
- •1. Элементы комбинаторики.
- •1.1. Перестановки
- •1.2. Перестановки с повторениями
- •1.3. Размещения
- •1.4. Размещения с повторениями (с возвратом)
- •1.5. Сочетания
- •1.6. Сочетания с повторениями (с возвратом)
- •1.7. Обобщение
- •2. Случайные события
- •2.1. Испытания и события
- •2.2. Виды случайных событий
- •2.3. Пространство элементарных событий
- •2.4. Операции над событиями
- •Событие
- •9. Полная группа событий. Совокупность событий называется полной группой событий, если:
- •2.5. Свойства операций над событиями
- •3.1 Относительная частота событий
- •3.2. Свойства относительной частоты
- •3.3. Статистическая устойчивость частот
- •3.4. Формулировка аксиом Колмогорова.
- •3.5. Следствия из аксиом
- •4.1. Вычисление вероятностей событий
- •4.2. Задача о выборке
- •4.3. Геометрический подход к вероятности
- •5. Сложение и умножение вероятностей
- •5.1. Сложение вероятностей
- •5.2. Независимые и зависимые события
- •5.3. Условная вероятность
- •5.4. Умножение вероятностей
- •5.5. Свойства условных вероятностей
- •5.6. Независимость нескольких событий
- •5.7. Независимость противоположных событий
- •5.8. Вероятность появления хотя бы одного события
- •5.9. Применение теорем сложения и умножения для решения задач
- •6. Вероятность гипотез
- •6.1.Формула полной вероятности
- •6.2. Переоценка вероятности гипотез. Формула Байеса (Бейеса)
- •7. Серии независимых испытаний
- •7.1. Формула Бернулли
- •7.2. Локальная теорема Муавра – Лапласа
- •7.3. Свойства функции (х).
- •7.3. Функция Лапласа
- •7.4. Интегральная теорема Лапласа
- •7.5. Закон больших чисел в форме Бернулли
- •7.6. Формула Пуассона
- •8. Случайные величины
- •8.1. Дискретные случайные величины
- •8.2. Характеристическая случайная величина (индикатор события)
- •8.3. Биномиальное распределение (распределение Бернулли)
- •8.4. Распределение Пуассона
- •8.5. Гипергеометрическое распределение
- •9. Непрерывные случайные величины
- •9.1. Функция распределения (интегральная функция распределения)
- •9.2. Свойства функции распределения
- •9.3. Примеры функций распределения
- •10. Плотность распределения
- •10.1. Свойства плотности распределения
- •Вероятностный смысл плотности распределения.
- •10.3. Связь между плотностью и функцией распределения
- •10.4. Примеры непрерывных случайных величин, заданных плотностью
- •11. Числовые характеристики случайной величины
- •11.1. Определение математического ожидания
- •11.2. Определение математического ожидания
- •11.3. Смысл математического ожидания
- •11.4. Арифметические операции со случайными величинами
- •11.4.1. Постоянная случайная величина
- •11.4.2. Произведение случайных величин
- •11.4.3. Сумма случайных величин
- •11.4.4. Разность случайных величин
- •11.5. Свойства математического ожидания
- •11.6. Отклонение случайной величины
- •12.1. Дисперсия Для общего представления о распределении случайной величины важное значение имеет не только её математическое ожидание, но и разброс её возможных значений.
- •12.2. Определение дисперсии
- •12.3. Механический смысл дисперсии
- •12.4. Сокращённая формула для вычисления дисперсии
- •12.5. Свойства дисперсии
- •12.6. Среднее квадратическое отклонение (стандарт)
- •12.7. Числовые характеристики основных дискретных распределений
- •12.7.1. Индикатор события
- •12.7.2. Биномиальное распределение
- •12.7.3. Распределение Пуассона
- •12.7.4. Гипергеометрическое распределение
- •Гипергеометрическое распределение.
- •13.1. Равномерное распределение
- •13.2. Показательное (экспоненциальное) распределение
- •13.2.1. Функция надёжности
4.2. Задача о выборке
Пример 1. Испытание состоит в заполнении карточки спортлото 6 из 49. Найти вероятность того, что будет угадано ровно 4 номера.
Общее число исходов
равно
.
