Теорія ймовірностей,

ймовірнісні процеси
та математична статистика

Емпіричні методи інженерії

програмного забезпечення
Розділ 2. Випадкові величини
 2. Випадкові величини
Основні поняття
Приклад: Баскетболіст тричі кидає м’яч у кошик. Ймовірність
попадання 0,8.
Можливі події: 000; 001; 010; 011; 100; 101; 110; 111
Їх ймовірності: 0,008 0,032 0,032 0,128 0,032 0,128 0,128 0,512
А тепер поговоримо про кількість попадання в кошик з трьох кидків
0; 1; 2; 3
; ;
Випадкова величина – величина, яка в результаті випробування набуде
якесь одне (певне) значення з можливих, яке наперед невідоме, бо
залежить від випадкових причин, що не можуть бути враховані.
 2. Випадкові величини
Основні поняття
Дискретна випадкова величина – величина, що набуває лише
певного конкретного (ізольованого) значення з можливих з певною
ймовірністю. Кількість можливих значень зчислена

Неперервна випадкова величина може набувати довільного

значення з певного (скінченого чи ні) проміжку (чи проміжків).
Кількість можливих значень нескінчена і незлічена.
Ймовірність конкретного значення неперервної випадкової
величини – дорівнює нулеві.
 2. Випадкові величини
Випадкову величину будемо позначати великими латинскими:

Конкретні значення малими з індексами чи без:

…
Якщо ми маємо дискретну випадкову величину, перше, що приходить
на думку зазначити всі можливі її значення і, відповідні їм, ймовірності.

Законом розподілу дискретної випадкової величини називають

однозначну відповідність між можливими значеннями випадкової
величини та їх ймовірностями.
Це можна зробити за допомогою таблиці.
 2. Випадкові величини
Згадаймо баскетболіста:
X 0 1 2 3
P 0,08 0,096 0,384 0,512
Ще приклад
X 0 2 4 Y -1 2
p 0,2 0,3 0,5 P 0,7 0,3

N X Y Z P
1 0 -1 5 0,14
2 0 2 5 0,06
Z 5 7 9 13 21
3 2 -1 7 0,21
P 0,20 0,21 0,35 0,09 0,15
4 2 2 13 0,09
5 4 -1 9 0,35
6 4 2 21 0,15
 2. Випадкові величини
Спробуйте задати за допомогою таблиці закон розподілу величину,
що має дуже багато значень. А неперервну?
Універсальний метод – інтегральна функція розподілу

Інтегральною функцією розподілу випадкової величини називають

функцію яка визначає для довільного ймовірність того, що
випадкова величина набуде значення меншого за вказане :

Приклад. Нехай закон розподілу

X 0 1 2
p 0,1 0,3 0,6
 2. Випадкові величини
X 0 1 2
Побудувати
p 0,1 0,3 0,6
 2. Випадкові величини
Навіщо графік? Для ….
 2. Випадкові величини
Основне:
1. 0
2.
3.
4. якщо
5.
6. Неперервна зліва
Приклад:
Знайти ймовірність потрапляння значення випадкової величини в
інтервал від 0,3 до 0,5.
 2. Випадкові величини
Диференційна функція розподілу (густина розподілу ймовірностей)
або

– густина
розподілу ймовірностей
 2. Випадкові величини
Числові характеристики. Математичне сподівання
Нехай дискретна випадкова величина може набувати різних
значень
Припустимо, що ми провели експеримент, в результаті якого кожне
зі значень мало місце разів.
Зрозуміло, що загальна кількість дослідів.
Знайдемо середнє.
 2. Випадкові величини
Числові характеристики
Що з неперервною?
Згадаймо визначає ймовірність того, що випадкова величина
набула значення
Отже, замість треба чи .
Замість суми по всім можливим значенням – інтеграл по всьому
можливому інтервалу зміни .
Тобто
 2. Випадкові величини
Математичне сподівання. Властивості
1.
2.
3.
4. - якщо величини незалежні
5. - якщо функція неперервна на множині значень випадкової
величини
 2. Випадкові величини
Дисперсія. Властивості
Розглянемо дві випадкові величини, задані законами розподілу і
знайдемо їх МС.
Х -1 1 7 У -48 50
Р 0,6 0,2 0,2 Р 0,5 0,5

??? усереднюємо

Отримаємо:
 2. Випадкові величини
Дисперсія. Властивості
Розглянемо дві випадкові величини, задані законами розподілу і
знайдемо їх МС.
Х -1 1 7 У -48 50
Р 0,6 0,2 0,2 Р 0,5 0,5

??? усереднюємо
Отримаємо:
Х -1 1 7 У -48 50
-2 0 6 -49 +49
Р 0,6 0,2 0,2 Р 0,5 0,5
 2. Випадкові величини
Дисперсія. Властивості
Чому???

Тому вводять іншу величину - дисперсія

Однак на практиці використовують іншу формулу

,
де
або

- середньоквадратичне відхилення
 2. Випадкові величини
Дисперсія. Властивості
1.
2.
3.
4.
Початкові і центральні моменти випадкової величини:
 2. Випадкові величини
Види розподілів
Основні закони розподілу дискретних випадкових величин.
Біноміальний (цілочисельний закон)

Пуассонівський закон розподілу

Геометричний закон розподілу (ймовірність до першого успіху)

 2. Випадкові величини
Рівномірний закон розподілу

Гіпергеометричний закон розподілу

 2. Випадкові величини
Види розподілів
Основні закони розподілу неперервних випадкових величин.
Неперервна випадкова величина , що визначена на проміжку , має
рівномірний закон розподілу, якщо

Інтегральна –
 2. Випадкові величини
Числові характеристики рівномірного закону розподілу

