Случайная величина может принимать значения. Дискретные и непрерывные случайные величины. Закон распределения случайных величин

Определение случайной величины. Многие случайные собы­тия могут быть оценены количественно случайными величинами.

Случайной называют такую величину, которая принима­ет значения в зависимости от стечения случайных обсто­ятельств.

Случайными величинами являются: число больных на приеме у врача, число студентов в аудитории, число рождений в городе, продолжительность жизни отдельного человека, скорость моле­кулы, температура воздуха, погрешность в измерении какой-либо величины и др. Если пронумеровать шары в урне примерно так, как это делают при разыгрывании тиража лото, то произвольное вынимание шара из урны покажет число, являющееся случайной величиной.

Различают дискретные и непрерывные случайные величины.

Случайная величина называется дискретной, если она принимает счетное множество значений: число букв на произ­вольной странице книги, энергия электрона в атоме, число волос на голове человека, число зерен в колосьях, число молекул в вы­деленном объеме газа и т. п.

Непрерывная случайная величина принимает любые зна­чения внутри некоторого интервала: температура тела, масса зерен в колосьях пшеницы, координата места попадания пули в цель (принимаем пулю за материальную точку) и др.

Распределение дискретной случайной величины. Диск­ретная случайная величина считается заданной, если указаны ее возможные значения и соответствующие им вероятности. Обозна­чим дискретную случайную величину X, ее значения x 1 x 2 , …., а вероятности Р(х 1) = p 1, Р(х 2) = р 2 и т. д. Совокупность X и Р называется распределением дискретной случайной величи­ны (табл. 1).

Таблица 1

Случайной величиной является номер вида спорта в игре «Спортло-10». Общее число видов равно 49. Указать распределение этой случайной величины (табл. 3).

Таблица 3

Значение 1 = 0 соответствует такому случаю, при котором трижды подряд событие А не происходило. Вероятность этого сложного события, по теореме умножения вероятностей (2.6), равна
Значение I = 1 относится к случаю, при котором событие А про­изошло в одном из трех испытаний. По формуле (2.6) получаем

Так как при l = 1 происходят также и два других сложных со­бытия: (А и А и А)и(А и А и А), то необходимо, воспользовав­шись теоремой сложения вероятностей (2.4), получить полную ве­роятность для l = 1, сложив трижды предыдущее выражение:

Значение I = 2 соответствует случаю, при котором событие А произошло в двух из трех испытаний. Рассуждениями, подобны­ми приведенным выше, получим полную вероятность для этого случая:

При 1 = 3 событие А появляется во всех трех испытаниях. Ис­пользуя теорему умножения вероятностей, находим

В общем случае биномиальное распределение позволяет опре­делить вероятность того, что событие А произойдет l раз при п испытаниях:

На основе многолетних наблюдений вызов врача в данный дом оце­нивается вероятностью 0,5. Найти вероятность того, что в течение шести дней произойдет четыре вызова врача; Р(А) = 0,5, п = 6,1 = 4. Т Воспользуемся формулой (2.10):

Числовые характеристики дискретной случайной величи­ны. Во многих случаях, наряду с распределением случайной ве­личины или вместо него, информацию об этих величинах могут дать числовые параметры, получившие название числовых ха­рактеристик случайной величины. Рассмотрим наиболее упот­ребительные из них.

Математическое ожидание (среднее значение) случайной величины есть сумма произведений всех возможных ее значе­
ний на вероятности этих значений:

Пусть при большом числе испытаний п дискретная случайная величина X принимает значения x v x 2 , ..., х п соответственно m 1 , m г, ..., т п раз. Среднее значение равно

Если п велико, то относительные частоты т 1 /п, т 2 /п, ... будут стремиться к вероятностям, а средняя величина - к математиче­скому ожиданию. Именно поэтому математическое ожидание час­то отождествляют со средним значением.

Найти математическое ожидание для дискретной случайной вели­чины, которая задается цифрой на грани при бросании игральной кости (см. табл. 2).

Используем формулу (2.11):

Найти математическое ожидание для дискретной случайной вели­чины, которая определяется тиражом «Спортлото» (см. табл. 3). Согласно формуле (2.11), находим

Возможные значения дискретной случайной величины рассеяны во­круг ее математического ожидания, часть из них превышает М{Х), часть - меньше М{Х). Как оценить степень разброса случайной величины отно­сительно ее среднего значения? Может показаться, что для решения та­кой задачи следует вычислить отклонения всех случайных величин от ее математического ожидания X - М(Х), а затем найти математическое ожидание (среднее значение) этих отклонений: М[Х - М(Х)]. Вез доказа­тельства отметим, что эта величина равна нулю, так как отклонения слу­чайных величин от математического ожидания имеют как положитель­ные, так и отрицательные значения. Поэтому целесообразно учитывать либо абсолютные значения отклонений М[Х - М (X)], либо их квадраты М[Х - М(Х)] 2 . Второй вариант оказывается предпочтительнее, так при­ходят к понятию дисперсии случайной величины.

Дисперсией случайной величины называют математиче­ское ожидание квадрата отклонения случайной величины от ее математического ожидания:

Она означает, что дисперсия равна разности между математи­ческим ожиданием квадрата случайной величины X и квадратом ее математического ожидания.

Найти дисперсию случайной величины, которая задается цифрой на грани при бросании игральной кости (см. табл. 2).

Математическое ожидание этого распределения равно 3,5. Запишем значения квадратов отклонения случайных величин от математического ожидания: (1 - 3,5) 2 = 6,25; (2 - 3,5) 2 = 2,25; (3 - 3,5) 2 = 0,25; (4 - 3,5) 2 = 0,25; (5 - 3,5) 2 = 2,25; (6 - 3,5) 2 = 6,25. По формуле (2.12) с учетом (2.11) няходим дисперсию:

Как следует из (2.12), дисперсия имеет размерность квадрата размерности случайной величины. Для того чтобы оценивать расстояние случайной величины в единицах той же размерности, вводят понятие среднего квадратического отклонения, под которым понимают квадратный корень из дисперсии:

Распределение и характеристики непрерывной случайной величины. Непрерывную случайную величину нельзя задать тем же законом распределения, что и дискретную. В этом случае поступают следующим образом.

Пусть dP - вероятность того, что непрерывная случайная величина X принимает значения между х и х + dx. Очевидно, что Ирм больше интервал dx, тем больше и вероятность dP: dP ~ dx. Шроме того, вероятность должна зависеть и от самой случайной Величины, вблизи которой расположен интервал, поэтому

где f(x) - плотность вероятности, или функция распределения вероятностей. Она показывает, как изменяется вероятность, отнесенная к интервалу dx случайной величины, в зависимости от значения самой этой величины:

Интегрируя выражение (2.15) в соответствующих пределах, находим вероятность того, что случайная величина принимает какое-либо значение в интервале (ab):

Условие нормировки для непрерывной случайной величины имеет вид

Как видно из (2.19), эта функция равна вероятности того, что случайная величина принимает значения, меньшие х:

Для непрерывной случайной величины математическое ожи­дание и дисперсия записываются соответственно в виде

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Южно-Уральский государственный университет

(национальный исследовательский университет)»

Факультет «Приборостроительный (КТУР)»

Кафедра «Информационно-измерительная техника»

Реферат на тему

«Что такое случайная величина?»

по дисциплине «Теория вероятностей и математическая статистика»

Проверил:

______________/ А.П. Лапин

Выполнил:

студент группы ПС-236

_______________/Загоскин Я.С./

Челябинск 2015

ВВЕДЕНИЕ

1. СЛУЧАЙНАЯ ВЕЛИЧИНА

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

ВВЕДЕНИЕ

Теория вероятностей - относительно молодая, но уже ставшая классической, ветвь математики. Развитие ее как отдельной науки пришлось на середину XVII века, и началось с переписки двух известных во всем мире французских математиков: Блеза Паскаля и Пьера де Ферма. Однако задачами, относящимися к просчету вероятностей в азартных играх, ученые начали интересоваться значительно раньше. Так, например, итальянский математик Лука Пачоли еще в 1494 в своем труде «Сумма арифметики, геометрии, отношений и пропорций» («Summa de arithmetica, geometria, proportioni et proportionalitа»), рассмотрел одну из задач о вероятностях, но, к сожалению, привел ошибочное решение.

Сегодня методы теории вероятностей и математической статистики являются неотъемлемой частью практически любой дисциплины, как технической, так и гуманитарной направленности. Законы распределения случайных величин оказались применимыми не только к математике, физике, химии, и так далее, но и к дисциплинам, носящим отчасти прогностический характер, таким как социология, экономика, политология, etc.

В данной работе, познакомимся с основными понятиями, терминами и законами теории вероятностей и математической статистики, а так же с применением последних на практике.

1. СЛУЧАЙНАЯ ВЕЛИЧИНА

1.1 Определение случайной величины

Случайная величина - это фундаментальное понятие теории вероятностей и математической статистики.

Каждый автор по-своему формулирует понятие случайной величины. Е.С. Вентцель, например, определяет случайную величину, как величину, которая в результате опыта может принять то или иное значение, причем неизвестно заранее, какое именно .

Иначе говоря, случайная величина это величина, имеющая целый набор допустимых значений, но принимающая лишь одно, и какое именно, заранее точно сказать нельзя.

