
- •Раздел 1. Классическая вероятностная схема
- •1.1 Основные формулы комбинаторики
- •Теорема о перемножении шансов
- •Урны и шарики
- •Урновая схема: выбор без возвращения, с учетом порядка
- •Урновая схема: выбор без возвращения и без учета порядка
- •Урновая схема: выбор с возвращением и с учетом порядка
- •Урновая схема: выбор с возвращением и без учета порядка
- •1.2 Основные понятия элементарной теории вероятностей Предмет теории вероятностей. Статистическая устойчивость.
- •Пространство элементарных исходов. Операции над событиями
- •Вероятность на дискретном пространстве элементарных исходов
- •Классическое определение вероятности
- •Гипергеометрическое распределение
- •Раздел 2. Геометрическая вероятность
- •2.1 Что это такое
- •2.2 Задача о встрече
- •2.3 Задача Бюффона
- •2.4 Парадокс Бертрана
- •Раздел 3. Аксиоматика теории вероятностей
- •3.2 Вероятность как нормированная мера
- •Раздел 4. Условная вероятность, независимость
- •4.1 Условная вероятность
- •4.2 Независимость
- •4.3 Формула полной вероятности
- •4 .4 Формула Байеса
- •Раздел 5. Схема Бернулли
- •5.1 Распределение числа успехов в n испытаниях
- •5.2 Наиболее вероятное число успехов
- •5.3 Номер первого успешного испытания
- •5.4 Приближение гипергеометрического распределения биномиальным
- •5.5 Независимые испытания с несколькими исходами
- •5.6 Теорема Пуассона для схемы Бернулли
- •Раздел 6. Случайные величины и их распределения
- •6.1 Случайные величины
- •6.2 Дискретные распределения
- •6.3 Примеры дискретных распределений Вырожденное распределение.
- •Распределение Бернулли.
- •Биномиальное распределение.
- •Геометрическое распределение.
- •Распределение Пуассона.
- •Гипергеометрическое распределение.
- •Раздел 7. Функция распределения
- •7.1 Свойства функции распределения
- •Прочие полезные свойства функций распределения
- •Функция распределения дискретного распределения
- •Раздел 8. Абсолютно непрерывные распределения
- •Свойства плотностей
- •8.1 Примеры абсолютно непрерывных распределений
- •8.2 Свойства нормального распределения
- •Стандартное нормальное распределение
- •Раздел 9. Случайные вектора и их распределения
- •9.1 Свойства функции совместного распределения
- •9.2 Типы многомерных распределений
- •Дискретное совместное распределение
- •Абсолютно непрерывное совместное распределение
- •9.3 Независимость случайных величин
- •Раздел 10. Преобразования случайных величин
- •10.1 Преобразование одной случайной величины
- •10.2 Функции от двух случайных величин
- •10.3 Примеры использования формулы свертки
- •Раздел 11. Числовые характеристики случайных величин
- •11.1 Математическое ожидание случайной величины
- •11.2 Свойства математического ожидания
- •11.3 Моменты старших порядков. Дисперсия
- •11.4 Свойства дисперсии
- •11.5 Математические ожидания и дисперсии стандартных распределений
- •Раздел 11. Числовые характеристики случайных величин
- •11.1 Математическое ожидание случайной величины
- •11.2 Свойства математического ожидания
- •11.3 Моменты старших порядков. Дисперсия
- •11.4 Свойства дисперсии
- •11.5 Математические ожидания и дисперсии стандартных распределений
- •Раздел 12. Числовые характеристики зависимости случайных величин
- •12.1 Чем отличается дисперсия суммы от суммы дисперсий?
- •12.2 Коэффициент корреляции
- •12.3 Свойства коэффициента корреляции
- •Раздел 13. Куда и как сходятся последовательности случайных величин
- •13.1 Сходимость «почти наверное» и «по вероятности»
- •13.2 Неравенства Чебышёва
- •13.3 Законы больших чисел
- •13.4 Примеры использования збч и неравенства Чебышёва
- •Раздел 14. Цпт (центральная предельная теорема)
- •14.1 Как быстро сходится к ?
- •14.2 Слабая сходимость
- •14.3 Центральная предельная теорема
- •14.4 Предельная теорема Муавра — Лапласа
- •14.5 Примеры использования цпт
1.2 Основные понятия элементарной теории вероятностей Предмет теории вероятностей. Статистическая устойчивость.
Теория вероятностей изучает закономерности, возникающие в случайных экспериментах (явлениях). Случайным называют эксперимент, результат которого нельзя предсказать заранее. Невозможность предсказать заранее — основное, что отличает случайное явление от детерминированного.
Не все случайные явления (эксперименты) можно изучать методами теории вероятностей, а лишь те, которые могут быть воспроизведены в одних и тех же условиях и обладают (непонятно как проверяемым заранее) свойством «статистической устойчивости : «если А — некоторое событие, могущее произойти или не произойти в результате эксперимента, то доля n(A)/n числа экспериментов, в которых данное событие произошло, имеет тенденцию стабилизироваться с ростом общего числа экспериментов n, приближаясь к некоторому числу P(A). Это число служит объективной характеристикой «степени возможности» событию А произойти.
