Случайные величины. Задание 6
1. Основные понятия
Теория
1. Дискретная случайная величина
 
Случайная величина — это переменная, которая в результате испытания принимает одно из возможных значений, заранее неизвестное. Если множество значений конечно или счётно, величина называется дискретной.
 
Примеры: число выпавших на кубике очков, количество выигрышных билетов в лотерее, число пассажиров в автобусе.
 
2. Закон распределения
 
Соответствие между значениями xi случайной величины \(X\) и их вероятностями pi называется законом распределения. Для дискретной величины он обычно задаётся таблицей:
 
\(X\)
\(x_1\)
\(x_2\)
...
\(x_n\)
\(P\)
\(p_1\)
\(p_2\)
...
\(p_n\)
 
Ключевое условие нормировки: сумма всех вероятностей равна \(1\).
p1+p2+...+pn=1.
 
3. Математическое ожидание
  
Математическое ожидание E(X) — это среднее значение случайной величины при многократном повторении испытания. Формула:
E(X)=x1p1+x2p2+x3p3+...+xnpn, где
x1,x2,x3,...xn — значение случайной величины \(X\);
p1,p2,p3,...pn — вероятность случайной величины.
Смысл: если провести очень много испытаний и усреднить все результаты, получится число, близкое к E(X).
 
Свойства математического ожидания:
1. E(a)=a.
2. E(aX)=a⋅E(X).
3. E(X+Y)=E(X)+E(Y).
4. E(X⋅Y)=E(X)⋅E(Y), если \(X\) и \(Y\) независимы.
 
4. Дисперсия и стандартное отклонение
  
Дисперсия показывает, насколько сильно значения разбросаны вокруг среднего:
D(X)=E(X2)−(E(X))2, где E(X2)=∑xi2pi.
 
Стандартное отклонение:
σ(X)=D(X).
 
Свойства дисперсии:
1. \(D(C) = 0\).
2. D(CX)=C2D(X).
3. \(D(X+Y)=D(X)+D(Y)\), если \(X\) и \(Y\) независимы.
 
5. Вероятность
 
Если всего \(n\) равновозможных исходов, а событию благоприятствует \(m\) из них, то:
p=mn.
 
В задачах с таблицами выигрышей вероятность значения \(x_i\) вычисляется как отношение числа билетов с этим выигрышем к общему числу билетов.