- •Методические указания
- •Программа 1‑й части курса
- •Раздел I «Элементы теории вероятностей и математической статистики»
- •Введение
- •1.2 Непосредственный подсчёт вероятностей
- •1.3 Относительная частота. Теорема бернулли
- •1.4 Сумма событий. Теорема сложения вероятностей для несовместных событий
- •1.5 Произведение событий. Теорема умножения
- •1.6 Теорема сложения для совместных событий
- •1.7 Многократные испытания. Формула бернулли
- •2 Случайные величины и законы распределения их вероятностей
- •2.1 Виды случайных величин
- •2.2 Формы задания закона распределения дискретных случайных величин
- •2.3 Формы задания закона распределения для непрерывных случайных величин
- •2.4 Вероятность попадания случайной величины на заданный интервал
- •2.5 Числовые характеристики случайной величины. Математическое ожидание
- •2.6 Моменты. Дисперсия. Среднее квадратическое отклонение
- •3 Нормальный закон распределения
- •3.1 Нормальный закон и его основные параметры
- •3.2 Понятие о центральной предельной теореме
- •3.3 Вероятность попадания нормально распределённой случайной величины на заданный интервал
- •3.4 Интеграл вероятностей
- •3.5 Дополнительные характеристики разброса случайной величины
- •4 Элементы математической статистики
- •4.1 Основные задачи. Понятия
- •4.2 Числовые характеристики
- •4.3 Дополнительные характеристики: асимметрия и эксцесс
- •4.4 Определение закона распределения на основе опытных данных
- •4.5 Критерий согласия пирсона
- •4.6 Оценивание параметров
- •4.7 Доверительные интервалы и доверительная вероятность
- •5 Элементы корреляционного анализа
- •5.1 Понятие о статистических связях
- •5.2 Коэффициент корреляции
- •5.3 Уравнение регрессии
- •3. Составим уравнение регрессии на d:
1.5 Произведение событий. Теорема умножения
Произведением двух или нескольких событий называют сложное событие, состоящее в совместном появлении этих событий.
Пусть С — сложное событие, состоящее в совместном появлении событий . В этом случае пишут
или .
Теорема. Вероятность произведения двух или нескольких независимых событий равна произведению вероятностей этих событий, т.е.
. |
808\* MERGEFORMAT (.) |
Вероятности независимых событий называют безусловными. Зависимые события имеют условные вероятности.
Условной называют вероятность, вычисленную в предположении, что одно или несколько событий уже произошли. Например: — условная вероятность событияА2, вычисленная в предположении, что произошло событие А1; — условная вероятность событияАn, вычисленная в предположении, что произошли события .
Условие независимости события А2 от события А1 записывают в виде , аусловие зависимости — в виде .
Теорема. Вероятность произведения двух или нескольких зависимых событий равна произведению безусловной вероятности одного из этих событий на условные вероятности других, т.е.
. |
909\* MERGEFORMAT (.) |
Задача 1.4. В ящике имеется 25 белых и 36 чёрных шаров. Определить вероятность последовательного появления двух белых шаров при условии, что первый извлечённый шар обратно не возвращается.
Решение. Обозначим события: А1 — появление первого белого шара; А2 — появление второго белого шара; С — появление двух белых шаров. Поскольку вероятность события А2 зависит от того, наступило или не наступило событие А1, события А1 и А2 — зависимые. Применяем теорему умножения вероятностей для зависимых событий, получим
.
Найдём вероятность события А1:
.
Найдём условную вероятность события А2 при условии, что событие А1 наступило:
.
Искомая вероятность равна:
.
1.6 Теорема сложения для совместных событий
Вероятность суммы двух или нескольких совместных событий Ai определяется по формуле
, |
10010\* MERGEFORMAT (.) |
где В — событие, состоящее в появлении хотя бы одного из нескольких совместных событий Ai, а — событие, ему противоположное, состоящее в том, что не появится ни одно из событий Ai,т.е.
.
определяется по формуле 08, если события Ai независимы, и по формуле 09, если события Ai зависимы.
1.7 Многократные испытания. Формула бернулли
Если необходимо определить вероятность того, что при n независимых многократных испытаниях событие А появится ровно k раз, то применяем формулу Бернулли:
, |
11011\* MERGEFORMAT (.) |
где — искомая вероятность;p — вероятность появления события А в каждом отдельном испытании (постоянная для всех испытаний); q — вероятность непоявления события А в отдельном испытании (очевидно, что );— число сочетаний изn по k.
;
; ;.
Если k придавать значения от 0 до n (т.е. ), а вероятностивычислять по формуле Бернулли, то получится совокупность вероятностей:, которая носит названиебиномиального распределения вероятностей.
Заметим, что .
Задача 1.5. По одной и той же мишени в одинаковых условиях произведено 3 независимых выстрела. Вероятность попадания в мишень при одном выстреле равна 0,3. Определить вероятности следующих событий:
Мишень будет поражена ровно k раз (причём ).
Решение: так как ;;;, то имеем:
;
;
;
.
Контроль: 0,34+0,44+0,19+0,03=1,00.
В мишени будет не менее двух пробоин:
.
Мишень будет поражена не более двух раз:
.
Мишень будет поражена хотя бы один раз:
.
Вероятнейшим числом появлений события А при n многократных испытаниях называют число k0, соответствующее наибольшей при данных условиях вероятности, т.е. k0 находится из неравенства
. |
12012\* MERGEFORMAT (.) |
Следует заметить, что левая и правая части неравенства отличаются на единицу. Если p выражается числом, не близким к нулю или единице, то при большом значении n вероятнейшее число находят по формуле
. |
13013\* MERGEFORMAT (.) |
Задача 1.6. Найти вероятнейшее число попаданий в мишень по условию задачи 1.5.
Решение:
Так как максимальное значение вероятности соответствует числу, то, очевидно,есть вероятнейшее число попаданий в мишень.
Применим неравенство 012:
; ;.