
- •С.Е.Игнатова теория вероятностей
- •Санкт-Петербург
- •Утверждено редакционно-издательским советом сПбГиэу
- •Игнатова с.Е.
- •Содержание:
- •Предисловие
- •Введение
- •Краткая историческая справка.
- •1. Правила действия со случайными событиями и вероятностями их осуществления.
- •1.1. Предмет теории вероятностей.
- •1.2. Основные формулы комбинаторики.
- •1.3. Испытания и события.
- •1.4. Виды случайных событий.
- •1.5. Классическое определение вероятности.
- •1.6. Статистическая вероятность.
- •1.7. Геометрическая вероятность.
- •1.8. Аксиоматика а.Н. Колмогорова.
- •1.9. Алгебра событий.
- •1.10. Теоремы сложения вероятностей.
- •1.11. Условные вероятности, независимость событий и экспериментов.
- •1.11.1. Теоремы умножения вероятностей.
- •1.11.2. Формула полной вероятности.
- •1.11.3. Вероятность гипотез. Формула Байеса.
- •1.11.4. Схема независимых испытаний (схема Бернулли).
- •2. Случайные величины и законы распределения вероятностей.
- •2.1. Виды случайных величин.
- •2.2. Закон распределения вероятностей дискретной случайной величины.
- •2.2.1. Функция распределения вероятностей случайной величины.
- •2.2.2. Плотность распределения вероятностей непрерывной случайной величины.
- •2.3. Основные числовые характеристики случайных величин.
- •2.3.1. Математическое ожидание.
- •2.3.2. Дисперсия.
- •2.3.3. Среднее квадратическое отклонение.
- •2.3.4. Мода и медиана.
- •2.4. Производящие функции моментов.
- •2.5. Законы распределения вероятностей, наиболее распространенные в практике статистических исследований.
- •Вероятностный смысл параметров:
- •2.5.1. Вероятность попадания в заданный интервал нормальной случайной величины.
- •2.5.2. Вычисление вероятности заданного отклонения.
- •2.5.3. Правило трёх сигм.
- •2.6. Последовательности случайных величин в дискретном вероятностном пространстве.
- •3. Закон больших чисел и центральная предельная теорема.
- •4. Совместное распределение случайных величин.
- •4.1. Закон распределения двумерной случайной величины.
- •4.2. Вычисление основных числовых характеристик случайных величин х и y.
- •4.3. Условные распределения.
- •4.4. Зависимые и независимые случайные величины.
- •4.5. Коэффициент корреляции двух случайных величин и его свойства.
- •4.6. Независимость и некоррелированность.
- •4.7. Нормальный закон распределения на плоскости.
- •Вероятностный смысл параметров:
- •4.8. Линейная регрессия. Прямые линии среднеквадратической регрессии.
- •5. Последовательности, образующие цепь Маркова.
- •5.1. Равенство Маркова.
- •5.2. Финальные вероятности.
- •Заключение
- •Список литературы:
- •Сведения об авторе.
1.4. Виды случайных событий.
Определение: Два события называются несовместными, если в одном и том же испытании появление одного из них исключает появление другого.
Определение: Два события называются совместными, если в одном и том же испытании появление одного из них не исключает появления другого.
Пример: а) Выпадение орла при подбрасывании монеты исключает появление решки и наоборот.
Пусть событие A – выпадение орла, а событие B – выпадение решки. A и B – несовместные события.
b) Если же подбросили две монеты, то появление события A на одной монете, а B – на другой возможно. Следовательно, A и B – совместные события.
Определение: Несколько событий образуют полную группу, если в результате испытания появление хотя бы одного из них является достоверным событием.
В предыдущем примере в пункте (а): A и B образуют полную группу.
Рассмотрим события в пункте (b):
A1 – орёл на первой монете,
A2 – орёл на второй монете,
B1 – решка на первой монете,
B2 – решка на второй монете.
