
- •Введение.
- •Глава 1. Математический анализ
- •§1. Функции
- •1.1. Функциональная зависимость
- •1.2. Способы задания функций
- •1.3. Графики элементарных функцй
- •1.4. Преобразования графиков функций
- •§2. Производная функции
- •2.1. Производная функции
- •2.2. Физический смысл производной
- •2.3. Геометрический смысл производной
- •2.4. Производные основных элементарных функций
- •2.5. Основные правила дифференцирования функций
- •2.6. Производная сложной функции
- •2.7. Метод логарифмического дифференцирования
- •2.8. Дифференцирование логарифмической функции
- •2.9. Производные высших порядков
- •§ 3.Применение производных при исследовании функций
- •3.1.Связь производной функции с наличием промежутков ее возрастания и убывания
- •3.2.Связь производной с наличием экстремумов функции
- •3.3.Определение промежутков возрастания и убывания , а также экстремумов функции с помощью производной
- •3.4. Выпуклость и вогнутость графика функции. Точки перегиба
- •3.5. Примерная схема построения графика функции
- •§ 4. Неопределенный интеграл
- •4.1. Первообразная функции и неопределенный интеграл
- •4.2. Основные свойства неопределенного интеграла
- •4.3. Таблица простейших неопределенных интегралов
- •4.4. Основные методы интегрирования
- •4.5. Проверка правильности нахождения неопределенного интеграла
- •§ 5. Определенный интеграл
- •5.1. Понятие определенного интеграла
- •5.2. Основные свойства определенного интеграла
- •5.3. Формула Ньютона – Лейбница
- •5.4. Приложения определенного интеграла.
- •5.5. Биологические приложения определенного интеграла
- •1. Численность популяции.
- •2. Биомасса популяции.
- •3. Средняя длина пролета.
- •§ 6. Дифференциальные уравнения
- •6.1. Основные понятия и определения дифференциальных уравнений
- •6.2. Дифференциальные уравнения первого порядка. Задача Коши.
- •6.3. Дифференциальные уравнения первого порядка с разделенными и разделяющимися переменными
- •Глава 2. Теория вероятностей и математическая статистика
- •§ 1. Основные понятия и определения теории вероятностей.
- •1.1. Элементы комбинаторики.
- •1.2. Классическое определение вероятности
- •Основные свойства вероятности случайного события.
- •1.3. Теоремы сложения и умножения вероятностей .
- •1.4. Формула полной вероятности и формула Байеса
- •1.5. Повторные независимые испытания
- •§ 2. Случайные величины
- •2.1.Основные числовые характеристики дискретной случайной величины
- •§ 3. Математическая статистика.
- •§4. Элементы теории корреляции .
1.3. Теоремы сложения и умножения вероятностей .
Теорема 1. Вероятность суммы конечного числа несовместных событий равна сумме их вероятностей:
Пример. Вероятность того, что в магазине будет продана пара мужской обуви 44-го размера, равна 0,12; 45-го – 0,04; 46-го и большего – 0,01. Найти вероятность того, что будет продана пара мужской обуви не меньше 44-го размера.
Решение.
Искомое событие
произойдет, если будет продана пара
обуви 44-го размера (событие
)
или 45-го (событие
),
или не меньше 46-го (событие С), т. е. событие
есть сумма событий
.
События
,
и
несовместны.
Поэтому согласно теореме о сумме
вероятностей получаем
Теорема 2. Вероятность суммы двух совместных событий вычисляется по формуле
Теорема 3. Вероятность наступления хотя бы одного из нескольких независимых событий вычисляется по формуле
,
Если все вероятности
одинаковые, т. е.
,
то формула перепишется в виде
Пример . Найти вероятность того, что хотя бы один студент из 20 заболеет гриппом, если вероятность заболеть 0,2.
Решение.
– «хотя бы один студент из 20-ти заболеет гриппом»
Ответ: вероятность того, что хотя бы один студент из 20 заболеет гриппом, равна 0,988471.
Теорема 4. Вероятность произведения нескольких независимых событий вычисляется по формуле
Пример. Три стрелка одновременно стреляют в мишень. Вероятности попадания равны 0,9,08 и 0,7 соответственно. Найти вероятность того, что все стрелки попадут в мишень.
Решение.
– «все три стрелка попадут в мишень»
–
« i-й
стрелок попадет в мишень»,
Ответ: вероятность того, что все три стрелка попадут в мишень равна 0,504.
Теорема 5. Вероятность одновременного наступления нескольких зависимых событий вычисляется по формуле
,
где
–
условные вероятности.
Пример. Найти вероятность того, что выпадут три туза из колоды 36 карт.
Решение.
– «выпадут три туза»
Ответ: вероятность того, что выпадут три туза, равна 0,00056.
1.4. Формула полной вероятности и формула Байеса
Теорема 1.
Если событие
может
наступить при условии наступления
одного из событий
,
то вероятность этого события находят
по формуле полной вероятности
Теорема 2. Событие может наступить при условии наступления одного из событий . Известно, что событие наступило. Тогда вероятность одного из событий находят по формуле Байеса.
Определение.
Совокупность случайных событий
называется полной группой событий для
данного испытания, если в результате
испытания обязательно происходит только
одно из событий этой совокупности.
Следствие.
Пример. В магазин поступила новая продукция с трех предприятий. Процентный состав этой продукции следующий: 20% - продукция первого предприятия, 30% - продукция второго предприятия, 50% - продукция третьего предприятия; далее, 10% продукции первого предприятия высшего сорта, на втором предприятии - 5% и на третьем - 20% продукции высшего сорта. Найти вероятность того, что случайно купленная новая продукция окажется высшего сорта.
Решение.
А ={ будет куплена продукция высшего сорта }
=
{ куплена продукция, принадлежащая
предприятию},
Можно применить формулу полной вероятности, причем в наших обозначениях:
Подставляя эти значения в формулу полной вероятности, получим искомую вероятность:
Ответ: вероятность того, что случайно купленная новая продукция окажется высшего сорта, равна 0,135.
Пример. На трех станках-автоматах обрабатываются однотипные детали, поступающие после обработки на общий конвейер. Первый станок дает 2% брака, второй – 7%, третий – 10%. Производительность первого станка в 3 раза больше производительности второго, а третьего – в 2 раза меньше, чем второго.
а) Каков процент брака на конвейере?
б) Каковы доли деталей каждого станка среди бракованных деталей на конвейере?
Решение.
Возьмем с конвейера
наудачу одну деталь и рассмотрим событие
А – деталь бракованная. Оно связано с
гипотезами относительно того, где была
обработана эта деталь:
–
взятая наудачу деталь обработана на
-ом
станке,
.
Условные вероятности (в условии задачи они даны в форме процентов):
Зависимости между производительностями станков означают следующее:
.
А так как гипотезы образуют полную группу, то
.
Решив полученную систему уравнений, найдем:
.
а) Полная вероятность того, что взятая наудачу с конвейера деталь – бракованная:
.
Другими словами, в массе деталей, сходящих с конвейера, брак составляет 4%.
б) Пусть известно, что взятая наудачу деталь – бракованная. Пользуясь формулой Байеса, найдем условные вероятности гипотез:
,
,
.
Таким образом, в общей массе бракованных деталей на конвейере доля первого станка составляет 33%, второго – 39%, третьего – 28%.