
- •Содержание
- •Предисловие
- •1) Теория вероятностей;
- •I. Теория вероятностей
- •1.1. Случайные события
- •1.1.1. Предмет теории вероятностей
- •1.1.2. Классификация событий
- •1.1.3. Вычисление вероятности
- •1.1.3.1. Классическая вероятность
- •1.1.3.2. Элементы комбинаторики
- •1.1.4. Геометрическая вероятность
- •1.1.5. Частота события. Статистическое определение вероятности
- •1.1.6. Основные теоремы теории вероятностей
- •1.1.6.1. Операции над событиями
- •1.1.6.2. Условная вероятность. Теорема умножения вероятностей
- •1.1.6.3. Независимые события. Теорема умножения для независимых событий
- •1.1.6.4. События, независимые в совокупности. Вероятность появления хотя бы одного события
- •1.1.6.5. Теорема сложения вероятностей совместных событий
- •1.1.7. Формула полной вероятности
- •1.1.8. Вероятности гипотез. Формула Байеса
- •1.1.9. Схема независимых последовательных испытаний
- •1.1.9.1. Схема Бернулли. Формула Бернулли
- •1.1.9.2. Локальная теорема Муавра-Лапласа
- •1.1.9.3. Интегральная теорема Лапласа
- •1.2. Случайные величины
- •1.2.1. Дискретная случайная величина и ее закон распределения
- •1.2.2. Биномиальное распределение
- •1.2.3. Распределение Пуассона (пуассоновское приближение биномиального распределения)
- •1.3. Математическое ожидание дискретной случайной величины
- •1.4. Дисперсия дискретной случайной величины
- •1.5. Математические ожидания и дисперсии некоторых случайных величин
- •1.6. Непрерывные случайные величины
- •1.6.1. Функция распределения случайной величины
- •1.6.2. Плотность распределения вероятностей непрерывной случайной величины
- •1.6.3. Математическое ожидание, дисперсия и среднеквадратическое отклонение непрерывной случайной величины
- •1.6.4. Наиболее распространенные распределения непрерывных случайных величин
- •1.7. Закон больших чисел. Теорема Ляпунова
- •1.7.1. Неравенство Чебышева
- •1.7.2. Теорема Чебышева
- •1.7.3. Теорема Бернулли
- •1.7.4. Понятие о центральной предельной теореме (о теореме Ляпунова)
- •1.8. Понятие о случайном векторе и законе распределения его координат
- •1.8.1. Примеры случайных векторов
- •1.8.2. Закон распределения и функция распределения двумерной случайной величины
- •1.8.3. Функция распределения двумерной случайной величины и ее свойства
- •1.8.4. Плотность распределения двумерной случайной величины и ее свойства
- •1.8.5. Корреляционный момент и коэффициент корреляции
- •1.8.6. Двумерное нормальное распределение
- •1.8.7. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •1.9. Элементы теории массового обслуживания
- •II. Математическая статистика
- •Список литературы
1.1.6.2. Условная вероятность. Теорема умножения вероятностей
В теории вероятностей имеется важное понятие: условная вероятность. Допустим, мы изучаем два события: А и В. Эти события в общем виде связаны, или зависимы, т.е., например, вероятность появления события В зависит от того, произошло (наступило) событие А или нет.
Вероятность события В, вычисленная в предположении, что событие А уже наступило, называется условной вероятностью этого события и обозначается
РА(В) или Р(В/А).
Читается: вероятность В при условии А.
Пример 1. В урне 3 белых и 3 черных шара. Из нее вынимают шар и, не возвращая его обратно, вынимают второй шар. Найти вероятность появления белого шара при втором испытании (событие В), если при первом испытании был извлечен черный шар (событие А).
Решение. После того, как в первом испытании появился черный шар, в урне осталось 5 шаров, среди них 2 черных. Вероятность при повторном испытании вынуть белый шар равна
.
Справедлива следующая теорема умножения вероятностей.
Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность второго при условии, что произошло первое:
Р(АВ)=Р(А)РА(В). (1.1.6.3)
Доказательство. Пусть n – общее число исходов опыта, m – число исходов, благоприятствующих событию А. Пусть также l – число исходов, благоприятствующих событию АВ, т.е. совместному наступлению событий А и В.
Тогда
(см.рис.).
|
|
m исходов, Р(А)= , |
|
l
исходов, Р(АВ)= |
Найдем РА(В). Очевидно, что в тех m случаях, когда происходит событие А, в l из них (lm) происходит событие В. Поэтому
.
Поскольку
,
то
Р(АВ)=Р(А)РА(В).
Теорема доказана. Очевидно, в силу симметрии можно записать
Р(АВ)=Р(В)РВ(А). (1.1.6.4)
Следствие 1. Из доказанной теоремы следует, что
.
(1.1.6.5)
Эти формулы можно считать определением условной вероятности.
Следствие 2. Вероятность совместного появления нескольких событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились:
Р(А1А2…Аn)=Р(А1)
(А2)
(А3)…
(Аn),
(1.1.6.6)
где (Аn) – вероятность события Аn, вычисленная в предположении, что события А1, А2, …, Аn–1 уже наступили.
Заметим, что порядок, в котором расположены события, может быть произвольным, т.е. безразлично, какое из них считать первым, вторым и т.д.
В частности, для трех событий
Р(АВС)=Р(А)РА(В)РАВ(С). (1.1.6.7)
Пример. В урне имеется 5 белых, 4 черных и 3 синих шара. Последовательно извлекаются 3 шара, при этом предыдущий в урну не возвращается. Найти вероятность того, что первый шар окажется белым, второй – черным, а третий – синим.
Решение. Пусть А – появление белого шара в первом испытании, В – появление черного шара во втором и С – появление синего шара в последнем, третьем испытании.
Очевидно,
.
Тогда
Р(АВС)=Р(А)РА(В)РАВ(С)=
.