- •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
5 Вероятность сложных событий. Противоположные события. Условная вероятность
5.1 Алгебра случайных событий
Пусть
- произвольное не пустое множество.
Всякий элемент
этого множества (
)
условимся называть элементарным
исходом,
а само множество
- множеством
элементарных исходов.
Далее
нас будут интересовать подмножества
множества
- возможно, не все, а лишь некоторые –
А,В,С,…, которые мы назовём случайными
событиями ( или просто: событиями) и
объединим в один класс
,
потребовав, чтобы этот класс
удовлетворял следующим аксиомам:
.
В класс
в качестве подмножества множества
входит само множество
:
.
Случайное событие называется достоверным событием.
.
Если события А и В входят в класс
,
то в него входят также их объединение
и пересечение
:
В связи с этим говорят, что класс замкнут относительно конечных сумм и произведений, входящих в него случайных событий.
.
Если
,
то и
:
.
При
этом случайное событие
называется событием,
противоположным событию А.
Всякий
класс
,
составленный из подмножеств непустого
множества
и удовлетворяющий аксиомам
,
называется алгеброй
множеств.
Таким образом, приведённые три аксиомы
и соглашение рассматривать подмножества
множества
как случайные события определяют алгебру
случайных событий.
5.2 Теорема сложения вероятностей несовместных событий
Суммой
двух событий А
и В
называют событие, состоящее в появлении
события А, или события В, или обоих этих
событий. Например, если из орудия
произведены два выстрела и А – попадание
при первом выстреле, В – попадание при
втором выстреле, то А+В – попадание при
первом выстреле, или при втором выстреле,
или в обоих выстрелах.
Пусть события А и В – несовместные, причём вероятности этих событий известны.
Теорема. Вероятность появления одного из двух несовместных событий, безразлично какого, равна сумме вероятностей этих событий:
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):
Вероятность
появления синего шара (событие В):
События А и В несовместны (появление шара одного цвета исключает появление шара другого цвета), поэтому теорема сложения применима.
.
Пример 2. В партии из 10 деталей 8 стандартных. Найти вероятность того, что среди наудачу извлеченных 2 деталей есть хотя бы одна стандартная.
Решение: Обозначим: событие А – «из 2 деталей, 1 стандартная»; событие В – «из 2 деталей, 2 стандартных».
Составим схему для события А (см. рис. 2).
10
8станд 2нест.
1станд и 1нест.
2
|
Рис. 2
Составим схему для события В (см. рис. 3).
10
8станд 2нест.
2станд и 0нест.
2
|
Рис. 3
.