Формальное математическое определение случайной величины звучит следующим образом:

Пусть (Щ, F, P) - вероятностное пространство, тогда случайной величиной называют функцию X: Щ > R .

Случайную величину на практике обычно обозначают заглавными буквами, например: X, Y, Z, тогда, как возможные значения самой величины определяются строчными знаками: x, y, z.

1.2 Виды и примеры случайных величин

Различают два вида случайных величин: дискретные и непрерывные.

К дискретным относятся те случайные величины, множество значений которых конечно или фиксировано. Примером дискретной случайной величины, можно считать количество попаданий в цель при заранее определенном числе выстрелов.

Непрерывная случайная величина это такая величина, множество значений которой несчётно или бесконечно. В качестве примера для непрерывной случайной величины, можно взять количество кругов на воде, после попадания в нее камня, или расстояние, которое пролетит стрела, прежде чем упасть на землю.

Все случайные величины, ко всему прочему, имеют еще одну важную характеристику - ряд допустимых значений, который, в свою очередь, может как ограниченным, так и неограниченным. Отсюда, имеем, в зависимости от числа допустимых значений, ограниченные случайные величины, ряд допустимых значений конечен или фиксирован, и неограниченные, количество допустимых значений которых бесконечно.

Дискретные случайные величины могут иметь ограниченный и неограниченный ряд возможных значений, когда как непрерывные - только неограниченный.

На практике в теории вероятностей и математической статистике, как правило, имеют дело только с непрерывными случайными величинами.

2. ЗАКОНЫ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНОЙ ВЕЛИЧИНЫ

2.1 Закон распределения дискретной случайной величины

Любое соотношение между допустимыми значениями случайной величины и вероятностями их наступления называют законом распределения дискретной случайной величины.

Существует два способа задания закона распределения:

· Аналитически, когда закон распределения задается в виде таблицы соответствия значений случайной величины и их вероятностью, именуемой рядом распределения:

Таблица 1 - ряд распределения случайной величины

Здесь, в первой строке располагаются возможные значения случайной величины, а во второй - их вероятности, при этом сумма всех вероятностей равна единице:

· Графически, когда таблица распределения случайно величины принимает многоугольника распределения:

Рисунок 1 - многоугольник распределения случайной величины

Где сумма всех ординат многоугольника является вероятностью всех допустимых значений случайной величины, следовательно, также равна единице.

Существует также биномиальный закон распределения дискретной случайной величины или, второе название - закон распределения Бернулли.

Определение: дискретная случайная величина о распределена по биномиальному закону, если вероятность того, что событие A наступит ровно m раз в серии из n испытаний по схеме Бернулли, равна:

Или в виде таблицы:

Таблица 2 - ряд биномиального распределения

Примером является выборочный контроль качества производственных изделий, при котором отбор изделий для пробы производится по схеме случайной повторной выборки, т.е. когда проверенные изделия возвращаются в исходную партию. Тогда количество нестандартных изделий среди отобранных есть случайная величина с биномиальным законом распределения вероятностей.

Дискретная случайная величина называется распределенной по закону Пуассона, если она имеет неограниченное счетное множество допустимых значений 0, 1, 2, …, m, … Тогда соответствующие вероятности определяются формулой (3):

M = 0, 1, 2,…; (3)

Примером явления, распределенного по закону Пуассона, является последовательность радиоактивного распада частиц.

2.2 Законы распределения непрерывной случайной величины

случайный величина теория вероятность

Рассмотренные выше правила распределения случайной величины являются справедливыми лишь по отношению к дискретным величинам, в силу того, что все перечисленные законы строятся исключительно из соображения, что количество возможных значений случайной величины конечно и строго фиксировано. Именно поэтому, например, распределить непрерывную случайную величину по закону Пуассона или Бернулли не получится, так как невозможно перечислить количество допустимых значений данной величины - оно бесконечно.

Для описания распределения непрерывных случайных величин существуют следующие законы:

Рассмотрим значения случайной величины Х такие, что Х<х. Вероятность события X<х зависит от x, т.е. является функцией x. Эта функция и называется интегральной функцией распределения и обозначается через F(x):

Равенство (4) читается:

Вероятность того, что случайное значение X находится левее значения х, определяется функцией распределения F(x).

Рисунок 2 - Графическое представление функции распределения с.в.

Стоит отметить, что в виде функции распределения, можно описывать как непрерывную, так и дискретную случайные величины - это универсальная характеристика.

Для непрерывных случайных величин на практике, наравне с функцией распределения F(x), также принято использовать другой закон распределения - плотность распределения вероятностей случайной величины:

Равенство (5) - дифференциальный закон распределения случайной величины, который выражает крутизну функции распределения F(x).

