- •Казанский кооперативный институт (филиал)
- •Теория вероятностей и математическая статистика конспект лекций
- •Общие организационно-методические рекомендации преподавателю
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Предмет и задачи теории вероятностей
- •2. Основные понятия теории вероятностей. События и соотношения между ними. Классификация событий
- •3. Частота и вероятность события. Способы определения вероятности
- •Аксиомы теории вероятностей
- •Лекция 2 Основные формулы для вычисления вероятностей
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Основные формулы для вычисления вероятностей
- •6. (Рисунок 4).
- •7. (Рисунок 5).
- •Задание на самостоятельную работу
- •Лекция 3 Основные теоремы теории вероятностей: сложение, умножение, формула полной вероятности
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Правила сложения вероятностей
- •2. Правила умножения вероятностей
- •3. Формула полной вероятности
- •1. Формула Байеса, вероятность появления хотя бы одного события
- •Лекция 5 Основные законы распределения дискретных случайных величин. Формула Бернулли
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Понятие о случайной величине и законе её распределения
- •Р исунок 1
- •Р исунок 3
- •2. Формы закона распределения случайной величины: ряд распределения, функция распределения, функция плотности распределения
- •3. Формула Бернулли
- •Задание на самостоятельную работу
- •Лекция 6 Основные законы распределения дискретных случайных величин. Локальная теорема Муавра-Лапласа, формула Пуассона
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Локальная теорема Муавра-Лапласа
- •2. Распределение Пуассона
- •Задание на самостоятельную работу
- •Лекция 7 Основные законы распределения дискретных случайных величин. Интегральная теорема Лапласа
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1.1 Определение вероятности попадания случайной величины х с использованием приведенной табличной функции распределения
- •1.2 Определение вероятности попадания случайной величины на заданный интервал с использованием табличной функции плотности распределения
- •1.3 Определение вероятности попадания случайной величины на заданный интервал с использованием таблиц приведенной функции Лапласа
- •Текст лекции
- •1. Понятие случайной величины
- •2. Законы распределения дискретных случайных величин
- •Задание на самостоятельную работу
- •Лекция 9 Числовые характеристики: математическое ожидание, дисперсия, среднеквадратическое отклонение
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Понятие о числовых характеристиках случайной величины
- •2. Числовые характеристики положения: математическое ожидание и его основные свойства
- •3. Числовые характеристики рассеивания: дисперсия, среднеквадратическое отклонение. Основные свойства дисперсии
- •Задание на самостоятельную работу
- •Лекция 10 Непрерывные случайные величины: функция распределения случайной величины
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Функция распределения непрерывной случайной величины для определения вероятности попадания случайной величины на интервал
- •1.1. Функция распределения непрерывной случайной величины
- •1.2. Свойства функции распределения
- •Задание на самостоятельную работу
- •Лекция 11 Плотность вероятности. Числовые характеристики. Моменты случайных величин
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Плотность распределения непрерывной случайной величины для определения вероятности попадания случайной величины на интервал
- •1.1. Плотность распределения
- •1.2. Свойства плотности распределения
- •2.5. Медиана
- •2.6. Начальный момент
- •2.7. Центральный момент
- •2.8. Коэффициент асимметрии
- •2.9. Эксцесс
- •Задание на самостоятельную работу
- •Лекция 12 Законы распределения непрерывных величин: нормальное, равномерное, показательное
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •1. Равномерное распределение
- •2. Показательное распределение
- •2.1. Функция надёжности
- •3. Нормальный закон распределения
- •3.1. Функция Лапласа
- •3.2. Правило трёх сигм
- •Задание на самостоятельную работу
- •Лекция 13 Понятие закона больших чисел
- •Литература:
- •Структура занятия и расчёт времени
- •Текст лекции
- •Закон больших чисел
- •1.1. Неравенство Чебышева
- •1.2. Теорема Чебышева
- •1.3. Теорема Бернулли
- •1.4. Теорема Пуассона
- •1.5. Предельные теоремы
- •1.6. Теорема Муавра – Лапласа
- •Текст лекции
- •1. Генеральная и выборочная совокупности
- •1.1. Статистическое описание результатов наблюдений
- •Текст лекции
- •1. Интервальные оценки параметров распределения. Непрерывное и дискретное распределения признаков
- •1.2. Интервальные оценки.
