
- •Классификация случайных событий. Классическое определение вероятности. Свойства вероятности события, непосредственный подсчет вероятности. Примеры.
- •Статистическое определение вероятности события и условия его применимости. Пример.
- •Несовместимые и совместимые события. Сумма событий. Теорема сложения вероятностей с доказательством. Пример.
- •Полная группа событий. Противоположные события. Соотношения между вероятностями противоположных событий (с выводом). Пример.
- •Зависимые и независимые события. Произведение событий. Понятие условной вер-ти. Теорема умножения вер-тей с док-вом. Пример.
- •Формулы полной вер-ти и Байеса с док-вом. Примеры.
- •Повторные независимые испытания. Формула Бернулли с выводом. Примеры
- •Локальная теорема Муавра-Лапласа, условия её применимости. Св-ва ф-ии f(X). Пример.
- •Асимптотическая ф-ла Пуассона и условия её применимости. Пример.
- •Интегральная теорема Муавра-Лапласа и условия её применимости. Функция Лапласа f(X) и её свойства. Пример.
- •Следствия из интегральной теоремы Муавра-Лапласа с выводом. Примеры.
- •Случайная величина, распределённая по биномиальному закону, её математическое ожидание и дисперсия. Закон распределения Пуассоана.
- •Функция и распределения случайной величины, её определение, свойства и график.
- •Непрерывная случайная величина (нсв). Вероятность отдельного взятого значения нсв. Математическое ожидание и дисперсия нсв. Функция распределения нсв.
- •Плотность вероятности НепрерывныхСв, её определение, свойства. Кривая распределения. Связь между функцией распределения и плотностью вероятности нсв. Математическое ожидание и дисперсия нсв.
- •Определение нормального закона распределения. Теорико-вероятный смысл его параметров. Нормальная кривая и зависимость её положения и формы от параметров.
- •Центральная предельная теорема. Понятия о теореме Ляпунова и её значение. Пример.
- •Понятие о двумерном нормальном законе распределения. Условные математические ожидания и дисперсии.
- •Закон больших чисел. Теорема Бернулли с док-м и её значение. Пример.
Несовместимые и совместимые события. Сумма событий. Теорема сложения вероятностей с доказательством. Пример.
Два соб-я наз-ся несовместимыми, если 1 соб-е исключает появление другого. Неск-ко соб-ий наз-ся попарно несовместимыми, если появл-е любого из этих соб-ий исключает появление других.
Сложение вероятностей зависит от совместности и несовместности событий.
Несовместные события. Вер-ть
суммы двух несовм соб А и В равна сумме
вер-ей этих соб-й. Это вытекает из того,
что множество С = А+В включает
подмножества А и В, не имеющие общих
точек, и Р(А+В) = Р(А)+Р(В) по опр вер-ти на
основе меры. По частотному опр-ю вер-ти
в силу несовместности соб-й имеем: P(A+B)
=
=
+
=
P(A) + P(B),
где n и m - число случаев появления
соб-й А и В соответственно при N
испытаниях.
Противоположные события также
являются несовместными и образуют
полную группу. Отсюда, с учетом: P(
)
= 1 - Р(А). В общем случае для группы
несовместных событий: P(A+B+...+N)
= P(A) + P(B)
+ ... + P(N),
если все подмножества принадлежат
одному множеству соб-й и попарно несовм.
А если эти подмножества образуют полную
группу соб-й, то с учетом: P(A)
+ P(B) + ... +
P(N) = 1
Совместные события. Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
P(A+B) = P(A) + P(B) - P(AB).
Разобьем события А и В каждое на два множества, не имеющие общих точек: А', A'' и B', B''. Во множества А'' и B'' выделим события, появляющиеся одновременно, и объединим эти множества в одно множество С. Для этих множеств действительны выражения:
С = A''B'' А'' В'' АВ, P(C) = P(A'') = P(B'') = P(AB).
P(A) = P(A')+P(A''), P(A') = P(A)-P(A'') = P(A)-P(AB).
P(B) = P(B')+P(B''), P(B') = P(B)-P(B'') = P(B)-P(AB).
Множества A', B' и С попарно несовм : P(A+B) = P(A'+B'+C) = P(A') + P(B') + P(С).
В общем случае, для m различных событий А1, А2, ..., Аm:
P(A1+...+
Am)
=
P(Ai)
-
P(AiAj)
+
P(AiAjAk)
-...+(-1)m+1P(A1A2
... Am).
Теорема сложения: Вер-ть суммы двух несовм-х соб-й = сумме вер-тей этих соб. P(A+B+…+К)=P(A)+P(B)+…+Р(К)
Доказательство: Пусть в рез-те
испытания из общего числа n
равновозможных и несовм-х исходов
испытания соб-ю А благоприятствует m1
случаев, а соб-ю В – m2
случаев. Согласно классич определению
P(A)=m1\n,
P(В)=m2\n.
Т.к соб А и В несовм-е, то ни 1 из случаев,
благоприят-х 1 из этих соб-й, не благоприят-т
другому. Поэтому событию А+В будет
благоприятств-ть m1+m2
случаев, следовательно:
Следствие 1: Сумма вер-ей событий, образующих полную группу, равна 1: P(A)+P(B)+…+Р(К)=1, Если события А,В,…,К образуют полную группу, то они единственно возможные и несовместимые.
ТК события А,В,…,К – единственно возможные, то событие А+В+…+К, состоящее в появлении в рез-те испытания хотя бы одного из этих событий, явл-ся достоверным, его вер-ть = 1 : Р(А+В+…+К)=1 В силу т\ч события А,В,…,К – несовместимые, к ним применима теорема сложения: Р(А+В+…+К)=Р(А)+Р(В)+…+Р(К)=1
Следствие 2: Сумма вер-ей противоположных событий = 1 Р(А)+Р(А )=1 Это следует из т\ч противоположные события образуют полную группу.
Пример 1. В урне 30 шаров: 10 красных, 5 синих и 15 белых. Найти вероятность появления цветного шара. Решение. Появление цветного шара означает появление либо красного, либо синего шара.
Вероятность появления красного шара (событие А) Р (А) = 10 / 30 = 1 / 3. Вероятность появления синего шара (событие В) Р (В) = 5 / 30 = 1 / 6. События А и В несовместны (появление шара одного цвета исключает появление шара другого цвета), поэтому теорема сложения применима. Искомая вероятность P (A + B) = P (A) + P (B) = l / 3 + l / 6 = l / 2.