Рисунок 3 - Графическое представление дифференциального закона распределения с.в.

Заметим, что дифференциальный закон распределения случайной величины не является универсальным - он применим исключительно к непрерывным случайным величинам.

Одним из часто используемых на практике законов, является нормальный закон распределения - закон распределения Гаусса. Закон характеризует плотность вероятности нормально распределенной случайной величины X и имеет вид:

Где a и у параметры распределения имеют значения:

Кривая распределения (рисунок 4а), или кривая Гаусса, получается симметричной относительной точки x = a - точки максимума. При уменьшении значения у ордината точки максимума безгранично возрастает, кривая же при этом пропорционально расходится вдоль оси абсцисс, сохраняя площадь графика постоянной величиной, равной единице (рисунок 4б).

Рисунок 4 - Кривые распределения:

4а - кривая Гаусса,

4б - поведение кривой Гаусса при изменении параметра у;

На практике, нормальное распределение играет значимую роль во многих областях знаний, но особенное внимание ей уделяют в физике. Физическая величина подчиняется закону Гаусса, когда она подвергается влиянию большого числа случайных помех, что является крайне распространенной ситуацией, вследствие чего нормальное распределение чаще всего встречается в природе, и именно отсюда пошло ее название.

Непрерывная случайная величина называется равномерно распределенной на промежутке (a, b), если все ее возможные значения принадлежат этому промежутку и плотность распределения вероятностей постоянна - закон равномерного распределения непрерывной случайной величины, имеющий вид:

Для случайной величины Х, равномерно распределенной в интервале (a, b) (рисунок 5), вероятность попадания в любой интервал (x1, x2), лежащий внутри интервала (a, b), равна:

Рисунок 5 - График плотности равномерного распределения

В качестве примера равномерно распределенных величин, можно взять ошибки округления. Так, если все табличные значения некоторой функции округлены до одного и того же разряда, то выбирая наугад табличное значение, мы считаем, что ошибка округления выбранного числа - случайная величина, равномерно распределенная в интервале, где.

Непрерывная случайная величина X называется показательно распределенной, если плотность распределения ее вероятностей имеет вид:

В качестве примера, возьмем время Т безотказной работы компьютерной системы, где Т - случайная величина, имеющая показательное распределение с параметром л, физический смысл которого - среднее число отказов в единицу времени, не считая простоев системы для ремонта.

Рисунок 6 - График плотности показательного распределения

ЗАКЛЮЧЕНИЕ

Методы, средства и законы теории вероятностей и математической статистики на протяжении всех этапов формирования дисциплины, являлись актуальным, какими и остаются вплоть до наших дней. Главный принцип методов, позволивший затронуть столь огромное количество отраслей и сфер знания - универсальность. Их с легкостью можно применять в любой дисциплине, и при этом они не теряют своей силы, остаются справедливыми.

Но никогда еще теория вероятностей не была столь востребована, как сегодня. Связано это в первую очередь с невероятными темпами развития и роста вычислительной техники. С каждым годом она становится все сложнее, повышается быстродействие, количество производимых в секунду операций, и все это происходит не без участия математической статистики, которая, в свою помогает оптимизировать работу вычислительных систем и комплексов, повышает точность расчетов, осуществляет прогностическую функцию.

Данная работа частично помогает разобраться в азах дисциплины. Знакомит с фундаментальными понятиями, такими как дискретные и непрерывные случайные величины, поясняет разницу между последними. Знакомит с законами их распределения, с дальнейшим применением всех полученных знаний на практике.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Вентцель, Е.С. Теория вероятностей/ Е.С. Вентцель - М.:Наука, 1969г.

2. Смирнов, Н.В. Курс теории вероятностей и математической статистики для технических приложений./ Н.В. Смирнов, И.В. Дунин-Барковский - М.: «Наука», 1969г.

3. Пустыльник, Е.И. Статистические методы анализа и обработка наблюдений: учебное пособие/ Е.И. Пустыльник. - М.:«Наука», 1968г.

4. Джонсон, Н. Статистика и планирование в науке и технике./ Н. Джонсон, Ф. Лион - М.: «Мир», 1969г.

5.http://www.wikipedia.org/

Аннотация

Загоскин Я.С. «Что такое случайная величина?»

Челябинск: Юургу

Библиогр. Список - 5 наим.

Цель реферата: Познакомиться с базовыми терминами теории вероятностей и математической статистики.

Задачи реферата: Разобраться с понятием случайной величины.

Рассмотрено понятие случайной величины, определена классификация случайных величин, рассмотрены законы их распределения, примеры применения законов и методов на практике, а также проанализирована перспективность дисциплины.

