- •1.Разделы дисциплины и виды занятий (тематический план)
- •2. Содержание разделов дисциплины в третьем семестре
- •Раздел 16.
- •Раздел 17.
- •Раздел 18.
- •Раздел 19
- •Раздел 20
- •Раздел 21 Элементы вариационного исчисления и
- •3. Учебно-методическое обеспечение дисциплины
- •4. Методические рекомендации по организации изучения математики
- •Контрольные мероприятия
- •5. Рекомендуемый перечень тем практических занятий
- •6. Лабораторные работы
- •7. Темы, выносимые на самостоятельное изучение тема №1 операционное исчисление и задачи тау, тоэ.
- •Тема №2 вычисление вероятностей в классической схеме сиспользованием формул комбинаторики. Геометрические вероятности.
- •Тема №3 приложение теорем умножения и сложения вероятностей, формулы байеса.
- •Тема №4 числовые характеристики биноминального, равномерного, показательного и нормального распределений, распределения пуассона
- •Тема №5 частные случаи систем двух случайных величин
- •Тема №6 вычисление доверительного интервала
- •Тема №7 статистические оценки параметров распределения. Методы расчета сводных характеристик. Проверка статистических гипотез
- •Заключение
- •394026 Воронеж, Московский просп.,14
Тема №3 приложение теорем умножения и сложения вероятностей, формулы байеса.
Литература: [2], [3], [4].
Основные понятия
Теорема сложения и формула умножения вероятностей
Условной вероятностью события A при условии, что произошло событие В, называется число P(A/B), определяемое по формуле
Из данного определения вытекает формула умножения
вероятностей
для двух событий, которая допускает следующее обобщение для n событий:
События А и В называются независимыми, если выполняется соотношение
Теорема. Для любых событий А и В имеет место формула
для n событий – формула
Условной вероятностью события A при условии, что произошло событие В, называется число P(A/B), определяемое по формуле
Из данного определения вытекает формула умножения
вероятностей
для двух событий, которая допускает следующее обобщение для n событий:
События А и В называются независимыми, если выполняется соотношение
Теорема. Для любых событий А и В имеет место формула
для n событий – формула
Формула полной вероятности, формулы Байеса
Набор событий называется полной группой попарно несовместных событий, если
H1+H2+…+Hn=Ω и HiHj= , I,j=1, 2, …, n, i=j,
где Ω достоверное событие; невозможное событие.
Теорема 1. Если H1, H2, …, Hn – полная группа попарно
несовместных событий, причем P(H1) ≠ 0, i=1, 2, …, n, то для
любого события A имеет место равенство (формула полной
вероятности)
Теорема 2. В условиях теоремы 1 для любого события A, такого , что P(A) 0, справедливы формулы Байеса
k = 1, 2, …,
Пример решения задачи
Задача. В первой урне содержится 12 шаров из них 8 белых; во второй урне 20 шаров, из них 6 белых. Из каждой урны наудачу извлекли по одному шару, а затем из этих двух шаров взят один шар. Найти вероятность того, что взят белый шар.
Решение. Пусть вероятность P(А) – искомая вероятность. Событие H1 - выбор из 1- ой урны и из 2- ой по белому шару, H2 - выбор из 1-ой урны и из 2-ой по черному шару, а H3 - выбор из 1-ой урны белого шара и из 2-ой урны черного шара или выбор из 1-ой урны черного шара и из 2-ой урны белого шара. Beроятности: Р( H1 )=(8/12)(6/20)=48/240,
P(H2)=(4/12)(14/20)=56/240,P(H3)=(8/12)(14/20)+(4/12)(6/20)=136/240.
Условные вероятности:
P( A/H1 )=1, P( A/H2 )=0, P(A/H3)=0.5. Вероятность P(A)=
P(H1)P(A/H1)+P(H2)P(A/H2)+P(H3)P(A/H3)= =(48/240)1+(56/240)0+ (136/240)0.5=29/60.
Форма отчетности: устный опрос, контрольная работа.
Тема №4 числовые характеристики биноминального, равномерного, показательного и нормального распределений, распределения пуассона
Литература: [2], [3], [4].
Основные понятия
Случайной величиной называется функция определенная на пространстве элементарных событий
Это определение является точным в случае дискретного
пространства элементарных событий Ω. В общем случае на
функцию накладывается требование измеримости.
Функцией распределения случайной величины называется функция .Иными словами, значение функции распределения – случайной величины – есть вероятность того, что принимает значение меньшее, чем .Случайная величина называется дискретной, если
существует конечное или счетное множество чисел
x1, x2, …, xk, … (без предельных точек), таких, что
k=1, 2, …;
Совокупность значений xk и соответствующих
вероятностей называется распределением дискретной
случайной величины.
Примеры дискретных распределений
Биномиальное распределение
, 0<p<1, k=0, 1, 2, …, n.
Распределение Пуассона
a>0, k=0, 1, 2, …
Геометрическое распределение
, 0<p<1, k=1, 2, …
Гипергеометрическое распределение
k=0, 1, 2, …, min(M, n).
Случайная величина называется непрерывной
случайной, если ее функция распределения представима
в виде
где – некоторая неотрицательная функция.
Подынтегральная функция в формуле называется
плотностью распределения случайной величины ,
Примеры непрерывных распределений
Равномерное распределение
, .
Нормальное распределение (с параметрами (a, ))
, .
Показательное распределение
Распределение Коши
Можно сделать вывод, что в любой точке
непрерывности имеет место равенство .
Математическим ожиданием дискретной случайной величины
называется число
Если случайная величина принимает счетное множество значений, то требуется абсолютная сходимость ряда . Если ряд не сходится абсолютно, то говорят, что случайная величина не имеет математического ожидания.
Математическим ожиданием непрерывной случайной
величины число называется
если интеграл абсолютно сходится.
Дисперсией D случайной величины называют
математическое ожидание случайной величины (
. Для дискретной случайной величины дисперсия вычисляется по формуле
для непрерывной по формуле
Вероятность того, что случайная величина
принимает значение в заданном числовом промежутке,
вычисляется по одной из формул:
Форма отчетности: устный опрос..