![](/user_photo/2706_HbeT2.jpg)
- •Глава 1. События.
- •§1 Логические основы т.В.
- •§2 Испытания, события, операции над событиями.
- •§3 Классическое определение вероятности.
- •§3 Примеры вероятностных пространств.
- •§4 Условные вероятности. Формула умножения событий.
- •§5 Независимые и зависимые события.
- •Независимость попарная и независимость в совокупности Определение попарной независимости
- •Определение независимости в совокупности.
- •§6 Формула полной вероятности и формула Байеса. Формула полной вероятности
- •Формула Байеса
- •Глава II
- •§1 Формула Бернулли
- •Формула Бернулли
- •§2 Предельные теоремы Бернулли
- •Формула Лапласа или интегральная формула Лапласа
- •Глава 3. Случайные величины.
- •§1 Определения и основные понятия.
- •§2 Дискретные случайные величины.
- •1. Распределение Бернулли
- •2. Биноминальное распределение
- •3. Распределение Пуассона
- •4. Геометрическое распределение
- •1. Равномерно распределение.
- •2. Показательное или экспоненциальное распределение:
- •3. Распределение Коши
- •4. Нормальное (Гауссово) распределение
- •1) Распределение Бернулли
- •§2 Специальные функции математической статистики.
- •1 Распределение Стьюдента
- •2 Распределение Карла Пирсона
- •Свойства случайной величин с симметричной (четной) плотностью распределения.
- •§3 Доверительные интервалы для генеральной средней нормального распределения
- •2) Построение доверительного интервала для неизвестного генерального среднего в случае неизвестной дисперсии
- •§4 Доверительные интервалы для дисперсии.
- •§5 Доверительный интервал для неизвестной вероятности успеха.
- •III Математическая статистика.
- •Глава I Оценки параметров.
- •§1 Основные понятия.
- •§2 Точечные оценки параметров.
- •Свойства оценок
- •Другие два важных свойства оценок состоятельность и эффективность.
- •§3 Методы построения точечных оценок параметров.
- •Метод максимального подобия построения оценок.
- •Оценка параметров нормального распределения.
- •Оценка параметров геометрического распределения.
- •Оценка параметров экспоненциального распределения.
- •Оценка параметров распределения Пуассона.
- •Метод Монте-Карло.
- •§1 Основные определения и понятия.
- •§2 Генерирование значений дискретных случайных величин.
- •§3 Генерирование случайных величин с непрерывным законом распределения (методы)
- •Генерирование случайной величины подчиняющейся нормальному распределению.
- •§4 Генерирование траекторий случайных процессов.
- •Генерирование траекторий непрерывных случайных величин.
- •I Марковские процессы с дискретным временем.
- •§1 Основные понятия.
- •Основное свойство матрицы перехода дискретной цепи Маркова.
- •§2 Предельные теоремы.
- •Глава III Проверка статистических гипотез.
- •§1 Основные понятия и терминологии.
- •§2 Проверка гипотез о значении генеральной средней нормально распределенных случайных величин.
- •1) Построение критерия для проверки h0 против h1 при известном δ
- •2) Построение критерия для проверки гипотезы h0 против h1, при δ - не известном.
- •1) Параметр a известен
- •2) Проверка гипотезы о значении дисперсии, когда генеральное среднее а не известно.
- •§4 Проверка гипотезы о значении генеральной доли.
- •§5 Проверка гипотеза о достоверности различий средних значений.
- •§6 Критерий к. Пирсона. Хи-квадрат для проверки гипотез о законе распределения.
- •2 Примеры использования критерия χ2.
- •3 Применение критерия χ-квадрат для исследования вопроса о зависимости ил независимости признаков.
§3 Классическое определение вероятности.
Определение: Пусть дано испытание пространственных элементарных
исходов Ω.
Пусть известно, что наступление всех элементарных
исходов равновозможно или равновероятно; тогда для
любого события Aего вероятность определяется:
P(A) = |A| / |Ω|, где |A| - число элементов вA.
Равновозможность, или равновероятность обычно определяется из физического смысла.
Очевидно, что Ω – конечное множество.
Замечание !
Иногда используют обозначение:
(1´) P(A) =N(A) /N(Ω),P(A) =m/n
Пр.: Даны карточки с буквами: К, О, Т, их перемешивают и не глядя раскладывают в ряд. Найти вероятность того, что получится остысленное слово.
Решение:
Ω = {кот, кто, окт, отк, ток, тко}
Пусть A– получилось осмысленное слово.
A= {кот, кто, ток}
Из физического смысла очевидно, что все исходы Ω равновозможны или равновероятны.
Поэтому используем (1):
P(A) = 3/6 = 1/2
Физический смысл: если, этот опыт повторять много раз, то в 1/2 случаев получится осмысленное слово.
Во многих важных случаях Ω – большое множество и выписать его элементы не возможно, да и не нужно, т.к. требуется знать только число элементов в множестве. Для нахождения числа элементов используют комбинаторные формулы и элементы. Мы рассмотрим несколько формул для нахождения числа элементов в множестве. Важнейшая из них называется “принцип умножения”.
