- •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.
Розділ 3. Основні поняття математичної статистики. Випадкові величини та їх числові характеристики. А. Поняття випадкової величини. Дискретні та неперервні випадкові величини.
Якщо проводиться вимірювання, або прийом сигналів то рівень їх величини буде різний, тобто буде змінюватись хаотично.
Звертаю увагу, що якщо б можна було врахувати усю сукупність умов реалізації випробування, то результат був би одним і тим же, детермінованим.
Випадковою величиною називають величину, яка в результаті спроби приймає одну і тільки одну величину, одне значення із можливих, наперед невідоме і що залежить від випадкових причин, які не можуть бути враховані точно.
Наприклад: Снаряд, якщо його випускати весь час в одних і тих же умовах настройки прицілу пушки буде пролітати різну віддаль.
Будемо далі позначати випадкові величини великими буквами X,Y, Z, тоді коли конкретні значення даних величин в певній реалізації малими буквами: x1, x2…
y1, y2…
z1, z2…
Дискретні та неперервні випадкові величини.
Дискретні випадкові величини можуть приймати цілком певні ізольовані один від одного значення від спроби до спроби.
Наприклад: Кількість працюючих в даний момент телефонних ліній зв’язку. Зрозуміло, що кожне дискретне значення має свою ймовірність появи. Число можливих значень може бути, як скінченим так і безмежним.
Неперервною називають випадкову величину, яка може приймати необмежену кількість різних значень з скінченого (а в), або необмеженого проміжку.
Б. Закон розподілу ймовірностей дискретної випадкової величини.
Ясно, що для визначення дискретної випадкової величини необхідно вказати не лише конкретну множину можливих значень, а і множину відповідних ймовірностей. Тобто кожному значенню Xі дискретної випадкової величини ставиться у відповідність ймовірність її появи.
Це робити необхідно по тій причині, що дана величина в іншому процесі хоча і буде реалізуватись один і той же набір {Хі} може мати зовсім інший набір ймовірностей {Рі}.
Законом розподілу дискретної випадкової величини називають відповідність між можливими значеннями і їх ймовірністю.
Цей взаємозв’язок можна задати графічно, аналітично (у вигляді функції) та таблиці
X |
X1 |
X2 |
… |
P |
P1 |
P2 |
… |
P(xi)= f(xi); x є N
Графічне зображення закону розподілу, називається многокутником розподілу.
В. Приклади: біноміальний закон розподілу. Закон розподілу Пуассона.
1) Біноміальний закон.
Нехай виконується "n" випробувань із яких подія А може виконуватись з ймовірністю p, або не виконуватись з ймовірністю
q = 1 – p .
В якості дискретної випадкової величини виділяємо число реалізації події X.
Для розв’язку задачі по знаходженню закону розподілу кількості позитивних подій А при "n" дослідах необхідно встановити набір можливих значень та їх ймовірність.
Ясно, що у даній задачі Х = {0, 1, 2, 3, ..., n} можливі значення.
Відповідні ймовірності:
Формула (*) є аналітичним виразом шуканого закону розподілу.
Біноміальним законом розподілу називають розподіл ймовірностей, що задається формулою Бернуллі.
Тоді закон розподілу
.