Размещено на Allbest.ru

Подобные документы

Вероятность попадания случайной величины Х в заданный интервал. Построение графика функции распределения случайной величины. Определение вероятности того, что наудачу взятое изделие отвечает стандарту. Закон распределения дискретной случайной величины.

контрольная работа , добавлен 24.01.2013


Непрерывная случайная величина и функция распределения. Математическое ожидание непрерывной случайной величины. Среднее квадратичное отклонение. Кривая распределения для непрерывной случайной величины. Понятие однофакторного дисперсионного анализа.

контрольная работа , добавлен 03.01.2012


Описание случайных ошибок методами теории вероятностей. Непрерывные случайные величины. Числовые характеристики случайных величин. Нормальный закон распределения. Понятие функции случайной величины. Центральная предельная теорема. Закон больших чисел.

реферат , добавлен 19.08.2015


Случайные величины. Функция и плотность распределения вероятностей дискретной случайной величины. Сингулярные случайные величины. Математическое ожидание случайной величины. Неравенство Чебышева. Моменты, кумулянты и характеристическая функция.

реферат , добавлен 03.12.2007


Задачи математической статистики. Распределение случайной величины на основе опытных данных. Эмпирическая функция распределения. Статистические оценки параметров распределения. Нормальный закон распределения случайной величины, проверка гипотезы.

курсовая работа , добавлен 13.10.2009


Математическое ожидание случайной величины. Свойства математического ожидания, дисперсия случайной величины, их суммы. Функция от случайных величин, ее математическое ожидание. Коэффициент корреляции, виды сходимости последовательности случайных величин.

лекция , добавлен 17.12.2010


Дискретные системы двух случайных величин. Композиция законов распределения, входящих в систему. Определение вероятности попадания случайной величины в интервал; числовые характеристики функции; математическое ожидание и дисперсия случайной величины.

контрольная работа , добавлен 22.11.2013


Плотность распределения непрерывной случайной величины. Характеристика особенностей равномерного и нормального распределения. Вероятность попадания случайной величины в интервал. Свойства функции распределения. Общее понятие о регрессионном анализе.

контрольная работа , добавлен 26.04.2013


Вычисление математического ожидания, дисперсии, функции распределения и среднеквадратического отклонения случайной величины. Закон распределения случайной величины. Классическое определение вероятности события. Нахождение плотности распределения.

контрольная работа , добавлен 25.03.2015


Функция распределения непрерывной случайной величины. Математическое ожидание непрерывной случайной величины, плотность распределения вероятностей системы. Ковариация. Коэффициент корреляции.

Учреждение образования «Белорусская государственная

сельскохозяйственная академия»

Кафедра высшей математики

Методические указания

по изучению темы «Случайные величины» студентами бухгалтерского факультета заочной формы получения образования (НИСПО)

Горки, 2013

Случайные величины

Дискретные и непрерывные случайные величины

Одним из основных понятий в теории вероятностей является понятие случайной величины . Случайной величиной называется величина, которая в результате испытания из множества возможных своих значений принимает только одно, причём заранее неизвестно, какое именно.

Случайные величины бывают дискретными и непрерывными . Дискретной случайной величиной (ДСВ) называется случайная величина, которая может принимать конечное число изолированных друг о друга значений, т.е. если возможные значения этой величины можно пересчитать. Непрерывной случайной величиной (НСВ) называется случайная величина, все возможные значения которой сплошь заполняют некоторый промежуток числовой прямой.

Случайные величины обозначаются заглавными буквами латинского алфавита X, Y, Z и т.д. Возможные значения случайных величин обозначаются соответствующими малыми буквами.

Запись
означает «вероятность того, что случайная величинаХ примет значение, равное 5, равна 0.28».

Пример 1 . Один раз бросают игральный кубик. При этом могут выпасть цифры от 1 до 6, обозначающие число очков. Обозначим случайную величину Х ={число выпавших очков}. Эта случайная величина в результате испытания может принять только одно из шести значений: 1, 2, 3, 4, 5 или 6. Следовательно, случайная величина Х есть ДСВ.

Пример 2 . При бросании камня он пролетает некоторое расстояние. Обозначим случайную величину X ={расстояние полёта камня}. Эта случайная величина может принять любое, но только одно, значение из некоторого промежутка. Следовательно, случайная величина Х есть НСВ.

Закон распределения дискретной случайной величины

Дискретная случайная величина характеризуется значениями, которые она может принимать, и вероятностями, с которыми эти значения принимаются. Соответствие между возможными значениями дискретной случайной величины и соответствующими им вероятностями называется законом распределения дискретной случайной величины .

Если известны все возможные значения
случайной величиныХ и вероятности
появления этих значений, то считают, что закон распределения ДСВХ известен и он может быть записан в виде таблицы:

Закон распределения ДСВ можно изобразить графически, если в прямоугольной системе координат изобразить точки
,
, …,
и соединить их отрезками прямых линий. Полученная фигура называется многоугольником распределения.

