В условиях, при которых верна классическая формула вероятности (т. е. для опыта с конечным числом равновозможных элементарных исходов), докажите, что вероятность суммы двух несовместных событий равна сумме их вероятностей.
P(A+B)=P(A)+P(B)
n – Общее число элементарных возможных исходов
m1 – число исходов, благоприятствующих А
m2 - число исходов, благоприятствующих В
Число элементарных исходов, благоприятствует либо А, либо В = m1+m2. Следовательно,
P(A+B)=(m1+m2)/n=m1/n+m2/n
m1/n = P(A); m2/n = P(B)
Вывести выражение для математического ожидания альтернативно распределенной случайной величины.
Альтернативной СВ, называется СВ Х, задаваемая рядом распределения
Х | 0 | 1 |
р | 1-р | р |
МХ=0*(1-р)+1*р=р
М(Х2)=02(1-р)+12р=р
DX= М(Х2)-(МХ)2=р-р2=р(1-р)
Вывести выражение для дисперсии альтернативно распределенной случайной величины.
Альтернативной СВ, называется СВ Х, задаваемая рядом распределения
Х | 0 | 1 |
р | 1-р | р |
МХ=0*(1-р)+1*р=р
М(Х2)=02(1-р)+12р=р
DX= М(Х2)-(МХ)2=р-р2=р(1-р)
Вывести выражение для математического ожидания случайной величины, распределенной по закону Пуассона.
|
|
Говорят, что СВ Х распределена по закону Пуассона с параметром λ, если она принимает значения 0,1,2,… с вероятностями
Λk
Pn(k)= - *e-λ где λ≥0
K!
∞ λk ∞ λk ∞ λk-1
MX= Σ *k*- * e-λ= Σ*k *- * e-λ = e-λλ Σ* -
k=1 k! k=1 k(k-1)! k=1 (k-1)!
Предположим, что k-1=m, получим
∞ λm
MX =λ* e-λ Σ -
m=0 m!
∞ λm
Принимая во внимание, что Σ - имеем МХ= λ*e-λ* eλ=λ
m=0 m!
DX= М(Х2)-(МХ)2= М(Х2)- λ2
∞ λk e-λ ∞ k λk e-λ ∞ λk-1 e-λ
M(X2) = Σ k2 - = Σ k - = λ Σ k -
k=1 k! k=1 k(k-1) k=1 (k-1)!
∞ λk-1 e-λ ∞ λk-1 e-λ ∞ λk-1 e-λ
= λ Σ[(k-1)+1] - = λ [Σ(k-1) - + Σ - ].
k=1 (k-1)! k=1 (k-1)! k=1 (k-1)!
Допустим k-1 =m, получим
∞ λm e-λ ∞ λm e-λ
M(X2) = λ[Σ m - + Σ - ]
m=0 m! m=0 m!
Принимая во внимание, что
∞ λm e-λ ∞ λm e-λ ∞ λm
Σ m - = λ, Σ - = e-λ Σ - = e-λ eλ
m=0 m! m=0 m! m=0 m!
Имеем,
M(X2) = λ(λ-1)= λ2+λ
DX= λ2+λ- λ2= λ
Вывести выражение для дисперсии случайной величины, распределенной по закону Пуассона.
Говорят, что СВ Х распределена по закону Пуассона с параметром λ, если она принимает значения 0,1,2,… с вероятностями
|
|
Λk
Pn(k)= - *e-λ где λ≥0
K!
∞ λk ∞ λk ∞ λk-1
MX= Σ *k*- * e-λ= Σ*k *- * e-λ = e-λλ Σ* -
k=1 k! k=1 k(k-1)! k=1 (k-1)!
Предположим, что k-1=m, получим
∞ λm
MX =λ* e-λ Σ -
m=0 m!
∞ λm
Принимая во внимание, что Σ - имеем МХ= λ*e-λ* eλ=λ
m=0 m!
DX= М(Х2)-(МХ)2= М(Х2)- λ2
∞ λk e-λ ∞ k λk e-λ ∞ λk-1 e-λ
M(X2) = Σ k2 - = Σ k - = λ Σ k -
k=1 k! k=1 k(k-1) k=1 (k-1)!
∞ λk-1 e-λ ∞ λk-1 e-λ ∞ λk-1 e-λ
= λ Σ[(k-1)+1] - = λ [Σ(k-1) - + Σ - ].
k=1 (k-1)! k=1 (k-1)! k=1 (k-1)!
Допустим k-1 =m, получим
∞ λm e-λ ∞ λm e-λ
M(X2) = λ[Σ m - + Σ - ]
m=0 m! m=0 m!
Принимая во внимание, что
∞ λm e-λ ∞ λm e-λ ∞ λm
Σ m - = λ, Σ - = e-λ Σ - = e-λ eλ
m=0 m! m=0 m! m=0 m!
Имеем,
M(X2) = λ(λ-1)= λ2+λ
DX= λ2+λ- λ2= λ
Вывести выражение для математического ожидания случайной величины, распределенной по геометрическому закону.
