- •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
§3. Дискретное вероятностное пространство
Пусть дано Ω = {ω1,…,ωn} — счетное множество элементарных исходов, и задано множество соответствующих им вероятностейP= {pi}. Полагают при этом, что
.
СобытиемAбудем по прежнему называть любое подмножество Ω.Вероятностьюэтого события будем считать величину, равную
.
Набор (Ω, P) называютвероятностным пространством.
Рассмотрим задачуиз п. 2.2. В качестве элементарных исходов возьмем последовательности бросков (конечные наборы из нулей и единиц). Будем кодировать герб единицей, а решетку — нулем. Разумно задать вероятность последовательности ωдлиныnкакp(ω) = 1/2 n.
Тогда вероятность события A: «герб выпал после четного числа бросков» будет
.
Здесь мы заметили, что вероятность появления нечетного числа нулей равна 1/22m − 1, а вероятность появления единицы — 1/2. Применив формулу для суммы бесконечно убывающей геометрической прогрессии, получили результат.
§4. Геометрическая вероятность
Предположим, имеются некоторые элементарные события, которым можно поставить в соответствие геометрические объекты (фигуры):
A↔A′
Ω↔Ω′
Тогда вероятность Aбудет определяться как отношение площадейA′ иΩ′:
.
П
риведемпример —задачу о встрече. Двое
договорились встретиться, причем оба
согласились прийти между 12 и 13 часами.
Каждый приходит в произвольный момент
между 12 и 13, ждет партнера 20 минут, а
затем уходит. Какова вероятность того,
что они встретятся?
Решение. Будем интерпретировать
времена прихода (события) как точки на
плоскости. Тогда всевозможные события
заполнят квадрат со стороной 1. Встреча
возможна, если
.
Окончательно (см. рис.)
.
Заметим, что в силу несчетности множества элементарных событий определения вероятности из §2 и 3 здесь не годятся.
§5. Парадоксы Бертрана
Рассмотрим задачу. Дана окружность единичного радиуса, в которой случайным образом выбирается хорда. Какова вероятность того, что ее длина меньше длины стороны правильного треугольника, вписанного в окружность?
Оказывается, 3 различных решения этой задачи приводят к трем различным результатам.
Так как окружность симметрична относительно поворотов, ограничимся теми хордами, которые перпендикулярны одному фиксированному диаметру. Таким образом, хорды определяются своими точками пересечения с диаметром. Значит, можно взять за события точки на диаметре. Впишем правильный треугольник в окружность так, чтобы выбранный нами диаметр был его высотой. Тогда P(A) = r/R = 1/2.
Каждая хорда однозначно определяется координатой ее середины. Большие хорды (большие либо равные по длине стороне правильного треугольника) обязательно пересекают вписанную окружность площадью s=πr2. Площадь исходной окружностиS=πR2. Вероятность того, что хорда большая, равнаP(A0) =s/S=r 2/R2= (r/R) 2= (1/2) 2= 1/4.
Соответственно, искомая вероятность P(A) = 1 − 1/4 = 3/4.
Проведем касательную и рассмотрим все хорды, конец которых находится в точке касания. Пусть этот конец есть вершина вписанного треугольника. Выберем другой конец случайно с равномерным распределением. Вершины треугольника делят окружность на три равные дуги, и случайная хорда длиннее стороны правильного треугольника, если она пересекает этот треугольник. Тогда вероятность того, что хорда большая, равна P(A0) = 1/3. Стало быть, искомая вероятность равнаP(A) = 1 − 1/3 = 2/3.
В чем же причина проблем? Во фразе «случайным образом выбирается хорда». Поскольку этот «случайный выбор» сторого не определен, то вероятность определяется по-разному в зависимости от метода его определения.



Рис. 5.1. Методы решения, слева направо: 1, 2, 3.
