Л. И. Магазинников Высшая математика IV
 Скачать 0.82 Mb.
|
|
Министерство образования Российской Федерации Томский государственный университет систем управления и радиоэлектроники Л.И. Магазинников Высшая математика IV ТЕОРИЯ ВЕРОЯТНОСТЕЙ Издание второе, переработанное и дополненное Рекомендовано Сибирским региональным учебно-методическим центром высшего профессионального образования в качестве учебного пособия для студентов и преподавателей вузов Томск 2000 УДК 519.21(075) ББК 22.1я73 М 12 Рецензенты: Кафедра высшей математики Томск. политехн. ун-та, зав. каф. др физмат. наук профессор К.П. Арефьев Канд. физмат. наук, доцент каф. теории вероятностей и мат. статистики Томского гос. унта Л.Е. Радюк Магазинников ЛИ 12 Высшая математика IV. Теория вероятностей Учебное пособие. – Томск Томский государственный университет систем управления и радиоэлектроники, 2012. – 150 с Учебное пособие Теория вероятностей является четвертым в серии книг, выходящим под общим названием Высшая математика юВ пособии изложен материал по теории вероятностей в объеме, предусмотренном программой курса высшей математики для студентов технических вузов. Теоретический материал дополнен многочисленными примерами и контрольными заданиями для самостоятельной работы. Пособие предназначено для студентов высших технических учебных заведений. УДК 519.21(075) ББК я 5-86889-072-8 c Магазинников ЛИ, 2000 c Томск. гос. унт систем управления и радиоэлектроники, 2000 Оглавление Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Предмет теории вероятностей . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1. Случайные события. Вероятности и действия над ними 1.1. Понятие события. Классификация событий . . . 9 1.2. Объединение, пересечение и разность событий . 12 1.3. Понятие вероятности события . . . . . . . . . . . 13 1.4. Условные вероятности. Зависимые и независимые события. Формулы умножения вероятностей . . . . . . . . . . . . . . 18 1.5. Правило сложения вероятностей . . . . . . . . . 21 1.6. Формула полной вероятности и формула Байеса 23 1.7. Схема испытаний Бернулли. Формула Бернулли. Наивероятнейшее число появления события в схеме Бернулли . . . . . . . 26 1.8. Локальная и интегральная теоремы Муавра-Лапласа . . . . . . . . . . . . . . . . . . . 28 1.9. Простейший (пуассоновский) поток событий. Формула Пуассона . . . . . . . . . . . . 29 1.10. Цепи Маркова . . . . . . . . . . . . . . . . . . . . 32 2. Одномерные случайные величины 2.1. Понятие случайной величины и её закона распределения. Одномерные дискретные случайные величины . . . . . . . . . 35 2.2. Функция распределения одномерной случайной величины и её свойства . . . . . . . . 37 2.3. Плотность распределения одномерной случайной величины . . . . . . . . . . . . . . . . 40 2.4. Математическое ожидание случайной величины 3 2.5. Мода, медиана, квантиль порядка p . . . . . . . 48 2.6. Дисперсия случайной величины . . . . . . . . . . 49 2.7. Моменты случайной величины 2.8. Характеристические функции . . . . . . . . . . . 53 2.9. Равномерное распределение . . . . . . . . . . . . 57 2.10. Показательное распределение, гамма-распределение . . . . . . . . . . . . . . . . 58 2.11. Нормальное распределение . . . . . . . . . . . . . 59 Числовые характеристики нормального распределения . . . . . . . . . . . . . . . . 59 График нормального распределения . . . 61 Вычисление (α < X < β) и P (|X − a| < для нормальной величины. Правило трёх сигм . . . . . . . . . . . . . . . . . . . . . . 62 Линейное преобразование нормальной случайной величины. Композиция нормальных законов распределения. Центральная предельная теорема . . . . . 63 2.12. Закон больших чисел . . . . . . . . . . . . . . . . 66 Неравенство Чебышева. Понятие сходимости по вероятности . . . . . . . . . 66 Теорема Чебышева и некоторые её следствия (теоремы Бернулли и Пуассона 3. Многомерные случайные величины 3.1. Матрица распределения двумерной случайной величины . . . . . . . . . . . . . . . . 71 3.2. Функция распределения многомерной случайной величины . . . . . . . . . . . . . . . . 74 3.3. Плотность распределения системы случайных величин . . . . . . . . . . . . . . . . . 76 3.4. Математическое ожидание от функции нескольких случайных аргументов . . . . . . . . 81 3.5. Характеристики связи двух случайных величин 3.5.1. Кривые регрессии (условные математические ожидания) . . . . . . . . 83 4 3.5.2. Коэффициент корреляции . . . . . . . . . 85 3.6. Теоремы о свойствах числовых характеристик случайных величин . . . . . . . . 