
- •Раздел 1. Лекции
- •Тема 1. Случайные события
- •Лекция 1
- •Введение
- •Предмет теории вероятностей
- •Основные понятия и определения теории вероятностей
- •Действия над событиями Алгебра событий
- •Свойства событий
- •Частота события
- •Классическое определение вероятности
- •Полная группа событий
- •Геометрическое определение вероятности
- •Аксиоматическое определение вероятности
- •Свойства вероятности. Условная вероятность
- •Условная вероятность.
- •Лекция 2 Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей несовместных событий
- •2.2. Теорема сложения вероятностей совместных событий
- •Лекция 3 Основные формулы вычисления вероятностей сложных событий
- •3.1. Формула полной вероятности
- •3.2. Теорема гипотез. Формула Байеса
- •3.3. Частная теорема о повторении опытов. Теорема я. Бернулли
- •Тема 2. Случайные величины и их распределения Лекция 4 Закон распределения случайной величины
- •Лекция 5 Числовые характеристики случайных величин
- •5.1. Характеристики положения
- •5.2. Характеристики рассеивания и взаимодействия
- •Лекция 6 Основные дискретные и непрерывные распределения Основные дискретные распределения
- •6.1. Биномиальное распределение
- •6.2. Распределение Пуассона
- •Основные непрерывные распределения
- •6.3. Равномерное распределение
- •6.4. Показательное распределение
- •6.5. Нормальное распределение
- •6.6. Распределение "хи-квадрат"
- •6.7. Распределение Стьюдента
- •Тема 3. Случайные векторы. Законы распределения и числовые характеристики Лекция 7 Системы случайных величин (случайные векторы)
- •Функция распределения системы двух случайных величин
- •Числовые характеристики системы двух случайных величин
- •Лекция 8 Система произвольного числа случайных величин
- •Числовые характеристики системы нескольких случайных величин
- •Лекция 9 Законы распределения отдельных компонент, входящих в систему. Условные законы распределения
- •Тема 4. Зависимые и независимые случайные величины Лекция 10
- •Квантиль
- •Тема 7. Случайные последовательности и их сходимость Лекция 14 Виды сходимости последовательностей случайных величин
- •Тема 8. Закон больших чисел. Центральная предельная теорема Лекция 15 предельные теоремы теории вероятностей
- •7.1. Неравенство Чебышева
- •Лекция 16 предельные теоремы теории вероятностей
- •Лекция 17 центральная предельная теорема
- •Тема 9. Первичный статистический анализ результатов измерений случайной величины Лекция 18 Основные понятия математической статистики
- •Статистическое распределение выборки
- •Лекция 19 Полигон частот и гистограмма
- •Эмпирическая функция распределения
- •Тема 10. Точечное оценивание параметров распределений случайных величин Лекция 20 Точечные оценки параметров распределений
- •Оценка математического ожидания случайной величины
- •Оценка дисперсии наблюдаемой случайной величины
- •Оценка вероятности случайного события
- •Лекция 22 Метод наименьших квадратов
- •Метод моментов
- •Тема 11. Интервальное оценивание параметров распределений случайных величин Лекция 23 Построение интервальных оценок параметров распределений
- •Построение доверительного интервала для математического ожидания случайной величины при известной дисперсии
- •Лекция 24 Построение интервальной оценки для математического ожидания и дисперсии Построение доверительного интервала для математического ожидания случайной величины при неизвестной дисперсии
- •Тема 12. Проверка статистических гипотез Лекция 25 Критерий значимости проверки статистических гипотез при принятии решений
- •Критерии согласия Сравнение средних и дисперсии нормальных генеральных совокупностей (малые независимые выборки)
- •Лекция 26 Критерии согласия Сравнение дисперсий по выборкам одинакового объема (критерий Кочрена)
- •Определение типа распределения с помощью критерия Пирсона ("хи-квадрат")
- •Лекция 27 Критерии согласия Критерий согласия Колмогорова
- •Список литературы
Полная группа событий
События
образуют полную группу событий в опыте,
если:
они попарно несовместны:
хотя бы одно из событий в опыте произойдет:
Свойство событий, образующих полную группу
Если события образуют полную группу событий, то вероятность их суммы равна 1.
Р( ) = Р( ) =1
Свойства вероятности:
Вероятность достоверного события равна 1.
Р( ) =1
,
m=n
Вероятность невозможного события равна 0.
Р(
)=
0<P(A)<1 – вероятность случайного события – правильная дробь и она находится в промежутке (0;1).
Геометрическое определение вероятности
Чтобы преодолеть недостаток классического определения вероятности, состоящий в том, что оно неприменимо к испытаниям с бесконечным числом исходов, вводят понятие геометрической вероятности – вероятности попадания точки в область (отрезок (рис.1.7)), часть плоскости ((рис.1.8) и т.д.).
П
усть
отрезок длиной l
составляет часть отрезка L
. На отрезок L
наудачу поставлена точка. Это означает
выполнение следующих предположений.
Поставленная точка может оказаться в
любой точке отрезка L,
вероятность попадания точки на отрезок
l
пропорциональна длине этого отрезка и
не зависит от его (рис.1.7) расположения
относительно отрезка В этих предположениях
вероятность события A
попадания точки на отрезок l
определяется равенством P(A)
=
.
А
налогичное
рассуждение имеет место и для плоских
фигур. Пусть на область G
(рис.1.8) наугад поставлена «точка».
Требуется определить какова вероятность
того, что она попадет в область q,
являющуюся частью области G.
Множества G
и q
содержат бесконечное множество точек.
Однако «вместимость» множества G
больше «вместимости» множества
q
во столько раз, во сколько площадь
области G
превышает площадь
области
q.
Поэтому естественно считать, что искомая
вероятность равна
.
Приведенные определения являются частными случаями общего определения вероятности. Если обозначить меру (длину, площадь, объем) области через mеs , то вероятность попадания точки, поставленной наугад (в указанном выше смысле) в область d – часть области D , равна
.
Следует отметить, что в случае классического определения вероятности, если вероятность достоверного (невозможного) события равна единице (нулю), справедливы и обратные утверждения. Например, если вероятность события равна нулю, то событие невозможно. При геометрическом определении вероятности обратные утверждения имеют место не всегда. Например, вероятность попадания поставленной наугад точки в одну определенную точку области D равна нулю, однако это событие может произойти, т.е. не является невозможным.
Аксиоматическое определение вероятности
Аксиомы Колмогорова
А1: Не отрицательность вероятности: каждому событию А соответствует неотрицательное число Р(А).
А2: Нормировка вероятности: вероятность достоверного события равна 1.
Р( ) =1
А3: Конечная аддитивность вероятности: для любых несовместных событий А и В
Вероятность суммы Р(А+В) равна сумме вероятностей этих событий Р(А)+Р(В).
Определение вероятности по Колмогорову:
Вероятностью события А называется функция Р(А), удовлетворяющая аксиомам (А1-А3)