- •Теория вероятностей Введение в теорию вероятностей Предмет теории вероятностей
- •Возникновение и развитие теории вероятностей До появления аксиоматики Колмогорова
- •В наше время
- •Необходимость теории вероятностей как науки
- •Возможность анализа случайных явлений
- •Расчет шансов и прогнозирование последствий
- •Игра по крупному
- •Основные понятия и определения Первичные понятия Опыт (эксперимент)
- •Элементарный исход
- •Пространство элементарных исходов
- •Советы по построению пространства элементарных исходов.
- •Определения Подмножества
- •Операции над подмножествами
- •Случайные события
- •Информационный смысл понятия сигма - алгебра
- •Пересечение сигма-алгебр
- •Вероятностное пространство
- •Парадокс определения вероятностного пространства
- •Независимые события
- •Теорема (о непрерывности вероятностной меры)
- •Дискретная вероятностная модель
- •Конечное пространство элементарных исходов
- •Классическая вероятностная модель
- •Связь классической вероятностной модели с комбинаторикой
- •Основная формула комбинаторики
- •Факториал
- •Урновая схема
- •Общее определение вероятности для экспериментов с конечным или счетным числом исходов
- •Дискретное распределение и вероятность
- •Равномерное распределение - классическая вероятностная модель
- •Биномиальное распределение – схема Бернулли
- •Мультиномиальное распределение – схема бросания частиц по ячейкам
- •Геометрическое распределение – испытания до первого успеха
- •Распределение Паскаля – испытания до m-того успеха
- •Пуассоновское распределение - теорема Пуассона
- •Теорема Пуассона.
- •Сходимость по вариации - приближение одних моделей другими
- •Использование понятия независимости для построения моделей. Произведение вероятностных пространств.
- •Примеры построения моделей.
- •Расчет надежности при параллельном соединении элементов.
- •Расчет надежности при последовательном соединении элементов
- •Расчет надежности сложной системы.
- •Замечания к примерам.
- •Условная вероятность
- •Урновая схема
- •Марковская зависимость
- •Формула полной вероятности и формула Байеса
- •Случайные величины
- •Отображения вероятностных пространств
- •Случайная величина
- •Борелевская сигма-алгебра
- •Свойства случайных величин
- •Случайный вектор
- •Распределения случайных величин и векторов
- •Точки непрерывности и разрыва функции распределения
- •Несобственные функции распределения
- •Геометрическое распределение
- •Мера Лебега на прямой.
- •Плотность распределения
- •Вероятностный смысл плотности распределения
- •Бета-распределение на отрезке [0,1]
- •Смеси распределений.
- •Нормальное (гауссовское) распределение.
- •Экспоненциальное (показательное) распределение.
- •Гамма-распределение.
- •Построение меры в конечномерном пространстве Борелевская сигма-алгебра в конечномерном пространстве
- •Определение случайного вектора
- •Мера Лебега в конечномерном пространстве
- •Мера Лебега на квадрате - Задача о встрече
- •Независимые случайные величины
- •Многомерное нормальное распределение
- •Числовые характеристики случайных величин и векторов
- •Интеграл Лебега – математическое ожидание
- •Свойства интеграла Лебега (математического ожидания)
- •Теоремы о предельном переходе под знаком интеграла Лебега
- •Теорема Лебега о мажорируемой сходимости
- •Неравенства Неравенство Маркова
- •Неравенство Чебышева. Дисперсия
- •Неравенство Коши-Буняковского-Шварца. Ковариация
- •Неравенство Йенсена.Выпуклые функции
- •Неравенство Ляпунова.Моменты
- •Вычисление математического ожидания.
- •Теорема Лебега о замене переменных
- •Вычисление интеграла Лебега на прямой.
- •Вычисление интеграла Лебега в произведении пространств. Теорема Фубини
- •Теорема Фубини
- •Вычисление маргинальных плотностей
- •Вычисление числовых характеристик важных распределений.
