
- •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
5.3. Условная вероятность
Определение. Вероятность события В, вычисленная при условии, что событие А произошло, называется условной вероятностью события В и обозначается Р(В/А).
Так, в последнем примере можно записать: Р(А)=1/3; P(B/A)=3/11.
Событие А может происходить раньше события В или одновременно с ним.
Условие независимости события В от события А можно записать в виде:
Р(В/А)=Р(В), (5.3.1)
а условие зависимости В от А – в виде:
Р(В/А)Р(В). (5.3.2)
Условная вероятность определяется следующим образом:
. (5.3.3)
5.4. Умножение вероятностей
Теорема умножения вероятностей. Вероятность произведения двух событий равна произведению вероятности первого события на условную вероятность второго, вычисленную при условии, что первое событие произошло:
Р(АВ)=Р(А)Р(В/А). (5.4.1)
Доказательство следует непосредственно из определения условной вероятности (5.3.3).
Следствие 1. С помощью метода математической индукции формулу (5.4.1) можно распространить на произведение любого числа событий. Для трех событий:
Р(АВС)=Р(А)Р(В/А)Р(С/АВ),
где последний множитель означает вероятность события С при условии, что А и В произошли. Для п событий:
Р(А1А2 ...Аn)=Р(А1)Р(А2/А1)…Р(Аn/А1А2…An-1) (5.4.4)
Пример. На полоске картона написали слово «математика», полоску разрезали на квадратики, содержащие по одной букве. Квадратики тщательно перемешали. Какова вероятность того, что из взятых по одному и выложенных в ряд 4 квадратиков можно получить слово «тема»?
Обозначим события, заключающиеся в появлении букв, этими же буквами:
Р(Т)=2/10=1/5; Р(Е/Т)=1/9; Р(М/ТЕ)=2/8=1/4; Р(А/ТЕМ)=3/7.
По формуле (5.5.4)
Р(ТЕМА)=1/51/91/43/7=1/420.
Следствие 2. Вероятность произведения двух независимых событий равна произведению вероятностей этих событий.
Доказательство. Если В не зависит от А, то Р(В/А)=Р(В) (формула (5.3.1)). Подставим в (5.4.1):
Р(АВ)=Р(А)Р(В). (5.4.5)
Замечание. Равенство (5.4.5) можно рассматривать как определение независимости событий А и В.
Пример. В урне 4 белых и 8 черных шаров. Испытание заключается в том, что последовательно вынимаются 2 шара. Изменим условие примера, приведенного в параграфе 5.3 (независимые и зависимые события). Пусть после фиксирования цвета первый шар возвращается в урну, и шары перемешиваются. Событие А – первый вынутый шар белый. Событие В – второй вынутый шар белый. Чему равна вероятность того, что оба вынутых шара белые?
События А и В независимы. Вычислим их вероятности по классической схеме: Р(А)=Р(В)=4/12=1/3.
Вероятность произведения АВ вычислим по формуле (5.4.5):
Р(АВ)=1/31/3=1/9.
Заметим, что вероятность в этом случае больше (по сравнению с 1/11), т.к. при втором вынимании было больше белых шаров.
Вычислим вероятность появления двух белых шаров без возврата первого шара (пример 5.3.1 с шарами). По формуле (5.4.1)
5.5. Свойства условных вероятностей
Теорема о свойствах условных вероятностей. Условные вероятности удовлетворяют трем аксиомам Колмогорова, а следовательно, обладают и всеми остальными свойствами, присущими безусловным вероятностям:
1.
2. Р(/А)=1.
Если
попарно несовместные события, то
Р((B1+B2+…+Bn)/A)=P(B1/A)+P(B2/A)+…+P(Bn/A).