88 3.6.1. Свойства математического ожидания 3.6.2. Свойства дисперсии . . . . . . . . . . . . . 89 3.6.3. Свойства коэффициента корреляции. Понятие линейной среднеквадратичной регрессии . . . . . . . . . . . . . . . . . . . 90 3.6.4. Двумерное нормальное распределение . . 92 4. Элементы математической статистики 4.1. Выборочный метод . . . . . . . . . . . . . . . . . 96 4.1.1. Понятие выборки . . . . . . . . . . . . . . 96 4.1.2. Простейшие способы обработки выборки 4.1.3. Эмпирическая функция распределения. Выборочные параметры распределения . 99 4.2. Основные понятия теории оценок параметров распределения. . . . . . . . . . . . 100 4.2.1. Понятие оценки. Требования к оценке . . 100 4.2.2. Методы отыскания оценки неизвестных параметров . . . . . . . . . . . . . . . . . . 103 4.3. Оценка математического ожидания и дисперсии нормальной случайной величины . . . . . . . . . 105 4.3.1. Построение оценок . . . . . . . . . . . . . 105 4.3.2. Проверка качества оценок математического ожидания и дисперсии . 106 4.3.3. Понятие о доверительном интервале. Построение доверительного интервала для оценки математического ожидания при известном σ нормальной случайной величины . . . . . . . . . . . . . . . . . . . 107 4.3.4. Построение доверительного интервала для математического ожидания нормальной случайной величины при неизвестном σ . . . . . . . . . . . . . . 109 4.3.5. Построение доверительного интервала для оценки σ нормального распределения 110 5 4.4. Понятия о статистической проверке гипотез и о критериях согласия . . . . . . . . . . 112 4.4.1. Понятие о статистических гипотезах. . 112 4.4.2. Построение критических областей. Задача сравнения дисперсий двух нормально распределённых величин . . . 112 4.4.3. Понятие о критериях согласия . . . . . . 115 5. Задания для контрольных работ 5.1. О самоконтроле при выполнении контрольных работ . . . . . . . . . . . . . . . . . 117 5.2. Контрольная работа № 11 . . . . . . . . . . . . . 117 5.3. Контрольная работа № 12 . . . . . . . . . . . . . Приложения. Элементы комбинаторики . . . . . . . . . . . . . . . 136 A1. Что изучает комбинаторика . . . . . . . . . . 136 A2. Выборки и их виды . . . . . . . . . . . . . . . 136 A3. Правила произведения и суммы . . . . . . . 137 A4. Перестановки без повторения . . . . . . . . . 140 A5. Перестановки с повторением . . . . . . . . . 140 A6. Размещение без повторения . . . . . . . . . . 141 A7. Размещение c повторением . . . . . . . . . . 142 A8. Сочетания без повторения . . . . . . . . . . . 142 A9. Сочетание c повторениями . . . . . . . . . . . 143 B. Таблица значений функции) = 1 √ 2π exp − x 2 2 . . . . . . . . . . . . . . . 145 C. Таблица значений функции) = 1 √ 2π x 0 exp − z 2 2 dz . . . . . . . . . . . 147 D. Таблица значений t γ = t(γ, n) . . . . . . . . . . . . 149 E. Таблица значений q = q(γ, n) . . . . . . . . . . . . . Литература . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 6 ПРЕДИСЛОВИЕ В четвёртой части пособия изложен материал по теории вероятностей, предусмотренный ныне действующей программой по курсу высшей математики. Пособие состоит из пяти глав. Впервой главе охарактеризованы основные понятия теории вероятностей и приведены некоторые формулы действия с вероятностями случайных событий. Во второй главе изучаются одномерные случайные величины, их законы распределения и числовые характеристики. Из частных законов распределения изучены биномиальное распределение, распределение Пуассона, равномерное, показательное и нормальное распределение. Завершается вторая глава простейшими теоремами, относящимися к закону больших чисел. Третья глава посвящена многомерным случайным величинам. Довольно подробно изучаются характеристики связи двух случайных величин функция регрессии, линейная среднеквадратическая регрессия, коэффициент корреляции. В четвёртой главе изучаются основные понятия математической статистики. Кратко охарактеризован выборочный метод, приводятся некоторые положения из теории точечной оценки параметров распределения. В качестве примера получены оценки параметров нормального распределения и построены для них доверительные интервалы. В пятой главе приводятся два индивидуальных задания в десяти вариантах каждое, которые можно использовать в качестве контрольных работ для заочников. Контрольные работы при наличии устройства СИМВОЛ или его компьютерного аналога можно выполнять в режиме автоматизированного самоконтроля. Предмет теории