Случайные величины. Формула полной вероятности

Формула полной вероятности

Теорема 3 (формула полной вероятности). Если событие А может произойти только при условии появления одного из событий (гипотез) H_i=1,…, n образующих полную группу, то вероятность события А равна

Группа событий Н_1,,…, Н_n называется полной группой событий, если выполняются следующие условия:

Теорема 3 (формула Баеса). Пусть Н₁,…, Н_n полная группа, (P(А)>0). Тогда имеем место формула

Доказательство. По определению условной вероятности P_A(B) =. В числителе применим теорему умножения, а в знаменателе – формулу полной вероятности.

Наряду с понятием случайного события в теории вероятности используется понятие случайной величины.

Случайной величиной называется переменная величина, которая в результате испытания в зависимости от случая принимает одно из возможного множества своих значений, причем заранее неизвестно, какое именно.

Примеры:

• число очков, выпавших при броске игральной кости;

• число появлений герба при 10 бросках монеты;

• число выстрелов до первого попадания в цель;

• расстояние от центра мишени до пробоины при попадании.

Случайные величины подразделяются на две группы: дискретные и непрерывные.

1. Дискретные случайные величины

Случайная величина называется дискретной (ДСВ), если множество { х₁, x₂,..., x_n ,... } ее возможных значений конечно или счетно (т.е. если все ее значения можно занумеровать).

Такие из перечисленных выше случайных величин, как количество очков, выпадающих при бросании игрального кубика, число посетителей аптеки в течение дня, количество яблок на дереве являются дискретными случайными величинами.

Наиболее полную информацию о дискретной случайной величине дает закон распределения этой величины.

Закон распределения – это соответствие между всеми возможными значениями этой случайной величины и соответствующими им вероятностями.

Закон распределения дискретной случайной величины часто задают в виде двухстрочной таблицы, в первой строке которой перечислены все возможные значения этой величины (в порядке возрастания), а во второй -соответствующие этим значениям вероятности:

X	х1	х2	…	хn
P	р1	р2	…	рn

Пример 4. Два стрелка делают по одному выстрелу по мишени. Вероятности их попадания при одном выстреле равны соответственно 0,6 и 0,7. Составить ряд распределения случайной величины Х – числа попаданий после двух выстрелов.

Решение. Очевидно, что Х может принимать три значения: 0, 1 и 2. Найдем их вероятности: Пусть события и – попадание по мишени соответственно первого и второго стрелка. Тогда

Следовательно, ряд распределения имеет вид:

xi
pi	0.12	0.46	0.42

Для описания определенных особенностей дискретной случайной величины используют ее основные числовые характеристики: математическое ожидание, дисперсию и среднее квадратическое отклонение (стандарт).

Математическим ожиданием М (X) (используется также обозначение «μ») дискретной случайной величины х называется сумма произведений каждого из всех ее возможных значений на соответствующие вероятности:

Основной смысл математического ожидания дискретной случайной величины состоит в том, что оно представляет собой среднее значение данной величины. Другими словами, если произведено некоторое количество испытаний, по результатам которых найдено среднее арифметическое всех наблюдавшихся значений дискретной случайной величины X, то это среднее арифметическое приближенно равно (тем точнее, чем больше количество испытаний) математическому ожиданию данной случайной величины. Приведем некоторые свойства математического ожидания.

1. Математическое ожидание постоянной величины равно этой постоянной величине:

М(С)=С

2. Математическое ожидание произведения постоянного множителя на дискретную случайную величину равно произведению этого постоянного множителя на математическое ожидание данной случайной величины:

М(kX)=kM(X)

3. Математическое ожидание суммы двух случайных величин равно сумме математических ожиданий этих величин:

M(X+Y)=M(X)+M(Y)

4. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:

M(X·Y)=M(X)·M(Y)

Отдельные значения дискретной случайной величины группируются около математического ожидания как центра. Для характеристики степени разброса возможных значений дискретной случайной величины относительно ее математического ожидания вводят понятие дисперсии дискретной случайной величины:

Дисперсией D(X) (используется также обозначение «σ²») дискретной случайной величины X называется математическое ожидание квадрата отклонения этой величины от ее математического ожидания:

D(X)=σ² =М((X - μ)²), (3)

На практике дисперсию удобнее вычислить по формуле

D(X)=σ² =М(X²) - μ², (4)

Перечислим основные свойства дисперсии.

1. Дисперсия постоянной величины равна нулю:

D(C)=0

2. Дисперсия любой случайной величины есть число неотрицательное:

D(X)≥0

3. Дисперсия произведения постоянного множителя k на дискретную случайную величину равна произведению квадрата этого постоянного множителя на дисперсию данной случайной величины:

D(kX)=k²·D(X).

В вычислительном отношении более удобна не дисперсия, а другая мера рассеивания случайной величины X, которая чаще всего и используется – среднее квадратическое отклонение (стандартное отклонение или просто стандарт).

Средним квадратическим отклонением дискретной случайной величины называется квадратный корень из ее дисперсии:

, (5)

Удобство стандартного отклонения состоит в том, что оно имеет размерность самой случайной величины X, в то время как дисперсия имеет размерность, представляющую квадрат размерности X.

2. Непрерывные случайные величины

Случайная величина называется непрерывной (НСВ), если множество ее возможных значений целиком заполняет некоторый конечный или бесконечный интервал или системы интервалов на числовой оси.

Например, непрерывными случайными величинами являются: температура больного в фиксированное время суток, масса наугад выбранной таблетки некоторого препарата, рост наугад выбранного студента и др.

Непрерывную случайную величину нельзя задать в виде таблицы ее закона распределения, поскольку невозможно перечислить и выписать в определенной последовательности все ее значения, а также потому, что вероятность любого конкретного значения непрерывной случайной величины равна нулю.

Одним из возможных способов задания непрерывной случайной величины является использование с этой целью соответствующей функции распределения.

Функция F(x), равная вероятности того, что случайная величина Х в результате испытания примет значение, меньшее х, называется функцией распределения данной случайной величины:

F(x) =P(X<x), (6)

Свойства функции распределения:

1. Функция распределения удовлетворяет неравенству:

0 F(x) 1, (7)

2. Функция распределения является неубывающей функцией, т.е. из х₂>х₁ следует F(x₂) F(x₁).

3. Функция распределения стремится к 0 при неограниченном убывании ее аргумента и стремится к 1 при его неограниченном возрастании.

Плотностью распределения вероятностей (плотностью вероятности) f (x) непрерывной случайной величины Х называется производная функции распределения F(x) этой величины:

f(x)=F'(x),

Под основными числовыми характеристиками непрерывной случайной величины понимают, как и в случае дискретной случайной величины, математическое ожидание, дисперсию и среднее квадратическое отклонение.

Математическое ожидание непрерывной случайной величины:

М (Х)= =, (15)

Дисперсия непрерывной случайной величины:

D (Х) = =, (16)

Среднее квадратическое отклонение, как и для дискретной случайной величины, определяется формулой:

, (17)

Дата добавления: 2014-01-07