- •Государственное образовательное учреждение высшего профессионального образования
- •Санкт-Петербург
- •Информация о дисциплине
- •1.1. Предисловие
- •Содержание дисциплины и виды учебной работы
- •Объем дисциплины и виды учебной работы
- •Перечень видов практических занятий и контроля:
- •2. Рабочие учебные материалы
- •2.1. Рабочая программа (объем 150 часов) Введение
- •Раздел 1. Случайные события (50 часов)
- •Тематический план дисциплины для студентов очно-заочной формы обучения
- •Тематический план дисциплины для студентов заочной формы обучения
- •2.3. Структурно-логическая схема дисциплины
- •Математика ч.2. Теория вероятностей и элементы математической статистики Теория
- •Раздел 1 Случайные события
- •Раздел 3 Элементы математической статистики
- •Раздел 2 Случайные величины
- •2.5. Практический блок
- •2.6. Балльно-рейтинговая система
- •Информационные ресурсы дисциплины
- •Библиографический список Основной:
- •3.2. Опорный конспект по курсу “ Математика.Часть 2 Теория вероятностей и элементы математической статистики” введение
- •Раздел 1. Случайные события
- •1.1. Понятие случайного события
- •1.1.1. Сведения из теории множеств
- •1.1.2. Пространство элементарных событий
- •1.1.3. Классификация событий
- •1.1.4. Сумма и произведение событий
- •1.2. Вероятности случайных событий
- •1.2.1. Относительная частота события, аксиомы теории вероятностей. Классическое определение вероятности
- •1.2.2. Геометрическое определение вероятности
- •Вычисление вероятности события через элементы комбинаторного анализа
- •1.2.4. Свойства вероятностей событий
- •1.2.5. Независимые события
- •1.2.6. Расчет вероятности безотказной работы прибора
- •Формулы для вычисления вероятности событий
- •1.3.1. Последовательность независимых испытаний (схема Бернулли)
- •1.3.2. Условная вероятность события
- •1.3.4. Формула полной вероятности и формула Байеса
- •Раздел 2. Случайные величины
- •2.1. Описание случайных величин
- •2.1.1. Определение и способы задания случайной величины Одним из основных понятий теории вероятности является понятие случайной величины. Рассмотрим некоторые примеры случайных величин:
- •Чтобы задать случайную величину, надо указать ее закон распределения. Случайные величины принято обозначать греческими буквами ,,, а их возможные значения – латинскими буквами с индексамиxi,yi,zi.
- •Рассмотрим события Ai , содержащие все элементарные события , приводящие к значению XI:
- •Пусть pi обозначает вероятность события Ai :
- •2.1.3. Непрерывные случайные величины
- •2.1.4. Функция распределения и ее свойства
- •2.1.5. Плотность распределения вероятности и ее свойства
- •2.2. Числовые характеристики случайных величин
- •2.2.1. Математическое ожидание случайной величины
- •2.2.2. Дисперсия случайной величины
- •2.2.3. Нормальное распределение случайной величины
- •2.2.4. Биномиальное распределение
- •2.2.5. Распределение Пуассона
- •Раздел 3. Элементы математической статистики
- •Гистограмма
- •3.3. Точечные оценки параметров распределения
- •Основные понятия
- •Точечные оценки математического ожидания и дисперсии
- •3.4. Интервальные оценки
- •Понятие интервальной оценки
- •Построение интервальных оценок
- •Основные статистические распределения
- •Интервальные оценки математического ожидания нормального распределения
- •Интервальная оценка дисперсии нормального распределения
- •Заключение
- •Глоссарий
- •4. Методические указания к выполнению лабораторных работ
- •Библиографический список
- •Лабораторная работа 1 описание случайных величин числовые характеристики
- •Порядок выполнения лабораторной работы
- •Лабораторная работа 2 Основные определения. Систематизация выборки. Точечные оценки параметров распределения. Интервальные оценки
- •Понятие статистической гипотезы о виде распределения
- •Порядок выполнения лабораторной работы
- •Ячейка Значение Ячейка Значение
- •5. Методические указания к выполнению контрольной работы Задание на контрольную работу
- •Пояснения к выполнению контрольной работы События и их вероятности
- •Случайные величины
- •Среднее квадратическое отклонение
- •Элементы математической статистики
- •6. Блок контроля освоения дисциплины
- •Вопросы для экзамена по курсу « Математика.Часть 2. Теория вероятностей и элементы математической статистики»
- •Продолжение таблицы в
- •Окончание таблицы в
- •Равномерно распределенные случайные числа
- •Содержание
- •Раздел 1. Случайные события………………………………………. 18
- •Раздел 2 . Случайные величины ..………………………… ….. 41
- •Раздел 3. Элементы математической статистики ............... . 64
- •4. Методические указания к выполнению лабораторных
- •5. Методические указания к выполнению контрольной
Формулы для вычисления вероятности событий
1.3.1. Последовательность независимых испытаний (схема Бернулли)
Предположим, что некоторый эксперимент можно проводить неоднократно при одних и тех же условиях. Пусть этот опыт производится n раз, т. е. проводится последовательность из n испытаний.