- •Текст лекции
- •1. Вариационные ряды
- •2. Построение интервального вариационного ряда
- •3. Графическое изображение вариационных рядов
- •4. Средние величины
- •5. Медиана и мода
- •6. Показатели вариации
- •7. Свойства эмпирической дисперсии
- •8. Эмпирические центральные и начальные моменты
- •9. Эмпирические асимметрия и эксцесс
- •Текст лекции
- •1. Доверительные вероятности, доверительные интервалы
- •Текст лекции
- •1. Корреляционный анализ
- •1.1. О связях функциональных и статистических
- •1.2. Определение формы связи. Понятие регрессии
- •1.3. Основные положения корреляционного анализа
- •1.4. Свойства коэффициента корреляции
- •1.5. Поле корреляции. Вычисление оценок параметров двумерной модели
- •1.6. Проверка гипотезы о значимости коэффициента корреляции
- •1.7. Корреляционное отношение
- •1.8. Понятие о многомерном корреляционном анализе
- •1.9. Ранговая корреляция
- •2. Регрессионный анализ
- •2.1. Основные положения регрессионного анализа
- •2.2. Линейная регрессия
- •2.3. Нелинейная регрессия
- •2.4. Оценка значимости коэффициентов регрессии. Интервальная оценка коэффициентов регрессии
- •2.5. Интервальная оценка для условного математического ожидания
- •2.6. Проверка значимости уравнения регрессии
- •2.7. Многомерный регрессионный анализ
- •2.8. Факторный анализ
- •Приложения
- •Функция Лапласа
- •Задание на самостоятельную работу
2. Правила умножения вероятностей
Перед рассмотрением правил умножения вероятностей введём ряд новых понятий, которые необходимы для логического понимания производимых над событиями действий.
Событие А называется независимым от события В, если вероятность наступления события А не зависит от того, произошло ли событие В.
Событие А называется зависимым от события В, если вероятность наступления события А меняется в зависимости от того, произошло событие В или нет.
Факт зависимости или независимости события устанавливают из анализа условий испытания. В теории вероятностей под зависимостью случайных событий понимают не причинную зависимость, при которой два события выступают по отношению друг к другу как причина и следствие, а вероятностную или стохастическую зависимость (стохастическая зависимость [stochastic dependence] – зависимость между случайными величинами, проявляющаяся в том, что изменение закона распределения одной из них происходит под влиянием изменения закона распределения другой). Смысл вероятностной или стохастической зависимости двух событий состоит в том, что при наступлении одного из них другое наступает чаще или реже, чем наступает вообще при реализации данного комплекса условий.
В качестве примеров зависимых событий можно привести следующие:
Пример 3: реализация комплекса условий: выстрел по танку; событие А= {попадание в танк}; реализация комплекса условий – попадание в танк; событие В = {поражение экипажа танка}.
Для появления интересующего события В = {поражение экипажа танка} при реализации комплекса условий – выстрел по танку необходимо появления события А = {попадание в танк}, в то же время при реализации комплекса условий события А = {попадание в танк} не всегда может наступить событие В = {поражение экипажа танка}.
Раз нам требуется определить вероятность совместного наступления двух зависимых событий, одно из которых может наступить только при том условии, что имело место другое из них, введём понятие условной вероятности события.
Вероятность события В, вычисленная при условии, что имело место другое событие А называется условной вероятностью события В по отношению к событию А (обозначается Р(ВА)).
Теорема: Вероятность произведения или совместного наступления двух любых случайных событий равна произведению вероятностей одного из них на условную вероятность другого, вычисленную при условии, что первое имело место.
