Шпоргалка математика. 2. Пусть имеем два ряда с положительными членами (2) и (3). Теорема 1
Скачать 326.99 Kb.
|
Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного (или бесконечного) промежутка. Пусть Х – дискретная случайная величина, возможными и единственными значениями которой являются х1, х2, х3,…, хn. Обозначим через вероятность этих значений, т.е. рi есть вероятность того, что Х принимает значения xi. События Х = хi образует полную группу, поэтому Закон распределения дискретных случайных величин – соответствие между всеми значениями дискретных случайных величин и их вероятностями. Обычно его записывают в виде таблицы:
Если множество xi – бесконечно, то ряд - сходится. | 32.33. Математическое ожидание дискретной случайной величины и его свойства Закон распределения полностью описывает случайную величину, однако иногда выгоднее пользоваться числами, которые описывают случайную величину суммарно – это числовые характеристики величин. Рассмотрим математическое ожидание. Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности. Пусть дискретная случайная величина принимает значения с вероятностями , тогда . Если дискретная случайная величина X принимает счетное множество возможных значений, то , причем М(Х) существует, если ряд сходится абсолютно. М(Х) – неслучайная (постоянная) величина. Свойства М(Х) 1. Математическое ожидание постоянной величины равно самой постоянной, т.е . С имеет одно значение, равное С, с вероятностью , . Определим произведение постоянной С на Х как дискретную случайную величин , возможные значения которой равны произведениям С на возможные значения Х. Вероятность равна вероятностям Х. Например, если имеет вероятность , то имеет также вероятность . 2. . М(Х) – константу можно выносить за знак математического ожидания. Пусть случайная дискретная величина X задана законом распределения:
Случайные величины X и Y называют независимыми, если закон распределения одной из них не зависит от того, какие значения принимает другая. Произведение – случайная величина XY, возможные значения которой равны произведениям каждого возможного значения Х на каждое возможное значение Y. Вероятности XY равны произведению соответствующих вероятностей X и Y. 3. , где X, Y – независимые дискретные случайные величины. Пусть законы распределения вероятностей этих величин:
Составим значения, которые могут принимать Закон распределения:
4. Возможные значения случайной величины X + Y равна сумме возможных значений X и Y , а вероятность X+Y равна произведению вероятностей слагаемых. Теорема. М(Х) числа появлений событий А в n независимых испытаниях равно произведению числа испытаний на вероятность появления события в одном испытании p. Иначе, М(Х) биноминального распределения равно . | 34. Дисперсия случайной дискретной величины и ее свойства. Легко указать случайные величины, имеющие одинаковые значения математических ожиданий, но различные возможные значения, например:
Х имеет возможные значения, близкие к математическому ожиданию, а Y – далекие от М(Y), таким образом, М(Х) полностью не характеризует Х. Надо охарактеризовать отклонение случайной величины от M(X): отклонение – это величина X – M(X). Теорема. Математическое ожидание отклонения равно нулю. Действительно, ,поэтому для оценки отклонения берут квадрат отклонения. Дисперсией (рассеянием) дискретных случайных величин называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания: . Получаем: Свойства дисперсии 1. Дисперсия постоянной величины равной нулю. . 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат: . Если , то величина СХ имеет большие (по модулю) значения, поэтому 3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин . Докажем: Следствие: . 4. . Докажем: . Теорема. Дисперсия числа появлений событий А в n независимых испытаниях, в каждом из которых вероятность появления события А , равна ,где . Иначе. Дисперсия биноминального распределения равна | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
35. Дискретная случайная величина может быть задана перечислением всех ее возможных значений и их вероятностей – законом распределения. Но его нельзя использовать для задания непрерывных случайных величин. Необходим общий способ задания случайных величин - это функция распределения вероятностей случайных величин. Пусть x – действительное число. Вероятность того, что случайная величина Х примет значение, меньше x, т.е. обозначим через . Если x изменяется, то изменяется и , т.е. – функция х. Функцией распределения называют функцию , определяющую вероятность того, что случайная величина Х в результате испытания примет значение, меньше x, т.е. . Геометрически есть вероятность того, что случайная величина примет значение, которое изображается точкой левее точки х. Добавим более четкое определение непрерывной случайной величины – случайная величина называется непрерывной, если ее функция распределения есть непрерывная, кусочно-дифференцируемая функция с непрерывной производной. Свойства F(x) Значения функции распределения принадлежат отрезку , т.е. вероятность, . F(x) неубывающая функция, т.е. . Пусть . Событие, состоящее в том, что Х примет значение меньше , можно разделить на 2 несовместных события: Х примет значение, меньше , с вероятностью Х примет значение с вероятностью По теореме сложения: отсюда: или Следствие 1. Вероятность того, что равна приращению на этом интервале: Следствие 2. Вероятность того, что случайная величина Х примет одно определенное значение равна 0. Если возможные значения случайной величины (a,b), то: Докажем. Если , то события невозможны. Пусть , тогда – достоверное событие. Следствие. Если значения непрерывной случайной величины расположены на всей числовой оси, то . | 36. Плотность распределения вероятностей непрерывной |