Неперервна випадкова величина має показниковий (експоненційний)

розподіл з параметром , якщо
 2. Випадкові величини
Серед усіх законів розподілу неперервних випадкових величин
показниковому притаманна властивість відсутності післядії, а саме:
якщо випадкову величину пов'язати з часом, то для показникового
закону розподілу минуле не впливає на передбачення подій у
майбутньому. Наприклад, якщо випадкова величина Т – тривалість
безвідмовної роботи приладу має показниковий розподіл, то час
роботи приладу впродовж інтервалу часу (0, t0) не впливає на величину
ймовірності його безвідмовної роботи впродовж наступного інтервалу
час (t0,t0+t) а залежить лише від довжини t цього інтервалу.
Аналогічно веде себе лише ще геометричний розподіл. Їх ще називають
розподілами з відсутністю пам’яті.
 2. Випадкові величини
Числові характеристики експоненційного розподілу

Неперервна випадкова величина розподілена нормально, якщо

.
 2. Випадкові величини
Правило трьох сігм
Правило 3-х сигм — практично всі значення нормально розподіленої
випадкової величини лежать в інтервалі Точніше — не менш, ніж із
99,7 % достовірністю, значення нормально розподіленої випадкової
величини лежить у вказаному інтервалі.

Багатовимірні випадкові величини

 2. Випадкові величини
Нерівність Чебишева. 1.
Якщо випадкова величина, що набуває невід’ємних значень і , то
Для доведення уведемо нову випадкову величину, за правилом:

Величина не перевищує Отже, Знайдемо

Отже,
 2. Випадкові величини
Нерівність Чебишева. 2.
Ймовірність того, що відхилення випадкової величини від її
математичного сподівання за модулем менше, ніж довільне , не менше
ніж , тобто:

Існує дві можливості та

Зрозуміло, що
Попрацюємо з другим доданком
скор.нерів.Чеб.1=
 2. Випадкові величини
Ми отримали, що

З умови нормування

Оцінка достатньо груба.

Більш інформативні оцінки вдасться отримати на наступній парі.
 2. Випадкові величини
Закони великих чисел (теорема Чебишева та теорема Бернуллі)
Природа влаштована так, що сукупна дія великої кількості випадкових
факторів втрачає випадковий, а набуває закономірного характеру,
тобто приводить до появи статистичних закономірностей.
Теорема Чебишева. Якщо попарно незалежні випадкові величини,
дисперсії яких обмежені (), де – скінчена величина, то для довільного

Або
 2. Випадкові величини
Коротко зміст: середнє від великої кількості випадкових величин
збігається за ймовірністю з середнім від математичних сподівань цих
величин.
Доведемо цю теорему, як основну.
Уведемо
Знайдемо її характеристики, тобто математичне сподівання і
дисперсію, користуючись властивостями.

Для дисперсії:
 2. Випадкові величини

Оскільки всі дисперсії обмежені, то замінивши в останній рівності на

максимальне значення, отримаємо

Тобто

Застосуємо нерівність Чебишева з минулої пари до величини

 2. Випадкові величини

Перейдемо до границі при

і замінимо дисперсію на її максимальне значення, що лише підсилить

нерівність

Тобто

Врахуємо обмеження ймовірності, запишемо

 2. Випадкові величини

Для протилежного випадку

Теорема Бернуллі. Якщо – кількість успіхів у незалежних

випробуваннях, в кожному з яких ймовірність появи успіху стала й
дорівнює то довільного

Доводити не будемо, але проаналізуємо вираз в аналогії з

попередньою теоремою.
 2. Випадкові величини
Центральна гранична теорема. Закони великих чисел твердять про
збіжність за ймовірністю (!!!) послідовності випадкових величин до
якоїсь іншої випадкової величини, проте не дають жодної інформації
про функцію розподілу останньої.
Це нам дасть ЦГТ. Розглянемо лише зміст і застосування її, бо для
доведення треба володіти теорією характеристичних функцій.
Теорема. Нехай – послідовність незалежних і однаково розподілених
випадкових величин, для яких , . Тоді

рівномірно на всьому проміжку

 2. Випадкові величини
ЦГТ стверджує, що при великій кількості випробувань густина розподілу
ймовірностей величини близька до густини розподілу ймовірностей
нормального нормалізованого розподілу, тобто, до

Що нам дає ЦГТ крім того, що було в закони великих чисел?

Розглянемо ймовірність , тобто розглянемо ймовірність того, що
частота появи події відрізняється від ймовірності появи події в кожному
конкретному випробуванні більше, ніж на .
Домножимо вираз під ймовірністю на та скористаємося теоремою
додавання ймовірностей несумісних подій
 2. Випадкові величини

Отже, за ЦГТ

Тут враховано, що
 2. Випадкові величини
Продовжимо перетворення.
При випробуваннях за схемою Бернуллі, точне значення дисперсії, а це
величина – невідома, але для оцінки достатньо взяти її максимальне
значення , тоді

Використовуючи цей результат, отримаємо

Або
 2. Випадкові величини

Проаналізуємо отриманий результат: ймовірність того, що істинне

значення ймовірності успіху в кожному окремому випробуванні
належить інтервалу дорівнює .
інтервал називається довірчим інтервалом, а значення – рівнем
довіри або надійністю.
 2. Випадкові величини
Приклад. Вважаючи результати вимірювань незалежними, однаково
розподіленими, дисперсія яких дорівнює 4, встановити необхідну
кількість вимірювань, щоб можна з ймовірністю 0,95 стверджувати, що
істинне значення МС буде відрізнятися від середнього не більше ніж на
0,2.
Рівень довіри при .
Отже, для
З таблиці бачимо, що таке значення
Вона набуває при аргументі 1,96
. заокругливши, маємо
.