- •1.1. Основные теоретические сведения.
- •1.2. Непосредственный подсчет вероятностей (классическое определение вероятности, математическая вероятность).
- •1.3. Теоретико-множественный подход к определению вероятности события (геометрическая вероятность, аксиоматический подход).
- •1.4. Частота или статистическая вероятность события
- •Свойства частот.
- •1.5. Задачи для самостоятельного решения
- •Метод гиперплоскостей для построения выпуклой области.
- •Блоки 3, 4
- •2.3. Пример расчета попадания точки в заданную область.
- •2.4. Порядок выполнения лабораторной работы.
- •3.1. Ряд распределения случайной величины X
- •3.2. Многоугольник распределения случайной величины X
- •3.3. Функция распределения случайной величины X
- •3.4. Математическое ожидание случайной величины X
- •3.4. Моменты случайной величины X
- •3.5. Системы случайных величин
- •3.5.1. Матрица распределения
- •3.5.2. Функция распределения
- •3.5.3. Моменты системы случайных величин
- •3.6. Задачи для самостоятельного решения.
- •4.1. Биномиальное распределение
- •4.2. Геометрическое распределение
- •4.3. Гипергеометрическое распределение
- •4.4. Распределение Пуассона
- •Распределение Пуассона . Таблица 4.3.
- •4.4. Задачи для практических занятий и самостоятельной работы
- •5.1. Равномерное распределение
- •5.2. Показательное (экспоненциальное) распределение
- •5. 3 . Нормальное распределение (закон Гаусса)
- •Функция распределения
- •Значения плотности стандартного нормального распределения . Таблица 5.2.
- •Значения функции Лапласа . Таблица 5.3
- •5.4. Распределение Эрланга
- •5.5. Распределение (распределение хи-квадрат, закон Пирсона)
- •5.8. Задачи для практических занятий и самостоятельной работы
- •Представление многомерных данных. Таблица 6.1
- •6.2.5. Обращение мм
- •6.2. Задания для самостоятельной работы.
- •7.1. Основные сведения.
- •7.2. Критерий согласия законов распределения а.Н. Колмогорова
- •7.3. Оперативно-статистический контроль качества продукции (одномерный случай).
- •7.4. Задания для самостоятельной работы
- •8.1. Многомерное нормальное распределение
- •8.1.1. Основные сведения из теории
- •8.5.2. Задачи для практических занятий и самостоятельной работы
- •Нормально распределенные случайные числа
- •8.3. Методические рекомендации к теоретическому разделу 1.
- •8.4. Задачи для практических занятий и самостоятельной работы
- •9.1. Метод выделения результата аи
- •9.2. Определение достоверности уравнения множественной линейной регрессии по критерию Фишера, коэффициенту множественной корреляции.
- •10.4. Задания для самостоятельной работы.
- •Тема №11. Экстраполяционный метод прогнозирования (одномерный случай). Прогнозирование состояния.
- •11.1. Метод аппроксимации
- •11.2. Мнемоническое правило вывода решения
- •12.1. Задача о разбиении множества элементов.
- •12. 2. Графовое представление связей между объектами
- •12.3. Построение кратчайшего остовного дерева. Алгоритм Прима в табличной форме.
- •12.4. Задачи для самостоятельной работы
- •Тема №13. Основные характеристики случайных функций.
- •13.1. Основные сведения из теории
- •13.1.1. Закон распределения случайной функции
- •13.1.2. Математическое ожидание, дисперсия и корреляционная функция случайной функции
- •13.1.3. Взаимная корреляционная функция
- •13.2. Стационарные случайные процессы
- •13.2.1. Основные сведения из теории
- •13.2.2. Стационарная случайная функция с дискретным спектром частот
- •13.2.3. Эргодические случайные процессы
- •13.2.4. Определение корреляционной функции из экспериментальных данных
- •13.3. Задачи для практических занятий и самостоятельной работы
- •Тема №14. Анализ временных рядов и прогнозирование
- •14.1. Введение в теорию
- •14.2. Тренд
- •14.2.1. Распознавание типа тренда
- •14.2.2. Оценка параметров тренда
- •14.3. Сезонные колебания
- •14.4. Прогнозирование
- •14.5. Задания для самостоятельной работы.
