
- •Предисловие
- •Введение
- •Глава 1. Случайные события § 1.1. Основные понятия теории вероятностей § 1.1.1. Испытания и события. Виды случайных событий
- •§ 1.1.2. Классическое определение вероятности
- •Свойства вероятности
- •§ 1.1.3. Основные формулы комбинаторики
- •§ 1.1.4. Примеры непосредственного вычисления вероятностей
- •§ 1.1.5. Относительная частота
- •§ 1.2. Теорема сложения вероятностей § 1.2.1. Теорема сложения вероятностей несовместных событий
- •§ 1.2.2. Полная группа событий
- •§ 1.2.3. Противоположные события
- •§ 1.3. Теорема умножения вероятностей § 1.3.1. Произведение событий
- •§ 1.3.2. Условная вероятность
- •§ 1.3.3. Теорема умножения вероятностей
- •§ 1.3.4. Независимые события. Теорема умножения для независимых событий
- •§ 1.3.5. Вероятность появления хотя бы одного события
- •§ 1.3.6. Вероятность гипотез. Формулы Бейеса
- •§ 1.3.7. Повторные испытания. Формула Бернулли
- •§ 1.3.8. Теорема Лапласа
- •§ 1.3.9. Производящая функция
- •Глава 2. Случайные величины. Виды случайных величин § 2.1. Случайные величины
- •§ 2.1.1. Дискретные и непрерывные случайные величины
- •§ 2.1.2. Закон распределения вероятностей случайной величины
- •§ 2.1.3. Закон распределения вероятностей дискретной случайной величины
- •§ 2.1.3.1. Биноминальное распределение
- •§ 2.1.3.2. Распределение Пуассона
- •§ 2.1.3.3. Простейший поток событий
- •§ 2.1.3.4. Геометрическое распределение
- •§ 2.1.4. Непрерывные случайные величины. Функция распределения
- •§ 2.2. Закон больших чисел
- •§ 2.3. Математическое ожидание случайной величины
- •§ 2.3.1. Математическое ожидание дискретной случайной величины
- •§ 2.3.2. Математическое ожидание непрерывной случайной величины
- •§ 2.3.3. Основные свойства математического ожидания
- •§ 2.4. Дисперсия случайной величины
- •§ 2.4.1. Отклонения случайной величины от ее математического ожидания
- •§ 2.4.2. Дисперсия дискретной случайной величины
- •§ 2.4.3. Дисперсия непрерывной случайной величины
- •§ 2.4.4. Основные свойства дисперсии
- •§ 2.4.5. Среднее квадратическое отклонение
- •§2.4.6. Начальные и центральные теоретические моменты
- •§ 2.4.7. Асимметрия и эксцесс
- •§ 2.4.8. Функция одного случайного аргумента
- •§2.4.9. Функция двух случайных аргументов
- •§ 2.5. Законы распределения случайных величин
- •§ 2.5.1. Закон равномерного распределения вероятностей
- •Свойства равномерного распределения
- •§ 2.5.2. Нормальное распределение
- •§ 2.5.3. Распределение «хи-квадрат»
- •§ 2.5.4. Распределение Стьюдента
- •§ 2.5.5. Распределение f Фишера-Снедекора
- •§ 2.5.6. Показательное распределение
- •§ 2.5.7. Гамма-распределение и распределение Эрланга
- •Свойства нормированного распределения Эрланга
- •§ 2.5.8. Функция надежности
- •§ 2.6. Система двух случайных величин
- •§ 2.6.1. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 2.6.2. Функция распределения двумерной случайной величины
- •§ 2.6.3. Вероятность попадания случайной точки в полуполосу
- •§ 2.6.4. Вероятность попадания случайной точки в прямоугольник
- •§ 2.6.5. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины (двумерная плотность вероятности)
- •§ 2.6.6. Нахождение функции распределения системы по известной плотности распределения
- •§ 2.6.7. Условные законы распределения составляющих системы случайных величин
- •1. Система дискретных случайных величин
- •2. Система непрерывных случайных величин
- •§ 2.6.8. Условное математическое ожидание
- •§ 2.6.9. Зависимые и независимые случайные величины
- •§ 2.6.10. Числовые характеристики системы двух случайных величин
- •§ 2.6.11. Коррелированность и зависимость случайных величин
- •§ 2.6.12. Линейная регрессия
- •Глава 3. Примеры для самостоятельной работы
- •Приложения
- •Критические точки распределения
- •Критические точки распределения Стьюдента
- •Критические точки распределения Фишера – Снедекора
- •Равномерно распределенные случайные числа
- •Библиографический список
- •Предметный указатель
- •Оглавление
§ 1.3.4. Независимые события. Теорема умножения для независимых событий
Пусть вероятность события не зависит от появления события .