Тогда события A1, A2, B1, B2 образуют полную группу.
Следствие: Если события, образующие полную группу, попарно несовместны (т.е. каждые два из них несовместны), то в результате испытания появится одно и только одно из этих событий.
Заметим, что не существует строгого определения равновозможности событий. Дадим нестрогое определение.
Определение: События называются равновозможными, если есть основания считать, что ни одно из них не является более возможным, чем другое.
В предыдущем примере в пункте (а): события A и B – равновозможные.
Пример: Появление того или иного числа очков на брошенной игральной кости – равновозможные события. Т.к. игральная кость изготовлена из однородного материала, имеет форму правильного многогранника, и наличие очков не оказывает влияния на выпадение любой грани.
Пример: Из колоды карт случайным образом вытащили одну карту. Событие A – карта красной масти, B – бубновый король. События A и B не являются равновозможными.
Определение: Среди всех возможных событий, которые в данном испытании могут произойти, можно выделить множество элементарных событий (элементарных исходов) по следующим признакам:
1) Все они взаимно исключают друг друга, и в результате испытания обязательно происходит одно из этих событий;
2) Каково бы ни было событие A, по наступившему элементарному событию можно судить о том, что наступило или не наступило событие A.
Пример: Брошена монета. Тогда элементарными событиями являются:
ω1 – выпадение орла;
ω2 – выпадение решки.
Пример: Брошена игральная кость. Тогда элементарными событиями являются:
ω1 – выпадение одного очка;
ω2 – выпадение двух очков;
ω3 – выпадение трех очков;
ω4 – выпадение четырех очков;
ω5 – выпадение пяти очков;
ω6 – выпадение шести очков.
1.5. Классическое определение вероятности.
Пусть в результате испытания появляются элементарные исходы (события): ω1, ω2, ω3, …, ωm, ωm+1, …, ωn, которые образуют полную группу попарно несовместных равновозможных событий.
Определение: Элементарные исходы, в которых интересующее нас событие наступает, назовём благоприятствующими этому событию.
Пусть интересующее нас событие A наблюдается, если наступает один из элементарных исходов: ω1, ω2, …, ωm.
Определение: Вероятностью события A называют отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу:
где m – число элементарных исходов, благоприятствующих событию A;
n – число всех возможных элементарных исходов испытания.
Пример: В урне имеется шесть одинаковых шаров: два из них – красные, три – синие и один – белый. Наудачу извлекаем шар.
Найти вероятность того, что он не белый.
Решение: Возможно шесть элементарных исходов:
ω1 – появился белый шар,
ω2, ω3 – появился красный шар,
ω4, ω5, ω6 – появился синий шар.
Вычисляем вероятность извлечения не белого шара:
т.к. m
= 5, n
= 6.
Из определения вероятности вытекают следующие её свойства:
Свойство 1: Вероятность достоверного события равна единице.
Доказательство:
Событие достоверно, следовательно,
каждый элементарный исход испытания
благоприятствует событию:
Свойство 2: Вероятность невозможного события равна нулю.
Доказательство: Событие невозможно, следовательно, ни один элементарный исход не является благоприятствующим событию:
P(
)
Свойство 3: Вероятность случайного события есть положительное число, заключённое между нулём и единицей.
Доказательство: Случайному событию благоприятствует лишь часть из общего числа элементарных исходов испытания. Следовательно, 0 < m < n, тогда:
Вывод: Вероятность любого события удовлетворяет неравенству:
Заметим, что классическое определение вероятности имеет свои недостатки. Например, оно предполагает, что число элементарных исходов конечно. На практике часто встречаются испытания, число возможных исходов которых бесконечно. Отсюда вытекает ограниченность классического определения. Другой недостаток классического определения вероятности: часто бывает невозможно представить результат испытания в виде совокупности элементарных событий. Ещё труднее указать основания, позволяющие считать элементарные события равновозможными. Требуется введение других определений вероятности.