- •Лекция № 3 Введение. Классификация событий. Действия над событиями
- •2. События. Классификация событий. Пространство элементарных событий
- •4. Практические занятия
- •Лекция№5:Условная вероятность. Формула полной вероятности и формула Байеса. Независимые случайные события
- •1.1 Распределение Релея
- •1 Система двух случайных величин
- •1.Введение
- •4. Практические занятия
- •2.Элементы теории множеств.
- •2.1 Определение множества. Мощность множества. Подмножества.
- •2.2 Множества и подмножества.
- •2.3 Способы задания множеств. Универсальное множество.
- •2.4 Операции над множествами.
- •Практическое занятие №2
- •Тема: Основные понятия комбинаторики.
- •2. Перестановки, размещения.
- •3. Сочетания.
- •4. Разбиение на группы:
- •1. Введение
- •3. Алгебра событий
- •1. Введение
- •2. События. Классификация событий. Пространство элементарных событий
- •Примеры.
- •3. Алгебра событий
- •События Вi образуют полную группу событий, если
- •Особый интерес представляют полные группы несовместимых событий
- •План лекции:
- •2. Классический способ задания вероятностей.
- •3. Статистическая вероятность
- •4. Геометрическая вероятность.
- •Лекция№5
- •2. Формула полной вероятности.
- •3. Формула Байеса (теорема гипотез).
- •4. Независимые случайные события.
- •Контрольные вопросы и тесты
- •2 Закон распределения случайной величины.
- •3. Функция распределения
- •4. Плотность распределения случайной величины
- •Практическое занятие №1
- •1.Математическое ожидание , мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Математическое ожидание, мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Практическое занятие №1
- •5. Контрольные вопросы и задания
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Простейший поток событий
- •1. Испытания (схема) Бернулли. Биномиальное распределение
- •Если ставить вопрос о появлении события а k-раз в n испытаниях в произвольном порядке, то событие представимо в виде
- •2. Распределение Пуассона.
- •3. Простейший поток событий
- •Задача 4
- •Задача 5
- •Задача 6
- •Практическое занятие № 2
- •5. Контрольные вопросы
- •1.1 Равномерное распределение вероятностей
- •1.2 Показательное (экспоненциальное) распределение
- •1.3 Нормальное распределение
- •Задача 1
- •Решение
- •Решение
- •Задача 4
- •Задача 6
- •Практическое занятие №2
- •2. Рекомендуемые фрагменты программ
- •1.1 Распределение Релея
- •1.1 Распределение Релея
- •1.2 Распределение Максвелла
- •1.3 Логарифмическое нормальное распределение
- •2. Функция случайной величины.
- •Практическое занятие №1
- •3. Рекомендации к выполнению.
- •Практическое занятие №2
- •Задача3
- •1 Система двух случайных величин
- •1 Система двух случайных величин
- •1.2 Плотность распределения двух случайных величин
- •1.3 Условные функция распределения и плотность распределения
- •1.4 Корреляция двух случайных величин
- •Аналогично имеем
- •2. Система произвольного числа случайных величин
- •Задача1
- •Практическое занятие №2 Тема: Исследование системы двух случайных величин
- •Так как под интегралом в (1) находится неотрицательная величина, то, выбросив из интервала интегрирования отрезок ав, мы значение интеграла не увеличим, т.Е.
- •2. Характеристические функции
- •Для дискретной случайной величины х с законом распределения
- •Свойства характеристической функции
- •3. Центральная предельная теорема
- •2. Числовые характеристики выборки
- •2.1. Выборочное среднее
- •Выборочная дисперсия
- •3. Статистический ряд. Статистическая функция распределения
- •4. Статистическая совокупность. Гистограмма
- •1. Оценка параметров
- •2. Метод наибольшего правдоподобия для нахождения оценок
- •3. Метод наименьших квадратов
План лекции:
1.Аксиоматический способ задания вероятностей
2. Классический способ задания вероятностей
3. Статистическая вероятность
4. Геометрический способ задания вероятностей
1.Аксиоматический способ задания вероятностей
Рассмотрим эксперимент, с конечным или счетным числом возможных исходов
={1, 2, i… }.Предположим, что каждому элементарному событию i приписан некоторый ''вес'' pi, называемый вероятностью появления элементарного события i , и потребуем,чтобы вероятность pi удовлетворяла следующим условием:
0p(i)1 (неотрицательность)
; (нормированность).
Для данного эксперимента построена вероятностная модель, если указано пространство элементарных событий : ; и известна вероятность элементарного события Р(i), Рi 0; ,i.
Пусть А – произвольное случайное событие, наблюдаемое в данном эксперименте т.е. А . Тогда имеет место следующее определение.
Определение: Вероятностью события А называют сумму вероятностей элементарных событий, составляющих событие А:
.
Из определения вероятности события P(A) вытекают следующие свойства вероятности:
0P(A); - аксиома неотрицательности;
P()=1; - аксиома нормировки;
Аксиома аддитивности (сложения):
Если А и В несовместнимые события (А , В ,АВ= ), то Р(А+В)=Р(А)+Р(В).
Эти аксиомы были сформулированы А.Н.Колмогоровым и оказали огромное влияние на развитие теории вероятностей. Такое задание вероятности события называются аксиоматическим.
Аксиома аддитивности может быть расширена на случай n попарно несовместимых событий, т.е.
, Ai ; AiAj=; i,j= , ij.
Вероятность суммы несовместимых событий равна сумме вероятностей этих событий.
Аксиому сложения вероятностей иногда называют теоремой сложения вероятностей, или правилом сложения вероятностей.
Если имеется счетное множество несовместимых событий А1,А2…Аn… (AiAj=; ij), то ;
Следствия из аксиом теории вероятностей:
Следствие 1: Если А В (А влечет В), то Р(А)<Р(В).
Следствие 2: Р( )=1- Р(А); А+ = ;( по аксиоме 3, А =).
Р(А)+Р( )=Р(А+ )=Р()=1;
Следствие 3: Р()=0;
Следствие 4: Если А и В совместимые события, наблюдаемые в одном и том же пространстве элементарных событий , тогда
Р(А+В)=Р(А)+Р(В) - Р(АВ).
Замечание 1: Если имеется три совместных события А,В,С, связанных с одним и тем же испытанием, то можно показать, что
Р(А+В+С)=Р(А)+Р(В)+Р(С)-Р(АВ)-Р(АС)-Р(ВС)+Р(АВС).
Замечание 2: Вероятность суммы событий в случае, когда число слагаемых больше 2-х, целесообразно вычислять переходом к противоположному по отношению к сумме событию.
Вывод: Аксиомы теории вероятностей позволяют вычислять вероятности любых случайных событий через вероятности элементарных событий, если их число конечно или счетно. Но теория вероятностей ''не учит'' тому, как правильно определять вероятности элементарных событий. На практике они определяются либо непосредственно по условиям опыта (если он обладает симметрией возможных исходов), либо на основе экспериментальных статистических данных, (если он такой симметрией не обладает).
Примеры:
1.Бросают симметричную шестигранную игральную кость: ={1,2,3,4,5,6}: Р(i)=1/6; А={2,4,6}; Р(А)=1/6+1/6+1/6=3/6=1/2;
2. Предположим, что игральная кость не симметрична, и масса каждой грани пропорциональна его номеру т.е. р(i)=Рi= ; Тогда вероятность события А Р(А)=2/21+4/21+6/21=12/21;
3. Пусть симметричная монета подбрасывается до тех пор, пока впервые не появится герб. Тогда ={1,2,..n,…,}, где n= , будет проведено n подбрасываний. - элементарное событие, обозначающее что герб никогда не появится. Припишем n вероятность ; Р(n)= ; Р()=0. Тогда ;
Подсчитаем вероятность события А, состоящего в том, что будет проведено не более 3-х подбрасываний монеты, до выпадения герба,
А={Г,РГ,РРГ},Р(А)=1/2+1/4+1/8=7/8;