- •Раздел II. Теория случайных величин
- •§2.1. Случайные величины. Связь случайных величин и случайных событий
- •Определение: Дискретные случайные величины – возможные значения отделены друг от друга и их можно перечислить (количество их конечно или бесконечно, т.Е. Количество счетно).
- •У дискретной случайной величины это отдельно стоящие точки: у непрерывной случайной величины это точки некоторого интервала:
- •Возможные значения { 0, 1, 2, …, n }.
- •Опыт – работа торгового предприятия в течение суток.
- •Ряд распределения;
- •Функция распределения f(X)
- •Плотность распределения f(X)
- •Для этих событий уже можно подсчитывать вероятности.
- •§2.2. Закон распределения
- •Опыт – бросание кубика.
- •Возможные значения {1, 2, 3, 4, 5, 6 }.
- •Опыт – лекция по теории вероятностей.
- •§2.3. Ряд распределения
- •Сумма всех вероятностей и здесь равна 1.
- •Аналитическая форма представления ряда распределения
- •Ряд распределения задан.
- •Графическая форма представления ряда распределения
- •§2.4. Функция распределения f(X)
- •(Попадает в область, лежащую слева от аргумента).
- •Чтобы подсчитать вероятность попадания в область, лежащую слева от точки X нужно собрать вероятности всех возможных значений, которые остаются слева от X .
- •Таким образом, по мере того как аргумент X возрастает, перемещается вправо по оси Ох, функция распределения собирает, накапливает вероятности.
- •Область определения: X r
- •Область значений: 0 f ( X ) 1
- •Наконец, главная формула, которая необходима для прогнозирования поведения случайной величины –
- •§2.5. Числовые характеристики
- •Закон распределения полностью определяет случайную величину
- •И позволяет прогнозировать ее поведение.
- •Если мы знаем закон распределения, мы знаем о случайной величине все.
- •Но во многих случаях достаточно знать не весь закон распределения,
- •А только несколько чисел, характеризующих этот закон.
- •Характеристики положения.
- •Мода m0[X]
- •Характеристики рассеивания
- •Дисперсия
- •Определение: Средним абсолютным отклонением случайной величины называют математическое ожидание модуля центрированнной случайной величины
- •Математическое ожидание квадрата центрированнной случайной величины
- •Если подсчитывать дисперсию по определению, то нужно усреднять квадраты отклонений:
- •2. Среднеквадратическое отклонение [X]
- •Определение: Среднеквадратическим (стандартным) отклонением случайной величины называют квадратный корень из дисперсии
Для этих событий уже можно подсчитывать вероятности.
§2.2. Закон распределения
Когда мы проводим наблюдения над случайной величиной, обнаруживается, что одни возможные значения появляются чаще, другие – реже, т.е. у одних возможных значений вероятность появления больше, у других – меньше.
П
Возьмем некоторые из примеров предыдущего параграфа.
Опыт – бросание кубика.
Случайная величина Х – выпавшее число очков.
Возможные значения {1, 2, 3, 4, 5, 6 }.
Вероятность появления любого из этих значений подсчитывается по классическому определению и равна (1/6). Все эти значения равновозможны, они появляются одинаково часто.
Опыт – лекция по теории вероятностей.
Случайная величина Х – число присутствующих студентов.
Возможные значения { 0, 1, 2, …, n }.
Пусть N = 50. Наблюдения преподавателя показывают, что достаточно часто на лекции присутствуют от 30 до 40 человек. Очень редко, но бывает, что на лекции присутствуют все 50 студентов. Значения 1, 2, 3 и т.д., в принципе возможны, но практически не наблюдались. Таким образом, в этом примере возможные значения случайной величины не равновозможны, вероятность появления у них разная.
Опыт – работа торгового предприятия в течение суток.
Случайная величина Х – суточная выручка.
Здесь тоже практические наблюдения показывают, что чаще всего сумма суточной выручки колеблется в определенных пределах, например 600-800 грн. Редко выпадают удачные дни, когда она составляет к примеру больше 2 тыс.грн. Также редко, но бывают, к сожалению и неудачные дни, когда выручка не превышает 100 грн. Совершенно очевидно, что некоторые из значений хотя и возможны, но практически не встречаются.
Так что и здесь возможные значения случайной величины имеют разную вероятность появления.
Определение:
Законом распределения вероятностей
случайной величины Х
(
дальше
везде будем говорить кратко
–
законом
распределения )
называется
всякое правило, устанавливающее
соответствие
между
возможными значениями
случайной
величины
и
вероятностями
того,
что она примет эти значения.
Это соответствие можно устанавливать по-разному, в зависимости от того, с какой случайной величиной мы работаем, с дискретной или с непрерывной. Существуют три способа задания закона распределения, которые мы далее по очереди подробно рассмотрим.
Сейчас мы только перечислим их и отметим главное: если закон распределения задан (любым из этих способов) то мы можем прогнозировать поведение случайной величины. Точно предсказать до опыта, какое именно значение примет случайная величина, мы не можем в принципе, но зато мы сможем подсчитывать вероятность того, что она примет то или иное значение, попадет в интересующий нас интервал.
СПОСОБЫ ЗАДАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН
Ряд распределения;
Функция распределения f(X)
( иногда ее еще называют интегральной функцией распределения)
Плотность распределения f(X)
(ее еще называют также дифференциальной функцией распределения)
С
ледующая
схема показывает,
когда применяется каждый из этих способов:
