Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Визначення 1. Дискретною випадковою величиною – називається така величина Х, яка може набувати скінчену або нескінчену множину значень, тобто елементи якої можемо занумерувати і виписати послідовністю х1, х2,..., хn,...
Наприклад. 1) число телефонних дзвінків в час пік на телефонній станції;
2) кількість пригод у місті протягом доби;
3) х-діагноз, х1, х2,..., хn – ступені захворювання.
Визначення 2. Функція р(х), яка співставляє кожному значенню хі випадкової величини ймовірність цього значення Р(хі) повністю визначає випадкову величину і називається дискретним розподілом, або функцією ймовірності.
Ця функція може бути задана таблично, графіком, або аналітично (формулою).
Визначення 3. Функція , яка визначає ймовірність того, що випадкова величина х не перевищить хі, називається інтегральною функцією розподілу
Зрозуміло, що якщо , то , тобто монотонно зростаюча функція, при чому .
Доповнення до одиниці дає ймовірність, що ВВ перевищує значення хі, тобто
Так як , то ймовірність попадання значень ВВ в інтервал можливо обчислити для даної функції розподілення по формулі
Любу характеристику випадкової величини, з якої по відомим правилам можемо отримати її розподіл, називають законом розподілу цієї величини.
Приклад. Кількість автомобілів, проданих протягом одного дня (дані за місяць).
В.В. – Х, її значення – хі – кількість проданих за день машин;
fі – кількість днів (частота) в які продано хі машин;
Р(хі) – ймовірність продажу х машин на день;
F(хі) – монотонно зростаюча функція продажу машин (інтегральна функція).
Частотне розподілення використовується для оцінки ймовірності продажу машин за день:
хі | fі | Р(хі) | F(хі) | хі Р(хі) | хі2 Р(хі) |
5/30 | 5/30 | ||||
4/30 | 9/30 | 4/30 | 4/30 | ||
8/30 | 17/30 | 16/30 | 32/30 | ||
4/30 | 21/30 | 12/30 | 36/30 | ||
6/30 | 27/30 | 24/30 | 96/30 | ||
3/30 | 30/30 | 15/30 | 75/30 | ||
Всього | 71/30 2,37 | 243/30 8,1 |
Ймовірність – це відносна частота появи кожного значення дискретної ВВ. Середнє значення і стандартне відхилення можливо знайти за допомогою імовірнісного розподілення і за допомогою частотного розподілення. В цьому випадку використовується відносна частота (ймовірність), яка замінює частоту. Для ймовірного розподілення:
Середнє значення – машин в день.
Дисперсія – .
Середнє значення, яке побудоване на імовірнісному розподіленні, називається математичним очікуванням (при умові багатократного проведення експерименту). Математичне очікування дискретної випадкової величини позначається M[x] чи mx.
Так як , то математичне очікування має вигляд:
Варіація імовірнісного розподілення може бути виміряна за допомогою середнього квадратичного відхилення чи дисперсії дискретної ВВ.
Дисперсія = (Стандартне відхилення)2
Так як , то
=
Середньо квадратичне відхилення
машин в день.
Змістовне значення дисперсії – міра розсіювання значень В.В. навколо її математичного очікування.
Графічне представлення розподілення дискретної ВВ
1) Функція ймовірності
2) Інтегральна функція розподілу
Знайти ймовірність Р(х<3)
Яка ймовірність того, що ми попали в інтервал
Властивості математичного очікування
1. Математичне очікування постійної величини дорівнює їй самій
2. Математичне очікування суми двох В.В. дорівнює сумі їх математичних очікувань
3. Якщо до ВВ додати константу С її математичне очікування збільшиться на цю константу
4. Математичне очікування суми кінцевого числа ВВ дорівнює сумі їх математичних очікувань
5. Якщо ВВ умножити на константу С (const), то її математичне очікування збільшиться в стільки разів
6. Якщо , то
7. Якщо ВВ х, у незалежні, то
Властивості дисперсії
1. Дисперсія постійної величини дорівнює нулю
2. Дисперсія суми ВВ та С (const) дорівнює
3.
4.
5. Якщо , то
6. , де і називається кореляційним моментом ВВ Х, У.
Кореляційний момент грає важливу роль, він описує взаємозв’язок ВВ. Обмежимося поки що наступним припущенням.
Припущення: Якщо випадкові величини Х, У незалежні, то .
Квадратний корінь з дисперсії ВВ Х називається середнім квадратичним відхиленням
Середнє квадратичне відхилення позначається звідси
Лекція 2
Тема: Біноміальний закон розподілу
Нехай виконується n незалежних дослідів, в кожному з яких подія А може з’явитися чи не з’явитися. Ймовірність настання події в усіх дослідах постійна і дорівнює р (тоді ймовірність не появи події q=1-p).
Розглянемо у якості дискретної ВВ Х число появи події А в цих дослідах.
Поставимо перед собою задачу: знайти закон розподілення величини Х. Для її вирішення необхідно визначити можливі значення Х та їх ймовірності. Очевидно, подія А в n дослідах може чи не з’явитися, чи з’явитися 1 раз, чи 2 рази,... чи n раз. Таким чином, можливі значення Х такі: х1=0, х2=1, х3=2,..., хn+1 = n. Залишається знайти ймовірності цих можливих значень, для цього достатньо скористатися формулою Бернуллі:
Ця формула і є аналітичним виразом шуканого закону розподілення.
