- •Н.Н. Одияко н.Ю. Голодная теория вероятностей
- •Введение
- •Тема 1. Случайные события
- •1.1. Основные понятия комбинаторики
- •1.1.1. Правила суммы и произведения
- •1.1.2. Упорядоченные и неупорядоченные последовательности
- •1.2. Случайные события и предмет теории вероятностей
- •1.2.1. Пространство элементарных событий
- •1.2.2. Алгебра событий
- •1.3. Вероятность события
- •1.3.1. Частотное определение вероятности и его свойства
- •1.3.2. Аксиоматическое определение вероятности события
- •1.3.3. Простейшие свойства вероятности
- •1.3.4. «Геометрические» вероятности
- •1.3.5. Условная вероятность. Зависимые и независимые события
- •1.3.6. Формула полной вероятности
- •1.3.7. Формулы Байеса
- •1.4. Решение типовых задач
- •1.5. Задачи для самостоятельного решения
- •1.6. Индивидуальные домашние задания по теме «Случайные события» Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Вариант 11
- •Вариант 12
- •Вариант 13
- •Вариант 14
- •Вариант 15
- •Вариант 16
- •Вариант 17
- •Вариант 18
- •Вариант 19
- •Вариант 20
- •Вариант 21
- •Вариант 22
- •Вариант 23
- •Вариант 24
- •Вариант 25
- •Вариант 26
- •Вариант 27
- •Вариант 28
- •Вариант 29
- •Вариант 30
- •Тема 2. Повторные независимые испытания
- •2.1. Схема испытаний Бернулли. Формула Бернулли
- •2.2. Предельное поведение вероятностей при больших
- •2.2.1. Формула Пуассона
- •2.2.2. Простейший поток событий
- •2.2.3. Наивероятнейшее число появления события в независимых испытаниях
- •2.2.4. Локальная теорема Муавра-Лапласа
- •2.2.5. Интегральная теорема Муавра-Лапласа
- •2.3. Решение типовых задач
- •2.4. Задачи для самостоятельного решения
- •2.5. Индивидуальные домашние задания по теме «Повторные независимые испытания» Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Вариант 11
- •Вариант 12
- •Вариант 13
- •Вариант 14
- •Вариант 15
- •Вариант 16
- •Вариант 17
- •Вариант 18
- •Вариант 19
- •Вариант 20
- •Вариант 21
- •Вариант 22
- •Вариант 23
- •Вариант 24
- •Вариант 25
- •Вариант 26
- •Вариант 27
- •Вариант 28
- •Вариант 29
- •Вариант 30
- •Контрольные вопросы для самостоятельной оценки качества освоения тем 1, 2
- •Тема 3. Случайные величины
- •3.1. Основные понятия
- •3.2. Функция распределения вероятностей и её свойства
- •Свойства функции распределения
- •3.3. Плотность распределения случайной величины и ее свойства
- •Свойства функции плотности
- •3.4. Операции над случайными величинами
- •3.5. Числовые характеристики случайных величин
- •3.5.1. Свойства математического ожидания
- •3.5.2. Свойства дисперсии случайной величины
- •Тема 4. Двумерные случайные величины
- •4.1. Функция распределения двумерной случайной величины. Закон распределения. Условные распределения
- •Свойства функции распределения двумерной случайной величины
- •4.2. Ковариация и коэффициент корреляции
- •Свойства коэффициента корреляции
- •4.3. Решение типовых задач
- •4.4. Индивидуальнsе домашнbе заданиz по теме «Двумерные дискретные случайные величины»
- •Тема 5. Законы распределения дискретных случайных величин
- •5.1. Биномиальный закон распределения
- •5.2. Закон распределения Пуассона
- •5.3. Геометрическое распределение
- •5.4. Гипергеометрическое распределение
1.3.2. Аксиоматическое определение вероятности события
Определение (по Колмогорову). Вероятностью события называется функция , удовлетворяющая следующим аксиомам теории вероятностей:
Аксиома
1 (неотрицательность вероятности).
Каждому событию
ставится в соответствие неотрицательное
число
,
т.е. для любого
Аксиома
2 (нормировка вероятности). Вероятность
достоверного события равна единице,
т.е.
Аксиома
3 (конечная аддитивность вероятности).
Для любых несовместных событий
и
(
)
справедливо равенство
.
Аксиома
4 (непрерывность вероятности). Для любой
убывающей последовательности
событий из
такой, что
,
имеет место равенство
.
Замечание 7. Аксиомы 1–3 тесно связаны со свойствами частоты из замечания 3. Эта связь обосновывает также и частотное определение вероятности.
Определение.
Тройка (
),
где
– произвольное множество,
– совокупность подмножеств множества
,
на котором определены операции +,
,
,
,
\,
вероятность, удовлетворяющая перечисленным
выше условиям, называется вероятностным
пространством.
1.3.3. Простейшие свойства вероятности
1.
.
Доказательство.
Пространство элементарных событий
можно представить в виде
,
–
подмножество,
–
дополнение к
до
.
Они несовместны.
Следовательно,
.
Так как
и
неотрицательны, то
.
2.
.
Доказательство.
Так как
,
,
то
.
Следовательно,
.
3.
Если
,
то
(монотонность вероятности). Доказательство.
Событие
представим в виде
. По
построению
,
т.е. события
и
не совместны, тогда
.
4.
для любых
,
.
Доказательство. Событие
представим в виде
,
из аксиомы 3 и
получаем, что
.
Так
как
,
то
и тогда
.
5.
,
так как
.
6.
Определение. События
в опыте
образуют полную группу событий, если
они попарно несовместны и в результате
опыта
произойдет одно и только одно из событий
,
то есть
.
Теорема.
Если
,
образуют полную группу событий, то
Доказательство. Так как и события образуют полную группу событий, то
.
7.
Теорема.
Доказательство.
По определению
,
то есть
и
– полная группа событий. Следовательно,
и
,
тогда по аксиоме 3
,
откуда
.
8.
Определение. Если опыт
имеет конечное число возможных исходов
,
где
элементарные события, образующие полную
группу попарно несовместных событий и
появление которых равновероятно, то
есть
,
то такие события
называют случайными и говорят, что опыт
сводится к схеме случаев.
Теорема.
Если опыт
сводится к схеме случаев, то
.
Доказательство.
Элементарные события
попарно несовместны, тогда
.
Отсюда
следует, что
.
9.
Определение. Если в опыте
произвольное событие
можно представить в виде суммы
несовместных случаев, то есть
,
при
,
то слагаемые
называют
благоприятствующими событию
случаями.
Теорема.
Если событие
представимо в виде суммы
благоприятствующих случаев из
возможных,
то вероятность такого события равна
:
.
Определение.
Формулу
называют классической формулой вычисления
вероятности.
1.3.4. «Геометрические» вероятности
Рассмотрим «геометрические» вероятности: это пример опыта с непрерывным пространством элементарных событий. В случае опыта с равновероятными исходами вероятность определяется как «доля» тех исходов, которые приводят к наступлению события . Аналогично считают , если имеется бесконечное число равновероятных исходов:
,
где
–
мера тех исходов, которые приводят к
наступлению
;
–
мера
бесконечного числа исходов.
Для отрезка – это длина отрезка, для плоскости – площадь фигуры, для тела – объем тела.