вероятностей Для описания закономерной связи между некоторыми условиями и событием A, наступление или ненаступление которого может быть точно установлено, естествознание обычно использует одну из следующих схем) при каждом осуществлении условий S наступает событие Такой вид, например, имеют все законы классической механики. Подобные закономерности называют детерминированными) при выполнении условий S событие A может как наступить, так и не наступить, но имеет определённую вероятность P (A/S) наступления, равную p. Это означает следующее пусть n раз были выполнены условия S, при этом событие A наступило m раз. Отношение называют относительной частотой события A. Наличие у события A при условии S определённой вероятности p означает, что почтив каждой достаточно длинной серии испытаний, те. выполнения условий S, относительная частота события A приблизительно равна p. Вероятность при этом выступает как количественная мера степени возможности наступления события A. Закономерности, описанные в схеме 2, называют статистическими. Примеры статистических закономерностей при подбрасывании правильной монеты достаточно много раз примерно в половине случаев выпадет герб, независимо от результата каждого отдельного подбрасывания, который предсказать невозможно давление газа на стенку сосуда определяется совокупным действием всех молекул, практически не зависит от поведения каждой отдельной молекулы и подчиняется очень простой закономерности. Статистические закономерности широко распространены в природе и составляют один из предметов изучения многих наук, таких как квантовая механика, демография, термодинамика и др., и имеют большое практическое значение. Теория вероятностей математическая наука, являющаяся теоретической базой изучения статистических закономерностей. Возможность применения теории вероятностей к изучению явлений, относящихся к весьма далёким друг от друга областям науки, основана на том, что вероятности событий удовлетворяют некоторым простым соотношениям, независимо от конкретного содержания изучаемого явления. Одной из основных задач теории вероятностей является установление правил, позволяющих по вероятности одних событий находить вероятности других, как-то связанных с первыми. Наступление или ненаступление события A обычно зависит от большого числа мало связанных друг с другом случайных факторов. Поэтому можно сказать, что теория вероятностей есть математическая наука, выясняющая закономерности, которые возникают при взаимодействии большого числа случайных факторов. Большой вклад в развитие теории вероятностей внесли ПЛ. Чебышев, А.А. Марков, А.М. Ляпунов, С.Н. Бернштейн, А.Я. Хин- чин, АН. Колмогоров, Б.Н. Гнеденко и многие другие, поставившие теорию вероятностей на прочную логическую и математическую основу. В настоящее время теория вероятностей стала одним из над жных, точных и эффективных методов познания реальной действительности. Случайные события. Вероятности и действия над ними. Понятие события. Классификация событий Теория вероятностей рассматривает действительные или мнимые опыты (эксперименты) со случайными исходами. Например, эксперимент — выстрел по заданной цели, исходы: цель поражена или не поражена подброшена игральная кость, исходы: может выпасть от одного до шести очков. При построении математической модели случайного эксперимента в качестве первоначального принимают понятие пространства элементарных событий. Множество всех взаимоисключающих исходов такое, что результатом эксперимента является один и только один исход, называется пространством элементарных событий. В зависимости от характера эксперимента множество может быть конечным, бесконечным, дискретным, непрерывным. Элементы множества иногда будем называть точками. Отыскание множества в задачу теории вероятностей не входит, предполагается, что оно каким-либо образом задано. При решении конкретных прикладных задач построение множества является одним из важных вопросов. Строить множество приходится в каждом случае отдельно, учитывая особенности решаемой задачи. Например, опыт — стрельба по круглой мишени. Результат стрельбы можно обработать по-разному. Если указать отклонение δ точки попадания от центра круга, то множеством является луч [0, +∞), если же мишень, как в спортивных соревнованиях, разделена на 10 пронумерованных концентрических кругов, то результат стрельбы можно охарактеризовать числом выбитых очков. Множество в этом случае дискретно и состоит из чисел 0, 1, 2, . . . , 