
- •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′:
.
Приведемпример —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.