
- •I програма курсу
- •II загальні методичні вказівки
- •Правила оформлення контрольної роботи
- •III основні поняття курсу
- •3.1. Елементи комбінаторики
- •3.2. Види подій
- •3.3. Різні визначення ймовірності
- •Класичне визначення ймовірності
- •Статистичне визначення ймовірності
- •Геометричне визначення ймовірності
- •3.4. Основні теореми і формули
- •Д) Виходячи з того, що сума подій полягає в появі хоча б одного з подій – складових, має сенс користатися іншою формулою:
- •Формула повної ймовірності
- •Формула Бейєса
- •IV. Повторні випробування
- •Формула Пуассона
- •Локальна теорема Лапласа
- •V. Випадкові величини та їх характеристики
- •5.1. Поняття про випадкові величини
- •5.2. Функції розподілу
- •Властивості інтегральної функції
- •Властивості диференціальної функції
- •5.3. Числові характеристики випадкових величин
- •5.4. Конкретні закони розподілу
- •5.5. Закон великих чисел
- •VI. Елементи математичної статистики
- •6.1. Характеристики розподілу вибіркових даних
- •6.2. Побудова законів розподілу за вибірковими даними
- •Побудова нормального закону за емпіричним варіаційним рядом Припустимо, що у результаті випробування отримано інтервальний варіаційний ряд ознаки
- •Обчислення теоретичного ряду частот нормального розподілу
- •Побудова закону Пуассона по емпіричному матеріалу
- •Нехай отримано емпіричний варіаційний ряд ознаки
- •Обчислення теоретичного ряду частот розподілу Пуассона
- •6.3. Критерії згоди. Основні поняття
- •Критерій згоди Пірсона
- •Критерій згоди Колмогорова
- •Критерій згоди Ястремського
- •Критерій згоди Романовського
- •6.4. Лінійна кореляція і рівняння лінійної регресії
- •IV застосування комп’ютерних засобів для рішення деяких задач статистики
- •Введення даних
- •Графічне представлення даних
- •Статистичний аналіз даних в Excel
- •VIII. Завдання для контрольної роботи
- •I. Розв’язати задачі
- •Іi. Розв’язати задачі
- •IV. Розв’язати задачі
- •V. Для дискретної випадкової величини х, заданої рядом розподілу, знайти:
- •VI. Неперервна випадкова величина х задана інтегральною функцією
- •IX. У припущенні про розподіл ознаки по закону Пуассона обчислити теоретичні частоти, перевірити погодженість теоретичних і фактичних частот на основі критерію Ястремського.
- •Додаток 1
- •Додаток 2
- •Продовження додатку 2
- •Критичні точки розподілу
- •Значення (розподіл Пуассона)
- •Критерій Колмогорова
- •Критерій Колмогорова
3.4. Основні теореми і формули
Як правило, для визначення ймовірностей подій застосовуються не тільки безпосередні прямі методи, а і непрямі, що дозволяють за відомими ймовірностями одних подій визначати ймовірності інших подій, які з ними пов’язані. Уся теорія ймовірностей, в основному, і є системою таких непрямих методів, застосування яких дозволяє звести необхідний експеримент до мінімуму.
Сумою
двох подій
і
називають подію
,
що складається в появі хоча б однієї з
подій
і
(чи
,
чи
,
чи
і
).
Теореми додавання ймовірностей
а) Ймовірність суми двох несумісних подій дорівнює сумі ймовірностей цих подій
.
б) Ймовірність суми двох сумісних подій дорівнює сумі ймовірностей цих подій без ймовірності їх сумісної появи
.
Зауваження. Варто мати на увазі, що коли події утворюють суму, то вони поєднуються союзом “чи” і навпаки.
в)
Якщо події
утворюють повну групу, то сума їх
ймовірностей дорівнює одиниці
.
г) Принцип доцільності застосування протилежних подій: якщо протилежна подія розпадається на менше число варіантів, ніж пряма подія, то має сенс при обчисленні ймовірності перейти до протилежної події
.
Д) Виходячи з того, що сума подій полягає в появі хоча б одного з подій – складових, має сенс користатися іншою формулою:
де
– ймовірність непояви
,
тобто
,
– ймовірність непояви
,
тобто
,
– ймовірність непояви
,
тобто
,
– ймовірність непояви
,
тобто
.
Теореми множення ймовірностей
Дві події називають незалежними, якщо ймовірність одного з них не залежить від того, відбулася чи ні інша подія.
У протилежному випадку події називаються залежними.
Ймовірність події
,
знайдена за умови, що подія
уже відбулася, називається
умовною ймовірністю
події
за умови виконання
:
Умова незалежності подій
і
:
.
Добутком
двох подій
і
називають подію
,
що складається в одночасній появі подій
і
.
а) Ймовірність добутку незалежних подій дорівнює добутку їх ймовірностей
б) Ймовірність добутку залежних подій дорівнює добутку ймовірності однієї з них на умовну ймовірність другої
Зауваження. Якщо події утворюють добуток, то вони поєднуються союзом “і” і навпаки.
Формула повної ймовірності
За допомогою теореми додавання і множення ймовірностей отримують формулу повної ймовірності і формули Бейєса.
Ймовірність події
,
яка може наступити лише за умови появи
однієї з гіпотез
,
що утворюють повну групу, дорівнює сумі
добутків ймовірностей кожної з гіпотез
на відповідну умовну ймовірність події
.
Формула Бейєса
Якщо подія уже відбулася, то переоцінити ймовірність кожної гіпотези можна за формулою Бейєса.
Припустимо, що несумісні
гіпотези
складають повну групу подій. Ймовірності
цих гіпотез до випробуванні відомі і
дорівнюють
.
Проведено випробування, в результаті
якого з’явилася подія
.
Ймовірність гіпотези
за умовою з’явлення події
визначається формулою
,
,
де – повна ймовірність події .
Приклад 6. |
Ймовірність улучення в мішень для першого стрільця дорівнює 0,9, для другого – 0,8. Обидва стрільця виконали по одному пострілу. Визначити ймовірність того, що мішень улучена. |
Розв’язання.
Подія – улучення першого стрільця, подія – улучення другого стрільця.
,
.
Подія
– промах першого стрільця, подія
– промах другого стрільця.
,
.
Подія – мішень уражена, тобто хоча б один стрілець улучив у мішень.
Подія
– обидва стрільця промахнулися.
.
Улучення або промахи стрільців незалежні один від одного.
Приклад 7. |
В одній урні 2 білих, 4 синіх і 3 чорних кулі, в другій відповідно 3, 2 і 5 куль. Виймають по одній кулі з кожної урни. Визначити ймовірність того, що вони різнокольорові. |
Розв’язання.
В урнах містяться кулі трьох кольорів. Варіанти різних по кольору куль можуть бути такими:
-
1 урна
б
б
с
с
ч
ч
2 урна
с
ч
б
ч
б
с
Ймовірність кожного з варіантів визначається за теоремою множення ймовірностей незалежних подій, а загальна ймовірність – їх підсумовуванням.
.
Приклад 8. |
Ймовірність одного улучення в ціль при одному залпі з двох гармат дорівнює 0,44. Знайти ймовірність поразки цілі при одному пострілі першої гармати, якщо відомо, що для другої гармати ця ймовірність дорівнює 0,6. |
Розв’язання.
Позначимо ймовірності
улучення 1-ї і 2-ї гармати через
і
,
тоді ймовірності протилежних подій
будуть
і
,
а ймовірність тільки одного улучення
виразиться співвідношенням:
;
,
,
,
Приклад 9. |
На склад надходять праски з двох заводів, перший з яких поставляє 70%, другий – 30% усієї кількості прасок. Відомо, що перший завод випускає 90% продукції, здатної прослужити гарантійний термін, а другий – 95%. Яка ймовірність, що навмання узята праска прослужить гарантійний термін? |
Розв’язання. .
Подія – праска прослужить гарантійний термін.
Визначення гіпотез:
гіпотеза
– праска виготовлена першим заводом,
гіпотеза
–
праска виготовлена другим заводом.
Гіпотези несумісні і утворюють повну групу.
Визначення ймовірностей гіпотез до проведення випробування:
;
.
.
Визначення умовних ймовірностей
;
.
Визначення повної ймовірності
Приклад 10. |
Є 10 урн. У 3-х з них – по 4 білих, 6 чорних куль, у 5-ти – по 7 білих, 3 чорних куль, у 2-х – по 2 білих, 8 чорних куль. Навмання взята куля виявилася білою. Яка ймовірність того, що вона взята з 3-ї групи урн? |
Розв’язання. .
В цій задачі потрібно використати формулу Бейєса, тому що результат відомий (куля виявилася білою).
Подія – куля виявилася білою.
Гіпотеза – куля взята з першої групи урн.
Гіпотеза – куля взята з другої групи урн.
Гіпотеза
– куля взята з третьої групи урн.
Гіпотези несумісні і утворюють повну групу.
;
;
;
.
;
;
.
.
.