Исход является благоприятствующим,
если 4 номера выбираются из 6 выигрышных
номеров, а 2 оставшихся – из 43 невыигрышных
(см. рис.4.4.1). По правилу умножения
комбинаторики число благоприятствующих
исходов
Рис.4.4.1. Выборка 4 из 6
Сформулируем задачу о выборке в общем виде.
Пусть имеется N объектов, М из которых обладают некоторым признаком х. Наугад выбирается n объектов. Какова вероятность того, что среди них m объектов обладают признаком х?
,
т.к. мы можем выбрать комбинацию из п
объектов
способами. Событие А
есть извлечение выборки из n
объектов, из которых m
обладают признаком х (см.
рис.4.4.2). Исходом, благоприятствующим
появлению события А,
является появление группы из n
объектов, в которой m
объектов обладают признаком х,
а nm
объектов
не обладают. Число таких групп по правилу
умножения равно
,
т.к. группу из m
обладающих признаком х
объектов можно образовать
способами, а группу из nm
остальных объектов выборки
способами. Тогда искомая вероятность
события А
находится по классической схеме:
. (4.4.1)
Рис.4.4.2
Рис.4.4.3
Пример 2. Из 10 деталей 4 бракованные. Наугад выбираются 7 деталей. Какова вероятность того, что среди них бракованных: 1) три; 2) ни одной; 3) четыре; 4) одна.
В формуле (4.4.1)
,
т
различно для каждого вопроса задачи.
1)
;
2) качественных
деталей всего 6, поэтому в выборке не
может быть 7 качественных деталей
.
3)
.
4)
.
4.3. Геометрический подход к вероятности
Недостаточность «классического» подхода к вероятности, основанного на конечной группе равновозможных элементарных событий, отмечалась ещё в начале развития теории вероятностей. Для ряда практических задач требовалось построение понятия «вероятности» и в том случае, когда число исходов испытания было бесконечным. Например, вероятность попадания в цель при орудийной стрельбе, вероятность выигрыша в некоторых «геометрических» играх.
Расширение понятия «вероятности» в такого рода испытаниях сводится к следующему.
Пусть точка бросается наудачу в интервал [a; b]. Внутри этого интервала выделен другой – [c; d] (рис.4.5.1). Естественно предположить, что вероятность попадания точки в этот интервал пропорциональна его длине, т.е. чем больше интервал, тем вероятнее в него попадание точки. Можно также предположить, что вероятность не зависит от того, где находится этот интервал, т.е. вероятности попадания в разные интервалы одинаковой длины совпадают.
,
Рис.4.5.1
т.е. вероятность того, что брошенная в [a; b] точка M попадет в [c; d], равна отношению длин этих отрезков.
,
Рис.4.5.2
т.е. вероятность такого события равна отношению площадей этих областей.
Пример
1. Рассмотрим
мишень; изображённую на рис.4.5.3. Пусть
круг имеет радиус R
м и каждый выстрел обязательно попадает
внутрь круга. Тогда вероятность попасть
в треугольник равна отношению площадей
треугольника и круга. Площадь круга
равна
.
Сторона правильного треугольника,
вписанного в круг, равна
,
а высота
.
Площадь равностороннего треугольника,
вписанного в круг, равна
,
где а
– сторона треугольника. Следовательно,
площадь треугольника равна
,
а вероятность попадания в треугольник
–
,
что приблизительно равно 0,41.
Пример 2. Игра «монета в квадрате» заключается в следующем:
|
|
Рис.4.5.4 |
Рис. 4.5.5 |
Рассмотрим попадание в один квадрат. Пространство элементарных событий, соответствующее этому испытанию, состоит из упорядоченных пар чисел – координат центра монеты. Это пространство непрерывно и бесконечно.
Достаточно рассмотреть лишь попадание в один квадрат. Т.к. радиус монеты равен 0,375 дюйма, то для выигрыша игрока надо, чтобы центр монеты попал в заштрихованный квадрат со стороной 0,25 дюйма (рис.4.5.5).
Тогда
вероятность выигрыша игрока равна
отношению площадей квадратов, а т.к.
площадь внешнего квадрата равна 1, то
эта вероятность равна 0,252,
или
.
Следовательно, игрок выигрывает в
среднем один раз из 16. Если награда будет
установлена меньше 16 монет, например,
10 монет, то хозяин никогда не будет
оставаться в проигрыше.
Тема: Сложение и умножение вероятностей