- •1. Случайные события.
- •2. Классическое определение вероятности и ее свойства.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •10. Плотность распределения вероятностей и ее свойства.
- •11. Математическое ожидание и его свойства.
- •Свойства м
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26.Эмпирическая функция распределения и её свойства.
- •27. Полигон и гистограмма.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •32. Доверительные интервалы.
- •33. Распределение х2 Стьюдента и Фишера.
- •34. Доверительные интервалы для оценки математического ожидания при известном .
- •35. Доверительные интервалы для оценки матожидания нормального распределения при неизвестном .
- •36. Проверка статистических гипотез.
- •37. Построение критической области.
- •38. Критерий согласия Пирсона.
- •39. Вычисление теоретических частот для нормального распределения.
- •40. Сравнение дисперсий двух нормальных выборок.
- •43. Критерий Манна-Уитни.
- •44. Парная регрессия.
- •45. Парный коэффициент корреляции, его свойства.
- •46. Проверка гипотез о достоверности выборочного коэффициента корреляции.
- •47. Нелинейная парная регрессия.
5. Условная вероятность. Независимость событий.
Часто интересует вероятность того, что произойдёт событие А при условии, что некоторое событие В уже произошло. Такую вероятность называют условной и обозначают P(A/B).
Опр. Условной вероятностью события А при условии, что событие В уже произошло, называется отношение
. (3.1)
Аналогично, условной вероятностью события B при условии, что событие A уже произошло, называется
. (3.2)
Из формул (3.1) и (3.2) получим теорему умножения:
(3.3)
Вероятность произведения двух произвольных событий равна произведению вероятности одного из событий на вероятность второго, при условии, что первое уже произошло.
Распространим теорему умножения на конечное число событий:
Опр. События А и В называются независимыми, если вероятность произведения равна произведению вероятности этих событий.
. (3.4)
Из (3.3) и (3.4) получим:
.
Следовательно, для независимых событий условная и безусловная вероятности совпадают
.
Для конечного числа независимых событий вероятность произведения равна произведению вероятностей:
.
6. Формула полной вероятности. Формула Байеса.
Пусть событие А может произойти только с одним из n несовместных событий H1…Hn, образующих полную группу, т.е.
Ø, ,
.
Так как события и несовместны, то и () и () являются несовместными.
Тогда по теореме сложения
Применяя теорему умножения к каждому слагаемому, получим формулу полной вероятности:
. (4.1)
События H1, H2,…, Hn часто называют гипотезами.
Иногда интересует, как перераспределятся вероятности гипотез, после того, как событие А уже произошло: .
По теореме умножения
,
.
Подставляя в знаменатель формулу полной вероятности, получим формулу Байеса:
. (4.2)
7. Схема независимых испытаний Бернулли.
Пусть производится последовательность независимых испытаний с 2 исходами: событие А или появится или не появится.
,,
Под элементарным событием в схеме Бернулли принимается последовательность наступлений и ненаступлений события А в n испытаниях.
Обозначим А={1}, ={0}. Тогда элементарный исход можно представить в виде вектора, состоящего из нулей и единиц: (1,0,…, 1).
Найдем вероятность того, что в n испытаниях событие появится ровно m раз.
Найдем сначала вероятность того, что в 3-х испытаниях событие А появится 2 раза при условии, что вероятность наступления в одном испытании равна p.
При этом возможны следующие элементарные исходы
(1,1,0); (0,1,1); (1,0,1).
Вероятность каждого элементарного исхода одинакова и равна p2q. Таким образом, вероятность того, что в 3-х испытаниях событие наступит 2 раза
.
Для произвольных m и n вероятность одного элементарного исхода равна pmqn-m . Число таких элементарных исходов равно числу способов разместить m единиц по n местам, а это по определению есть число сочетаний из n элементов по m. Получим формулу Бернулли
. (5.1)
При изменении m от 0 до n вероятность в формуле Бернулли сначала растет, а потом 4убывает, то число m0 при котором эта вероятность достигает максимального значения наз. наивероятнейшим. Можно показать, что это число равно Если m0 не является целым числом, то его следует округлить до ближайшего целого с избытком, а если m0 целое число, то наивероятнейших чисел 2.
Часто интересует вероятность появления события А не ровно m раз, а от m1 до m2 раз включительно
(5).