Определение. Последовательность n испытаний называют взаимно независимой, если любое событие, связанное с данным испытанием, не зависит от любых событий, относящихся к остальным испытаниям.
Допустим, что некоторое событие A может произойти с вероятностью p в результате одного испытания или не произойти с вероятностью q=1-p.
Определение. Последовательность из n испытаний образует схему Бернулли, если выполняются следующие условия:
последовательность n испытаний взаимно независима;
2) вероятность события A не изменяется от испытания к испытанию и не зависит от результата в других испытаниях.
Событие A называют “ успехом” испытания, а противоположное событие - “неудачей”. Рассмотрим событие
={ в n испытаниях произошло ровно m “успехов”}.
Для вычисления вероятности этого события справедлива формула Бернулли
p() = , m = 1, 2, …, n , (1.6)
где - число сочетаний из n элементов по m :
= =.
Пример 1.16. Три раза подбрасывают кубик. Найти:
а) вероятность того, что 6 очков выпадет два раза;
б) вероятность того, что число шестерок не появится более двух раз.
Решение. “Успехом” испытания будем считать выпадение на кубике грани с изображением 6 очков.
а) Общее число испытаний – n =3, число “успехов” – m = 2. Вероятность “успеха” - p=, а вероятность “неудачи” - q= 1 - =. Тогда по формуле Бернулли вероятность того, что результате трехразового бросания кубика два раза выпадет сторона с шестью очками, будет равна
.
б) Обозначим через А событие, которое заключается в том, что грань с числом очков 6 появится не более двух раз. Тогда событие можно представить в виде суммы трех несовместных событий А= ,
где В30 – событие, когда интересующая грань ни разу не появится,
В31 - событие, когда интересующая грань появится один раз,
В32 - событие, когда интересующая грань появится два раза.
По формуле Бернулли (1.6) найдем
p(А) = р () = p()=++=
=.
1.3.2. Условная вероятность события
Условная вероятность отражает влияние одного события на вероятность другого. Изменение условий, в которых проводится эксперимент, также влияет
на вероятность появления интересующего события.
Определение. Пусть A и B – некоторые события, и вероятность p(B)>0.
Условной вероятностью события A при условии, что “событие B уже произошло” называется отношение вероятности произведения данных событий к вероятности события, которое произошло раньше, чем событие, вероятность которого требуется найти. Условная вероятность обозначается как p(AB). Тогда по определению
p (A B) = . (1.7)
Пример 1.17. Подбрасывают два кубика. Пространство элементарных событий состоит из упорядоченных пар чисел
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6).
В примере 1.16 было установлено, что событие A ={число очков на первом кубике > 4} и событие C ={сумма очков равна 8} зависимы. Составим отношение
.
Это отношение можно интерпретировать следующим образом. Допустим, что о результате первого бросания известно, что число очков на первом кубике > 4. Отсюда следует, что бросание второго кубика может привести к одному из 12 исходов, составляющих событие A:
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6) .
При этом событию C могут соответствовать только два из них (5,3) (6,2). В этом случае вероятность события C будет равна . Таким образом, информация о наступлении событияA оказала влияние на вероятность события C.
Вероятность произведения событий
Теорема умножения
Вероятность произведения событий A1 A2 An определяется формулой
p(A1 A2 An) = p(A1) p(A2 A1))p(An A1A2An-1). (1.8)
Для произведения двух событий отсюда следует, что
p(AB) = p(A B) p{B) = p(B A) p{A). (1.9)
Пример 1.18. В партии из 25 изделий 5 изделий бракованных. Последовательно наугад выбирают 3 изделия. Определить вероятность того, что все выбранные изделия бракованные.
Решение. Обозначим события:
A1 = {первое изделие бракованное},
A2 = {второе изделие бракованное},
A3 = {третье изделие бракованное},
A = {все изделия бракованные}.
Событие А есть произведение трех событий A = A1 A2 A3 .
Из теоремы умножения (1.6) получим
p(A) = р( A1 A2 A3 ) =p(A1) p(A2 A1))p(A3 A1A2).
Классическое определение вероятности позволяет найти p(A1) – это отношение числа бракованных изделий к общему количеству изделий:
p(A1)=;
p(A2) – это отношение числа бракованных изделий, оставшихся после изъятия одного, к общему числу оставшихся изделий:
p(A2 A1))=;
p(A3 ) – это отношение числа бракованных изделий, оставшихся после изъятия двух бракованных, к общему числу оставшихся изделий:
p(A3 A1A2)=.
Тогда вероятность события A будет равна
p(A) ==.