Событие называют независимым от события , если появление события не изменят вероятности события , то есть если условная вероятность события равна его безусловной вероятности:
.
Два события называют независимыми, если вероятность их совмещения равна произведению вероятностей этих событий; в противоположном случае события называют зависимыми.
Теорема умножения для независимых событий. Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
.
Пример 1.29.
Найти вероятность совместного поражения
цели двумя орудиями, если вероятность
поражения цели первым орудием (событие
)
,
а вторым (событие
)
.
Решение. и независимые, поэтому по теореме умножения
.
Несколько событий называют попарно независимыми, если каждые два из них независимы.
Следствие теоремы умножения. Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий:
.
Пример 1.30.
Вероятности появления каждого из 3-х
независимых событий
,
соответственно, равны
.
Найти вероятность появления только одного из этих событий.
Решение.
Пусть событие
– появление только
,
что равносильно
;
событие
– появление только
,
что равносильно
;
событие
– появление только
,
что равносильно
.
События
– несовместные, следовательно:
.
Так как независимые, то
,
,
.
Таким образом,
.
§ 1.3.5. Вероятность появления хотя бы одного события
Пусть в результате испытания могут появиться “ ” событий. Как найти вероятность того, что наступит хотя бы одно из этих событий?
Теорема.
Вероятность появления хотя бы одного
из событий
,
,…,
,
независимых в совокупности, равна
разности между единицей и произведением
вероятностей противоположных событий
,
,…
:
.
Пример 1.31.
Вероятности попадания в цель при стрельбе
из трех орудий таковы:
;
;
.
Найти вероятность хотя бы одного попадания (событие ) при одном залпе из всех орудий.
Решение. Пусть событие – попадание 1-го орудия,
событие – попадание 2-го орудия, событие – попадание 3-го орудия.
, и – независимые в совокупности.
Вероятность события
.
Тогда
.
§ 1.3.6. Вероятность гипотез. Формулы Бейеса
Пусть событие
может наступить при условии появления
одного из несовместных событий
,
образующих полную группу.
Поскольку заранее неизвестно, какое из этих событий наступит, их называют гипотезами.
Вероятность появления события определяется по формуле полной вероятности:
.
Допустим, что произведено испытание, в результате которого появилось событие . Будем искать условные вероятности:
.
Найдем сначала
условную вероятность
.
По теореме умножения вероятностей имеем
.
Тогда
.
Так как
Тогда
.
Аналогично
выводятся формулы, определяющие условные
вероятности остальных гипотез, то есть
условная вероятность любой гипотезы
(
)
может быть вычислена по формуле
.
Пример 1.32. Экзамен проводится двумя экзаменаторами. Вероятность того, что студент попадет к первому экзаменатору равна 0,65, а ко второму – 0,35.
Вероятность того, что студент сдаст экзамен, попав к первому экзаменатору равна 0,85, а вероятность того, что студент сдаст экзамен, попав ко второму экзаменатору – 0,7.
Студент сдал экзамен.
Найти вероятность того, что студент сдавал экзамен первому экзаменатору.
Решение. Обозначим через событие, состоящее в том, что студент сдал экзамен.
Пусть гипотеза
состоит в том, что студент сдавал первому
экзаменатору, а
– что студент сдавал второму.
Искомую вероятность найдем по формуле Бейеса:
.
Из условия задачи следует, что
.
Тогда
.