
- •Теория вероятностей и математическая статистика
- •1 Краткая историческая справка
- •2 Основные комбинаторные объекты (типы выборок). Формулы и правила расчёта
- •2.1 Примеры решения задач
- •3 Случайные события. Классическое определение вероятности
- •3.1 Случайные события
- •3.2 Классическое определение вероятности
- •3.3 Относительная частота события
- •4 Статистическая и геометрическая вероятности
- •5 Вероятность сложных событий. Противоположные события. Условная вероятность
- •5.1 Алгебра случайных событий
- •5.2 Теорема сложения вероятностей несовместных событий
- •5.3 Противоположные события
- •5.4 Теорема умножения вероятностей
- •6 Вероятность появления хотя бы одного события. Формула полной вероятности. Формулы Бейеса
- •6.1 Независимые события
- •6.2 Вероятность появления хотя бы одного события
- •6.3 Формула полной вероятности
- •6.4 Формулы Бейеса
- •7 Схема Бернулли. Локальная и интегральная теоремы Муавра-Лапласа
- •7.1 Формула Бернулли
- •7.2 Локальная теорема Лапласа
- •7.3 Интегральная теорема Лапласа
- •8 Понятие дсв. Распределение дсв. Функции от дсв
- •8.1 Случайная величина
- •8.2 Дискретная случайная величина (дсв)
- •8.3 Независимые случайные величины
- •8.4 Функция распределения случайной величины
- •9 Характеристики дсв и их свойства. Математическое ожидание, дисперсия, ско
- •9.1 Математическое ожидание дискретной случайной величины
- •9.2 Свойства математического ожидания
- •9.3 Дисперсия дискретной случайной величины
- •9.4 Свойства дисперсии
- •9.5 Среднее квадратическое отклонение дискретной случайной величины
- •10 Биноминальное распределение. Распределение Пуассона. Геометрическое распределение
- •10.1 Биноминальное распределение
- •10.2 Распределение Пуассона
- •10.3 Геометрическое распределение вероятности
- •11 Понятие нсв. Равномерно распределенная нсв
- •11.1 Непрерывная случайная величина (нсв)
- •11.2 Равномерно распределённая нсв
- •12 Функция плотности нсв. Характеристики нсв
- •12.1 Функция плотности нсв
- •12.2 Свойства плотности распределения
- •12.3 Числовые характеристики непрерывных случайных величин
- •13 Нормальное распределение. Кривая Гаусса. Правило трёх сигм
- •13.1 Нормальный закон распределения
- •13.2 Функция Лапласа
- •13.3 Правило трёх сигм
- •14 Показательное распределение. Характеристики показательного распределения
- •14.1 Показательное распределение
- •14.2 Характеристики показательного распределения
- •14.3 Показательный закон надежности
- •15 Центральная предельная теорема. Закон больших чисел
- •15.1 Неравенство Чебышева
- •15.2 Теорема Чебышева
- •15.3 Сущность теоремы Чебышева
- •15.4 Теорема Бернулли
- •15.5 Центральная предельная теорема
- •16 Выборочный метод. Полигон и гистограмма. Числовые характеристики выборки
- •16.1 Задачи математической статистики
- •16.2 Генеральная и выборочная совокупности
- •16.3 Повторная и бесповторная выборки
- •16.4 Способы отбора
- •16.5 Статистическое распределение выборки
- •16.6 Эмпирическая функция распределения
- •16.7 Полигон и гистограмма
- •16.8 Характеристики вариационного ряда
- •17 Статистические оценки параметров распределения. Точечная и интервальная оценки
- •17.1 Статистические оценки параметров распределения
- •17.2 Несмещенные, эффективные и состоятельные оценки
- •17.3 Генеральная и выборочная средняя
- •17.4 Генеральная и выборочная дисперсия
- •17.5 Точность оценки, надёжность. Доверительный интервал
- •17.6 Доверительные интервалы для оценки математического ожидания нормального распределения
- •17.7 Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения
- •18 Моделирование случайных величин. Моделирование дсв, нсв
- •18.1 Предмет метода Монте-Карло
- •18.2 Случайные числа
- •18.3 Разыгрывание дискретной случайной величины
- •18.4 Разыгрывание противоположных событий
- •18.5 Разыгрывание полной группы событий
- •18.6 Разыгрывание непрерывной случайной величины. Метод обратных функций
- •18.7 Приближённое разыгрывание нормальной случайной величины
18.4 Разыгрывание противоположных событий
Пусть требуется разыграть испытания, в каждом из которых событие А появляется с известной вероятностью р и, следовательно, не появляется с вероятностью q=1-p.
Введем
в рассмотрение дискретную случайную
величину X с двумя возможными значениями
(для определенности примем
,
)
и соответствующими им вероятностями
,
.
Условимся считать, что если в испытании
величина X приняла возможное значение
,
то событие А наступило; если
,
то событие А
не наступило, т. е. появилось противоположное
событие
.
