
- •Глава 1. Теория вероятностей 3
- •1.2 Перестановки, размещения и сочетания
- •§2. Классическое определение вероятности
- •2.1 Определение и примеры
- •2.2 Критика классического определения
- •§3. Дискретное вероятностное пространство
- •§4. Геометрическая вероятность
- •§5. Парадоксы Бертрана
- •§6. Аксиоматика Колмогорова
- •6.1 Аксиомы событий
- •6.2 Аксиомы вероятности
- •6.3 Свойства вероятности
- •§7. Условная вероятность. Независимость
- •§8. Формула полной вероятности. Формула Байеса
- •§9. Схема Бернулли
- •9.1 Основные определения и примеры
- •9.2 Предельные теоремы в схеме Бернулли
- •§10. Случайные величины и их распределения
- •10.1 Введение
- •10.2 Функция распределения случайной величины
- •10.3 Наиболее употребительные распределения. Замена переменных
- •§11. Распределение случайного вектора (совместное распределение)
- •11.1 Основные определения
- •11.2 Плотность распределения случайного вектора при замене переменных
- •§12. Математическое ожидание случайной величины
- •12.1 Основные определения
- •12.2 Интеграл Лебега (интеграл по вероятностной мере)
- •12.3 Свойства математического ожидания
- •§13. Дисперсия случайной величины
- •§14. Примеры вычисления математического ожидания и дисперсии
- •§15. Производящие функции
- •15.1 Основные определения
- •15.2 Свойства
- •15.3 Примеры задач
- •§15. Коэффициент корреляции
- •§16. Многомерное нормальное распределение
- •16.1 Основные определения
- •16.2 Плотность распределения двумерного нормального вектора
- •16.3 Примеры задач
- •§17. Неравенство Чебышева
- •19.2 Закон больших чисел Бернулли
- •§20. Характеристические функции
- •20.1 Определение и свойства
- •20.2 Примеры
- •§21. Центральная предельная теорема
- •21.1 Доказательство цпт
- •21.2 Усиление закона больших чисел (збч Хинчина)
- •§22. Типичные задачи
- •§23. Условное математическое ожидание
- •23.1 Основные определения
- •23.2 Методы вычисления. Примеры
- •23.2.1 Дискретный случай
- •23.2.2 Непрерывный случай
- •23.3 Свойства
- •23.4 Исследование нормального случайного вектора
- •§24 Цепи Маркова
- •24.1 Основные определения. Формула Чепмена–Колмогорова
- •24.2 Классификация состояний
- •24.3 Период марковской цепи
- •24.4 Предельная теорема для переходных вероятностей марковских цепей
- •24.5 Возвратность цепей Маркова
- •§25 Типичные задачи, 2
§2. Классическое определение вероятности
2.1 Определение и примеры
Пусть имеется множество Ω, состоящее изnравновероятных1элементарных событий(исходовопыта)ω1, …, ωn.
СобытиемAназывают подмножествоΩ, состоящее изmисходов. Их назовемблагоприятствующимисобытиюA.ВероятностьсобытияA— величина, равная
.
Примеры2
Почтовая корреспонденция доставляется 5 адресатам случайным образом. Какова вероятность того, что каждое письмо попало правильному адресату?
Решение. Элементарное событие — маршрут доставки почты, т.е., 5-перестановка. Следовательно,n= 5! = 120.
Из всех маршрутов лишь один благоприятствуетсобытию «письма попали правильным адресатам». Значит,P(A) = 1/120.
Даны цифры 0, 1, 2, 3. Какова вероятность того, что их случайная перестановка — четырехзначное число? (т.е., не начинается с нуля).
Решение. Элементарное событие — 4-перестановка, значит,n= 4! = 24.
4-перестановок без ведущего нуля m= 3 3! = 18. ТогдаP(A) = 3/4.
Соревнуются 6 команд. Все между собой должны сыграть по одной игре. Какова вероятность попасть на игру любимой команды?
Решение. Всего игр,
из них одна команда должна сыгратьm= 5. ТогдаP(A)
= 1/3.
В ящике 20 деталей, из них 5 стандартных. Какова вероятность выбора набора из трех деталей, содержащего хоть одну стандартную?
Решение..
ТогдаP(A)
= 137/228.
Частица выходит из начала координат и равновероятно движется на каждом шаге вправо либо вверх. С какой вероятностью она достигнет точки (n,m)?
Решение. Количество траекторий
частицы длины (m+n)
легко сосчитать, если закодировать
каждую траекторию двоичным вектором
(например, приписать 0 движению вправо,
1 — вверх). Таких векторов, а, стало быть,
и траекторий.
А траекторий, ведущих в точку (n,m) —
.
Тогда
.
2.2 Критика классического определения
Классическое определение вероятности предполагает, что число элементарных исходов испытания конечно. На практике же весьма часто встречаются испытания, число возможных исходов которых бесконечно, например:
Монетку бросают до первого выпадения герба. Какова вероятность, что в первый раз герб выпадет за четное число бросков? Как видно, множество событий бесконечное (хотя и счетное).
Множество событий может быть и несчетным. Пусть, например, производится стрельба по мишени — окружности радиуса R, и попадание в каждую точку равновероятно. Какова вероятность попасть в центр мишени два раза подряд?
В таких случаях классическое определение неприменимо. Уже это обстоятельство указывает на ограниченность классического определения. Отмеченный недостаток может быть преодолен, в частности, введением аксиоматической вероятности.
Но 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 (равновероятными). 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.