- •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
21.6. Вероятность появления хотя бы одного события
Пусть в результате испытания могут
появиться n независимых
событий, либо некоторые из них, либо ни
одного события. Считаем вероятности
появления каждого из событий
известными и равными
.
Тогда вероятности противоположных
событий
обозначим
.
Появление хотя бы одного события – это
появление одного, двух, ..,n
событий.
Теорема.Вероятность появления хотя
бы одного из независимых событий
равна разности между единицей и
произведением вероятностей противоположных
событий:
.
Пусть А– появление хотя бы одного
из событий
.
СобытияА и
(ни одно из событий не произошло) –
противоположные, поэтому
.
По теореме умножения
.
Следствие.Если события
имеют одинаковую вероятностьр, то
вероятность появления хотя бы одного
события![]()
Пример.Вероятность попадания в мишень для трех стрелков 0,6; 0,7; 0,8 соответственно. Найти вероятность хот бы одного попадания при одном залпе.
Пусть
– попал в мишень первый, второй и третий
стрелок. СобытиеА –хотя бы одно
попадание в мишень. Тогда![]()
21.7. Теорема сложения вероятностей
Суммойили объединениемАиВназывается событиеС, состоящее в наступлении событияА, или событияВили событийАиВвместе:С=А+В.
Теорема.Вероятность суммы конечного числанесовместныхсобытий равна сумме их вероятностей.
Докажем для двух событий. Пусть из общего
числа nслучаев событиюАблагоприятствуетkслучаев, а событиюВ–lслучаев. Тогда![]()
По условию, события АиВнесовместимы. Следовательно, ни один
изkслучаев,
благоприятствующихА, не благоприятствуетВ. СуммеА+Вблагоприятствуетk+lслучаев изn, поэтому
Методом математической индукции теорему
можно обобщить на произвольное число
несовместных событий.
Теорема.Вероятность суммы совместных
событий равна сумме вероятностей этих
событий без вероятности их произведения:
.
Для доказательства следует рассмотреть диаграмму Виена.
Следствие 1. Сумма вероятностей событий, образующих полную группу, равна 1.
Событие 2.Сумма вероятностей
противоположных событий равна 1, т.е.![]()
21.8. Формула полной вероятности
Пусть событие А может произойти в
результате появления одного и только
одного события Н
из некоторой полной группы несовместных
событий (полная система).Н![]()
обычно
называют гипотезами.
Теорема.Вероятность событияА,
которое может наступить при появлении
одной из гипотезН
,
равна сумме парных произведений
вероятностей всех гипотез на соответствующие
условие вероятности данного события
А, т.е.
.
Доказательство.СобытиеАравносильно тому, что произойдетАиН
,
либоАиН
,
либоАиН
,…,
либоАиН
.
Тогда по теоремам сложения (несовместных
событий) и умножения

Пример. На конвейер поступает продукция трех станков (50% –I, 30% –II, 20% –III). Брак составляет для первого станка 2%, для 2го– 3%, для 3го– 5%. Найти вероятность того, что случайно взятая деталь будет доброкачественной.
Событие А– деталь доброкачественная.
Возможны гипотезы:Н
,Н
,Н
– взятое изделие изготовлено наI,II,IIIстанках.P
–
вероятность взять доброкачественное
изделие, изготовленное 1мстанком:P
= 1–0,02 = 0,98, аналогично,
,P
= 1–0,05 = 0,95. Вероятности гипотез даны по
условию:P(H
,P(H
,P(H
.
По формуле полной вероятности:
![]()
