- •Часть I. Теория вероятностей
- •Тема 1. Классическое определение вероятности…………………………………………............................4
- •Тема 2. Геометрическое и статистическое определения вероятности……………………………………8
- •Тема 3. Алгебра событий....................................................................................................................................12
- •Тема 4. Формула полной вероятности и формула Байеса………………………………………………...15
- •Тема 5. Схема Бернулли……………………………………………………………………………………….19
- •Тема 6. Дискретные случайные величины....................................................................................................25
- •Тема 14. Предельные теоремы теории вероятностей………………………………………………….100
- •Тема 15. Случайные функции…………………………………………………………………………….108
- •Тема 16. Вероятностные основы теории информации…………………………………………………116
- •Тема 12. Системы случайных величин……………………………………………………………………63
- •Тема 13. Функции случайных величин……………………………………………………………………82
- •Тема 1. Классическое определение вероятности
- •Случайные события.
- •Классификация событий
- •Классическое определение вероятности.
- •1.4. Контрольные вопросы
- •Тема 2. Геометрическое и статистическое определения вероятности
- •2.1. Геометрическая вероятность
- •2.2. Статистическая вероятность. Закон больших чисел.
- •Число бросаний Относит. Частота появления герба
- •2.3. Условная вероятность
- •2.4. Контрольные вопросы
- •2.5. Задачи для самостоятельно решения
- •Тема 3. Алгебра событий
- •3.1. Произведение событий
- •3.2. Сумма событий. Свойства операций сложения и умножения событий.
- •3.3. Вероятность появления хотя бы одного из событий.
- •3.4. Принцип практической невозможности.
- •3.5. Контрольные вопросы
- •Тема 4. Формула полной вероятности события и формула Байеса
- •4.1. Формула полной вероятности события
- •4.2. Формула Байеса
- •4.3. Контрольные вопросы
- •4.4. Задачи для самостоятельно решения
- •Тема 5. Повторение опытов.
- •5.1. Частная задача о повторении опытов (схема Бернулли)
- •5.2. Независимые испытания с несколькими исходами.
- •5.3. Формулы Муавра-Лапласа
- •5.3.1. Локальная теорема Муавра-Лапласа. Функция Гаусса.
- •5.3.2. Интегральная теорема Муавра-Лапласа. Функция Лапласа.
- •Тема 6. Дискретные случайные величины
- •6.1. Классификация случайных величин
- •6.2. Законы распределения дискретных случайных величин
- •6.2.1. Ряд распределения. Многоугольник распределения
- •6.2.2. Функция распределения
- •Тема 7. Числовые характеристики дискретных случайных величин
- •7.1. Характеристики положения. Математическое ожидание. Мода. Медиана.
- •7.2. Дисперсия. Среднеквадратическое отклонение.
- •7.3. Контрольные вопросы.
- •Тема 8. Законы распределения дискретных случайных величин
- •8.1. Биномиальное распределение (закон Бернулли).
- •8.2. Закон Пуассона
- •8.3. Контрольные вопросы.
- •8.4. Задачи для самостоятельного решения.
- •Тема 9. Непрерывные случайные величины
- •9.1. Законы распределения непрерывных случайных величин.
- •9.1.1. Интегральный закон распределения
- •9.1.2. Плотность распределения
- •10.1. Математическое ожидание. Мода. Медиана.
- •10.2. Дисперсия. Среднее квадратичное отклонение.
- •10.3. Моменты распределения.
- •10.4. Контрольные вопросы.
- •Тема 11. Законы распределения непрерывных случайных величин
- •11.1. Закон равномерной плотности.
- •11.2. Задачи для самостоятельного решения.
- •11.3. Экспоненциальное (показательное) распределение.
- •11.4. Задачи для самостоятельного решения.
- •11.5. Нормальный закон распределения.
- •11.5.1. Плотность нормального распределения вероятностей.
- •11.5.2. Нормальная функция распределения.
- •11.6. Контрольные вопросы
- •11.7. Задачи для самостоятельного решения.
- •Тема 12. Системы случайных величин
- •12.1. Функция распределения системы двух случайных величин.
- •12.2. Плотность распределения системы двух непрерывных случайных величин.
- •12.3. Таблица распределения системы двух дискретных случайных величин.
- •12.4. Условные законы распределения и их числовые характеристики.
- •12.5. Зависимые и независимые случайные величины
- •12.6. Числовые характеристики системы двух случайных величин.
- •Тема 13. Функции случайных величин
- •13.1. Числовые характеристики функций случайных величин.
- •13.2. Теоремы о числовых характеристиках функций случайных величин.
- •13.3. Законы распределения функций случайных величин.
- •13.3.1. Закон распределения функции одного случайного аргумента.
- •Функция на участке (а, b) монотонно возрастает или убывает.
- •2. Функция на участке (а, b) не является монотонной.
- •13.3.2. Закон распределения функции двух случайных аргументов.
- •13.3.3. Закон распределения суммы двух непрерывных случайных аргументов. Композиция законов распределения.
- •Тема 14. Предельные теоремы теории вероятностей
- •14.1. Закон больших чисел. Центральная предельная теорема.
