
, |
x [a,b] |
|
|
|||
b |
−a |
|
. |
Функция распределения в этом случае согласно (1.7), примет вид:
|
0, |
|
x < a |
|
x −a |
|
|
|
|
F(x) = |
|
, |
a ≤ x <b. |
|
|
|
|||
b −a |
|
x ≥b |
|
|
|
1, |
|
. |
Числовые характеристики случайной величины X равномерно распределенной на интервале [a,b]:
1. Математическое ожидание по формуле (1.11):
(1.14)
(1.15)
|
|
|
|
b |
|
|
b |
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
b |
|
|
|
|
1 |
|
x2 |
|
b |
|
|
b2 − a2 |
b + a |
|
||||||
M (x) = ∫a x f (x)dx = ∫a x |
|
|
dx = |
|
|
∫a |
x dx |
= |
|
|
|
|
|
|
|
|a |
= |
|
|
= |
|
|
||||||||||||||||||||
b − a |
b − a |
b − a |
|
2 |
|
2 (b − a) |
2 |
. |
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Дисперсия по формуле (5.13): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
D(X) |
= ∫b x 2f(x)dx − (M ( x))2 |
= ∫b x |
2 |
|
1 |
|
|
|
dx − (M ( x))2 |
= |
|
|
|
1 |
|
|
∫b x 2 dx − (M ( x))2 ; |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
a |
|
|
|
|
|
|
|
|
|
a |
|
|
|
b |
− a |
|
|
|
|
|
|
|
|
|
|
|
b |
|
− a a |
|
|
||||||||
|
|
|
|
1 |
|
x3 |
b |
2 |
|
|
|
b |
3 − a3 |
|
|
|
|
b + a |
2 |
|
|
(b − a)2 |
|
|
|
|
|
|
|
|
||||||||||||
D( x) |
= |
|
|
|
|
|
|a −[M ( x)] |
|
= |
|
|
|
|
|
|
|
|
|
− |
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
b |
− a |
3 |
|
|
3 |
(b − a) |
2 |
12 . |
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
3. Среднее квадратическое отклонение - σ(Х) по формуле (1.2): |
|
|
||||||||||||||||||||||||||||||||||||||||
σ = |
|
D ( x ) |
= |
( b − a ) 2 |
= |
|
|
b − a |
; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
12 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 4. Найти дисперсию и среднее квадратическое отклонение случайной величины X равномерно распределенной на интервале [2; 6].
Решение. Математическое ожидание: |
M ( x ) = |
b + a |
= |
|
6 + 2 = 4 |
||||||||
|
|
|
|
2 |
|
|
2 |
. |
|||||
|
D(x) = |
(b − a)2 |
= |
(6 −2)2 |
= |
16 |
≈1,333 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
||||
Дисперсия: |
12 |
|
12 |
12 |
. |
|
|
|
|||||
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
σ = |
D(x) = 6 − 2 |
= |
2 |
≈1,155. |
||||
Среднее квадратическое отклонение: |
|
|
|
|
2 |
3 |
|
3 |
|
Это распределение реализуется, например, в экспериментах, в которых наудачу ставится точка на интервале [a,b], при этом случайная величина X – абсцисса точки.
Вероятность попадания равномерно распределенной непрерывной случайной величины Х на интервале [a,b] определяется по формуле (1.9).
Примером равномерно распределенной непрерывной случайной величины Х является ошибка при округлении отсчета до ближайшего целого деления шкалы измерительного прибора, проградуированной в некоторых единицах.
26
Пример 5. Цена деления шкалы измерительного прибора равна 0,2. Показания прибора округляют до ближайшего деления. Найти вероятность того, что ошибка отсчета: а) превысит значение 0,04; б) меньше 0,04.
Решение. Ошибку округления отсчета можно рассматривать как случайную величину Х, которая распределена равномерно в интервале между двумя соседними делениями. Плотность равномерного распределения
1
f(x)= (b −a) ,
где (b – a) – длина интервала, в котором заключены возможные значения Х.
Вне этого интервала f (x) = 0. В рассматриваемой задаче длина интервала, в котором заключены возможные значения Х, равна 0,2. Поэтому плотность распределения вероятностей
f (x) = 1 = 5
равна: 0,2 .
Тогда ошибка отсчета превысит значение 0, 04, если она будет заключена в интервале (0,04; 0,2). По формуле (1.9):
P(a < X < b) = ∫0,2 5dx =5x /00,,042 =1−0,2 = 0,8
0,04 .
Ошибка отсчета меньше 0,04 будет заключена в интервале (0; 0,04) с вероятностью:
P(a < X < b) = ∫0 , 04 5dx = 5 x / 0 , 04
0 0
= 0,2 .
На рис.3 представлен график функции р(х) случайной величины, равномерно распределенной на промежутке [a;b].
Рис. 3. График функции р(х) случайной величины, равномерно распределенной на промежутке [a;b]
Нормальное распределение
Непрерывная случайная величина - ξ имеет нормальное распределение с параметрами: m, σ >0, если плотность распределения вероятностей имеет вид:
|
|
1 |
e− |
( x−m)2 |
|
fξ (x) = |
|
2σ 2 |
(1.16) |
||
|
σ |
2π |
|
|
|
где: m – математическое ожидание, σ - среднеквадратическое отклонение.
Нормальное распределение называют еще гауссовским по имени немецкого математика Гаусса. Тот факт, что случайная величина имеет нормальное распределение с параметрами: m,
σ , обозначают так: N (m,σ), где m = а = M [ X ], σ = + D[ X ].
Достаточно часто в формулах математическое ожидание обозначают через а. Если случайная величина распределена по закону N(0,1), то она называется нормированной или стандартизированной нормальной величиной. Функция распределения для нее имеет вид:
|
1 |
x |
− |
t 2 |
|
|
F0 (x) = |
e |
2 |
dt |
(1.17) |
||
|
2π |
−∞∫ |
|
|
|
. |
|
|
|
|
|
|
График плотности изображен на рис. 4.
27