- •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
3.1 Случайные события
Испытание (опыт) – это осуществление определённого комплекса условий или действий, при которых производится наблюдение.
Событие – это качественный результат испытания или испытаний, если они повторяются многократно. Принято события обозначать буквами латинского алфавита: A, B, C, …
События называются несовместными, если появление одного из них исключает появление других событий в одном и том же испытании.
Пример: Брошена монета. Появление «герба» исключает появление надписи. События «появился герб» и «появилась надпись» - несовместные.
Несколько событий образуют полную группу, если в результате испытания появится хотя бы одно из них. Т.е. появление хотя бы одного из событий полной группы есть достоверное событие.
Пример: Стрелок произвёл выстрел по цели. Обязательно произойдёт одно из двух событий: попадание, промах. Эти два несовместных события образуют полную группу.
События называются равновозможными, если есть основания считать, что не одно из них не является более возможным, чем другое.
Пример: Появление того или иного числа очков на брошенной игральной кости это равновозможные события.
3.2 Классическое определение вероятности
Вероятность – одно из основных понятий теории вероятностей. Существует несколько определений этого понятия. Приведём определение, которое называется классическим.
Рассмотрим пример. Пусть в урне содержится 6 одинаковых шаров, причем 2 шара - красные, 3 – синие и 1 – белый. Необходимо дать количественную оценку возможности того, что взятый на удачу шар цветной. Очевидно, что возможность вынуть наудачу из урны цветной шар больше, чем возможность извлечь белый шар. Эту возможность можно охарактеризовать числом. Это число и называют вероятностью события. Таким образом, вероятность есть число, характеризующее степень возможности появления события.
Рассмотрим событие А – извлечение цветного шара. Каждый из возможных результатов испытаний назовем элементарным исходом. Те элементарные исходы, в которых интересующее нас событие наступает, назовем благоприятствующими этому событию.
Определение: Вероятностью события А называется отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу.
Итак,
вероятность события А вычисляется по
формуле:
,
где
- число благоприятствующих исходов
событию А;
- число всех возможных элементарных
исходов.
Свойства классического определения вероятности:
1.
если событие А – достоверное, то
;
2.
если событие А – невозможное, то
;
3.
если событие А – случайное, то
.
Пример 1. Человек хотел позвонить по телефону, но забыл одну цифру в номере и набрал её наудачу. Какова вероятность, что цифра набрана верно?
Решение: т.к. в десятичной системе счисления 10 цифр (0..9), а набрана одна цифра то:
m=1 – число благоприятных исходов;
n=10 – общее число исходов;
–
вероятность
возникновения необходимого нам события,
в данном случае, это вероятность того,
что набрана правильная цифра.
Пример 2. В коробке находится 10 шаров. 3 из них красные, 2 – зеленые, остальные белые. Найти вероятность того, что вынутый наудачу шар будет красным, зеленым или белым.
Решение: Появление красного, зеленого и белого шаров составляют полную группу событий. Обозначим появление красного шара – событие А, появление зеленого – событие В, появление белого – событие С.
Тогда, в соответствием с записанными выше формулами получаем:
Пример 3. В партии из 10 деталей 7 стандартных. Найти вероятность того, что среди шести взятых на удачу деталей, 4 стандартных.
Решение: Составим схему (см. рис. 1)
10
7станд 3нест.
4станд и 2нест.
6
|
Рис 1
Обозначим через А событие – из 6 деталей 4 стандартных.
Пример 4. На каждой из 6 одинаковых карточек напечатана одна из букв: а, т, м, р, с, о. Найдите вероятность того, что на 4, вынутых по одной и расположенных в ряд карточках можно прочесть слово «трос».
Решение: Событие А - получение слова «трос»
