![](/user_photo/1596_Y1cpK.gif)
2.Теорема умножения для n-событий
Р(А1,А2,…Аn)=
1.Вероятность произведения n-независимых событий равна произведению вероятностей этих событий
2.Вероятность произведения n-независимых событий равна произведению вероятностей этих событий причем, вероятность каждого следующего по порядку события вычисляется при условии, что все предыдущие произошли
теоремы сложения случайных событий
1).для 2х событий
Р(А+В)=
1)Вероятность суммы 2х несовместных событий равна сумме вероятностей этих событий
2)Вероятность суммы 2х совместных событий равна сумме вероятностей этих событий минус вероятность совместного появления
2)для n-событий
P(=
P(Ai*…*An),
если A1…An
– совместные
Следствие 3
1)Вероятность суммы n-несовместных событий равна сумме вероятностей этих событий
2)Вероятность суммы n-совместных событий равна сумме вероятностей этих событий минус сумма вероятностей того, что события появляется парами AiAjAk минус и тд с соответсвующим знаком последний член: вероятность совместного появления всех событий
Следствие
Р(А+В+С)=Р(А)+Р(В)+Р(С) – Р(АВ)-Р(АС)-Р(ВС)+Р(АВС)
Сумма
вероятностей событий образующих полную
группу равна 1, если Ai…An
– полная группа, то
7.Схема гипотез. Формула полной вероятности. Формула Байеса
Формула полной вероятности
Пусть событие А происходит одновременно с одним из событий Н1…Нn –гипотезы
Гипотезы должны удовлетворять след. условиям
Полная
группа событий
Пусть известны вероятности гипотез P(H1)…P(Hn) и условная вероятность события А при каждой гипотезе
Р(А|Н1)…Р(А|Hn),тогда вероятность события А можно найти по формуле полной вероятности
Р(А)=
Формула Байеса
Пусть события А происходят одновременно с одним из событий Н1…Нn, где H1…Hn- образуют полную группу
H1…Hn
– несовместны и
H1…Hn – гипотезы
Пусть известны : P(Hi); P(A/Hi), i=1,…n
О результатах опыта есть неполная информация. Требуется найти вероятность гипотезы Hi после опыта
Апостернорная вероятность ( послеопытное) Р(Hi/A)
Априорная вероятность ( доопытная) Р (A/Hi)
Р(Hi/A)=формула Байеса
Где Р(А) - находится по ф-ле полной вероятности
8. Последовательность независимых испытаний
определение серии независимых испытаний;
Опр. Несколько опытов наз-ся независимыми, если их исходы представляют собой независимые события
формула (схема)Бернулли.
Схема последовательных испытаний: производится n-одинаковых и независимых опытов. В каждом из которых может произойти собтие А.
Вероятность того, что событие А произойдет в одном опыте равна p, p- вероятность успеха. q=1-p – вероятность неудачи в одном опыте
Вероятность того, что в n- опытах наступит m успехов определяется по формуле Бернулли
Pn(m)=
, m=0, 1 … n
Опр. Наивероятнейшее число k0 наступления события А в схеме Бернулли определяется след. нер-вом np-q ≤ k0 ≤np+p
9. Случайные величины. Их виды и характеристики
Под случайной величиной понимается величина, принимающая в результате опыта какое либо числовое или качественное значение.
Основными характеристиками случайной величины, заданной своими распределениями, является математическое ожидание ( или среднее значение ) и дисперсия.
Математическое ожидание случайной величины является центром ее распределения. Дисперсия характеризует отклонение случайной величины от ее среднего значения.
определение непрерывной и дискретной случайной величины;
Опр.Случайная величина – это число, определяемое в случайном опыте
Случайная величина полностью определена, если известен исход опыта
Опр. Случ величина Х – это ф-ия ставящая в соответсвие каждому элементарному исходу определенное число
- функция распределения случайной величины и ее свойства;
С каждой случ. Величиной связывают ее ф-ию распределения
F(x) случайной величины Х – это ф-ия, значение которой в точке х равно вероятности события {X < x}
F(x)=P{X < x}
Св-ва ф-ий распределения
0≤F(x) ≤1
)=0
)=1
∀x1≤x2
F(x1) ≤F(x2)
Т.о F(x) неубывающая функция
4)F(x) – непрерывна слева (справа)
- плотность распределения вероятностей непрерывной случайной величины и ее свойства;
Плотностью распределения (или плотностью вероятности) непрерывной случайной величины X в точке x называется производная ее функции распределения в этой точке и обозначается f(x). График плотности распределения называется кривой распределения. Пусть имеется точка x и прилегающий к ней отрезок dx. Вероятность попадания случайной величины X на этот интервал равна f(x)dx. Эта величина называется элементом вероятности.
Вероятность попадания случайной величины X на произвольный участок [a, b[ равна сумме элементарных вероятностей на этом участке:
P{a
≤ X
≤ b}
=
В геометрической интерпретации P{α≤X<β} равна площади, ограниченной сверху кривой плотности распределения f(x) и опирающейся на участок (α,β)
Это соотношение позволяет выразить функцию распределения F(x) случайной величины X через ее плотность:
F(x)
=P{X
< x}
= P{
-∞< X
< x
=