- •Конспект лекцій з курсу « Теорія ймовірності та випадкові процеси» Розділ 1 Вступ. Поняття ймовірності.
- •Коротка історична довідка.
- •Непарні
- •Властивості ймовірності подій
- •2. Основні формули комбінаторики.
- •Статистичне визначення ймовірності подій
- •1. Для лінійного випадку
- •2. Для плоского випадку
- •1.Умовна ймовірність.
- •Л) незалежні події. Теорема множення незалежних подій.
- •Часто ймовірність події ā позначають
- •0) Наслідки із додавання і множення.
- •1)Теорема додавання ймовірностей сумісних подій.
- •Р(в) – ймовірність попадання другого.
- •Розділ 2: послідовності незалежних випробовувань. Формула бернуллі
- •Вивід формули Бернуллі:
- •Б) Локальна теорема Лапласа (без доведення)
- •Розділ 3. Основні поняття математичної статистики. Випадкові величини та їх числові характеристики. А. Поняття випадкової величини. Дискретні та неперервні випадкові величини.
- •В. Приклади: біноміальний закон розподілу. Закон розподілу Пуассона.
- •1) Біноміальний закон.
- •2) Розподіл Пуассона.
- •Г. Інтегральна та диференціальна функції розподілу випадкової величини, їх властивості та функція розподілу (крива розподілу).
- •Математичне сподівання та дисперсія випадкових величин.
- •Математичне сподівання має властивості:
- •Властивості дисперсії.
- •Сталий множник можна виключити
- •Якщо ξ: η- незалежні випадкові величини, то
- •Моменти к-того порядку.
- •Є. Ймовірність попадання випадкової величини в заданий інтервал. Нормальний закон розподілу неперервної випадкової величини
- •Правило трьох „σ”.
- •Ж. Поняття про функції випадкового аргументу і її закон розподілу.
- •Дискретна випадкова величина.
- •Неперервні випадкові величини
- •З. Закон великих чисел. Нерівність Чебишева , теореми Чебишева та Бернулі. Поняття про теорему Ляпунова.
- •Теорема Бернулі.
- •Теорема Ляпунова. (Поняття).
- •Теореми Чебишева, Бернулі. Та теорема Ляпунова складають закон великих чисел.
- •Вибірка з генеральної сукупності. Розподіл вибірки. Вибіркові характеристики. Загальні поняття математичної статистики.
- •Надійний інтервал для математичного сподівання ознаки γ нормальним законом розподілу і відомим середньоквадратичним відхиленням.
- •Приклад.
- •Інтервал надійності для оцінки математичного сподівання з нормальним розподілом випадкової величини та не відомим значенням σ.
- •Довірчий інтервал, інтервал надійності оцінки середньоквадратичного відхилення з нормальним законом розподілу.
- •В) .Поняття про умовні варіанти. Метод добутків для знаходження вибіркових середніх і дисперсії.
- •Дисперсія вибірки , де
- •Складаємо наступну розрахункову таблицю
- •Г)Багатовимірні випадкові величини.
- •Розділ 5. Елементи теорії кореляції. А. Функціональна та статистична залежності.
- •Б) Знаходження кореляційного зв‘язку між випадковими величинами у вигляді рівняння лінії регресії.
- •В. Додавання дисперсій
- •Перевірка статистичних гіпотез.
2) Розподіл Пуассона.
Нехай здійснюються "n" випробувань, в яких з ймовірністю "p" може появитись подія A.
Якщо "n" - велике число, то обчислити за допомогою біноміального розподілу важко через факторіали. Можна скористатись асимптотичною формулою Лапласа. Але дана формула не підходить, якщо ймовірність реалізації події А мала р< 0,1.
Для цього випадку ймовірність можна розрахувати за допомогою асимптотичної формули Пуассона.
І так, нехай число спроб "n" велике, а ймовірність події для одної спроби мала p < 0,1.
Знайти ймовірність, що "n" спроб дадуть "К" реалізацій події А.
Скористаємось формулою Бернуллі:
Якщо ввести параметр λ = рn, то і відповідно
Якщо n>>1 то можемо перейти до границі
Почленно поділимо
Ця формула виражає закон розподілу Пуассона.
Г. Інтегральна та диференціальна функції розподілу випадкової величини, їх властивості та функція розподілу (крива розподілу).
Інтегральна функція розподілу, або просто функція розподілу змінної Х називається ймовірність того ,що випадкова величина Х не спаде в інтервал .
Функція є не спадною, додатньо визначеною, при
; для .
Для дискретних випадкових величин функція розподілу є ступінчатою, причому неперервна зліва! Границя сходини належить наступному інтервалу:
Характерний графік
Існує іще одне визначення функції розподілу неперервної випадкової величини.
Випадкова величина ξ називається неперервною, якщо існує невід’ємна функція Pξ така, що для довільних х є R функція розподілу матиме вигляд (можна уявити як)
Тоді називається цільністю розподілу ймовірності або щільністю розподілу.
Легко побачити, що
- являється диференціальною функцією розподілу.
Властивості
1)
4) Якщо в точці х функція неперервна, то
.
Існують 2 задачі теорії ймовірності.
Знайти функцію розподілу для довільного значення “х”
Знайти те значення х0, при якому - заданій
ймовірності.
В цьому випадку х0 –називають квантіллю, що відповідає заданому рівню “P”.
Квантіль, що відповідає називається медіаною розподілу.
Характерний графік густини ймовірності, щільності розподілу, диференціальній функції розподілу
мода розподілу, це значення випадкової величини ξ, яке має найбільшу ймовірність. Якщо щільність має одну моду, то вона є унімодальною.
Імовірнісний зміст густини розподілу.
Нехай - інтегральна функція розподілу випадкової величини Х. Тоді густина ймовірності:
, або ж
Різниця - це ймовірність того, що випадкова величина потрапить в інтервал .
попадання в інтервал
х
, тому що .
Д. ЧИСЛОВІ ХАРАКТЕРИСТИКИ ВИПАДКОВИХ ВЕЛИЧИН
Математичне сподівання та дисперсія випадкових величин.
1. Нехай ξ – дискретна випадкова величина з законом розподілу
-
ξ
x1
x2
……
xn
……
p
p1
p2
……
pn
……
Математичним сподіванням М(ξ) цієї випадкової величини називають суму ряду:
M(ξ)= x1p1+ x2p2+…+ xnpn+ …=
2. Якщо ξ- неперервна величина з щільністю ймовірності Pξ(x) ,то математичним сподіванням називається число: