- •Федеральное агентство по образованию северо–кавказский горно–металлургический институт (государственный технологический университет)
- •Владикавказ 2008
- •Тема 1. Случайные события и случайные величины, их числовые характеристики
- •Случайные события
- •Вероятность события Существует статистическое и классическое определение понятия «вероятность». Статистическое определение вероятности
- •Классическое определение вероятности
- •Свойства вероятности
- •Сложение и умножение вероятностей
- •Условная вероятность. Умножение вероятностей
- •1.2.3. Полная вероятность
- •1.3. Случайные величины
- •1.3.1. Функции распределения случайной величины
- •1.3.1.1. Свойства функции распределения
- •1.3.1.2. Функция распределения для дискретной случайной
- •1.3.1.3. Функция распределения непрерывной случайной
- •Исходя из определения функции распределения:
- •1.3.1.4. Плотность вероятности случайной величины
- •Геометрическое истолкование этой формулы
- •1.3.2.1. Свойства математического ожидания
- •1.3.2.2. Свойства дисперсии
- •1.3.3. Моменты случайной величины
- •1.4. Примеры законов распределения случайной величины
- •1.4.1. Равномерное распределение дискретной случайной
- •1.4.2. Равномерное распределение непрерывной случайной
- •1.4.3. Нормальный закон распределения (закон Гаусса)
- •Тема 2. Точечное оценивание параметров. Регрессионный и корреляционный анализ
- •2.1. Выборочный метод
- •2.1.1. Среднее и дисперсия выборки
- •2.2. Связь между случайными величинами. Корреляция
- •2.2.1. Свойства коэффициента корреляции
- •2.2.2. Определение коэффициента корреляции по данным наблюдений
- •2.2.3. Частная линейная корреляция
- •2.2.4. Множественная линейная корреляция
- •2.3. Регрессия
- •2.3.1. Линейная регрессия
- •2.3.2. Нелинейная парная регрессия
- •2.3.3. Множественная линейная регрессия
- •2.3.4. Определение параметров уравнения множественной
- •Тема 3. Проверка статистических гипотез и построение доверительных областей для параметров
- •3.1. Доверительные интервалы и доверительные вероятности
- •3.2. Оценка генерального среднего
- •3.3. Оценка генеральной дисперсии
- •3.4.1. Гипотеза о равенстве дисперсий. Критерий Фишера
- •3.5. Проверка адекватности уравнения регрессии
- •Тема 4. Математическое описание случайных сигналов в системах управления
- •4.1. Случайные процессы
- •4.2. Стационарные случайные процессы
- •4.3. Корреляционная функция
- •4.3.1. Свойства корреляционной функции
- •4.4. Спектральная плотность
- •4.4.1. Свойства спектральной плотности
- •Тема 5. Понятие передаточной функции и частотных характеристик системы
- •5.1. Элементы операционного исчисления. Преобразование
- •5.1.1. Основные свойства преобразования Лапласа
- •5.1.2. Примеры преобразования Лапласа для типовых функций
- •5.1.3. Решение линейных дифференциальных уравнений
- •Примеры
- •5.2. Понятие передаточной функции
- •5.3. Временные и частотные характеристики сау
- •5.3.1. Временные характеристики сау
- •5.3.2. Частотные характеристики сау
Свойства вероятности
1. Вероятность любого события А подчинена условиям
0 Р(А) 1, так как 0 m n.
2. Вероятность достоверного события Е:
Р(Е) = 1, так как m = n.
3. Вероятность невозможного события U:
Р(U) = 0, так как m = 0.
Сложение и умножение вероятностей
Пусть А и В – два несовместных события. Тогда вероятность того, что осуществится хотя бы одно из этих двух событий, равна сумме их вероятностей, т.е. Р(А или В)=Р(А)+Р(В) – это так называемая теорема сложения.
Следствие теоремы: если события А1, А2, …, Аn несовместны и единственно возможны, то
Р(А1)+Р(А2)+…+Р(Аn)=1.
То есть они образуют полную группу событий. В частности Р(А)+Р()=1.
Условная вероятность. Умножение вероятностей
Пример: На складе – 400 электрических лампочек, изготовленных на двух заводах (75 % – на первом, 25 % – на втором). Пусть на 1 заводе – 83 % соответствует стандарту, на 2 заводе – 63 %. Определим вероятность того, что случайно взятая со склада лампочка соответствует требованиям стандарта.
Решение. Всего на 1–м заводе изготавливают стандартных лампочек. На втором заводе –. Т.е. всего 249+63=312 стандартных лампочек. Так как выбор любой лампочки следует считать равновозможным, то имеем 312 благоприятствующих случаев из 400, и поэтому
,
где событие В состоит в том, что выбранная на любом из заводов лампочка стандартна.
Но если известно, что выбранная лампочка изготовлена на первом заводе (событие А1), то вероятность того, что она стандартна, будет не 0,78, а 0,83.
Такого рода вероятность, т.е. вероятность события В при условии, что имеет место событие А, называют условной вероятностью события В при условии наступления события А и обозначается РА(В).
Вероятность совмещения событий А и В равна произведению вероятности одного из событий на условную вероятность другого в предположении, что первое имело место
Р(А и В) = Р(А)РА(В).
Это так называемая теорема умножения.
Совмещение событий А и В – это наступление каждого из них, т.е. наступление как события А, так и события В.
Так как события А и В равноправны, то поменяв их местами:
Р(А и В) = Р(А)РВ(А) или
Р(А)РА(В) = Р(В)РВ(А).
Пример. В продукции предприятия признаются годными (событие А) 96 % изделий. К первому сорту (событие В) оказываются принадлежащими 75 изделий из каждой сотни годных. Определить вероятность того, что произвольно взятое изделие будет годным и принадлежит к первому сорту.
Искомая вероятность есть вероятность совмещения событий А и В. По условию: Р(А) = 0,96, РА(В) = 0,75, тогда Р(А и В) = .
Два события называются независимыми, если вероятность одного из них не изменяется в результате того, наступило или не наступило другое.
Пример: повторное бросание монеты (Р = независимо от того, выпал или не выпал герб в первом случае). Условие независимости событийА и В:
или
.
Для независимых событий теорема умножения формулируется следующим образом. Если события А и В независимы, то вероятность их совмещения равна произведению вероятностей этих событий Р(А и В) = Р(А)Р(В).
1.2.3. Полная вероятность
Пусть события Н1, Н2,…, Нn образуют полную группу событий и при наступлении каждого из них (Нi) событие А может наступить с некоторой условной вероятностью (А). Какова будет при этом вероятность наступления события А?
В соответствии с теорией умножения найдем, что вероятность наступления А при условии Н1, Н2,…, Нn:
Р(Н1 и А) = Р(Н1)(А)
…………………………..
Р(Нn и А) = Р(Нn) (А).
По теореме сложения (события Н1, Н2,… несовместны):
или
–это так называемая формула полной вероятности.
Пример. При разрыве снаряда образуются крупные, средние и мелкие осколки, причем число крупных осколков составит 0,1 их общего числа; средних – 0,3; мелких – 0,6.
При попадании в танк крупный осколок прибивает броню с вероятностью 0,9; средний – 0,3; мелкий – 0,1.
Какова вероятность того, что попавший в броню осколок пробьет ее?
Р(Н1) = 0,1 Р(Н2) = 0,3 Р(Н3) = 0,6 |
= 0,9 = 0,3 = 0,1 |
.