- •Министерство сельского хозяйства рф
- •Содержание
- •Основные понятия комбинаторики.
- •Бином Ньютона и его свойства.
- •2.Понятие случайного события. Виды случайных событий.
- •3. Классическое, статистическое и геометрическое определения вероятности Классическое определение вероятности
- •Статистическое определение вероятности
- •4.Алгебра событий. Операции над случайными событиями.
- •Правило произведения событий.
- •5.Теоремы сложения и умножения вероятностей.
- •Зависимые события. Вероятность произведения зависимых событий.
- •6.Основные формулы теории вероятностей. Формула полной вероятности.
- •Формула Байеса.
- •Повторение независимых испытаний. Формула Бернулли.
- •Наивероятнейшее число наступлений события (число успехов).
- •Приближенная формула Муавра ‒ Лапласа (локальная).
- •Интегральная формула Лапласа.
- •Формула Пуассона.
- •7. Понятие случайной величины и ее числовые характеристики.
- •Основные числовые характеристики случайных величин.
- •5. Моменты случайных величин
- •8. Основные законы распределения дискретных случайных величин.
- •1. Биномиальный закон распределения (биномиальное распределение) дискретных случайных величин.
- •2. Геометрический закон распределения (геометрическое распределение) дискретных случайных величин.
- •3. Распределение Пуассона дискретных случайных величин.
- •9. Непрерывная случайная величина. Функция распределения. Плотность вероятности. Вероятность попадания в заданный интервал.
- •10. Математическое ожидание и дисперсия непрерывной случайной величины
- •11. Основные законы распределения непрерывных случайных величин.
- •1.Нормальный закон распределения.
- •2.Показательный (экспоненциальный закон распределения).
- •3.Равномерный закон распределения.
- •12. Вероятность заданного отклонения. Правило трех сигм.
- •13. Многомерные случайные величины (случайные векторы). Закон распределения многомерных случайных величин.
- •Функция распределения, плотность вероятности. Вероятность попадания в заданную область и числовые характеристики случайных векторов.
- •14. Условные законы распределения. Условные числовые характеристики двумерных случайных величин. Регрессия.
- •Ковариация и коэффициент корреляции.
- •Закон больших чисел.
- •15. Основные понятия и определения математической статистики. Вариационный ряд. Варианты. Относительная частота варианты.
- •16. Статистическое и эмпирическое распределение выборки. Полигон и гистограмма частот.
- •17. Генеральная средняя и выборочная средняя.
- •18. Точечные и интервальные оценки. Доверительная вероятность, доверительные интервалы.
- •Методические указания по выполнению контрольных работ и выбору варианта
- •Приложение 1
Повторение независимых испытаний. Формула Бернулли.
Пусть производится серия из n ‒ независимых испытаний (опытов), в каждом из которых событие A наступает с вероятностью р. Тогда вероятность того, что событие A не произойдет, обозначим: q=1 ‒ p.
Вероятность того, что при n ‒ испытаниях событие произойдет ровно m ‒ раз, находится по формуле Бернулли:
‒ формула Бернулли.
Пример.
Вероятность попадания мяча в кольцо составляет:
Вероятность промаха мяча в кольцо составляет
Найти:
1. Вероятность того, что при 7 бросках мяч попадет 4 раза (событие A).
2. Вероятность того, что мяч попадет не менее 4-х раз, то есть или, или, или, или.
Решение:
Наивероятнейшее число наступлений события (число успехов).
Определение. Число наступления событияA в n ‒ независимых испытаниях называется наивероятнейшим, если вероятность осуществления этого события, по крайней мере, не меньше вероятностей других событий.
Наивероятнейшее число наступления события (число успехов) удовлетворяет следующему неравенству:
где ;вероятность наступления события в отдельном испытании.
Пример. Вероятность изготовления на автоматическом станке стандартной детали . Найти вероятности возможного числа появления бракованных деталей среди пяти отобранных и выбрать среди них наивероятнейшее число бракованных деталей.
Решение:
1 способ.
вероятность изготовления стандартной детали.
;
вероятность появления брака.
Тогда
Следовательно, наивероятнейшее число бракованных деталей .
2способ.
Оценим с помощью неравенства:
Следовательно, ,множество целых чисел.
Приближенная формула Муавра ‒ Лапласа (локальная).
При большом значении n применение формулы Бернулли затруднительно. Тогда используют формулу Муавра‒ Лапласа. Муавр доказал частный случай для p =1/2.
где
‒ функция Лапласа, значения в таблице № 1.
если ,
Пример.
Установлено, что 94% лиц, которым сделали прививку от туберкулеза, приобретают иммунитет. Найти вероятность того, что среди 100 000 граждан, которым делали прививки, 5800 не защищены от туберкулеза.
Решение:
Интегральная формула Лапласа.
Если требуется найти вероятность того, что при n ‒ испытаниях событие наступит не меньше a ‒ раз и не больше b ‒ раз, то применяют интегральную формулу Лапласа:
,
где
‒ интегральная функция Лапласа, значения в таблице № 2.
Ф(‒х) = ‒ Ф(x) ‒ функция нечетная.
При х
Пример.
Из каждых 100 семей 80 имеют телефоны.
Найти вероятность того, что:
1. Из каждых 400 семей 300 имеют телефоны.
2. От 300 до 360 семей из каждых 400 имеют телефоны.
3. Не менее 360 семей из 400 семей имеют телефоны ()
Решение:
1.
2.
3. Так как , то
Формула Пуассона.
Если p(начинается с сотых долей), то формула Муавра ‒ Лапласа дает большую погрешность по сравнению с формулой Бернулли. В этом случае пользуются формулой Пуассона:
где λ = np ‒ параметр Пуассона, где ≤ 10.
Пример.
На факультете 1825 студентов. Какова вероятность, что 1-е сентября является днем рождения одновременно четырех студентов факультета?
Решение: Вероятность того, что день рождения студента 1-го сентября ‒ мала,n = 1825 ‒ велико, λ = np = 5 ≤ 10. Следовательно, воспользуемся формулой Пуассона:
7. Понятие случайной величины и ее числовые характеристики.
1. Понятие случайной величины.
2. Дискретная случайная величина и законы распределения.
3. Математическое ожидание случайной величины и его свойства.
4. Дисперсия и её свойства.
Под случайной величиной, связанной с некоторым испытанием, понимается всякая величина, которая при осуществлении испытания принимает то или иное числовое значение.
Дискретной случайной величиной называется случайная величина, которая принимает отдельные, изолированные друг от друга, значения с определенными вероятностями.
Законом распределения дискретной случайной величины называется соответствие между всеми возможными значениями случайной величины и их вероятностями.
Случайные величины обозначаются а их возможные значения соответственно,.
Закон распределения случайной величины Х может иметь вид:
1) Ряд распределения случайной величины
X |
… | ||||
P |
… |
2) Многоугольник распределения
По оси х ‒ откладываются значения случайной величины, а по оси у ‒ их вероятности. Соединив полученные точки ломаной, получим многоугольник распределения.