- •14.1.1. Неравенство Чебышёва.
- •14.1.2. Теорема Чебышёва.
- •14.1.3. Теорема Бернулли
- •14.2. Центральная предельная теорема.
- •Тема 15. Случайные функции
- •15.1. Понятие о случайной функции.
- •15.2. Закон распределения случайной функции.
- •15.3. Вероятностные характеристики случайных функций.
- •15.4. Стационарные случайные функции.
- •Тема 16. Вероятностные основы теории информации
- •16.1. Энтропия как мера степени неопределенности состояния физической системы.
- •16.2. Энтропия и информация.
- •Приложение. Приближённые значения функции стандартного нормального распределения
Тема 15. Случайные функции
15.1. Понятие о случайной функции.
Случайной функцией называется функция, которая в результате опыта может принять тот или иной конкретный вид, неизвестно заранее — какой именно.
Конкретный вид, принимаемый случайной функцией в результате опыта, называется реализацией случайной функции. Если над случайной функцией произвести группу опытов, то мы получим группу или «семейство» реализаций этой функции.
Так как
аргументом случайной функции чаще всего
является время, будем обозначать его
буквой t.
Кроме
того, условимся, как правило, обозначать
случайные функции большими буквами
в отличие от неслучайных функций
.
Рассмотрим
некоторую случайную функцию
.
Предположим, что над ней произведено n
независимых
опытов, в результате которых получено
n
реализаций:
Обозначим
их соответственно номеру опыта
Каждая
реализация, очевидно, есть обычная
(неслучайная) функция. Таким образом,
в результате каждого опыта случайная
функция
превращается
в обычную, неслучайную
функцию.
Зафиксируем теперь некоторое значение аргумента t и посмотрим, во что превратится при этом случайная функция . Очевидно, она превратится в случайную величину в обычном смысле слова. Условимся называть эту случайную величину сечением случайной функции, соответствующим данному значению t. Если провести «сечение» семейства реализаций при данном значении t, мы получим n значений, принятых случайной величиной в n опытах.
Мы видим, что случайная функция совмещает в себе черты случайной величины и функции. Если зафиксировать значение аргумента, она превращается в обычную случайную величину; в результате каждого опыта она превращается в обычную (неслучайную) функцию.
В ходе
дальнейшего изложения мы будем попеременно
рассматривать одну и ту же функцию
как
случайную функцию, или как случайную
величину, в зависимости от того,
рассматривается ли она на всем
диапазоне изменения
или
при его фиксированном значении.
15.2. Закон распределения случайной функции.
Рассмотрим некоторую случайную функцию на определенном отрезке времени
Строго говоря, случайную функцию мы не можем изображать с помощью кривой на графике: начертить мы можем лишь ее конкретные реализации. Однако в целях наглядности можно позволить себе условно изобразить на чертеже случайную функцию кривой, понимая под этой кривой не конкретную реализацию, а всю совокупность возможных реализаций совокупность возможных реализаций . Эту условность мы будем отмечать тем, что кривую, символически изображающую случайную функцию, будем проводить пунктиром.
Случайную
функцию можно рассматривать как систему
случайных величин
сечений,
соответствующих значениям
,
Мы знаем, что закон распределения одной случайной величины есть функция одного аргумента, закон распределения системы двух величин — функция двух аргументов и т. д. Однако пользоваться законами распределения многих случайных величин настолько неудобно, что даже для систем трех-четырех величин мы обычно отказываемся от пользования законами распределения и рассматриваем только числовые характеристики.
Тем не менее, можно для случайной функции построить некоторые вероятностные характеристики, аналогичные законам распределения. Идея построения этих характеристик заключается в следующем.
Рассмотрим
случайную величину
— сечение случайной функции в момент
Эта
случайная величина, очевидно, обладает
законом распределения, который в общем
случав зависит от
.
Обозначим
его
.
Функция
называется
одномерным
законом
распределения случайной функции
.
Очевидно, функция
не
является полной, исчерпывающей
характеристикой случайной функции
.
Действительно,
эта функция характеризует только
закон распределения
для
данного
.
Она
не отвечает на вопрос о зависимости
случайных величин
при
различных значениях
.
С
этой точки зрения более полной
характеристикой случайной функции
является так называемый двумерный
закон
распределения:
Это —
закон распределения системы двух
случайных величин
т.
е. двух произвольных сечений случайной
функции
Однако
и эта характеристика в общем случае не
является исчерпывающей. Еще более
полной характеристикой был бы трехмерный
закон:
Очевидно,
теоретически можно неограниченно
увеличивать число аргументов и получать
при этом все более подробную характеристику
случайной функции, но оперировать со
столь громоздкими характеристиками,
зависящими от многих аргументов,
крайне неудобно. Поэтому при исследовании
законов распределения случайных
функций обычно ограничиваются
рассмотрением частных случаев, где для
полной характеристики случайной функции
достаточно, например, знания функции
(так называемые «процессы без
последействия»).
В пределах настоящего элементарного изложения теории случайных функций мы вовсе не будем пользоваться законами распределения, а ограничимся рассмотрением простейших характеристик случайных функций, аналогичных числовым характеристикам случайных величин.