10. Если на мишени выбрать декартову систему координат с началом в центре круга, то результат стрельбы однозначно характеризуется координатами точки попадания (x, y). Множество в этом случае состоит из всех упорядоченных пар вещественных чисел. Как видим, одному и тому же опыту мы различным образом сопоставили пространство элементарных событий Ω, в зависимости оттого, что мы принимаем в качестве результата опыта. Следующими основными понятиями математической модели случайного эксперимента являются событие и поле событий. Выделим в пространстве элементарных событий некоторый класс Q подмножеств, таких, что в результате применения любой из операций пересечения, объединения, разности и отрицания (см. подраздел 1.2) к любым подмножествам из получается подмножество из класса Q пространства элементарных событий Ω. Событием называется любое подмножество из класса Q пространства элементарных событий. Множество всех событий, которые могут наблюдаться в данном эксперименте, называется полем событий, соответствующим данному эксперименту. Пример 1 . Опыт последовательно подброшены две монеты, при этом может выпасть на каждой монете либо герб (Г, либо цифра (Ц. Пространство элементарных событий состоит из четырёх точек (Г,Г), (ГЦ, (Ц,Г), (Ц,Ц). Событие A выпал хотя бы один герб состоит из точек (Г,Г), (ГЦ, (Ц,Г). Событие выпал ровно один герб состоит из двух точек (Г,Ц), (Ц,Г). Событие C герб на первой монете также состоит из двух точек (Г,Г), и (Г,Ц). Пример 2 . Опыт произведён один выстрел по круглой мишени для спортивных соревнований. Наблюдаемый результат число выбитых очков. Как мы уже отмечали, пространство элементарных событий состоит из одиннадцати точек (0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10). Событие A выбито менее четырёх очков} образует множество (0, 1, 2, 3). Событие B выбито не менее семи очков состоит из точек (7, 8, 9, Если множество, соответствующее событию A, принадлежит множеству, соответствующему событию B, то говорят, что событие A влечёт за собой событие B или A является частным случаем B. Пишут A ⊂ B. В этом случае, если происходит то происходит и B, но из того, что произошло событие B в общем случае не следует, что произошло и A. Например, события выбито 8 очков, B выбито чётное число очков, очевидно ⊂ B. Если A ⊂ B и B ⊂ A, то события A и B называются равными или эквивалентными. Записывают A = B. 10 Событие, состоящее из всех точек пространства элементарных событий называется достоверным. Оно в результате опыта произойдёт обязательно (например, при одном выстреле выбито не более 10 очков). Событие, не содержащее ни одной точки данного пространства элементарных событий, называется невозможным (например, при одном выстреле выбито более 10 очков. Невозможное событие будем обозначать Событие, не совпадающее совсем множеством и содержащее хотя бы одну его точку, называется случайным. Оно в результате опыта может как произойти, таки не произойти (например, при одном выстреле выбито более 8 очков). Случайное событие, содержащее только одну точку множества, называется элементарным. Если оно содержит более одной точки, то событие называется сложным, или составным. Два события A и B называются несовместными, если они не содержат общих точек, и совместными, если у них имеются общие точки. Появление одного из несовместных событий исключает появление другого. Совместные же события могут произойти одновременно. Например, опыт — произведено два выстрела по мишени, событие A — выбито менее 18 очков, B выбито менее 14 очков. События A и B совместны. Если стрелок набрал 12 очков, то наступили события A и B. Событие C — выбито более 18 очков, несовместно с событием События A 1 , A 2 , . . . , A n называются попарно несовместными, или просто несовместными, если появление одного из них, исключает появление каждого из остальных. Говорят, что события A 1 , A 2 , . . . , A n образуют полную группу, если в результате опыта произойдёт хотя бы одно из них. Событие ¯ A, состоящее из всех тех точек пространства элементарных событий Ω, которые не входят в A, называется противоположным событию A или его отрицанием. Если событие произойдёт, то, очевидно, ¯ A не произойдёт и наоборот. Противоположные события несовместны, но несовместные события могут и не быть противоположными. Например, события при одном выстреле цель поражена и выбито чётное число очков и B — выбито 9 очков — несовместны, но B = В данном случае событие ¯ A состоит из точек (0, 1, 3, 5, 7, 9). 11 |