Біноміальним називають розподілення ймовірностей, яке визначається формулою Бернуллі. Закон зветься біноміальним тому, що праву частину рівняння можемо розглянути як загальний член розкладання бінома Ньютона:
Таким чином, перший член розкладу визначає ймовірність настання розглядаємої події n раз в n незалежних дослідах, другий член визначає ймовірність настання події n-1 раз;...; останній член визначає ймовірність того, що подія не з’явиться жодного разу.
В любому експерименті, де для n ідентичних, незалежних дослідів з двома можливими наслідками („успіх” та „невдача”) ймовірність „успіху” одна й таж сама, ймовірність r „успіхів” в n дослідах дорівнює
p(r)=(ймовірність r „успіхів”)*(ймовірність(n-r) „невдач”)*(число способів, якими це може бути зроблено)
Приклад 1 Ймовірність поломки одного з п’яти працюючих незалежно один від одного станків дорівнює 0,2. Якщо відбувається поломка, станок до кінця дня не працює. Яка ймовірність, що 0, 1, 2, 3, 4, 5 зламаються протягом дня?
Рішення:
В даному випадку є всі умови біноміального розподілення:
1. П’ять станків зображають собою п’ять ідентичних дослідів.
2. Станки працюють незалежно один від одного.
3. Можливі два наслідки для кожного з станків – чи він зламається чи ні.
4. Ймовірність поломки однакова 0,2.
Отже, ймовірність безперебійної роботи дорівнює 0,8, звідси ймовірність rполомок протягом дня:
Таблиця 1. Ймовірність поломки станків протягом дня
Число станків | Число варіантів появи | Ймовірність | |
Зламалися r | Не зламалися 5-r | ||
Всього | 1,0000 |
Графік дискретної ймовірності розподілення для всіх r.
Математичне очікування та стандартне відхилення
для біноміального розподілення
Математичне очікування для дискретної ВВ
Математичне очікування для дискретної ВВ з біноміальним розподіленням ймовірностей
де n – число дослідів,
p – ймовірність успіху у кожному досліді,
P(r) – біноміальна ймовірність.
Стандартне відхилення для дискретної ВВ
Для ВВ з біноміальним розподіленням ймовірностей
Отже дисперсія дорівнює
, де q – ймовірність „невдачі” в любому досліді.
Приклад (продовження прикладу 1)
Знайти математичне очікування зламавшихся за день станків та стандартне відхилення
Число зламавшихся за день станків | Ймовірність поломки P(r) | r P(r) | r 2 P(r) |
0,3277 | |||
0,4096 | 0,4096 | 0,4096 | |
0,2048 | 0,4096 | 0,8192 | |
0,0512 | 0,1536 | 0,4608 | |
0,0064 | 0,0256 | 0,1024 | |
0,0003 | 0,0015 | 0,0075 | |
Всього | 1,000 | 0,9999 1,0000 | 1,7995 1,8000 |
За загальною формулою математичне очікування ВВ
За формулою біноміального розподілення
тобто очікувана кількість поломок – один станок в день.
Стандартне відхилення (загальна формула ВВ)
По формулі біноміального розподілення
дисперсія
Розподілення Пуассона
Загальна формула розподілення ймовірностей Пуассона
де – середнє число „успіхів” на одиницю
r – 0, 1, 2,...
е – константа 2,718...
Важливе допущення:
, коли n – дуже велике, p – дуже мале. Тобто формула виражає закон розподілення Пуассона ймовірностей масових та рідких подій.
Характерні особливості даних, для яких найкращім образом підходить розподілення Пуассона:
1. Кожний малий інтервал часу може розглядатися як дослід, результатом якого є одне з двох: чи є подія („успіх”), чи її відсутність („невдача”). Інтервали настільки малі, що може бути тільки один „успіх” в одному інтервалі, ймовірність якого мала та незмінна.
2. Число „успіхів” в одному великому інтервалі не залежить від їх числа в другому, тобто „успіхи” хаотично розкидані на проміжках часу.
3. Середнє число „успіхів” постійно протягом всього часу.
Розподілення ймовірності Пуассона може бути використано не тільки при роботі з випадковими величинами на інтервалах часу, але і при (****) обліку дефектів дорожнього покриття на кілометр шляху чи обліку помилок на сторінку тексту на сторінку тексту.
е=2,718...
е-1 0,37; е-2 1/7 0,143; е-3 1/20 0,0498; е-4 1/50 0,02.
Приклад 2
В середньому на телефонній станції замовляють три телефонних розмови протягом п’яти хвилин. Яка ймовірність, що буде замовлено 0, 1, 2, 3, 4 чи більше чотирьох розмов протягом п’яти хвилин?
Рішення:
Застосуємо розподілення Пуассона, так як:
1. Існує необмежена кількість дослідів, тобто маленьких відрізків часу, коли може з’явитися замовлення на телефонну розмову, ймовірність чого мала та постійна.
2. Рахується, що попит на телефонні розмови хаотично розподілений в часі.
3. Рахується, що середнє число телефонних розмов на любому 5-хвилинному відрізку часу однаковий.
В цьому прикладі середнє число замовлень дорівнює 3 за 5 хвилин.
Звідси, розподілення Пуассона
, r = 1, 2, 3, 4,...
Р(0 замовлень за 5 хвилин)
При розподіленні ймовірності Пуассона, знаючи середнє число „успіхів” на 5-хвилинному проміжку, можемо взнати r середнє число „успіхів” за годину, треба помножити m на 12. Середнє число замовлень за годину буде 3х12=36= m.
Середнє число замовлень за хвилину m=3/5=0,6.
Дата публикования: 2015-01-09; Прочитано: 714 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!