- •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.
Дисперсія вибірки , де
Ці формули зручні тим, що умовні варіанти “ ” є цілими числами, бо задають номер інтервалу.
Приклад. За допомогою умовних варіантів обчислити x, і S² для вибірки, якщо розподіл вибірки n = 100 має вигляд:
xi |
2 |
3 |
7 |
9 |
11 |
12,5 |
16 |
18 |
23 |
25 |
26 |
ni |
3 |
5 |
10 |
6 |
10 |
4 |
12 |
13 |
8 |
20 |
9 |
Розіб‘ємо відрізок 2 – 26 на такі 4 – відрізки з кроком h=6 ; відрізки [2,8); [ 8, 14); [ 14, 20); [ 20, 26] взявши середини відрізків за нові значення випадкової величини отримаємо:
x1 =5, x2 =11, x3 = 17, x4 = 23,
При цьому таблиця зменшиться.
-
xi
5
11
17
23
ni
18
20
25
37
18+20+25+37=100
Складаємо наступну розрахункову таблицю
xi |
ni |
Ui |
niUi
|
ni |
5 |
18 |
- 2 |
- 36 |
72 |
11 |
20 |
- 1 |
- 20 |
20 |
17 |
25 |
0 |
0 |
0 |
23
|
37 |
1 |
37 |
37 |
100 |
- 19 |
129 |
Отже вибрана нами точка- , 1/100 ( - 19) = -0,19. Тоді
= 17 + ( - 0.19)6 = 15,86
S² = 6² ((1/100)129 – ( - 0,19)²) = 45,14
Відмітимо, що при обчислені вибіркової дисперсії, для зменшення помилки викликаної групуванням ( особливо при малому числі інтервалів ), роблять поправку Шеппарда і обчислюють дисперсію за формулою
Отже, групування спрощує обчислення, але при цьому, зрозуміло, втрачається деяка інформація, про що свідчить наявність поправки Шепарда.
Г)Багатовимірні випадкові величини.
Нехай є впорядкована система n випадкових величин .Називатимемо її n- вимірною випадковою величиною і позначатимемо так:
Тоді – це i-та випадкова величина. Упорядковану систему з n випадкових величин можна розглядати і як випадкову точку з координатами у n- вимірному евклідовому просторі .
Щоб задати випадковий вектор,потрібно вказати всі ті значення ,яких він може набувати,і ймовірності,з якими ці значення набуваються. Універсальним способом визначення вектора є вибір його інтегральної функції розподілу, яка визначається рівністю:
,
Це ймовірність того, що .
Зупинимося детальніше на двовимірному випадку. При цьому нехай , а . Властивості інтегральної функції розподілу двовимірної випадкової величини аналогічні властивостям функції розподілу випадкової величини. Перерахуємо їх.
F є не спадна функція по кожній із змінних.
,
, ,
Двовимірну випадкову величину називають дискретною ,якщо множина значень,яких вона може набути,є скінченною або зліченою. Для визначення такої величини досить задати її можливі значення і ймовірності кожного з них : .Закон розподілу такої величини може бути заданий у вигляді таблиці з двома входами
|
|
|
…….. |
|
………… |
|
|
|
|
…….. |
|
……….... |
|
|
|
|
…….. |
|
………… |
|
……. |
……… |
…….. |
…….. |
…….. |
………… |
……… |
|
|
|
…….. |
|
…………. |
|
……… |
………… |
…….. |
…….. |
………… |
………… |
………… |
|
|
|
…….. |
|
………… |
1 |
Тут використано позначення:
,
З аксіоми адитивності випливає, що
Аналогічно
Таким чином,ймовірності задають розподіл випадкової величини розподіл випадкової величини .При цьому:
Функція розподілу випадкового вектора визначається рівністю
Де сумування поширюється на всі ,для яких а k набуває усіх значень, для яких .
Приклад 1. Якість продукції характеризується двома випадковими параметрами і .Закон розподілу двовимірної випадкової величини задано таблицею :
|
5 |
6 |
7 |
|
0 |
0,2 |
0 |
0 |
0,2 |
0,1 |
0,1 |
0,15 |
0 |
0,25 |
0,2 |
0,05 |
0,15 |
0,1 |
0,3 |
0,3 |
0,05 |
0,1 |
0,1 |
0,25 |
|
0,4 |
0,4 |
0,2 |
1 |
Знайти закони розподілу випадкових величин .
Доповнимо таблицю рядком і стовпчиком зі знаком , провівши сумування величин відповідно по рядках і стовпчиках. Тоді очевидно, що закони розподілу випадкових величин , мають вигляд:
-
5
6
7
p
0,4
0,4
0,2
|
0 |
0,1 |
0,2 |
0,3 |
p |
0,2 |
0,25 |
0,3 |
0,25 |
Двовимірну випадкову величину називають неперервною, якщо існує така функція p, що функція розподілу F даної випадкової величини може бути подана у вигляді
Функцію називають щільністю розподілу випадкового вектора . При цьому:
у точках неперервності функції F(x,y).
Щільність розподілу має такі властивості:
;
.
Знаючи щільність розподілу p двовимірної величини , легко знайти щільності розподілу для її компонент та .Справді,
Звідки
Аналогічно
і відповідно
Нехай задана дискретна двовимірна випадкова величина . Розглянемо функцію розподілу випадкової величини за умови ,що набула значення , . Цю функцію позначають .Імовірність того,що набуває значення , коли набуло значення , дорівнює
Аналогічно
У випадку неперервного розподілу вектора з’являються умовні щільності роз поділу ,коли , і , коли .Можна довести,що
Випадкова величина називається незалежною від випадкової величини , якщо розподіл не залежить від того, якого значення набула випадкова величина . Аналогічно визначається незалежність від . Якщо величини і незалежні, то (дискретний розподіл) і (неперервний розподіл).
Приклад 2.Нехай щільність розподілу двовимірної випадкової величини
Знайти функції розподілу випадкового вектора , випадкових величин і , умовні щільності розподілу.
Спочатку доведемо коректність означення випадкового вектора :
,що очевидно.
Знайдемо функцію розподілу даного випадкового вектора :
Для всіх інших точок (x,y) F(x,y)=0 . Очевидно, що при x<0, бо не набуває від’ємних значень ; якщо x>0, то:
Далі
.
Аналогічно і
.