- •Теория вероятностей Введение в теорию вероятностей Предмет теории вероятностей
- •Возникновение и развитие теории вероятностей До появления аксиоматики Колмогорова
- •В наше время
- •Необходимость теории вероятностей как науки
- •Возможность анализа случайных явлений
- •Новый язык для описания объектов
- •Распространение вероятностной и статистической терминологии
- •Советы по построению пространства элементарных исходов.
- •Элементарный исход
- •Пространство элементарных исходов
- •Определения Подмножества
- •Алгебра и сигма-алгебра
- •Случайные события
- •Информационный смысл понятия сигма - алгебра
- •Пересечение сигма-алгебр
- •Вероятностное пространство
- •Парадокс определения вероятностного пространства
- •Теорема (о непрерывности вероятностной меры)
- •Дискретная вероятностная модель
- •Конечное пространство элементарных исходов
- •Классическая вероятностная модель
- •Связь классической вероятностной модели с комбинаторикой
- •Основная формула комбинаторики
- •Урновая схема
- •Общее определение вероятности для экспериментов с конечным или счетным числом исходов
- •Дискретное распределение и вероятность
- •Равномерное распределение - классическая вероятностная модель
- •Биномиальное распределение – схема Бернулли
- •Мультиномиальное распределение – схема бросания частиц по ячейкам
- •Геометрическое распределение – испытания до первого успеха
- •Распределение Паскаля – испытания до m-того успеха
- •Пуассоновское распределение - теорема Пуассона
- •Теорема Пуассона.
- •Сходимость по вариации - приближение одних моделей другими
- •Использование понятия независимости для построения моделей. Произведение вероятностных пространств.
- •Примеры построения моделей.
- •Расчет надежности при параллельном соединении элементов.
- •Расчет надежности при последовательном соединении элементов
- •Расчет надежности сложной системы.
- •Замечания к примерам.
- •Условная вероятность
- •Урновая схема
- •Марковская зависимость
- •Формула полной вероятности и формула Байеса
- •Случайные величины
- •Отображения вероятностных пространств
- •Случайная величина
- •Борелевская сигма-алгебра
- •Свойства случайных величин
- •Случайный вектор
- •Распределения случайных величин и векторов
- •Точки непрерывности и разрыва функции распределения
- •Несобственные функции распределения
- •Дискретные распределения на прямой
- •Вырожденное распределение
- •Бернуллиевское распределение
- •Биномиальное распределение
- •Геометрическое распределение
- •Пуассоновское распределение
- •Произвольное дискретное распределение
- •Функция распределения случайной величины
- •Непрерывные распределения на прямой
- •Равномерное распределение на отрезке – мера Лебега.
- •Мера Лебега на прямой.
- •Плотность распределения
- •Вероятностный смысл плотности распределения
- •Бета-распределение на отрезке [0,1]
- •Смеси распределений.
- •Нормальное (гауссовское) распределение.
- •Экспоненциальное (показательное) распределение.
- •Гамма-распределение.
- •Построение меры в конечномерном пространстве Борелевская сигма-алгебра в конечномерном пространстве
- •Определение случайного вектора
- •Мера Лебега в конечномерном пространстве
- •Мера Лебега на квадрате - Задача о встрече
- •Независимые случайные величины
- •Многомерное нормальное распределение
- •Числовые характеристики случайных величин и векторов
- •Интеграл Лебега – математическое ожидание
- •Свойства интеграла Лебега (математического ожидания)
- •Неравенство Коши-Буняковского-Шварца. Ковариация
- •Неравенство Йенсена.Выпуклые функции
- •Неравенство Ляпунова.Моменты
- •Вычисление математического ожидания.
- •Теорема Лебега о замене переменных
- •Вычисление интеграла Лебега на прямой.
- •Вычисление интеграла Лебега в произведении пространств. Теорема Фубини
- •Теорема Фубини
- •Вычисление маргинальных плотностей
- •Вычисление числовых характеристик важных распределений.
