85963 (Распределение Пуассона. Аксиомы простейшего потока событий), страница 3
Описание файла
Документ из архива "Распределение Пуассона. Аксиомы простейшего потока событий", который расположен в категории "". Всё это находится в предмете "математика" из , которые можно найти в файловом архиве . Не смотря на прямую связь этого архива с , его также можно найти и в других разделах. Архив можно найти в разделе "курсовые/домашние работы", в предмете "математика" в общих файлах.
Онлайн просмотр документа "85963"
Текст 3 страницы из документа "85963"
А: {X-MX}
MX - MX MX+
Вероятность попадания Х в этот участок равна
Найдём дисперсию случайной величины Х
Совершенно аналогично доказывается неравенство Чебышева и для дискретной случайной величины, имеющей значения x1, x2, ... с вероятностями p1, p2, ... Тогда вместо интеграла во всех формулах ставится знак суммы, где суммирование ведётся по тем xi , для которых
xi-MX,
что и требовалось доказать.
Определение. Пусть имеется последовательность чисел
x1, x2, ... , xn , ...
Говорят, что эта последовательность сходится по вероятности к неслучайной величине а, если при неограниченном увеличении п вероятность события
{Хп-а< },
(где >0 - произвольное малое фиксированное число) стремится к единице, то есть
Иными словами, каковы бы ни были произвольно малые наперёд заданные числа >0 и >0 всегда существует N, такое, что при n>N
P{Xn-a1-
Первая теорема Чебышева (Закон больших чисел). Пусть имеется случайная величина Х с медианой МХ и дисперсией DX. Над этой случайной величиной Х производится п независимых опытов, в результате которых она принимает значения Х1, Х2, ... , Хп (п “экземпляров” случайной величины Х). Пусть
Тогда последовательность сходится по вероятности к MX:
Доказательство. Найдём MYn и DYn :
Применим к случайной величине Yn неравенство Чебышева, в котором положим равным , где >0 — сколь угодно малое, наперёд заданное число.
Как бы ни было мало , всегда можно выбрать n таким большим, чтобы правая часть последнего неравенства стала меньше сколь угодно малого положительного числа ; следовательно, при достаточно большом п
P{Yn-MX}<
P{Yn-MX1-,
а это равносильно сходимости по вероятности Yn к MX
Замечание 1.5.1. Первую теорему Чебышева можно записать и иначе, если положить Zn:=Yn-MX
Замечание 1.5.2. Первая теорема Чебышева относится к случаю, когда случайные величины Х1, Х2, ... , Хп независимы и имеют одно и то же распределение, а значит одно и то же MX и DX.
Рассмотрим случай, когда условия производимых опытов меняются.
Вторая теорема Чебышева. Пусть имеется случайная величина Х. Над ней производятся независимые опыты, в результате чего мы получаем последовательность
Х1, Х2, ..., Хn, ...
с различными, в общем случае, MХi и DXi (i= ). Пусть
Если DXiD i=1, 2, ... , где D - некоторое положительное число, то
Доказательство.
(1.5.1)
Согласно неравенства Чебышева
или, учитывая (1.5.1), имеем
Как бы ни было мало произвольное наперёд заданное , всегда можно выбрать n таким большим, чтобы правая часть последнего неравенства стала меньше произвольно малого . Следовательно
,
что и требовалось доказать.
Замечание 1.5.3. При формулировке второй теоремы Чебышева нельзя говорить, что
так как зависят от n, а понятие “сходимость по вероятности” определено нами только для постоянной а, не зависящей от n.
1.6 Понятие доверительного интервала
Будем считать, что независимая выборка взята из распределения, зависящего от скалярного параметра . Будем обозначать через распределение вероятностей, соответствующее значению неизвестного параметра.
Определение 1.6.1
-доверительным интервалом называется интервал вида где такой, что
Число называют доверительной вероятностью.
Другими словами, доверительный интервал обладает тем свойством, что, во-первых, его границы вычисляются исключительно по выборке (и, следовательно, не зависят от неизвестного параметра), и, во-вторых, он накрывает неизвестный параметр с вероятностью .