Пусть даны (k) различных опытов или испытаний. Пусть в первом возможноn– исходов. Рассмотрим большой опыт, состоящий из последовательностей и испытаний. Тогда число исходов этого опыта(N) задается равенством:
N = n1*n2*,,,*nk
Пр.: в доме 3 подъезда
5 этажей
4 квартиры
Некто знает, что его друг живет в этом доме, но забыл номер квартиры. Тогда он наугад решил позвонить в первую квартиру. Нацти вероятность того, что он попадет к другу.
Решение:
Можно воспользоваться (1). Найдем |Ω|, здесь проводится три испытания (k=3), выбор подъезда, этажа, квартиры.
n1= 3,n2= 5,n3= 4
|Ω| = 3*5*4 = 60
|A| = 1 (квартира где живет друг)
P(A) = 1/60
Другая полезная комбинаторная величина – число сочетаний.
Пусть дано n– различных объектов, из которых отбираютm– объектов. Тогда число различных способов выбора подмножеств обозначается черезCnm и может быть найдено по формуле:
(3) Cnm=n!/(m!*(n-m)!);
Где S! =S*(S-1)*(S-2)…2*1; 0! = 1 (по определению)
Cnm– число сочетаний, в некоторых книгах обозначается (nm).
Пр.: {1..5}. Найдем число подмножеств из трех элементов.
Очевидно: C53 = (5*4*3*2*1)/(3*2*1*2*1) = 10
Рассмотрим следующую задачу на вычисление вероятности.
Дано: N– объектов
Mиз них обладают некоторым свойством.
Из всего множества Nотбирают случайноn– штук. Обозначим через:
PN,M(n,m) – вероятность того, что среди отобранных оказалосьm– объектов, обладающих одним свойством,
PN, M(n, m) = (CMm * CN-Mn-m) / CNn
Пр.: Найти вероятность выигрыша в игре ”5 из 36”
Решение: N= 36M= 5
n= 5m= 5
По формуле (4): P36, 5(5, 5) =C55*C310/C365= (5!/(5!*0!))*(31!/(0!*31!))/(36!/(5!*31!))= 1/376992 (играть не стоит)
Докажем (4), используется принцип умножения:
|Ω| = CNn, что следует из определения числа сочетаний.
Чтобы произошло событие “m–обладает заданным свойством среди отобранных“;mизMможет быть отобраноCMmспособами; (n-m) – элементов, не обладающих свойством (N-M) может быть отобраноCN-Mn-m, то по принципу умножения получается:
|A| = CMm * CN-Mn-m
Из (1) получаем: P(A) =PN,M(n,m) =CMm*CN-Mn-m/CNn
– доказана!
В настоящее время используется много различных вероятностных пространств не описываемых классической схемой (1), для их задания используют так называемый аксиоматический подход.
Общее определение вероятности (аксиоматическое задание):
Пусть задано множество Ω, на его подмножествах определена функция P, она называется вероятностью, если выполнены 3 следующие свойства или аксиомы:
A1:P(A) ≥ 0 *AcΩ(аксиома неотрицательности)
A2:P(Ω) = 1 (аксиома нормированности)
A3: Если два событияAиBнесовместны , т.е. соответствующие им подмножества не имеют общих элементов, то:
P(A+B) =P(A) +P(B) (аксиома аддитивности)
Упр: проверить выполнение всех аксиом для классического определения вероятности.
П.: (основные свойства вероятности)
(5) 0 ≤ P(A) ≤ 1 *A
(6) P(A¯) = 1 – P(A)
(7) P(A+B) = P(A) + P(B) – P(A*B)
(7´) P(A+B+C) = P(A) + P(B) + P(C) – P(A*B) - P(A*C) – P(B*C) +
+ P(A*B*C)
Доказательство: мы будем доказывать свойства (5) – (7), используя аксиомы A1 –A3.
Левое неравенство в (5) следует из A1, докажем (6), а затем правое неравенство в (5).
1 = {A2} = P(Ω) = P(A+A¯) = {A и A¯ не совместны с A3} = P(A) + P(A¯); P(A) + P(A¯) = 1; из этого следует (6): P(A) = 1 – P(A¯), P(A¯) ≥ 0 => P(A) ≤ 1.
(5)и(6)– доказаны.
Докажем (7):
(*) A = (A \ B) + (A * B)
(**) B = (B - A) + (A * B)
(***) A+B= (A\B) +A*B*(B\A)
(все множества справа * - *** не совместны, поэтому применим A3).
(+) P(A) = P(A \ B) + P(A*B)
(++) P(B) = P(B \ A) + P(A*B)
(+++) P(A+B) = P(A \ B) + P(B \ A) + P(A*B)
Перепишем (+++) в виде:
P(A+B) = [P(A \ B) + P(A*B)] + [P(B \ A) + P(A*B)] – P(A*B)
P(A+B) = P(A) + P(B) – P(A*B)
(7´) – самостоятельно, используя (7) и введя дополнительное событие
D=A + B.