
- •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.
1.9. Алгебра событий.
Определение: Два события A и B называют равными и пишут A = B, если наступление события A влечёт за собой наступление события B, и, наоборот, наступление события B влечёт за собой наступление события A.
Пример: Брошены две игральные кости. Событие A – сумма выпавших на костях очков чётная, событие B – на костях чётности очков совпадают (т.е. на обеих костях выпало либо чётное, либо нечётное). Следовательно, A = B.
Определение: Объединением (или суммой) событий A и B называется событие, состоящее в наступлении события A или события B, или обоих этих событий.
Обозначается:
или
A
+ B.
В случае объединения нескольких событий:
или A1 + A2 + … + Ak
Определение: Пересечением (или произведением) событий A и B называется событие, состоящее в одновременном наступлении как события A, так и события B.
Обозначается:
или
A·B.
В случае объединения нескольких событий:
или A1 · A2 · …· Ak
Определение: Разностью событий A и B называется событие С, состоящее в том, что наступает событие A, но не наступает событие B.
С = A\B.
Определение: Противоположными называются два единственно возможных события, образующих полную группу.
Ā – событие, противоположное событию A.
Определение: Множество всех элементарных событий, которые могут появиться в испытании, называется пространством элементарных событий Ω:
Определение: Пространство элементарных событий Ω вместе с алгеброй событий F и вероятностью Р образует тройку (Ω, F, P), которая называется вероятностным пространством.
Определение: Если множество элементарных исходов Ω конечно или счетно, то соответствующее вероятностное пространство называется дискретным.
Напомним, что в теории множеств, счётное множество есть бесконечное множество, элементы которого возможно пронумеровать натуральными числами.
1.10. Теоремы сложения вероятностей.
Теорема 1: Вероятность суммы конечного числа несовместных событий A1, A2, …, An равна сумме вероятностей этих событий:
Доказательство: Докажем это равенство для суммы двух событий A1+A2, где A1 и A2 – несовместны.
Пусть событию A1 благоприятствует m1 элементарных исходов, а событию A2 – m2 элементарных исходов. Т.к. A1 и A2 – несовместны (A1∩A2=Ø), то событию A1+A2 благоприятствует m1+m2 элементарных исходов из общего числа n исходов. Тогда, получаем:
Для произвольного числа попарно несовместных событий доказательство проводится методом математической индукции.
Пример: Для отправки груза со склада может быть выделена одна из двух машин различного вида. Известны вероятности выделения каждой машины: P(A1) = 0,2; P(A2) = 0,4.
Тогда вероятность того, что к складу будет подана одна из этих машин, равна P(A1+A2) = 0,2 + 0,4 = 0,6.
Теорема 2: Сумма
вероятностей попарно несовместных
событий A1,
A2,
…, An,
образующих полную группу, равна единице:
Доказательство: Т.к. появление одного из событий полной группы достоверно, а вероятность достоверного события равна единице, то P(A1+A2+…+An) = 1. Любые два события полной группы несовместны, тогда (по теореме 1) имеем:
Пример: Консультационный пункт института получает пакеты с контрольными работами из городов A, B и C. Вероятность получения пакета из города A равна 0,7, из города B – 0,2. Найти вероятность того, что очередной пакет будет получен из города C.
Решение: События «пакет получен из города A», «пакет получен из города B», «пакет получен из города C» образуют полную группу, следовательно:
0,7 + 0,2 + p = 1 => p = 1 – 0,9 = 0,1.
Теорема 3: Сумма вероятностей противоположных событий равна единице:
P(A) + P(Ā) = 1.
Доказательство: События A и Ā образуют полную группу, следовательно, по теореме 2 имеем:
Заметим, что при вычислении P(A) удобнее бывает вычислить P(Ā) и применить формулу:
Пример: В ящике находится 10 деталей, из которых 6 стандартных. Найти вероятность того, что среди четырех, наудачу извлечённых деталей, есть хоть одна стандартная.
Решение: Пусть событие A – «среди извлечённых деталей есть хоть одна стандартная». Тогда событие Ā – «среди извлечённых деталей нет ни одной стандартной».