- •Теория вероятностей и математическая статистика – это математические дисциплины , изучающие количественные закономерности случайных событий на основе массовых наблюдений.
- •Умножение вероятностей
- •Вероятность появления хотя бы одного события
- •Теорема сложения вероятностей совместных событий
- •Вероятность гипотез . Формула Байеса.
- •Наивероятнейшее число наступлений события
- •Локальная теорема Лапласа
- •Интегральная теорема Лапласа
- •Числовые характеристики дискретной случайной величины
- •Вероятностный смысл математического ожидания
- •3). Аналитическое задание (формулой).
- •2.Постоянный множитель можно выносить за знак математического ожидания.
- •Доказательство.
- •3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий .
- •Доказательство.
- •Доказательство.
- •Отклонение случайной величины от её математического ожидания
- •Лекция 5. Дисперсия случайной величины .
- •Свойства функции распределения
- •График функции распределения
- •Основные законы распределения дискретных случайных величин
- •3000 Посадок . Чему равна вероятность того , что за этот ресурс шасси не будет повреждено.
- •Нормальная кривая , кривая Гаусса.
- •Правило 3-х сигм.
- •Распределение « квадрат» или распределение Пирсона.
- •Закон равномерного распределения вероятностей
- •2). Движение поездов метрополитена по расписанию – равномерное распределение.
- •Теорема Бернулли.
- •Теорема 2. Чебышева.
- •2). Определение качества зерна по небольшой его пробе. Число наудачу отобранных зёрен мало сравнительно со всей массой зерна, но само по себе оно достаточно велико.
- •Надёжность механизмов и систем
- •Условные математические ожидания
- •Корреляционный момент. Коэффициент корреляции
- •Эмпирическая функция распределения
- •Полигон и гистограмма
- •П ример.
- •Статистические оценки параметров распределения
- •Статистическая проверка статистических гипотез
- •Решение:
2.Постоянный множитель можно выносить за знак математического ожидания.
M(CX) = CM(X).
Доказательство.
CX |
c1 x1 |
c 2x2 |
c3x3 |
P |
p1 |
p2 |
p3 |
X |
x1 |
x2 |
x3 |
P |
p1 |
p2 |
p3 |
M(X)
=
;
M(CX)
=
. ч.т.д.
Определение. Две случайные величины называются независимыми , если закон распределения одной из них не зависит от того , какие возможные значения приняла другая. В противном случае случайные величины – зависимы.
Определение.
Произведением независимых случайных
величин X
и Y
случайная величина XY
, возможные значения которой равны
произведениям каждого возможного
значения X
на каждое возможное значение Y;
вероятности возможных значений
произведения XY
равны произведениям вероятностей
возможных значений сомножителей . Если
некоторые произведения
равны между собой , то вероятность
возможного значения произведения равна
сумме соответствующих вероятностей.
Пример. Даны 2 независимые случайные величины X и Y. Составить закон распределения их произведения.
Y |
0 |
1 |
3 |
P |
0,1 |
0,3 |
0,6 |
X |
-1 |
0 |
1 |
P |
0,2 |
0,3 |
0,5 |
XY |
0 |
-1 |
-3 |
0 |
0 |
0 |
0 |
1 |
3 |
p |
0,2 |
0,2 |
0,2 |
0,3 |
0,3 |
0,3 |
0,5 |
0,5 |
0,5 |
-
XY
-3
-1
0
1
3
p
0,12
0,06
0,37
0,15
0,3
Сумма 0,12+0,06 + 0,37 + 0,15 + 0,3 = 1 это контроль.
3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий .
M(X,Y) = M(X) M(Y).
Доказательство.
X |
|
|
p |
|
|
Y |
|
|
q |
|
|
XY |
|
|
|
|
P |
|
|
|
|
M(XY)
=
=
=
)
=
= M(X) + M(Y) ч.т.д.
Определение. Суммой случайных независимых величин X и Y называют случайную величину X+ Y , возможные значения которой равны суммам каждого возможного значения X с каждым возможным значением Y ; вероятности возможных значений X+Y равны произведениям вероятностей слагаемых . Если некоторые суммы равны , то вероятность возможного значения равна сумме вероятностей соответствующих одинаковых значений.
4. M(X+Y) = M(X) + M(Y) ; M(X-Y) = M(X) – M(Y).
Y |
|
|
q |
|
|
-
X
P
-
X+Y
P
M(X+Y)
= (
+ (
+ (
=
=
=
=
(
)
+
(
= M(X)
+ M(Y)
ч.т.д.
=1 =1
5. Математическое ожидание числа появлений события в одном испытании равна вероятности этого события .