- •Абсолютная непрерывность вероятностных мер
- •Абсолютно непрерывные и сингулярные меры и распределения
- •Теорема Радона-Никодима
- •Сходимость последовательностей случайных величин и их распределений
- •Сходимость по вероятности
- •Сходимость в среднеквадратическом
- •Слабая сходимость распределений
- •Взаимосвязь различных видов сходимости
- •Закон больших чисел в форме Бернулли
- •Теорема Шеффе
- •Сглаживание распределений
- •Преобразование Лапласа и производящая функция
- •Теорема единственности для характеристических функций и характеристические функции важных распределений
- •Предельные теоремы теории вероятностей
- •Классическая схема
- •Закон больших чисел в форме Чебышева
- •Закон больших чисел для схемы серий
- •Закон больших чисел в форме Хинчина
- •Центральная предельная теорема в форме Леви Теорема Леви
- •Теорема Муавра-Лапласа
- •Центральная предельная теорема в форме Ляпунова
- •Условное математическое ожидание, условная вероятность и условное распределение
- •Определение и основные свойства условного математического ожидания
- •Теорема существования и единственности условного математического ожидания
- •Математическое ожидание одной случайной величины относительно другой
- •Свойства условного математического ожидания
- •Определение условной вероятности, условного распределения и условной плотности Условная вероятность
- •Условное распределение
- •Вычисление условной плотности и условного математического ожидания
Вероятностное пространство
Вероятностное пространство это совокупность трех объектов – пространства элементарных исходов, сигма-алгебры событий и вероятности.
Это и есть математическая модель случайного явления или объекта.
Парадокс определения вероятностного пространства
Вернемся к исходной постановке задачи теории вероятностей. Нашей целью было построение математической модели случайного явления, которая помогла бы количественно оценить вероятности случайных событий. В то же время для построения вероятностного пространства необходимо задать вероятность, т.е. вроде бы именно то, что мы ищем (?).
Разрешение этого парадокса в том, что для полного определения вероятности как функции на всех элементах F, обычно достаточно задать ее на лишь на некоторых событиях из F, вероятность которых нам легко определить, а затем, пользуясь ее счетной аддитивностью, вычислить на любом элементе F.
Независимые события
Важным понятием теории вероятностей является независимость.
События A и B называются независимыми, если
т.е. вероятность одновременного осуществления этих событий равна произведению их вероятностей.
Попарно
События в счетном или конечном наборе называются независимыми попарно, если любая пара из них является парой независимых событий
В совокупности
События в счетном или конечном наборе называются независимыми в совокупности , если вероятность одновременного осуществления любого конечного поднабора из них равна произведению вероятностей событий этого поднабора.
Ясно, что независимые в совокупности события независимы и попарно. Обратное неверно.
Условная вероятность
Условной вероятностью события A при условии, что произошло событие B называется величина
Условную вероятность пока определим лишь для событий B, вероятность которых не равна нулю.
Если события A и B независимы, то
Свойства и теоремы
Простейшие свойства вероятности
Следует из того, что А и не-А противоположны и свойства конечной аддитивности вероятности |
Вероятность противоположного события |
Следует из того, что невозможное и достоверное события противоположны |
Вероятность невозможного события
|
Следует из того , что
|
Монотонность вероятности
и в этом случае
|
Следует из того, что любое событие содержится в пространстве элементарных исходов |
Ограниченность вероятности
|
Следует из представления |
Вероятность объединения событий
|
Следует из предыдущего |
Полуаддитивность вероятности
|
Докажите сами! |
Счетная полуаддитивность вероятности
|
Следует из счетной аддитивности вероятности и определения полной группы событий |
Вероятности полной группы событий Сумма вероятностей полной группы событий равна 1.
|
Следует из счетной аддитивности вероятности, определения полной группы событий и определения условной вероятности |
Формула полной вероятности Если
Если вероятности всех событий полной группы больше нуля, то также
|
Следует из предудущей формулы и определения условной вероятности |
Формула Байеса Если … - полная группа событий ненулевой вероятности , то для любого события A с ненулевой вероятностью
|