В дальнейшем мы будем говорить лишь о случайных экспериментах, обладающих данными свойствами, а свойство статистической устойчивости докажем в утверждении, известном как закон больших чисел Я.Бернулли.
Пространство элементарных исходов. Операции над событиями
Определение 1. Пространством элементарных исходов Ω («омега») называется множество, содержащее все возможные результаты данного случайного эксперимента, из которых в эксперименте происходит ровно один. Элементы этого множества называют элементарными исходами и обозначают буквой ω («омега») с индексами или без.
Определение 2. Событиями мы будем называть подмножества множества Ω. Говорят, что в результате эксперимента произошло событие А Ω, если в эксперименте произошел один из элементарных исходов, входящих в множество А.
Замечание 3. Вообще говоря, можно назвать событиями не обязательно все подмножества множества Ω, а лишь множества из некоторого набора подмножеств. О смысле такого ограничения мы поговорим позднее.
Пример 1. Один раз подбрасывается одна игральная кость (кубик). Самый разумный способ задать пространство элементарных исходов таков: Ω = {1,2,3,4,5,6}, элементарные исходы здесь соответствуют числу выпавших очков.
Примеры событий: A = {1,2} — выпало одно или два очка; A = {1,3,5} — выпало нечетное число очков.
Пример 2. Два раза подбрасывается одна игральная кость (кубик). Или, что, то же самое, один раз подбрасываются две игральные кости. Как мы увидим в дальнейшем, здесь самый разумный способ задать пространство элементарных исходов — считать результатом эксперимента упорядоченную пару чисел (i, j), в которой 1 i, j 6и i - число очков выпавших первый раз, j – число очков, выпавших второй раз. Ω = {(i, j), где 1 i, j 6}
Примеры событий:
A = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6)} — при первом подбрасывании выпало одно очко;
A = {(1,1),(2,2), (3,3), (4,4), (5,5), (6,6)} — при двух подбрасываниях выпало одинаковое число очков.
Пример 3. На поверхность стола бросается монета. Результатом эксперимента можно считать координату центра монеты (а если нам не безразличен угол поворота монеты, то можно добавить и величину этого угла). Пространство элементарных исходов — множество точек стола (во втором случае — множество пар {x, φ} , где x — координата точки стола и φ [0, 2π]— угол поворота). Число элементарных исходов такого эксперимента несчетно.
Пример 4. Монета подбрасывается до тех пор, пока не выпадет вверх гербом. Пространство элементарных исходов состоит из бесконечного, но счетного числа исходов:
Ω = {г, рг, ррг, рррг, ррррг, рррррг, …} , где р и г обозначают выпадение решки и герба при одном подбрасывании, соответственно.
Пример 5. Приведем пример неправильно выбранного пространства элементарных событий. Пусть при бросания игральной кости Ч = {четное число очков}, Т = {число очков, кратное трем}. Тогда Ω = {Ч, Т, 1, 5} составляет все исходы эксперимента, однако исходы Ч и Т могут наступать одновременно.
Определение 3.
1. Достоверным называется событие, которое обязательно происходит в результате эксперимента, то есть единственное событие, включающее все без исключения элементарные исходы — событие Ω.
2. Невозможным называется событие которое не может произойти в результате эксперимента, то есть событие, не содержащее ни одного элементарного исхода («пустое множество» ). Заметим, что всегда Ω.
Определение 4. Пусть А и В — события.
1. Объединением А U В событий А и В называется событие, состоящее в том, что произошло либо А , либо В, либо оба события одновременно. На языке теории множеств А U В есть множество, содержащее как элементарные исходы, входящие в А, так и элементарные исходы, входящие в В.
2. Пересечением А ∩ В событий А и В называется событие, состоящее в том, что произошли оба события А и В одновременно. То есть А ∩ В есть множество, содержащее элементарные исходы, входящие одновременно в А и в В.
3. Дополнением А \ В события А до В называется событие, состоящее в том, что произошло событие А , но не произошло В. То есть А \ В есть множество, содержащее элементарные исходы, входящие в А, но не входящие в В.
4. Противоположным (или дополнительным)
к событию А
называется событие
,
состоящее в том, что событие А
в результате эксперимента не произошло.
Иначе говоря,
есть множество, содержащее элементарные
исходы, не входящие в А.
Определение 5.
1. События А и В называются несовместными, если А ∩ В = .
2. События А1, А2 , … Аn называются попарно несовместными, если для любых i ≠ j, 1 i,j n, события Аiи Аj несовместны.
3. Говорят, что событие А влечет событие В, и пишут А В, если всегда, как только происходит событие А, происходит и событие В. На языке теории множеств это означает, что любой элементарный исход, входящий в А, одновременно входит и в событие В.