- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.8. Формула полной вероятности
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
21.2. Классическое определение вероятности
Пусть в урне содержится 6 одинаковых
шаров, причем 3 из них – красные, 2 –
синие и 1 – белый. Очевидно, что возможность
вынуть из урны цветной шар больше, чем
белый. Оказывается, что можно
охарактеризовать эту возможность
числом, которое и будет называться
вероятностью появления цветного шара.
Появление цветного шара будем рассматривать
как событие А. Каждый из возможных
результатов испытаний назовем элементарным
исходом (элементарным событием). В этом
примере возможны 6 элементарных исходов:
–
появился белый шар,
–
появился красный шар,
–
появился синий шар. Эти исходы образуют
полную группу попарно несовместных
событий и они равновозможные, т.к. нет
оснований считать, что появление
какого-нибудь из шаров предпочтительнее.
Те элементарные исходы, в которых
интересующее нас событие наступает,
назовем благоприятствующими этому
событию. В примере событиюАблагоприятствуют 5 исходов:
.
СобытиеАподразделяется на несколько
элементарных исходов, элементарное
событие не подразделяется на другие
события. Отношение числа благоприятствующих
исходов к их общему числу называют
вероятностью события А и обозначают
.
В примере
.
Вероятностью события А называется
отношение числаmблагоприятствующих исходов к числу
всех возможных исходовn,
образующих полную группу, т.е.
– классическое определение вероятности.
Здесь предполагается, что элементарные
исходы несовместны, равновозможны и
образуют полную группу.
Пример. Пусть из 100 деталей – 97 стандартных, 3 бракованных. Найти вероятность того, что взятая наудачу деталь будет стандартной.
Пусть событие А– взята стандартная
деталь. При взятии 1 детали возможны 100
различных исходов (событий). СобытиюАблагоприятствуют 97 исходов. Тогда
![]()
Свойства вероятности:
1. Вероятность любого события есть
неотрицательное число, не превосходящее
1, 0
m
n,
,
0
p(A)
1.
2. Вероятность достоверного события равна 1.
m = n,Р(U) = 1.
3. Вероятность невозможного события равна 0.
m= 0,P(V) = 0.
Относительная частота (частость)
– отношение числаmпоявлений данного событияАк общему
числуnпроведенных одинаковых испытаний, в
каждом из которых точно появится или
не появится данное событие
.
Опыт показывает, что если число испытаний в каждой серии невелико, то относительные частоты в серии могут существенно отличаются. Если же число опытов в сериях велико, то, как правило, относительные частоты отличаются мало.
При неограниченном увеличении числа опытов nотносительная частота событияА стремится к вероятности событияA.
21.3. Элементы комбинаторики
Иногда необходимо из конечного множества элементов по заданным правилам составлять различные комбинации и производить подсчет числа комбинаций. Такие задачи называются комбинаторными, раздел математики – комбинаторикой. Комбинаторика широко применяется в теории вероятности, теории управляющих систем и вычислительных машин и т.д.
Размещения.
Пусть дано множество из nэлементов.Размещенияминазывают
комбинации, составленные изn
элементов поm(0
m
n) элементов, которые
отличаются либо составом элементов,
либо их порядком.
Число размещений
илиA
=
.
Полагаем, что 0! = 1.
Пример.Из 30 учащихся надо выбрать комсорга, профорга, старосту. В группе все комсомольцы и члены профсоюза. Сколькими способами можно это сделать?
A
= 30.29. 28 = 24360.
2. Перестановки.
Перестановкой из nэлементов называется размещение изnэлементов поnэлементов.
Отличаются друг от друга только порядком следования.
![]()
Пример.Сколькими способами можно расставить на 1 полке 6 книг?
P
=
6! = 720.
3. Сочетания
Сочетаниями называют комбинации из nэлементов поmэлементов
(0
m
n), которые отличаются
хотя бы одним элементом.
Различаются неодинаковым составом элементов. Если отличаются лишь порядком следования элементов, то множества не считаются различными.
Число сочетаний:
.
Пример.В бригаде 25 человек. Необходимо выделить 4 человека для работы. Сколькими способами это можно сделать?
Так как порядок выбранных рабочих не имеет значения, то
C
=
.
4. Размещениями с повторениями называют
упорядоченные последовательности,
составленные из nэлементов поmв каждом,
где некоторые элементы (или все) могут
быть одинаковы. Число размещений с
повторениями равно:
.
Пример.Сколькими способами можно распределить 6 пассажиров лифта по 3 этажам?
На каждом из 3 этажей может выйти любое
число пассажиров, поэтому число способов
равно
![]()
5. Пусть размещения с повторениями
содержатnэлементов
и при этом элемента1повторяетсяn1раз,а
повторяетсяn
раз, …,
раз,
.
Такие упорядоченные последовательности
называютсяперестановками с повторениями.
Число их равно
.
6. Если опыт состоит в выборе с возвращением
mэлементов множества,
содержащегоn
элементов, но без упорядочивания, то
различными исходами этого опыта будут
всевозможныеm–элементные
наборы, отличающиеся составом. При этом
отдельные наборы могут содержать
повторяющиеся элементы. Получающиеся
комбинации называетсясочетаниями с
повторениями. Их число
.
Пример.В кондитерской имеются 8 видов пирожных. Сколько различных наборов по 3 пирожных можно составить?
Порядок следования не учитывается,
поэтому
![]()
Кроме того, при решении комбинаторных задач используют следующие правила.
Правило сумм.Если некоторый объектАможет быть выбран из совокупности
соответствующих объектовm
способами, а другой объектВможет
быть выбранn
способами, то выбрать либоА, либоВможно
способами.
Правило произведений.Если объектАможет быть выбран из совокупности
объектовm способами
и после каждого такого выбора объектВ
можно выбратьn
способами, то пара объектов (А, В)
в указанном порядке может быть выбрана
способами.