Таким образом, разыгрывание противоположных событий А и сведено к разыгрыванию дискретной случайной величины X с заданным законом распределения:
-
Х
1
0
p
p
q
Для
разыгрывания X надо (по правилу см.
предыдущий пункт) интервал (0,1) разбить
точкой р на два частичных интервала:
и
.
Затем выбирают случайное число
.
Если
попадает в интервал
то X=
(наступило событие А); если
попадает в интервал
,
то X=
(событие А не наступило).
Правило.
Для того чтобы разыграть испытания, в
каждом из которых вероятность появления
события равна р
и, следовательно, вероятность наступления
противоположного события А
равна 1-р,
надо выбрать (например, из таблицы
случайных чисел) случайное число
;
если
,
то событие А наступило; если
,
то появилось противоположное событие
.
Пример. Разыграть 6 испытаний, в каждом из которых событие А появляется с вероятностью р=0,35.
Решение:
Выберем из таблицы приложения 5 шесть
случайных чисел, например: 0,10; 0,36; 0,08;
0,99; 0,12; 0,06. Считая, что при
событие А
появилось, а при
наступило противоположное событие
,
получим искомую последовательность
событий: А,
,
А,
,
А,
А.
18.5 Разыгрывание полной группы событий
Разыгрывание
полной группы n
(n>2)
несовместных событий
,
вероятности которых
известны, можно свести к разыгрыванию
дискретной случайной величины X со
следующим законом распределения (для
определенности примем
,
,
…,
):
-
Х
1
2
…
n
p
p1
p2
…
pn
Действительно,
достаточно считать, что если в испытании
величина X приняла значение
(
),
то наступило событие
Справедливость этого утверждения
следует из того, что число n
возможных значений X равно числу событий
полной группы и вероятности возможных
значений
и соответствующих им событий
одинаковы:
.
Таким образом, появление в испытании
события А
равносильно событию, состоящему в том,
что дискретная случайная величина X
приняла возможное значение
.
Правило. Для того чтобы разыграть испытания, в каждом из которых наступает одно из событий полной группы, вероятности которых , известны, достаточно разыграть дискретную случайную величину X со следующим законом распределения:
-
Х
1
2
…
n
p
p1
p2
…
pn
Если в испытании величина X приняла возможное значение , то наступило событие .
Пример
1. Заданы вероятности четырех событий,
образующих полную группу:
,
,
,
.
Разыграть 5 испытаний, в каждом из которых
появляется одно из четырех заданных
событий.
Решение: В соответствии с правилом, приведенным в настоящем параграфе, надо разыграть дискретную случайную величину X, закон распределения которой
X 1 2 3 4
р 0,19 0,21 0,34 0,26
По
правилу разобьем интервал (0,1) на четыре
частичных интервала:
,
,
,
.
Выберем из таблицы приложения 5 пять
случайных чисел, например: 0,66; 0,31; 0,85;
0,63; 0,73. Так как случайное число
принадлежит интервалу
,
то Х=3, следовательно, наступило событие
.
Аналогично найдем остальные события.
Итак, искомая последовательность событий такова:
,
,
,
,
.
Пример 2. События А и В независимы и совместны. Разыграть 6 испытаний, в каждом из которых вероятность появления события А равна 0,6, а вероятность появления события В равна 0,2.
Решение: Возможны 4 исхода испытания:
,
причем в силу независимости событий
;
,
причем
;
,
причем
;
,
причем
.
Таким
образом, задача сведена к разыгрыванию
полной группы четырех событий:
с вероятностью
,
с вероятностью
,
с вероятностью
и
с вероятностью
.
В свою очередь, в соответствии с правилом настоящего параграфа эта задача сводится к разыгрыванию дискретной случайной величины X, закон распределения которой
-
Х
1
2
3
4
p
0,12
0,48
0,08
0,32
Используем
правило. Выберем 6 случайных чисел,
например: 0,45; 0,65; 0,06; 0,59; 0,33; 0,70. Построим
частичные интервалы:
,
,
,
.
Случайное число
принадлежит интервалу
,
поэтому наступило событие
.
Аналогично найдем исходы остальных
испытаний.
Итак,
искомая последовательность исходов
разыгранных испытаний такова:
,
,
,
,
,
.
Пример 3. События А и В зависимы и совместны. Разыграть 4 испытания, в каждом из которых заданы вероятности Р(А)=0,8, Р(В)=0,6, Р(АВ)=0,5.
Решение: Возможны 4 исхода испытания:
,
причем, по условию,
;
,
причем
;
,
причем
;
,
причем
.
Таким
образом, задача сведена к разыгрыванию
полной группы четырех событий:
с вероятностью
,
с вероятностью
,
с вероятностью
и
с вероятностью
.
Рекомендуем закончить решение самостоятельно, считая для определенности, что выбраны случайные числа: 0,65; 0,06; 0,59; 0,33.
Для контроля приводим ответ: , , , .
Пояснение.
Так как
,
то
.
Отсюда
.
Аналогично
получим, что
.