Значение доверительной вероятности выбирается заранее, этот выбор определяется конкретными практическими приложениями.
Смысл величины -- вероятность допустимой ошибки. Часто берут значения и т.п.
Ниже мы приводим один из методов построения доверительных интервалов. Он состоит из трех этапов.
-
Выбираем функцию , зависящую от выборки и от неизвестного параметра, такую, что ее функция распределения
не зависит от неизвестного параметра .
-
Выбираем два числа и таким образом, чтобы . Подбираем и , удовлетворяющие условиям
| (6.1) |
-
Таким образом,
| (6.2) |
причем и не зависят от .
-
Решим двойное неравенство относительно . В том случае, когда его решением является интервал, обозначим его левый и правый концы через и соответственно. Естественно, они зависят от выборки: , . В силу (6.2)
Следовательно, -- искомый -доверительный интервал.
Замечание 1.6.1
Описанная процедура, разумеется, не является универсальной. Во-первых, вопрос о выборе функции решается в каждом конкретном случае и по этому поводу нет общих рекомендаций. Во-вторых, совершенно не гарантировано, что решением неравенства в п. 3 будет интервал конечной длины. Вместе с тем, во многих важных случаях изложенный выше метод приводит к хорошим доверительным интервалам. Например, оправдано применение такого метода в случае, когда при каждой фиксированной выборке функция является строго монотонной и непрерывной по переменной .
Замечание 1.6.2
В силу неоднозначности выбора функции и чисел и , можно заключить, что -доверительный интервал неединственен.
1.7 Сравнение средних
Теперь рассмотрим случай, когда обе совокупности подчиняются нормальному распределению, но проверка гипотез о равенстве двух генеральных дисперсий закончилась отвержением гипотезы равенства. Такую задачу сравнения двух генеральных средних при неравных генеральных дисперсиях принято называть проблемой Беренса-Фишера (по имени учёного У. Беренса опубликовавшего первую работу на эту тему в 1929 г.). В этом случае вместо одной общей генеральной дисперсии мы имеем дело с двумя неравными генеральными дисперсиями: σ12 ≠ σ22. Соответственно имеем и две выборочные дисперсии s12 и s22. Тогда искомая t-статистика будет вычисляться по следующему выражению [1.7.1]:
(1.7.1)
Введём обозначения: θ= σ12 / σ22 , u = s12 / s22 и N= n1/ n2 . В этом случае выражение (1.7.1) можно переписать в следующем виде [(1.7.1)]:
(1.7.2).
Основная сложность этого случая заключается в том, что подкоренное выражение в знаменателе не имеет Хи-квадрат распределение, и потому статистика t не имеет распределения Стьюдента. В 40-60-е годы 20 века Бокс, Уэлч, Саттерзвайт, Кохрэн, Боно, Шеффе и многие другие статистики провели детальный анализ этой проблемы. Так в 1938 г. Уэлч исследовал приближённое распределение статистики (1.7.1) и показал, что при равных объёмах выборок n1 = n2 незнание величины θ= σ12 / σ22 не очень сильно влияет на итоговый результат. Однако для случая неравных объёмов выборок ошибки становятся весьма значительными. Другие подходы позволяли аппроксимировать статистику (1.7.2) распределение Стьюдента с дробными степенями свободы.
1.8 Метод минимума X2.
Метод минимума X2 применим лишь и случае группированного непрерывною распределения или дискретного распределения. Оценки, получаемые этим методом, при больших п асимптотически эквивалентны оценкам, полученным с помощью более простого видоизмененного метода минимума X2, выражаемого уравнениями
или
в рассматриваемых случаях последний метод совладает с методом максимума правдоподобия.
Основная теорема о предельном распределении X2 для случая, когда некоторые параметры оцениваются по выборке что оценки находятся с помощью видоизмененного метода минимума X2. Однако там же было указано, что имеется целый класс методов нахождения оценок, приводящих к тому же самому предельному распределению для X2. Теперь мы докажем это утверждение.
Асимптотические выражения для оценок, получаемых с помощью видоизмененного метода минимума X2 были приведены в явной форме
для общего случая у неизвестных параметров а1,...,аг. Предположим, что выполнены условия 1)—3) предыдущего параграфа или аналогичные условия для дискретного распределения. Тогда из предыдущего параграфа следует, что оценки (1.8.3)асимптотически нормальны (это уже было показано в параграфе 30.3) и асимптотически эффективны.
Во всех множествах асимптотически нормальных и асимптотически эффективных оценок для параметров имеются члены порядка n-1/2 такие же, как и в (1.8.3). Однако из вывода предельного распределения для у2 следует, что это предельное распределение полностью определяется членами порядка n-1/2 в (1.8.3). Действительно, по формулам и
получаем и показывает,что предельное распределение для .у = (
, ....
) определяется именно указанными членами.
Таким образом, теорема о предельном распределении величины X2 справедлива для любого множества асимптотически нормальных и асимптотически-эффективных оценок параметров.
1.9 Распределение Пуассона. Аксиомы простейшего потока событий
Говорят, что случайная величина Х имеет распределение Пуассона, если её возможные значения 0, 1, 2, ... , т, ... (бесконечное, но чёткое множество значений), а соответствующие вероятности выражаются формулой:
0 | 1 | … | k | … | |
P | e- | e- | … |
| … |
Число называется параметром распределения.
Простейший поток событий – такая последовательность событий, происходящих в случайный момент времени.
Поток событий называется пуассоновским, если он удовлетворяет аксиомам простейшего потока событий:
При таких допущениях с большой степенью точности выполняются следующие условия:
-
Отсутствие последействия: вероятность того, что на произвольном временном промежутке (с точки зрения длины и расположения на временной оси) не зависит от того, что происходило в момент времени, предшествующему этому моменту.
-
Однородность потока: Вероятность того, что на некотором временном промежутке произойдет 0,1,2,…,n событий зависит только от его длины и не зависит от положення этого отрезка на временной оси.
-
Пусть t - длина временного промежутка, тогда: (t)= t+o(t), t0.
-
(t)=1- t+o(t), t0.
Математическое ожидание распределения Пуассона равно:
M =
2 ПРАКТИЧЕСКАЯ ЧАСТЬ
Вариант 23
Задача 1
На отрезок единичной длины наугад ставится точка. Вычислить вероятность того, что расстояние от точки до концов отрезка превышает величину .
Решить задачу при , .
Решение:
Пусть дан отрезок длины (Рис. 2.1). Расстояние от точки до концов отрезка превышает величину в том случае, если , где , .
Рис. 2.1
Пусть А – событие, когда . Тогда искомая вероятность .
Для заданных значений и .
Задача 2
В круг радиуса R наудачу ставится точка. Найти вероятность того, что она попадет в одну из двух непересекающихся фигур, которые имеют площади и .
Решить задачу при , , .
Решение:
Поскольку фигуры не пересекаются, то площадь, в которую должна попасть точка, равна . Общая площадь, в которую может попасть точка, равна . Таким образом искомая вероятность . Для заданных значений , и .
Задача 3
Среди лотерейных билетов выигрышных. Наудачу взяли билетов. Определить вероятность того, что среди них не менее L выиграшных.
Решить задачу при , , , .
Решение:
Число способов купить билетов, среди которых L выигрышных составляет .
Число способов купить билетов, среди которых L+1 выигрышных составляет , и так далее.
Число способов купить билетов, среди которых выигрышных составляет .
Таким образом, число способов купить билетов, среди которых не менее половины выигрышных составляет
+ +…+ .
Общее число способов купить билетов из составляет .
Искомая вероятность .
Для заданных значений , и .
Задача 4
В лифт -этажного дома сели пассажиров ( ). Каждый независимо от других с одинаковой вероятностью может выйти на любом (начиная со второго) этажа. Определить вероятность того, что хотя бы двое вышли на одном этаже.
Решить задачу при , .
Решение:
Пусть – событие, когда все пассажиры вышли на разных этажах. Тогда вероятность искомого события .
Найдем . Количество способов всем пассажирам выйти на разных этажах составляет . Общее число способов выхода пассажиров на одном из -го этажа составляет . Тогда .
Искомая вероятность .
Для заданных значений , .
Задача 5
В двух партиях и процентов доброкачественных изделий соответственно. Наудачу выбирают по одному изделию из каждой партии. Какова вероятность обнаружить среди них одно доброкачественное и одно бракованное?
Решить задачу при и .
Решение:
Пусть – событие обнаружить доброкачественное изделие из -й партии. – событие обнаружить бракованное изделие из -й партии. Тогда искомая вероятность .
,
,
,
.
.
Для заданных значений , искомая вероятность .
Задача 6
Вероятность того, что цель поражена при одном выстреле первым стрелком – р1, вторым – р2. Первый сделал n1, второй n2 выстрелов. Определить вероятность того, что цель не поражена.
р1 = 0,76; р2 = 0.39; n1 = 2; n2 = 3.
Решение:
Пусть событие А – цель не поражена. Вероятность того, что первый стрелок не попадет в цель при одном выстреле равна (1 – р1). Вероятность того, что первый стрелок не попадет при n1 выстрелах равна (1 – р1)n1, вероятность того, что второй стрелок не попадет в цель при n2 выстрелах равна (1 – р2)n2. Получим
Р(А) = (1 – р1)n1 (1 – р2)n2 =
= 0,242*0,613= 0,013.
Ответ: 0,013.
Задача 7
Урна содержит М занумерованных шаров от 1 до М. Шары извлекаются по одному без возвращения. Событие B – хотя бы 1 раз совпадет номер шара и порядковый номер извлечения. Определить вероятность события С. Найти предельное значение вероятности при М .
М = 10.
Решение:
Количество совпадений одного номера шара и порядкового номера извлечения равно ; количество совпадений двух номеров – ; трех номеров – ; … ; М номеров – . Общее количество способов извлечения М шаров равно . Таким образом получаем вероятность события С:
.
Для М = 10 получим
Найдем предельное значение вероятности:
0
Задача 8
Дана плотность распределения р(х) случайной величины . Найти
-
параметр ;
-
функцию распределения случайной величины ;
-
вероятность выполнения неравенства .
, .
Решение:
-
найдем значение параметра из
-
.
-
Задача 9
Случайная величина имеет плотность распределения . Найти плотность распределения вероятностей случайной величины
= ,
Решение:
Найдем по формуле
= .
Найдем
=
Ответ: =
ия номера шара и порядкового номера извлечения при одном выстреле равна 1 - р1
ВЫВОДЫ
Корреляция и корреляционные моменты являются достаточно важными понятиями, имеющими применение как в теории вероятностей и ее приложениях, так и в математической статистике.
Многие задачи практики решаются с помощью вычисления коэффициента корреляции или корреляционных моментов. Корреляционный момент – характеристика системы случайных величин, описывающая рассеивания случайных величин и связь между ними. Степень зависимости случайных величин удобнее характеризовать посредством безразмерной величины – коэффициента корреляции.
Обработка статистических данных уже давно применяется в самых разнообразных видах человеческой деятельности. Основными задачами корреляционного анализа являются оценка силы связи и проверка статистических гипотез о наличии и силе корреляционной связи. Корреляционный анализ считается одним из главных методов в маркетинге, наряду с оптимизационными расчетами, а также математическим и графическим моделированием.
СПИСОК ЛИТЕРАТУРЫ
-
Ивашев-Мусатов О.С. Теория вероятностей и математическая
статистика., М.: Наука, 1979.
-
Вентцель Е.С., Овчаров Л.А. Теория вероятностей.–М.:Наука, 1969.
-
В.А. Колемаев, О.В. Староверов, В.Б. Турундаевский. Теория
вероятностей и математическая сатистика. М., 1991.
-
«Теория Статистики» под редакцией Р.А. Шмойловой/ «ФиС», 1998.
-
А.А. Френкель, Е.В. Адамова «Корреляционно регрессионный анализ в экономических приложениях»/ М., 1987.
-
И.Д.Одинцов «Теория статистики»/ М., 1998.