
- •Вопросы для подготовки к экзамену по теории вероятностей и математической статистике
- •Факториал числа
- •Формулировка комбинаторных правил суммы и произведения. Четыре комбинаторных схемы выбора. Формулы для числа размещений и сочетаний в разных схемах выбора. Число перестановок.
- •Правило произведения
- •Перестановки
- •Размещения
- •Сочетания
- •3.Классическое, геометрическое и статистическое определения вероятности. Вывод свойств вероятности из определений. Ограниченность классических определений вероятности.
- •2) Устойчивость относительных частот появления а в различных сериях достаточно
- •4. Вероятностное пространство (ω, s, р). Аксиомы теории вероятностей и следствия из них. Описание конечного вероятностного пространства в аксиоматике Колмогорова.
- •Вероятностные пространства (в расширенном смысле и бесконечные)
- •5.Условная вероятность. Определение зависимых и независимых событий. Попарная незевисимость событий и независимость в совокупности.
- •Независимость событий
- •Независимость событий в совокупности
- •6.Теорема о вероятности суммы событий. Формула полной вероятности. Вероятность гипотез: постановка задачи. Формулы Байеса для вероятностей гипотез.
- •Формула Байеса (теорема гипотез).
- •7. Определение случайной величины. Закон распределения вероятностей случайной величины. Способы задания дискретной случайной величины. Дискретные случайные величины.
- •Закон распределения дискретной случайной величины
- •Дискретные случайные величины
- •8. Функция распределения случайной величины, ее свойства и график. Функция распределения.
- •9.Непрерывные случайные величины. Способы задания непрерывной случайной величины. Плотность вероятности и ее основные свойства.
- •10.Числовые характеристики дискретных и непрерывных случайных величин. Математическое ожидание случайной величины и его свойства. Дисперсия случайной величины и её свойства.
- •1. Параметры уравнения регрессии.
2) Устойчивость относительных частот появления а в различных сериях достаточно
большого числа опытов.
Замечание 3. Недостатком статистического определения является неоднозначность
статистической вероятности.
Пример. Если в задаче задается вероятность попадания в мишень для данного стрелка
(скажем, р = 0,7), то эта величина получена в результате изучения статистики большого
количества серий выстрелов, в которых этот стрелок попадал в мишень около семидесяти
раз из каждой сотни выстрелов
Одним из недостатков классического определения вероятности является то, что оно
неприменимо к испытаниям с бесконечным количеством исходов. В таких случаях можно
воспользоваться понятием геометрической вероятности
Пусть на отрезок L наудачу брошена точка. Это означает, что точка обязательно попадет
на отрезок L и с равной возможностью может совпасть с любой точкой этого отрезка. При
этом вероятность попадания точки на любую часть отрезка L не зависит от расположения
этой части на отрезке и пропорциональна его длине. Тогда вероятность того, что брошен-
ная точка попадет на отрезок l, являющийся частью отрезка L, вычисляется по формуле:
,
L
p l (2.1)
где l – длина отрезка l, а L – длина отрезка L.
Ограниченность классических определений вероятности.
Классическое определение вероятности предполагает, что число элементарных исходов испытания конечно. На практике же весьма часто встречаются испытания, число возможных исходов которых бесконечно. В таких случаях классическое определение неприменимо. Уже это обстоятельство указывает на ограниченность классического определения. Отмеченный недостаток может быть преодолен, в частности, введением геометрических вероятностей (см. 8) и, конечно, использованием аксиоматической вероятности (см, 3, замечание).
Наиболее слабая сторона классического определения состоит в том, что очень часто невозможно представить результат испытания в виде совокупности элементарных событий. Еще труднее указать основания, позволяющие считать элементарные события равновозможными. Обычно о равновозможности элементарных исходов испытания говорят из соображений симметрии. Так, например, предполагают, что игральная кость имеет форму правильного многогранника (куба) и изготовлена из однородного материала. Однако задачи, в которых можно исходить из соображений симметрии, на практике встречаются весьма редко. По этой причине наряду с классическим определением вероятности используют и другие определения, в частности статистическое определение: в качестве статистической вероятности события принимают относительную частоту или число, близкое к ней. Например, если в результате достаточно большого числа испытаний оказалось, что относительная частота весьма близка к числу 0,4, то это число можно принять за статистическую вероятность события.
Легко проверить, что свойства вероятности, вытекающие из классического определения (см. 3), сохраняются и при статистическом определении вероятности. Действительно, если событие достоверно, то m = n и относительная частота
m / n = n / n = 1,
т. е. статистическая вероятность достоверного события (так же как и в случае классического определения) равна единице.
Если событие невозможно, то m = 0 и, следовательно, относительная частота
0 / n = 0,
т. е. статистическая вероятность невозможного события равна нулю.
Для любого события 0 <= m <= n и, следовательно, относительная частота
0 <= m / n <= 1,
т. е. статистическая вероятность любого события заключена между нулем и единицей.
Для существования статистической вероятности события А требуется:
а) возможность, хотя бы принципиально, производить неограниченное число испытаний, в каждом из которых событие А наступает или не наступает;
б) устойчивость относительных частот появления А в различных сериях достаточно большого числа испытаний.
Недостатком статистического определения является неоднозначность статистической вероятности; так, в приведенном примере в качестве вероятности события можно принять не только 0,4, но и 0,39; 0,41 и т. д.