- •Міністерство освіти і науки україни кіровоградський державний педагогічний університет імені володимира винниченка
- •Програма курсу теорiя ймовiрностей та математична статистика
- •1. Основнi поняття теорiї ймовiрностей.
- •2. Випадковi величини та їх основнi характеристики.
- •3. Генератриси та характеристичнi функцiї.
- •4. Граничнi теореми теорiї ймовiрностей.
- •5. Елементи теорiї випадкових процесiв.
- •6. Основнi поняття та задачi математичної статистики.
- •7. Стохастична теорiя оцiнювання.
- •8. Перевiрка гiпотез та елементи послiдовного стохастичного аналiзу.
- •Модуль №2. „Схема і формула Бернуллі та її застосування”
- •Тема: Повторні незалежні випробування. Схема і формула Бернуллі. Граничні теореми для схеми Бернуллі
- •Тема: Дискретна випадкова величина. Закон розподілу ймовірностей. Числові характеристики дискретних випадкових величин
- •Тема: Неперервна випадкова величина. Диференціальна та інтегральна функції розподілу ймовірностей. Числові характеристики неперервних випадкових величин. Правило трьох сигм план
- •Тема: Простір елементарних подій, випадкові події. Дії над подіями план
- •Тема: Класичне й статистичне означення ймовірності план
- •Тема: Аксіоматичне означення ймовірності. Геометричні ймовірності план
- •Тема: Теореми додавання і множення ймовірностей. Умовна ймовірність план
- •Тема: Формули повної ймовірності та Байєса план
- •Тема: Повторні незалежні випробування. Схема і формула Бернуллі. Найбільш імовірне число “успіхів”. Граничні теореми для схеми Бернуллі план
- •Тема: Дискретна випадкова величина. Закон розподілу ймовірностей. Числові характеристики дискретних випадкових величин план
- •Тема: Неперервна випадкова величина. Диференціальна та інтегральна функції розподілу ймовірностей. Числові характери-стики неперервних випадкових величин. Правило трьох сигм план
- •Індивідуальне домашнє творче завдання
- •І. Основні поняття теорії ймовірностей
- •Приклади випробувань і відповідних їм випадкових подій.
- •Приклади розв’язування типових задач
- •Індивідуальні завдання для самостійної роботи
- •Іі. Теореми додавання та множення ймовірностей. Умовні ймовірності
- •Приклади розв’язування типових задач
- •Індивідуальні завдання для самостійної роботи
- •Ііі. Формули повної ймовірності та Байєса
- •Приклади розв’язування типових задач
- •Індивідуальні завдання для самостійної роботи
- •Іv. Повторні незалежні випробування. Схема і формула Бернуллі. Граничні теореми для схеми Бернуллі
- •Приклади розв’язування типових задач
- •Індивідуальні завдання для самостійної роботи
- •V. Випадкова величина. Закон розподілу випадкової величини. Числові характеристики випадкової величини. Визначення характеристик випадкових величин на основі дослідних даних
- •Приклади розв’язування типових задач
- •Індивідуальні завдання для самостійної роботи
- •Колоквіум № 1
- •Колоквіум № 2
- •1. Таблиця значень функції Пуассона
- •2. Таблиця значень функції Гауса
- •Лутченко Людмила Іванівна
- •Імені Володимира Винниченка
- •25006, Кіровоград, вул.Шевченка, 1.
V. Випадкова величина. Закон розподілу випадкової величини. Числові характеристики випадкової величини. Визначення характеристик випадкових величин на основі дослідних даних
Під випадковою величиною розуміють числову величину, яка з’являється у результаті стохастичного експерименту.
Дискретною називають випадкову величину, можливими значеннями якої є окремі ізольовані числа, які ця величина приймає з певними ймовірностями. Іншими словами, можливі значення дискретної випадкової величини можна перенумерувати. Число можливих значень дискретної випадкової величини може бути скінченим або нескінченим (але зчисленим).
Якщо значення, які може приймати дана випадкова величина Х, заповнюють скінчений чи нескінчений проміжок (а, b) числової осі Ох, то випадкова величина називається неперервною.
Співвідношення, яке дає можливість встановити тим чи іншим способом зв’язок між можливими значеннями випадкової величини і їх відповідними ймовірностями, називають законом розподілу випадкової величини.
Закон розподілу дискретної випадкової величини Х може бути заданий рядом розподілу: у вигляді таблиці, перша строчка якої містить можливі значення хі, а друга – ймовірності рі:
Таблиця 5.1.
-
Х
х1
х2
...
хп
Р
р1
р2
...
рп
причому р1+р2+...+рп=1.
Якщо множина можливих значень Х нескінчена (злічена), то ряд р1+р2+...+рп+... збігається і його сума дорівнює одиниці.
Інколи закон розподілу дискретної випадкової величини Х задають аналітично (у вигляді формули) Р (Х = хі) = φ (хі) або за допомогою функції розподілу.
Закон розподілу дискретної випадкової величини Х можна зобразити графічно, для чого в прямокутній системі координат будують точки М1 (х1; р1), М2 (х2; р2), ..., Мп (хп; рп), де хі – можливі значення Х, рі – відповідні ймовірності, і з’єднують їх відрізками прямих. Отриману фігуру називають многокутником розподілу.
Закон розподілу неперервної випадкової величини Х зручно задавати за допомогою функції щільності ймовірності р(х). Ймовірність Р (a<Х<b) того, що значення, яке приймає випадкова величина Х, попадає в проміжок (а, b), визначається рівністю:
Р (a<Х<b) = . (5.1)
Графік функції р(х) називається кривою розподілу. Геометрично ймовірність попадання випадкової величини в проміжок (а, b) дорівнює площі відповідної криволінійної трапеції, обмеженої кривою розподілу, віссю Ох і прямими х=а, х=b.
Функція F(x)=P(X<x) називається функцією розподілу ймовірності випадкової величини Х. Функція F(x) існує як для дискретних, так і для неперервних випадкових величин. Якщо р(х) – функція щільності розподілу ймовірності неперервної випадкової величини Х, то
. (5.2)
З рівності (5.2) випливає, що р(x)=F ' (x).
Інколи функцію р(x) називають диференціальною функцією розподілу ймовірності, а функцію F(x) – інтегральною функцією розподілу ймовірності.
Поняття функції розподілу є центральним в теорії ймовірностей. Використовуючи це поняття, можна дати інше означення неперервної випадкової величини. Випадкова величина називається неперервною, якщо її інтегральна функція розподілу F(x) неперервна.
Математичним сподіванням дискретної випадкової величини називається сума добутків значень випадкової величини на ймовірності цих значень.
Якщо випадкова величина Х характеризується рядом розподілу (таблиця 5.1), то математичне сподівання М(Х) визначається за формулою:
або . (5.3)
Якщо n=∞, то (за умови, що ряд абсолютно збігається).
Поняття математичного сподівання розповсюджується й на неперервну випадкову величину. Нехай р(х) – щільність ймовірності випадкової величини Х. Тоді математичне сподівання неперервної випадкової величини Х визначається рівністю
(5.4)
(за умови, що інтеграл абсолютно збігається).
Геометрично математичне сподівання як неперервної, так і дискретної випадкової величини дорівнює абсцисі центра ваги площі, обмеженої кривою (або полігоном) розподілу і віссю абсцис. Тому при симетрії кривої (або полігону) розподілу відносно деякої прямої, паралельної до осі ординат, М(Х) співпадає з абсцисою точки перетину цієї осі симетрії з віссю абсцис.
Точка осі Ох, що має абсцису, рівну М(Х), називається центром розподілу цієї випадкової величини.
Дисперсією випадкової величини Х називають математичне сподівання квадрата відхилення випадкової величини від її математичного сподівання:
. (5.5)
Якщо ввести позначення M(X)=m, то формули для обчислення дисперсії дискретної випадкової величини Х запишуться у вигляді:
, (5.6)
а для неперервної випадкової величини Х – у вигляді:
(5.7)
Для дисперсії випадкової величини справедлива формула:
. (5.8)
де а – довільне число. Такою формулою часто користуються для обчислення дисперсії випадкової величини, так як обчислення за цією формулою як правило простіші, ніж за формулами (5.6) і (5.7).
Середнім квадратичним відхиленням випадкової величини Х називається величина:
. (5.9)
Середнє квадратичне відхилення – це міра розкиду значень випадкової величини навколо її математичного сподівання.