СВ Х называется распределенной по геометрическому закону с параметром р (где р€ [0;1]), если она принимает значения 1, 2,3...с вероятностями
Р (Х = m)= р(1-р)m-1 (m = 1,2,3...) р = const
1 2 … m … 1
(X=m)=( ) S= -
P pq … pqm-1 … q-1
∞ ∞ ∞ ∞ 1
MX= Σ mpqm-1= p Σ mq m-1 = p Σ (qm)q = p(Σ qm) q =p (-) q =
m=1 m=0 m=0 m=0 1-q
1 p
= p – = - = -
(1-q)2 p2 p
DX = М(Х2)-(МХ)2
∞ ∞ ∞ ∞
М(Х2)= Σ m2pq m-1 = Σ m(m-1+1)pq m-1 = Σ m(m-1)p q m-1 + Σ p q m-1
m=0 m=0 m=1 m=1
∞ ∞ 1 q 1-p
DX= Σ m(m-1)p q m-1 + Σ p q m-1 - - = - = -
m=1 m=1 p2 p2 p2
Вывести выражение для дисперсии случайной величины, распределенной по геометрическому закону.
СВ Х называется распределенной по геометрическому закону с параметром р (где р€ [0;1]), если она принимает значения 1, 2,3...с вероятностями
Р (Х = m)= р(1-р)m-1 (m = 1,2,3...) р = const
1 2 … m … 1
(X=m)=( ) S= -
P pq … pqm-1 … q-1
∞ ∞ ∞ ∞ 1
MX= Σ mpqm-1= p Σ mq m-1 = p Σ (qm)q = p(Σ qm) q =p (-) q =
m=1 m=0 m=0 m=0 1-q
1 p
= p – = - = -
(1-q)2 p2 p
DX = М(Х2)-(МХ)2
∞ ∞ ∞ ∞
М(Х2)= Σ m2pq m-1 = Σ m(m-1+1)pq m-1 = Σ m(m-1)p q m-1 + Σ p q m-1
m=0 m=0 m=1 m=1
∞ ∞ 1 q 1-p
DX= Σ m(m-1)p q m-1 + Σ p q m-1 - - = - = -
m=1 m=1 p2 p2 p2
В каких ситуациях на практике возникают биномиальное и геометрическое распределения?
Биномиальное - когда вероятность наступления событий во всех постоянных одинакова (монета Р=1/2).
Геометрическое - до первого появления события А.
|
|
Вероятность попадания нормально распределенной случайной величины на отрезок, правило «трех сигм».
Большинство задач с использованием нормального распределения (как и других законов распределения абсолютно непрерывных случайных величин) сводится к определению вероятности попадания на отрезок.
Поскольку интеграл от нормальной плотности не табличный, то приходится пользоваться таблицами для интегралов от стандартной нормальной плотности в форме функции Лапласа:
Ф(x) = ,
считая эту функцию определенной для любых - , при этом
Ф(-х) - -Ф(х), т.е. функции Лапласа нечетна, ее значения для х>0 приведены в специальной таблице.
Итак, пусть X~ N(a,σ), найдем вероятность попадания на отрезок [b,c]:
P{b X C} = P {
При решении конкретных практических задач можно заново проделывать все выкладки, либо пользоваться окончательным результатом:
P{b
Правило «Трех сигм»
Теоретически нормальная плотность вероятности отлична от 0 в любой, даже очень отдаленной от а точки х, однако практически почти вся вероятность сосредоточена на отрезке а 3σ (отсюда и название.
В самом деле,
P{a-3σ
Таким образом, вероятность попадания вне этого отрезка равна всего 0,0027.
Выборочный коэффициент ковариации (формула).
Пусть при проведении некоторого опыта наблюдаются две случайные величины и , причем одно и то же значение встречается раз, раз, одна и та же пара чисел ( наблюдается раз. Все данные записываются в виде таблицы, которую называют корреляционной.
Выборочная ковариация величин и определяется формулой
где , а , - выборочные средние величин и . При небольшом количестве экспериментальных данных удобно находить как полный вес ковариационного графа:
Рис. 101
Выборочный коэффициент корреляции находится по формуле
где - выборочные средние квадратические отклонения величин и .
Выборочный коэффициент корреляции показывает тесноту линейной связи между и : чем ближе к единице, тем сильнее линейная связь между и .
Д
Дайте определение события , противоположного событию А. Докажите, исходя из трех аксиом теории вероятностей, что .
|
|
Противоположными называют два единственно возможных события, образующих полную группу. Если одно из 2-х противоположных событий обозначено через А, то другое - .
P(A) + P()=1
Противополож. события образуют полную группу, а сумма вероятностей событий, образующих полную группу, равна 1.*
*P(A1)+P(A2)+...+P(An)=1
Т.к. появление одного из событий полной группы достоверно, а вероятность достоверного события равна 1, то P(A1+A2+...+An)=1. Любые 2 события полной группы несовместны, поэтому можно применить теория сложения:
P(A1+A2+...+An)=P(A1)+P(A2)+...+P(An). Сравнив, получим: P(A1)+P(A2)+...+P(An)=1