Пример 4: вероятность попадания в танк при одном выстреле равна 0,8; вероятность поражения экипажа танка при попадании в танк равна 0,7. Определить вероятность поражения экипажа танка при одном выстреле.
Решение:
Пусть событие А = {попадание в танк при одном выстреле}, а событие В = {поражение экипажа танка}. Интересующее нас событие С = {поражение экипажа танка при одном выстреле} будет иметь место только в том случае, если наступит событие А, при этом наступление события С возможно только тогда, когда одновременно наступят события А и В.
Вероятность наступления события А по условию задачи равна 0,8 (Р(А)=0,8); вероятность наступления события В равна 0,7 (Р(В)=0,7).
Требуется найти вероятность поражения экипажа танка при одном выстреле, которая будет являться произведением вероятностей попадания в танк при одном выстреле и поражении экипажа танка при условии что имело место попадание в него, т.е. Р(С)=Р(АВ).
Применив теорему умножения вероятностей, получим:
Р(АВ) = Р(А)Р(ВА) = 0,80,7 = 0,56.
Вывод: полученный результат означает, что при проведении достаточно большого числа стрельб в аналогичных условиях по одному выстрелу в каждом в среднем в 56 случаях из 100 экипаж танка будет поражён.
Правило умножения вероятностей легко обращается на случай произвольного числа событий:
.
Из данной теоремы вытекает ряд важных следствий.
Следствие 1. Вероятность произведения двух независимых событий равна произведению вероятностей этих событий.
Пример 5: по цели в тире производят по одному выстрелу два студента. Вероятность попадания в цель первого студента равна 0,7, второго - 0,4. Найти вероятность того, что в цель попадут оба студента.
Решение:
Пусть событие А={попадание в цель первым студентом}, а событие В={попадание в цель вторым студентом}, тогда интересующее нас событие С={попадание в цель и первым и вторым студентом}.
Вероятность наступления события А по условию задачи равна 0,7 (Р(А)=0,7), вероятность наступления события В равна 0,4 (Р(В)=0,4).
Попадание в цель вторым студентом не зависит от того, попадёт ли в цель первый студент и наоборот, а следовательно события А и В - независимы. Применив следствие из теоремы умножения для независимых событий, получим:
Р(АВ) = Р(А)Р(В) = 0,70,4 = 0,28
Вывод: полученный результат означает, что при проведении достаточно большого числа стрельб в аналогичных условиях в среднем в 28 случаях из 100 в цель попадут оба студента.
Зависимость и независимость событий всегда взаимны. Если событие А не зависит от события В, то и событие В не зависит от события А. Таким образом, можно уточнить данное ранее определение независимых событий. Два события называются независимыми, если появление одного из них не изменяет вероятности появления другого.
Из рассмотренных выше правил сложения и умножения вероятностей вытекает ещё одно очень важное следствие: если противоположное событие распадается на меньшее число вариантов, чем прямое событие, то имеет смысл при вычислении вероятностей переходить к противоположному событию:
.
Пример 6: два орудия, начиная с первого, ведут последовательно огонь по цели до получения первого попадания. При этом первое орудие может произвести два выстрела, а второе – только один. Вероятность попадания в цель при первом выстреле первого орудия – 0,4; вторым выстрелом – 0,8; вероятность попадания в цель вторым орудием – 0,6. Чему равна вероятность поражения цели?
Решение:
Обозначим за событие А1={попадание в танк первым орудием с первого выстрела}, за событие А2={попадание в танк первым орудием со второго выстрела}; В={попадание в танк вторым орудием}. Тогда интересующее нас событие С={поражение танка} определится как:
Так как события А1, А2, В несовместны и независимы, то вероятность наступления события С будет равна:
.
Вывод: полученный результат означает, что при проведении достаточно большого числа испытаний в аналогичных условиях в среднем в 95 случаях из 100, танк будет поражён.