Пример 3 . В зерне, предназначенном для очистки, содержится 10% сорняков. Наугад отобраны 4 зерна. Обозначим случайную величину X ={число сорняков среди четырёх отобранных}. Построить закон распределения ДСВ Х и многоугольник распределения.

Решение . По условию примера . Тогда:

Запишем закон распределения ДСВ Х в виде таблицы и построим многоугольник распределения:

Математическое ожидание дискретной случайной величины

Наиболее важные свойства дискретной случайной величины описываются её характеристиками. Одной из таких характеристик является математическое ожидание случайной величины.

Пусть известен закон распределения ДСВ Х :

Математическим ожиданием ДСВ Х называется сумма произведений каждого значения этой величины на соответствующую вероятность:
.

Математическое ожидание случайной величины приближённо равно среднему арифметическому всех её значений. Поэтому в практических задачах часто за математическое ожидание принимают среднее значение этой случайной величины.

Пример 8 . Стрелок выбивает 4, 8, 9 и 10 очков с вероятностями 0.1, 0.45, 0.3 и 0.15. Найти математическое ожидание числа очков при одном выстреле.

Решение . Обозначим случайную величину X ={число выбитых очков}. Тогда . Таким образом, ожидаемое среднее значение числа выбитых очков при одном выстреле равно 8.2, а при 10 выстрелах – 82.

Основными свойствами математического ожидания являются:

.

.

, где
,
.

.

, где Х и Y – независимые случайные величины.

Разность
называетсяотклонением случайной величины Х от её математического ожидания. Эта разность является случайной величиной и её математическое ожидание равно нулю, т.е.
.

Дисперсия дискретной случайной величины

Для характеристики случайной величины, кроме математического ожидания, используется и дисперсия , которая даёт возможность оценить рассеяние (разброс) значений случайной величины около её математического ожидания. При сравнении двух однородных случайных величин с равными математическими ожиданиями «лучшей» считается та величина, которая имеет меньший разброс, т.е. меньшую дисперсию.

Дисперсией случайной величины Х называется математическое ожидание квадрата отклонения случайной величины от её математического ожидания: .

В практических задачах для вычисления дисперсии используют равносильную формулу .

Основными свойствами дисперсии являются:

.

Случайная величина - это величина, которая принимает в результате опыта одно из множества значений, причём появление того или иного значения этой величины до её измерения нельзя точно предсказать.

Формальное математическое определение следующее: пусть - вероятностное пространство, тогда случайной величиной называется функция , измеримая относительно и борелевской σ-алгебры на . Вероятностное поведение отдельной (независимо от других) случайной величины полностью описывается её распределением.

Определение [править]

Пространство элементарных событий [править]

Пространство элементарных событий в случае бросания игральной кости

Если бросается игральная кость, то в результате верхней гранью может оказаться одна из шести граней с количеством точек от одной до шести. Выпадение какой-либо грани в данном случае в теории вероятностей называется элементарным событием , то есть

Множество всех граней образует пространство элементарных событий , подмножества которого называются случайными событиями . В случае однократного подбрасывания игровой кости примерами событий являются

Алгебра событий [править]

Множество случайных событий образует алгебру событий , если выполняются следующие условия:

Если вместо третьего условия удовлетворяет другому условию: объединение счётного подсемейства из также принадлежит , то множество случайных событий образует σ-алгебру событий.

Алгебра событий является частным случаем σ-алгебры множеств.

Самая маленькая среди всех возможных -алгебр, элементами которой являются все интервалы на вещественной прямой, называется борелевской σ-алгеброй на множестве вещественных чисел .

Вероятность [править]

Если каждому элементарному событию поставить в соответствие число , для которого выполняется условие:

то считается, что заданы вероятности элементарных событий . Вероятность события, как счётного подмножества пространства элементарных событий, определяется как сумма вероятностей тех элементарных событий, которые принадлежат этому событию. Требование счётности важно, так как, иначе сумма будет не определена.

Рассмотрим пример определения вероятности различных случайных событий. Например, если событие является пустым множеством, то его вероятность равна нулю :

Если событием является пространство элементарных событий, то его вероятность равна единице:

Вероятность события (подмножества пространства элементарных событий) равна сумме вероятностей тех элементарных событий, которые включает в себя рассматриваемое событие.

Определение случайной величины [править]

Случайной величиной называется функция , измеримая относительно и борелевской σ-алгебры на .

Случайную величину можно определить и другим эквивалентным способом . Функция называется случайной величиной, если для любых вещественных чисел и множество событий , таких что , принадлежит .

Примеры [править]

равно среднему арифметическому всех принимаемых значений.

