
- •1. Предмет теории вероятности.
- •2.1. Вероятностное пространство. Пространство элементарных событий.
- •2.2. Алгебра событий
- •2.3. Вероятность: аксиомы вероятности, свойства вероятности.
- •3. Дискретные вероятностные пространства. Классическая вероятность.
- •4 Абсолютно непрерывные вероятностные пространства. Геометрические вероятности. Задача Бюффона. Парадокс Бертрана. Задача о встрече.
- •5. Условные вероятности. Примеры.
- •6. Вероятность произведения событий. Примеры.
- •7. Формула полной вероятности. Примеры.
- •8. Формула Байеса (вероятности гипотез). Примеры.
- •9. Повторение испытаний. Схема Бернулли. Примеры.
- •10.1. Теорема Пуассона:
- •10.3. Интегральная теорема Муавра-Лапласа.
- •10.4. Отклонение относительной частоты от постоянной вероятности в независимых испытаний.
- •10.5. Обратная задача к схеме Бернулли. Задача.
- •11.1. Функция распределения. Свойства функции распределения.
- •11.2. Дискретные и абсолютно непрерывные распределения.
- •11.3. Свойства плотности распределения вероятностей. Наиболее распространенные распределения.
- •12.1. Многомерные функции и плотности распределения вероятностей, свойства.
- •12.2. Независимость случайных величин.
- •13. Функции от случайных величин
- •14.1. Математическое ожидание случайной величины, свойства, примеры, мат ожидание наиболее распространенных распределений.
- •14.2. Дисперсия. , средне квадратичное отклонение; свойства. Дисперсии наиболее распространенных распределений.
- •14.3. Моменты.
- •14.4. Ковариация. Коэффициент корреляции.
- •15.1. Закон больших чисел
- •15.2. Некоторые оценки распределения случайных величин: нр-во Чебышева, теорема Чебышева.
- •15.3. Частные случай теоремы Чебышева: теорема Бернулли; теорема Пуассона и др.
- •15.4. Теорема Маркова.
- •15.5. Усиленный закон больших чисел: неравенство Колмогорова, теорема Колмогорова.
- •16.1. Производящие функции: свойства, теоремы, примеры.
- •16.2. Характеристические функции, свойства, теоремы.
- •16.3. Примеры подсчета характеристических функций.
- •16.4. Предельные теоремы для характеристических функций (прямая и обратная)
- •16.5. Формула обращения для характеристической функции.
- •16.6. Центральная предельная теорема
- •16.8. Понятие асимптотической нормальности
- •17. Многомерное нормальное распределение.
2.3. Вероятность: аксиомы вероятности, свойства вероятности.
Числовая
функция Р, определенная на классе событий
U
называется вероятностью, если выполнены
следующие условия (аксиомы
вероятности):
1) U
– алгебра событий 2) P(A)0
AU
3) P(W)
= 1 4) АВ =
=> Р(А+В) = Р(А)+Р(В) 5) Для любой убывающей
последовательности А1А2…Аn…
AiÎ
U
=
=>
Свойства вероятности: 1) вероятность
противоположных событий Р(
)=1–Р(А)
Доказательство: очевидно, что А+
= W
и А
=Æ
Тогда Р(А+
)=
Р(W)
Р(А)+Р(
)=1
=> Р(
)=1–Р(А)
ЧТД. 2) Вероятность пустого события
равна нулю. Р(Æ)=0
Док-во: Пусть А=W
=> Р(
)=1–Р(А)
=> Р(Æ)=
1–1=0 2) Для любых событий А и В имеем
Р(А+В)=Р(А)+Р(В)–Р(АВ) Док-во: А+В =
- несовместные события В =
-
несовместные события. Возьмем от обеих
частей вероятность Р(А+В)=Р(А)+Р(В
)
Р(В)=Р(В
)+Р(ВА)
=> Р(В
)=Р(В)–Р(АВ)
Р(А+В)= Р(А)+Р(В)-Р(АВ) Следствие из 3.
Р(А+В)
Р(А)+Р(В). 4. Если А
В => Р(А)
Р(В). 5. Если в А1,
А2,…,
Аn,…
события попарно несовместны АiAj=Æ
при ij
i,j=1,2,…,
то А=
=>
Р(А)=
6. Если А1А2…Ì
АnÌ
… А=
или А1ÉА2É…É
АnÉ
… А=
,
то Р(А)=
ОПРЕДЕЛЕНИЕ:
тройка {W,
U,
P}
в которой Р удовлетворяет 2-5, а U
– сигма-алгебра, называют вероятностным
пространством. Понятие вероятностного
пространства содержит лишь самые общие
требования, предъявляемые к математической
модели случайного явления и не определяет
вероятность однозначно. ПРИМЕР:
подбрасывание 2-х монет. Найти вероятность
того, что они упадут одинаковой стороной.
1) W={w1,
w2,
w3}
w1
= {ГГ} w2={PP}
w3={ГР
или РГ} |W|=3,
|A|=2,
P(A)=|A|/|W|
=> P(A)=2/3
2) W={w1,
w2,
w3,
w4}
w1
= {ГГ} w2={PP}
w3={ГР}
w3={РГ}
|W|=
4, |A|=2,
=> P(A)=2/4
= ½. Две разные вероятности одного и
того же события; проведем N
подбрасываний N→
∞, тогда частота NA/N
2/3 (из задачи 1) NA/N
1/2 (из задачи 2). Эта задача ест задача
выбора из 2-х моделей (гипотез). И является
наиболее важной в мат статистике.
3. Дискретные вероятностные пространства. Классическая вероятность.
Пусть W
- счетное множество. W={w1,…,
wn
,…} U
– класс подмножеств множества W,
Pn0
удовлетворяющие условию
=1.
Любые события А из алгебры U
положим Р(А)=
функция Р(А) будет удовлетворять
следствиям 2-5 { 2) P(A)0
AU
3) P(W)
= 1 4) АВ =
=> Р(А+В) = Р(А)+Р(В) 5) А1А2…Аn…
AiÎ
U
=
=>
}
=> является вероятностью для дискретных
вероятностных пространств. Если, начиная
с некоторого номера n,
n
> N
pn
=0, то получаем
W={w1,…,wN}
– конечное пространство. Если к тому
же p1=p2=…=pN=1/N
получаем классическое
определение вероятности.
Пусть W={w1,…,wN}-
конечное, введем U
– алгебру событий, содержащую 2N
подмножеств множества W,
типа А={w1,…,wк}.
В классическом определении вероятности
полагают P(wi)=1/N
i=1,2,..,N,
поэтому вероятность событий А равна
отношению числа элементарных событий,
входящих в W,
то есть Р(А)=|A|/|W|
= K/N
– классическая вероятность так как эта
функция удовлетворяет 2-5. В дискретных
вероятностных пространствах работают
с двумя схемами: пусть А={1,2,..N},
пусть w={i1,
i2,…,in}
– упорядоченный набор из n
элементов множества А. Определение:
вероятностную схему называют схемой
случайного выбора с возвращением если
W
= {w=(i1,
i2,…,in),
ikÎ
A,
k=
}
и все элементарные события w
равновероятны. Схемой случайного выбора
без возвращения, если W
= {w=(i1,
i2,…,in),
ikÎ
A,
k=
,
i1,
i2,…,in
- различны} и все элементы события w
– равновероятны. Пример1. В урне 5
карточек с числами 1,2,3,4,5. Из урны 3 раза
вынимается карточка. Какова вероятность
того, что ровно в 2-х случаях из 3х будут
вынуты карточки с нечетными номерами.
Решение: 1) (с возвращением) |W|=5*5*5=125
|A|=(2*3*3)*3=54
P(A)=54/125=0.432.
2) (без возвращения) |W|=5*4*3=60
.
Замечание: эту задачу в случае (2) можно
было считать по формуле гипергеометрической
вероятности:
,
где N
– число всех карточек, M
– число четных. n
– число выбранных карточек из N,
m
– число четных среди выбранных. Тогда
искомую вероятность можно вычислить
Пример2. Найти вероятность того, что
дни рождения 12 человек придутся на
разные месяцы |W|=1212.
|A|=12!
P(A)=12!/1212=
5*10-5.
Брошены 2 игральные кости. Найти
вероятность следующих событий: А={на
1-ой кости «1»} В={выпала хотя бы одна «6»}
|W|=6*6=36