- •Абсолютная непрерывность вероятностных мер
- •Абсолютно непрерывные и сингулярные меры и распределения
- •Теорема Радона-Никодима
- •Суммирование независимых случайных величин
- •Сходимость последовательностей случайных величин и их распределений
- •Сходимость почти наверное
- •Закон больших чисел в форме Бернулли
- •Теорема Шеффе
- •Преобразование Лапласа и производящая функция
- •Теорема единственности для характеристических функций и характеристические функции важных распределений
- •Предельные теоремы теории вероятностей
- •Классическая схема
- •Закон больших чисел в форме Чебышева
- •Закон больших чисел для схемы серий
- •Закон больших чисел в форме Хинчина
- •Условное математическое ожидание, условная вероятность и условное распределение
- •Определение и основные свойства условного математического ожидания
- •Теорема существования и единственности условного математического ожидания
- •Математическое ожидание одной случайной величины относительно другой
- •Свойства условного математического ожидания
- •Определение условной вероятности, условного распределения и условной плотности Условная вероятность
- •Условное распределение
- •Вычисление условной плотности и условного математического ожидания
Мера Лебега на прямой.
Можно показать, что существует (не вероятностная) мера на прямой, которая приписывает каждому отрезку его длину. Эта мера называется мера Лебега (на прямой). В дальнейшем будем обозначать эту меру
Плотность распределения
В тех случаях, когда функцию распределения можно представить в виде интеграла (Римана) от неотрицательной функции
функцию f называют плотностью, соответствующей функции распределения F, или плотностью F .
Если функция распределения имеет плотность, то эта функция распределения непрерывна и такие функции распределения называют абсолютно непрерывными. Точные смысл понятию абсолютная непрерывность будет дан в дальнейшем. Заметим, что представление функции распределения в виде интеграла от некоторой функции неоднозначно, поэтому у одной функции распределения может быть несколько различных плотностей. Впрочем, различаться они могут только в не очень большом числе точек. Поэтому обычно плотностью называют наиболее прилично ведущую себя функцию f – непрерывную или почти непрерывную. Ее и приводят в различных справочниках. Нарисуем, например, график плотности равномерного на отрезке [0,2] распределения.
Очевидно, любая плотность удовлетворяет условию
Зная плотность распределения нетрудно подсчитывать вероятности различных множеств.
и, вообще, если индикаторная функция
множества
интегрируема по Риману на любом конечном отрезке, то
Если g(x) – неотрицательная функция, удовлетворяющая условию
то функция
будет функцией распределения с плотностью
Этот факт позволяет построить множество примеров непрерывных функций распределения
Вероятностный смысл плотности распределения
Если плотность распределения непрерывна в точке x, то
т.е. плотность это предельный коэффициент пропорциональности между вероятностью P и мерой Лебега. Отношение плотности в точке x к плотности в точке y показывает насколько вероятнее малая окрестность точки x такой же малой окрестности точки y. У равномерного распределения на отрезке [a,b] плотность постоянна на [a,b] ,т.е. все окрестности одинаковой длины имеют одинаковую вероятность. Это хорошо согласуется с представлением о совершенно случайном выборе точки из отрезка.
Бета-распределение на отрезке [0,1]
Связь между бета-функцией и гамма-функцией выражается соотношением |
Рассмотрим функцию
Эта функция неотрицательна, и при положительных a и b существует интеграл , который называется бета-функцияв точке (a,b). |
Тогда функция
будет плотностью. Соответствующее ей распределение называется бета-распределениес параметрами (a,b) на отрезке [0,1].
В частном случае, при a=1 и b =1 получается равномерное распределение на отрезке [0,1]. Бета-распределение используется для моделирования ситуаций в которых точка случайно, но, вообще говоря, неравномерно выбирается из отрезка. Для того, чтобы понять, как устроено это распределение, построим график плотности бета-распределения при различных значениях параметров (a,b)
a=2 ,b=4
a=4 ,b=2
a=4 ,b=4
При a и b, больших единицы, плотность обращается в 0 на концах отрезка и имеет максимум в точке
Эта плотность подходит для моделирования ситуаций, в которых случайная точка имеет наибольшую вероятность находиться в окрестности точки x0 , например, стрельба по отрезку, при которой точка x0 является точкой прицеливания.
Придумайте примеры ситуаций, которые естественно описывать следующими бета-распределениями |
При a и b, меньших единицы, вид плотности радикально меняется. a=1/2 , b=1/2 |
a=1/4 , b=2/3
Наконец, приведем вид плотности бета-распределения при a=1/4 , b=4
Для бета-распредления распределения используют обозначение
.