.

,

то есть математическое ожидание не определено.

Классификация [править]

Случайные величины могут принимать дискретные, непрерывные и дискретно-непрерывные значения. Соответственно случайные величины классифицируют на дискретные, непрерывные и дискретно-непрерывные (смешанные).

На схеме испытаний может быть определена как отдельная случайная величина (одномерная/скалярная), так и целая система одномерных взаимосвязанных случайных величин (многомерная/векторная).

• Пример смешанной случайной величины - время ожидания при переходе через автомобильную дорогу в городе на нерегулируемом перекрёстке.
• В бесконечных схемах (дискретных или непрерывных) уже изначально элементарные исходы удобно описывать количественно. Например, номера градаций типов несчастных случаев при анализе ДТП; время безотказной работы прибора при контроле качества и т. п.
• Числовые значения, описывающие результаты опытов, могут характеризовать не обязательно отдельные элементарные исходы в схеме испытаний, но и соответствовать каким-то более сложным событиям.

С одной стороны, с одной схемой испытаний и с отдельными событиями в ней одновременно может быть связано сразу несколько числовых величин, которые требуется анализировать совместно.

• Например, координаты (абсцисса, ордината) какого-то разрыва снаряда при стрельбе по наземной цели; метрические размеры (длина, ширина и т. д.) детали при контроле качества; результаты медобследования (температура, давление, пульс и пр.) при диагностике больного; данные переписи населения (по возрасту, полу, достатку и пр.).

Поскольку значения числовых характеристик схем испытания соответствуют в схеме некоторым случайным событиям (с их определёнными вероятностями), то и сами эти значения являются случайными (с теми же вероятностями). Поэтому такие числовые характеристики и принято называть случайными величинами. При этом расклад вероятностей по значениям случайной величины называется законом распределения случайной величины.

Методы описания [править]

Частично задать случайную величину, описав этим все её вероятностные свойства как отдельной случайной величины, можно с помощью функции распределения, плотности вероятности и характеристической функции, определяя вероятности возможных её значений. Функция распределения F(x) является вероятностью того, что значения случайной величины меньше вещественного числа x. Из этого определения следует, что вероятность попадания значения случайной величины в интервал

Случайная величина, вообще говоря, может принимать значения в любом измеримом пространстве. Тогда её чаще называют случайным вектором или случайным элементом. Например,

См. также [править]

• Случайный процесс
• Функция распределения
• Математическое ожидание

Примечания [править]

1. 1 2 Чернова Н. И. Глава 1. § 2. Элементарная теория вероятностей // Теория вероятностей. - Учебное пособие. - Новосибирск: Новосибирский гос. ун-т, 2007. - 160 с.
2. Чернова Н. И. Глава 3. § 1. Алгебра и сигма-алгебра событий // Теория вероятностей. - Учебное пособие. - Новосибирск: Новосибирский гос. ун-т, 2007. - 160 с.
3. Чернова Н. И. ГЛАВА 1 § 2. Элементарная теория вероятностей // Теория вероятностей. - Учебное пособие. - Новосибирск: Новосибирский гос. ун-т, 2007. - 160 с.
4. 1 2 Чернова Н. И. Глава 6. Случайные величины и их распределения § 1. Случайные величины // Теория вероятностей. - Учебное пособие. - Новосибирск: Новосибирский гос. ун-т, 2007. - 160 с.

Литература [править]

• Гнеденко Б. В. Курс теории вероятности. - 8-е изд. доп. и испр. - М.: Едиториал УРСС, 2005. - 448 с.
• Математический энциклопедический словарь / Гл. ред. Прохоров Ю. В.. - 2-е изд. - М.: «Советская энциклопедия», 1998. - 847 с.
• Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. - Учебное пособие для ВУЗов. - М.: Радио и связь, 1991. - 608 с. - ISBN 5-256-00789-0
• Чернова Н. И. Теория вероятностей. - Учебное пособие. - Новосибирск: Новосибирский гос. ун-т, 2007. - 160 с.

– количество мальчиков среди 10 новорождённых.

Совершенно понятно, что это количество заранее не известно, и в очередном десятке родившихся детей может оказаться:

Либо мальчиков – один и только один из перечисленных вариантов.

И, дабы соблюсти форму, немного физкультуры:

– дальность прыжка в длину (в некоторых единицах) .

Её не в состоянии предугадать даже мастер спорта:)

Тем не менее, ваши гипотезы?

2) Непрерывная случайная величина – принимает все числовые значения из некоторого конечного или бесконечного промежутка.

Примечание : в учебной литературе популярны аббревиатуры ДСВ и НСВ

Сначала разберём дискретную случайную величину, затем – непрерывную .

