- •1 Вводные понятия
- •2 Алгебра событий
- •5 Аксиомы теории вероятностей и следствия из них
- •3 Формула классической вероятности (схема урн)
- •4 Схема геометрической вероятности.
- •6 Формула сложения вероятностей.
- •7 Условные вероятности. Независимость событий.
- •Вероятность осуществления b при условии, что произошло a в том же эксперименте, определяется через отношение двух безусловных вероятностей.
- •8 Зависимые и независимые события
- •9 Правила вычисления вероятностей сложных событий.
- •10 Последовательность независимых испытаний. Схема Бернулли.
- •11 Случайные величины
- •Функция распределения случайно величины и ее свойства.
- •12 Закон распределения случайной величины дискретного типа.
- •13 I. Равномерное распределение (дискретное)
- •II. Биномиальное распределение
- •III. Распределение Пуассона
- •IV. Геометрическое распределение
- •14 Пуасоновское распределение как предельный случай биномиального.
- •15 Свнт и их законы распределения.
- •3) Функция распределения всегда непрерывна у свнт.
- •16 Числовые характеристики свнт.
- •Если перейдем к функции распределения, то заметим, что hx – корень уравнения .
- •17 Основные классические распределения непрерывного типа и их характеристики.
- •19 Интеграл вероятности и его свойства
- •20 Случайные векторы
- •Свойства двумерной функции распределения.
- •21 Случайные векторы дискретного типа (свдт) и их законы распределения.
- •24 Независимость случайных событий.
- •23 Вероятность попадания в область на плоскости
- •25 Функция от случайных величин. Теоремы о мат. Ожидании функций.
- •26 Свойства числовых характеристик случайного вектора.
- •Следствия из свойства 5.
- •Доказать, что если 4, то автоматически существует 1, 2, 3, используя неравенство Коши-Буняковского.
- •Пусть Перейдем от(X,y) к(u,V)путем преобразования стандартизациирассмотрим
- •28 Законы распределения функций
- •31 Законы больших чисел.
- •Неравенства Чебышева. Первое неравенство Чебышева.
- •При увеличении числа опытов по схеме Бернулли относительная частота успехов
- •32 Центральная предельная теорема.
- •33 Следствия цпт для схемы Бернулли.
- •34 Основные понятия математической статистики.
9 Правила вычисления вероятностей сложных событий.
Определение.Сложным событиемназывается событие, выраженное в алгебре событий через другие события, наблюдаемые в этом же эксперименте.
Пример.С = АВ+D C – сложное событие.
Перечислим все правила, используемые при вычислении вероятности сложного события.
Правило 1.Р(А) = 1-Р().
Правило 2. Формула сложения вероятностей для двух и большего числа событий.
Правило 1. Формула умножения вероятностей: из (1) Р(АВ) = Р(А)Р(В/А) (4)
Часто условная вероятность известна. В некоторых случаях вероятность можно вычислять как безусловную, путем сложения пространства.
Правило 4. Формула умножения вероятностей для 3-х и большего числа событий.
P(ABC)=P((AB)C)=P(C)P(AB/C)=P(C)P(A/C)P(B/AC)
Используя ассоциативные свойства, запишем:
Иначе мы можем записать полученный результат в виде формулы:
P(ABC)=P(A)P(B/A)P(C/AB)
Правило 5. Если события A1,A2,…An независимы в совокупности (это часто сформулировано в модели) P(A1+A2+…+An)=1-P(1)P(2)… P(n).
Перейдем к противоположному событию к сумме:
(по формуле де Моргана) =.
По правилу 1 P(A1+A2+…+An) = 1-Р() =1-P(12… n)=
=(независимость в совокупности; отрицание не влияет) =1-P(1)P(2)… P(n)
Пример 4. Вероятность попадания в мишень при одном выстреле равна Р = 0,7. Сделано пять независимых выстрелов. А = хотя бы одно попадание.
Р(А) = 1- P(1)P(2)… P(5), где Ак = попадание при к-том выстреле
Р(А) = 1-0,035 = 0,9975.
Правило 6. Пусть построена система событий Н1, Н2,….,Нn, удовлетворяющая условиям:
Нк , к = 1,2,..,n;
Нi,H j , i j (Нi и Нj - попарно несовместны);
Н1 + Н2 +…+ Нn = Ω для данного эксперимента;
Определение. Такая система образует разбиение и называется полной группой независимых событий. События, образованные разбиением событий Н1, Н2,….,Нn,называются гипотезами.
Теорема. Пусть Нi F, Нi и система Н1, Н2,….,Нn - разбиение , тогда имеет место формула полной вероятности:
(5)
------------------------------------------------------------------------------------------
А=АΩ = А(Н1 + Н2 +…+ Нn)=А Н1 + АН2 +….+АНn = (в силу независимости А) => = (по формуле деления вероятности) =
Пример 5: Партия транзисторов, среди которых 10% дефекта, поступает на проверку. Схема проверки такова: вероятность обнаружения ошибки 0,95, если она есть; 0,03 – вероятность, что исправленный транзистор будет признан дефектным.
Эксперимент: наудачу выбирается транзистор.
Решение:А=транзистор будет признан дефектным
Гипотеза: Н1= транзистор на самом деле дефектный
Н2 =
Заданы условия вероятности.
Р(А) = Р(Н1)Р(А/Н2)+Р(Н2)Р(А/Н2)=0,10,05+0,90,003=0,095+0,027=0,122>P(Н1)
Правило 7:(Формула Байеса в схеме полной вероятности)
Пусть событие А произошло. Какова при этом условии вероятность существования гипотезы Нк? (Речь идет об условной вероятности) Р(Нк/А)-?
(1)
Объяснение: Р(Нк) –априорные вероятности гипотез
Р(Нк/А) – апостериорные вероятности гипотез (послеопытные)
Пример 6:В условии эксперимента, описанного в примере 5, известно, что А произошло.
Р(Н1/А) = ?
Решение:из (1) следует, что Р(Нк/А)=>>Р(Н1)
Если обнаружен дефект, то скорее всего дефект есть.
Задача (Пример 7): В лотерее выпущено 100 билетов, в которых два выигрышных. Студент купил два билета, но один потерял. Какова вероятность, что он выиграл. Сравните с той вероятностью, если бы он не потерял билет.