
- •Кафедра теории вероятностей и математической статистики
- •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
- •Расчет шансов и прогнозирование последствий
- •Примеры практических задач, при решении которых применяется теория вероятностей
- •Элементарный исход
- •Пространство элементарных исходов
- •Советы по построению пространства элементарных исходов.
- •Определения Подмножества
- •Операции над подмножествами
- •Случайные события
- •Вероятностное пространство
- •Парадокс определения вероятностного пространства
- •Независимые события
- •Дискретная вероятностная модель
- •Конечное пространство элементарных исходов
- •Классическая вероятностная модель
- •Связь классической вероятностной модели с комбинаторикой
- •Основная формула комбинаторики
- •Факториал
- •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.
- •Независимость событий и условная вероятность. Построение моделей.
- •Независимость Различие между независимостью попарно и в совокупности. Пример Бернштейна
- •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
- •Определение случайной величины
- •Распределения случайных величин и векторов
- •Геометрическое распределение
- •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)
- •Неравенства Неравенство Маркова
- •Неравенство Чебышева. Дисперсия
- •Неравенство Коши-Буняковского-Шварца. Ковариация
- •Неравенство Йенсена.Выпуклые функции
- •Моменты
- •Вычисление математического ожидания.
- •Теорема Лебега о замене переменных
- •Вычисление интеграла Лебега на прямой.
- •Вычисление маргинальных плотностей
- •Вычисление числовых характеристик важных распределений.
- •Суммирование независимых случайных величин
- •Сходимость последовательностей случайных величин и их распределений
- •Закон больших чисел в форме Бернулли
- •Предельные теоремы теории вероятностей
- •Закон больших чисел в форме Чебышева
- •Определение условного распределения и условной плотности Условное распределение
Замечания к примерам.
1. В предыдущих примерах элементарный исход представлял собой вектор, координаты которого были однородны – принимали значения из одного и того же множества. Нет никаких ограничений при построении вероятностных пространств с использованием понятия независимости для объединения разнородных опытов – например бросания несимметричной монеты и симметричной игральной кости одновременно. В этом случае первая координата имеет два значения (1 – герб) , вторая - шесть и
Здесь p – вероятность выпадения герба.
2. Замена параллельно или последовательно соединенных элементов одним является частным случаем т.н. отображения вероятностных пространств. Действительно, для расчета вероятностей отказа нам пришлось описать исходную систему с n элементами элементарным исходом с n двоичными координатами ( по числу элементов). При этом число возможных состояний системы равно
С другой стороны с точки зрения надежности система может находится только в двух состояниях – исправна или неисправна (отказ). Поэтому для описания надежности системы достаточно двух элементарных исходов – 0,1. Еще раз заметим, что один опыт, с разной степенью детальности может быть описан разными пространствами элементарных исходов.
Каждому элементарному исходу (состояниям элементов) в первом пространстве соответствует либо 0 (отказ системы) либо 1 (исправность системы) во втором пространстве.
Таким образом мы имеем два вероятностных пространства, основное
на котором мы задали вероятность с использованием детальных представлений об опыте и второе (пространство значений)
,
B – наибольшая сигма-алгебра.
Во втором пространстве мы определили вероятность с помощью отображения (функции )
которая каждому элементарному исходу первого опыта ставит в соответствие элементарный исход второго опыта.
Замена сложной системы одним элементом равносильна указанному отображению пространств. Вероятность на втором пространстве не определяется независимо, а вычисляется с использованием вероятности, заданной на основном пространстве и отображения
Если изменить вероятность на основном пространстве или отображение, то изменится и вероятность на пространстве значений. Например, при изменении надежности отдельных элементов изменится вероятность P, при изменении схемы соединения – отображение.
Для того чтобы отметить зависимость вероятности на пространстве значении от основной вероятности и отображения ее обозначают
например
Условная вероятность
Часто случайные компоненты в опыте и соответственно координаты элементарного исхода являются зависимыми. В этом случае для определения распределения используют понятие условной вероятности.
Урновая схема
Рассмотрим, например, эксперимент, описывающий выбор двух шаров из урны, содержащей 20 черных и 10 белых шаров, без возвращения. Элементарным исходом будет вектор
из нулей и единиц (1 – черный шар, 0 - белый), где первая координата описывает цвет второго извлеченного шара, а вторая цвет первого извлеченного шара.
Как задать вероятность элементарного исхода?
Ясно, что событие «На первом шаге вынут черный шар» должно иметь вероятность
Ясно также, что если бы мы знали цвет извлеченного на первом шаге шара, то точно также могли бы определить вероятность извлечения черного шара на втором шаге. Именно, если первый шар белый, то (при этом условии) вероятность извлечь черный шар на втором шаге равна
Если первый шар черный, то
Тогда естественно определить вероятность исхода (1,1) так чтобы выполнялась формула условной вероятности
т.е.
и
Аналогично определяются вероятности остальных элементарных исходов
Теперь нетрудно, например, вычислить вероятность того, что второй извлеченный шар будет черным. Она равна
Покажите, что нас самом деле вероятность вытащить черный шар одинакова не только для первого и второго, но и для любого другого шага выбора (пока она не станет равной, естественно, нулю – когда кончатся черные шары) |
Заметим, что данный результат в применении к задаче о студенте на экзамене означает, что студенту все равно каким идти – первым или вторым. |