Интегральная функция распределения и ее свойства

Для непрерывной случайной величины X вероятность Р(Х= x_i)>0, поэтому для НСВ удобнее использовать вероятность того, что СВ Х<х_i, где х_i- текущее значение переменной. Эта вероятность называется интегральной функцией распределения: P(X<x_i)=F(x).

Интегральная функция является универсальным способом задания СВ (как для ДСВ, так и для НСВ).

Свойства интегральной функции распределения:

1) F(x) не убывает (если х₂>x₁, то F(x₂)?Р(х₁));

2). F(-?)=0;

3). F(+?)=1;

4) вероятность попадания СВ X в интервал а<Х<b определяется по формуле

P(a?X<b)=F(b)-F(a).

Замечание. Обычно для определённости левую границу включают в интервал, а правую нет. Вообще для НСВ верно, что

Р(а?Х<b)= Р(а <Х?b) =Р(а<Х < b)= Р(а?X?b).

Основные теоремы теории вероятностей

Теорема1.

Вероятность суммы двух несовместных событий А и В равна сумме их вероятностей:

Р(А+В)=Р(А)+Р(В).

Следствие1.

Если А₁,А₂, …, А_n - попарно несовместные события, то вероятность их суммы равна сумме вероятностей этих событий.

Следствие2.

Вероятность суммы попарно несовместных событий А₁,А₂, …, А_n , образующих полную группу, равна 1.

Следствие3.

События А и А несовместны и образуют полную группу событий, поэтому

Р(А +А) = Р(А) + Р(А) = 1. Отсюда Р (А) = 1 - Р(А).

Теорема2.

Вероятность суммы двух совместных событий А и В равна сумме вероятностей этих событий без вероятности их произведения:

Р (А+В) = Р(А)+Р(В) - Р (А*В).

Два события А и В называются независимыми, если появление одного из них не влияет на вероятность появления другого (в противном случае события зависимы).

Теорема3.

Вероятность произведения двух независимых событий равна произведению их вероятностей Р(А*В)=Р(А)*Р(В).

Следствие.

Вероятность произведения n независимых событий А₁,А₂, …, А_n равна произведению их вероятностей.

Условной вероятностью события В при условии, что событие А уже произошло, называется число Р(АВ)/Р(А)=Р(В/А)Р_А(В).

Теорема4.

Вероятность произведения двух зависимых событий А и В равна произведению вероятности наступления события А на условную вероятность события В при условии что событие А уже произошло:

Р(А*В) =Р(А)*Р(В/А).

Следствие.

Если события А и В независимы, то из теоремы 4 следует теорема 3.

Событие В не зависит от события А, если Р(В/А) = Р(В). Теорему 4 можно обобщить на n событий.

Теорема5.

Вероятность произведения n зависимых событий А₁,А₂, …, А_n равна произведению последовательных условных вероятностей:

Р(А₁*А₂*…*А_n-1*A_n)= P(A₁)*P(A₂/A₁)*...*P(A_n/A₁*A₂*...*A_n-1).

Теорема6.

Вероятность наступления хотя бы одного из событий А₁,А₂, …, А_n равна разности между единицей и вероятностью произведении отрицаний событий А₁,А₂, …, А_n :

Р(А)=1-Р(А₁*А₂*…*А_n)=1- P(A₁)*P(A₂/A₁)*...*P(A_n/A₁*A₂*...*A_n-1).

Следствие1.

Вероятность наступления хотя бы одного из событий А₁,А₂, …, А_n независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий:

Р(А)=1-Р(А₁)Р(А₂)…Р(А_n).

Следствие2.

Если события А₁,А₂, …, А_n независимы и имеют одинаковую вероятность появиться (Р(А₁)=Р(А₂)=…Р(А_n)= р, Р(А_i)= 1-р=q ), то вероятность появления хотя бы одного из них равна Р(А)=1-qⁿ .