- •Литература (основная)
- •Дополнительная:
- •Содержание
1.3. Теоретико-множественный подход к определению вероятности события (геометрическая вероятность, аксиоматический подход).
Подход к нахождению вероятности, реализуемый в формуле (1.1) непосредственного подсчета вероятности можно использовать и тогда, когда множество равновозможных событий несчетно и интерпретируется как множество всех точек определенной области размера Sn, а множество событий, благоприятствующих событию А, интерпретируется определенной подобластью размера Sm; тогда
(1.2)
Поскольку данная формула предусматривает определение геометрических размеров (длин, площадей, объемов) областей, то вычислительную на ее основе вероятность часто называет еще геометрической.
Для решения задач с помощью данного подхода необходимо:
- уяснить существо и при необходимости дать словесную формулировку случайного события А, вероятность которого требуется нейти;
- построить область, точки которой интерпретируют все равновозможные события из определенной полной группы и найти ее размер – Sn;
построить подобласть, все точки которой интерпретируют равновозможные события из определенной полной группы и благоприятствуют событию А; найти ее размер Sm;
вычислить отношение .
В условиях ряда задач на эту тему могут отсутствовать явные указания на равновозможность событий, тогда следует принять обоснованные допущения.
Пример 1.4. На отрезке единичной длины наугад и независимо друг от друга выбираются две точки. Какова вероятность, что расстояние между этими точками будет не менее 1/3?
Решение. Обозначим: А - событие, заключающееся в том, что расстояние между выбранными точками не менее 1/3.
Термин “наугад”, фигурирующий в условии, означает, что положение каждой точки равновозможно на отрезке единичной длины. Так как исход опыта характеризуется расположением двух точек, то естественно множество всех возможных исходов (событий), образующих полную группу, интерпретировать как множество точек "единичного" квадрата в системе t1 t2 (рис.1.1). Равновозможность выбора 1-ой точки на отрезке [0,l] оси оt1 и равновозможность выбора 2-ой точки на отрезке [0,1] оси оt2 обеспечивают равновозможность всех исходов опыта, интерпретируемых точками единичного квадрата.
Р
азмер
(площадь) области всех равновозможных
событие Sn
= 1
1 = 1. Равновозможные
события, благоприятствующие А,
интерпретируются точками квадрата, для
которых удовлетворяется условие
,
т.е. отстоящими от диагонали по каждой
из осей более чем на 1/3 (заштриховано на
рис. 1.1). Площадь области благоприятных
событий
При теоретико-множественном подходе к определению вероятностей событий следует для упрощения вычислений использовать свойства теории множеств. Приведем некоторые из них, наиболее распространенные при такого рода вычислениях. Обозначим: - множество всех исходов опыта; А, В - подмножества , - пустое множество.
(1.3)
(1.4)
(1.5)
(1.6)
(1.7)
(1.8)
Аксиомы теории вероятностей на основе теоретико-множественного подхода впервые были введены А.Н. Колмогоровым. Событию А ставится в соответствие некоторое число, называемое вероятностью события.
Аксиома 1. Вероятность любого события заключена между нулем и единицей
.
Аксиома 2. Если А и В несовместимые события (А В = ), то
(1.9)
Аксиома 3. Вероятность достоверного события равна 1.
.
Аксиома 4. Сумма вероятностей противоположных событий равна единице
(1.10)
Пример 1.5. События А, В могут быть совместимыми (рис. 1.2). Какова вероятность Р(А + В)?
Р
ешение.
Непосредственно аксиомой 2 воспользоваться
нельзя, т.к. она справедлива лишь для
несовместимых событий. Чтобы использовать
аксиомы, представим интересующее нас
множество в виде суммы несовместимых
событий.
(1.11)
(1.12)
(1.13)
(1.14)
Подставляя выражения (I.I3), (I.I4) в (1.12), получаем
(1.15)
Аналогично можно получить формулу для вероятности суммы n совместных событий А1, А2, ... Аn.
(1.16)