Закон распределения дискретной случайной величины

– этосоответствие между возможными значениями этой величины и их вероятностями. Чаще всего закон записывают таблицей:

Довольно часто встречается термин ряд распределения , но в некоторых ситуациях он звучит двусмысленно, и поэтому я буду придерживаться «закона».

А теперь очень важный момент : поскольку случайная величина обязательно примет одно из значений , то соответствующие события образуют полную группу и сумма вероятностей их наступления равна единице:

или, если записать свёрнуто:

Так, например, закон распределения вероятностей выпавших на кубике очков имеет следующий вид:

Без комментариев.

Возможно, у вас сложилось впечатление, что дискретная случайная величина может принимать только «хорошие» целые значения. Развеем иллюзию – они могут быть любыми:

Пример 1

Некоторая игра имеет следующий закон распределения выигрыша:

…наверное, вы давно мечтали о таких задачах:) Открою секрет – я тоже. В особенности после того, как завершил работу над теорией поля .

Решение : так как случайная величина может принять только одно из трёх значений, то соответствующие события образуют полную группу , а значит, сумма их вероятностей равна единице:

Разоблачаем «партизана»:

– таким образом, вероятность выигрыша условных единиц составляет 0,4.

Контроль: , в чём и требовалось убедиться.

Ответ :

Не редкость, когда закон распределения требуется составить самостоятельно. Для этого используют классическое определение вероятности , теоремы умножения / сложения вероятностей событий и другие фишки тервера :

Пример 2

В коробке находятся 50 лотерейных билетов, среди которых 12 выигрышных, причём 2 из них выигрывают по 1000 рублей, а остальные – по 100 рублей. Составить закон распределения случайной величины – размера выигрыша, если из коробки наугад извлекается один билет.

Решение : как вы заметили, значения случайной величины принято располагать в порядке их возрастания . Поэтому мы начинаем с самого маленького выигрыша, и именно рублей.

Всего таковых билетов 50 – 12 = 38, и по классическому определению :
– вероятность того, что наудачу извлечённый билет окажется безвыигрышным.

С остальными случаями всё просто. Вероятность выигрыша рублей составляет:

Проверка: – и это особенно приятный момент таких заданий!

Ответ : искомый закон распределения выигрыша:

Следующее задание для самостоятельного решения:

Пример 3

Вероятность того, что стрелок поразит мишень, равна . Составить закон распределения случайной величины – количества попаданий после 2 выстрелов.

…я знал, что вы по нему соскучились:) Вспоминаем теоремы умножения и сложения . Решение и ответ в конце урока.

Закон распределения полностью описывает случайную величину, однако на практике бывает полезно (а иногда и полезнее) знать лишь некоторые её числовые характеристики .

Математическое ожидание дискретной случайной величины

Говоря простым языком, это среднеожидаемое значение при многократном повторении испытаний. Пусть случайная величина принимает значения с вероятностями соответственно. Тогда математическое ожидание данной случайной величины равно сумме произведений всех её значений на соответствующие вероятности:

или в свёрнутом виде:

Вычислим, например, математическое ожидание случайной величины – количества выпавших на игральном кубике очков:

Теперь вспомним нашу гипотетическую игру:

Возникает вопрос: а выгодно ли вообще играть в эту игру? …у кого какие впечатления? Так ведь «навскидку» и не скажешь! Но на этот вопрос можно легко ответить, вычислив математическое ожидание, по сути – средневзвешенный по вероятностям выигрыш:

Таким образом, математическое ожидание данной игры проигрышно .

Не верь впечатлениям – верь цифрам!

Да, здесь можно выиграть 10 и даже 20-30 раз подряд, но на длинной дистанции нас ждёт неминуемое разорение. И я бы не советовал вам играть в такие игры:) Ну, может, только ради развлечения .

Из всего вышесказанного следует, что математическое ожидание – это уже НЕ СЛУЧАЙНАЯ величина.

Творческое задание для самостоятельного исследования:

Пример 4

Мистер Х играет в европейскую рулетку по следующей системе: постоянно ставит 100 рублей на «красное». Составить закон распределения случайной величины – его выигрыша. Вычислить математическое ожидание выигрыша и округлить его до копеек. Сколько в среднем проигрывает игрок с каждой поставленной сотни?

Справка : европейская рулетка содержит 18 красных, 18 чёрных и 1 зелёный сектор («зеро»). В случае выпадения «красного» игроку выплачивается удвоенная ставка, в противном случае она уходит в доход казино

Существует много других систем игры в рулетку, для которых можно составить свои таблицы вероятностей. Но это тот случай, когда нам не нужны никакие законы распределения и таблицы, ибо доподлинно установлено, что математическое ожидание игрока будет точно таким же. От системы к системе меняется лишь