- •Часть I. Теория вероятностей
- •Тема 1. Классическое определение вероятности…………………………………………............................4
- •Тема 2. Геометрическое и статистическое определения вероятности……………………………………8
- •Тема 3. Алгебра событий....................................................................................................................................12
- •Тема 4. Формула полной вероятности и формула Байеса………………………………………………...15
- •Тема 5. Схема Бернулли……………………………………………………………………………………….19
- •Тема 6. Дискретные случайные величины....................................................................................................25
- •Тема 14. Предельные теоремы теории вероятностей………………………………………………….100
- •Тема 15. Случайные функции…………………………………………………………………………….108
- •Тема 16. Вероятностные основы теории информации…………………………………………………116
- •Тема 12. Системы случайных величин……………………………………………………………………63
- •Тема 13. Функции случайных величин……………………………………………………………………82
- •Тема 1. Классическое определение вероятности
- •Случайные события.
- •Классификация событий
- •Классическое определение вероятности.
- •1.4. Контрольные вопросы
- •Тема 2. Геометрическое и статистическое определения вероятности
- •2.1. Геометрическая вероятность
- •2.2. Статистическая вероятность. Закон больших чисел.
- •Число бросаний Относит. Частота появления герба
- •2.3. Условная вероятность
- •2.4. Контрольные вопросы
- •2.5. Задачи для самостоятельно решения
- •Тема 3. Алгебра событий
- •3.1. Произведение событий
- •3.2. Сумма событий. Свойства операций сложения и умножения событий.
- •3.3. Вероятность появления хотя бы одного из событий.
- •3.4. Принцип практической невозможности.
- •3.5. Контрольные вопросы
- •Тема 4. Формула полной вероятности события и формула Байеса
- •4.1. Формула полной вероятности события
- •4.2. Формула Байеса
- •4.3. Контрольные вопросы
- •4.4. Задачи для самостоятельно решения
- •Тема 5. Повторение опытов.
- •5.1. Частная задача о повторении опытов (схема Бернулли)
- •5.2. Независимые испытания с несколькими исходами.
- •5.3. Формулы Муавра-Лапласа
- •5.3.1. Локальная теорема Муавра-Лапласа. Функция Гаусса.
- •5.3.2. Интегральная теорема Муавра-Лапласа. Функция Лапласа.
- •Тема 6. Дискретные случайные величины
- •6.1. Классификация случайных величин
- •6.2. Законы распределения дискретных случайных величин
- •6.2.1. Ряд распределения. Многоугольник распределения
- •6.2.2. Функция распределения
- •Тема 7. Числовые характеристики дискретных случайных величин
- •7.1. Характеристики положения. Математическое ожидание. Мода. Медиана.
- •7.2. Дисперсия. Среднеквадратическое отклонение.
- •7.3. Контрольные вопросы.
- •Тема 8. Законы распределения дискретных случайных величин
- •8.1. Биномиальное распределение (закон Бернулли).
- •8.2. Закон Пуассона
- •8.3. Контрольные вопросы.
- •8.4. Задачи для самостоятельного решения.
- •Тема 9. Непрерывные случайные величины
- •9.1. Законы распределения непрерывных случайных величин.
- •9.1.1. Интегральный закон распределения
- •9.1.2. Плотность распределения
- •10.1. Математическое ожидание. Мода. Медиана.
- •10.2. Дисперсия. Среднее квадратичное отклонение.
- •10.3. Моменты распределения.
- •10.4. Контрольные вопросы.
- •Тема 11. Законы распределения непрерывных случайных величин
- •11.1. Закон равномерной плотности.
- •11.2. Задачи для самостоятельного решения.
- •11.3. Экспоненциальное (показательное) распределение.
- •11.4. Задачи для самостоятельного решения.
- •11.5. Нормальный закон распределения.
- •11.5.1. Плотность нормального распределения вероятностей.
- •11.5.2. Нормальная функция распределения.
- •11.6. Контрольные вопросы
- •11.7. Задачи для самостоятельного решения.
- •Тема 12. Системы случайных величин
- •12.1. Функция распределения системы двух случайных величин.
- •12.2. Плотность распределения системы двух непрерывных случайных величин.
- •12.3. Таблица распределения системы двух дискретных случайных величин.
- •12.4. Условные законы распределения и их числовые характеристики.
- •12.5. Зависимые и независимые случайные величины
- •12.6. Числовые характеристики системы двух случайных величин.
- •Тема 13. Функции случайных величин
- •13.1. Числовые характеристики функций случайных величин.
- •13.2. Теоремы о числовых характеристиках функций случайных величин.
- •13.3. Законы распределения функций случайных величин.
- •13.3.1. Закон распределения функции одного случайного аргумента.
- •Функция на участке (а, b) монотонно возрастает или убывает.
- •2. Функция на участке (а, b) не является монотонной.
- •13.3.2. Закон распределения функции двух случайных аргументов.
- •13.3.3. Закон распределения суммы двух непрерывных случайных аргументов. Композиция законов распределения.
- •Тема 14. Предельные теоремы теории вероятностей
- •14.1. Закон больших чисел. Центральная предельная теорема.
- •14.1.1. Неравенство Чебышёва.
- •14.1.2. Теорема Чебышёва.
- •14.1.3. Теорема Бернулли
- •14.2. Центральная предельная теорема.
- •Тема 15. Случайные функции
- •15.1. Понятие о случайной функции.
- •15.2. Закон распределения случайной функции.
- •15.3. Вероятностные характеристики случайных функций.
- •15.4. Стационарные случайные функции.
- •Тема 16. Вероятностные основы теории информации
- •16.1. Энтропия как мера степени неопределенности состояния физической системы.
- •16.2. Энтропия и информация.
- •Приложение. Приближённые значения функции стандартного нормального распределения
16.2. Энтропия и информация.
В предыдущем разделе была определена энтропия как мера неопределенности состояния некоторой физической системы. Очевидно, что в результате получения сведений неопределенность системы может быть уменьшена. Чем больше объем полученных сведений, чем они более содержательны, тем больше будет информация о системе, тем менее неопределенным будет ее состояние. Естественно поэтому количество информации измерять уменьшением энтропии той системы, для уточнения состояния которой предназначены сведения.
Рассмотрим
некоторую систему X,
над
которой производится наблюдение, и
оценим информацию, получаемую в результате
того, что состояние системы X
становится
полностью известным. До получения
сведений (априори) энтропия системы
была Н(X);
после
получения сведений состояние системы
полностью определилось, т. е. энтропия
стала равной нулю. Обозначим
информацию,
получаемую в результате выяснения
состояния системы X.
Она
равна уменьшению энтропии:
или
т. е. количество информации, приобретаемое при полном выяснении состояния некоторой физической системы, равно энтропии этой системы.
Представим последнюю формулу в виде:
где
т.е.
вероятность
того, что система X
находится в состоянии
.
Эта формула означает, что информация есть осредненное по всем состояниям системы значение логарифма вероятности состояния с обратным знаком.
Действительно,
для получения
каждое
значение
(логарифм вероятности i-го
состояния)
со знаком минус множится на вероятность
этого состояния и все такие произведения
складываются. Естественно каждое
отдельное слагаемое
рассматривать
как частную информацию, получаемую от
отдельного сообщения, состоящего в том,
что система X
находится
в состоянии
Обозначим
эту информацию
Тогда
информация
представится
как средняя (или полная) информация,
получаемая от всех возможных отдельных
сообщений
с
учетом их вероятностей. Формула для
может
быть записана в форме математического
ожидания:
где буквой X обозначено любое (случайное) состояние системы X.
Так как
все числа
не
больше единицы, то как частная информация
так
и полная информация
не
могут быть отрицательными.
Если все возможные состояния системы априори одинаково вероятны
то,
естественно, частная информация
от каждого отдельного сообщения
равна средней (полной) информации
В случае, когда состояния системы обладают различными вероятностями, информации от разных сообщений неодинаковы: наибольшую информацию несут сообщения о тех событиях, которые априори были наименее вероятны. Например, сообщение о том, что 31 декабря в г. Москве выпал снег, несет гораздо меньше информации, чем аналогичное по содержанию сообщение, что 31 июля в г. Москве выпал снег.
Пример. На шахматной доске в одной из клеток произвольным образом поставлена фигура. Априори все положения фигуры на доске одинаково вероятны. Определить информацию, получаемую от сообщения, в какой именно клетке находится фигура.
Решение.
Энтропия системы X
с
n
равновероятными
состояниями равна
;
в данном случае
т. е. сообщение содержит 6 двоичных единиц информации. Так как все состояния системы равновероятны, то ту же информацию несет и любое конкретное сообщение типа: фигура находится в квадрате e2.
Пример. В условиях предыдущего примера определить частную информацию от сообщения, что фигура находится в одной из угловых клеток доски.
Решение. Априорная вероятность состояния, о котором сообщается, равна
Частная информация равна
Пример. Определить частную информацию, содержащуюся в сообщении впервые встреченного лица A: «сегодня мой день рождения».
Решение.
Априори все дни в году с одинаковой
вероятностью могут быть днями рождения
лица A.
Вероятность
полученного сообщения
Частная
информация от
данного
сообщения
Пример. В условиях предыдущего примера определить полную информацию от сообщения, выясняющего, является ли сегодняшний день днем рождения впервые встреченного лица A.
Решение.
Система, состояние которой выясняется,
имеет два возможных состояния:
—день
рождения и
— не день рождения. Вероятности этих
состояний, соответственно:
Полная
информация равна:
