14-es_1 / Высшая математика (РТФ) / умк_Пальчик_Теория вероятностей
.pdfНОВЫЕ ТЕРМИНЫ |
|
Алгебра событий......................................................................... |
с. 15 |
σ-алгебра событий .......................................................................... |
16 |
Вероятностная мера события......................................................... |
18 |
Случайная величина (СВ) ........................................................ |
26, 27 |
Функция распределения................................................................. |
29 |
Плотность распределения .............................................................. |
30 |
Поток событий................................................................................. |
38 |
Математическое ожидание ............................................................ |
48 |
Дисперсия ........................................................................................ |
49 |
Гипергеометрическое распределение........................................... |
57 |
Нормальное распределение ........................................................... |
57 |
Правило «3-х сигм»......................................................................... |
60 |
Функция распределения 2-мерных СВ......................................... |
67 |
Маргинальные распределения компоненты ................................ |
69 |
Плотность распределения 2-мерных НСВ ................................... |
70 |
Условие распределения компонент 2-мерных СВ ...................... |
74 |
Начальный момент порядка k + s.................................................. |
76 |
Центральный момент порядка k + s.............................................. |
77 |
Ковариация, корреляционный момент......................................... |
77 |
Коэффициент корреляции.............................................................. |
79 |
Выборочная и генеральная совокупность.................................... |
85 |
Полигон, гистограмма .................................................................... |
88 |
Эмпирическая функция распределения........................................ |
89 |
Выборочная дисперсия и математическое ожидание................. |
90 |
Функция правдоподобия................................................................ |
98 |
СВ хи-квадрат................................................................................ |
104 |
Квантиль......................................................................................... |
105 |
СВ Стьюдента................................................................................ |
106 |
СВ Фишера..................................................................................... |
108 |
Доверительная вероятность......................................................... |
109 |
Линии регрессии ........................................................................... |
114 |
Выборочный коэффициент корреляции..................................... |
119 |
Коэффициенты линейной регрессии .......................................... |
120 |
11
СОКРАЩЕНИЯ ТЕРМИНОВ
ТВ – теория вероятностей МС – математическая статистика
в.э. – вероятностный эксперимент э.д. – экспериментальные данные СВ – случайная величина НСВ – непрерывная СВ ДСВ – дискретная СВ
МО – математическое ожидание О – начало доказательства или решения Ο/ – пустое множество
Ä – конец доказательства или решения Æ – без доказательства ММ – математическая модель э.с. – элементарное событие
R – множество действительных чисел
Rn – n-мерное линейное векторное пространство ГС – генеральная совокупность СГ – статистическая гипотеза КО – критическая область ОПГ – область принятия гипотезы
12
КОНСПЕКТ ЛЕКЦИЙ
1. Предмет и задачи ТВ и МС. Пространство элементарных событий. Алгебра событий. Элементы комбинаторики.
Относительная частота события и его свойства
Детерминированные эксперименты − это эксперименты, результаты которых можно предвидеть заранее на основании естественно-научных за- конов.
Вероятностные (или стохастические, или случайные) экспери-
менты − это эксперименты, результаты которых нельзя предвидеть (они случайны).
Однако, если вероятностные эксперименты (в.э.) повторять много- кратно, то совокупность исходов в.э. подчиняется определенным законам (изучением этих законов занимается ТВ).
1.1.Пример. С помощью специальной аппаратуры изучается кар- диограмма пациента. Вид этой кардиограммы нельзя предвидеть заранее. Однако анализ множества кардиограмм больных с данным заболеванием позволяет заметить в них закономерности, характерные для данного забо- левания.
Изучать указанные закономерности удобно методом моделирования, то есть строить математическую модель в.э. В математической модели закономерности описывают уравнениями, функциями и т.д.
Вопрос о том, насколько хорошо построена модель и хорошо ли она согласуется с практикой, изучается математической статистикой.
Для любого эксперимента Е можно выделить некоторые события (исходы), характеризующиеся тем, что любое повторение Е может закон- читься одним из этих событий.
1.2.Определение. Элементарным событием w, связанным с экс-
периментом Е, называется любой мысленно возможный исход (результат) в.э. Е. Совокупность всех элементарных событий для Е образует про-
странство элементарных событий Ω для Е. Ω также иногда называют
полной группой событий, связанных с в.э. Е. Тот факт, что Ω состоит из всевозможных элементарных событий, записывают так:
|
|
|
|
Ω = {wi / i = 1, n }. |
(1.1) |
13
1.3. Пример. Пусть Е состоит в бросании шестигранной игральной кости, а результат его − число очков wi на горизонтальной грани. Тогда
Ω = {w1, w2, w3, w4, w5, w6 }. |
(1.2) |
1.4.Определение. Событием (связанным с в.э. E) называется вся- кое подмножество из Ω (или: событие − всякий результат опыта в рамках E). События обозначают большими буквами: A Ω.
1.5.Пример. Пусть E 1.3. A − событие, состоящее в выпадении четного числа очков. Тогда
A = {w2, w4, w6}. A Ω .
A наступит, если единичный опыт закончится одним из элементар- ных событий w2, w4 или w6.
Вообще условимся говорить, что событие A произошло (наступило), если единичный опыт закончился одним из элементарных событий w A.
Элементарные события, входящие в А, называют обычно благопри-
ятствующими событиями для А.
Если Е – в.э., Ω – его пространство событий, А – произвольное собы- тие, то А называют невозможным (относительно Е), если A Ç W = O/ , и достоверным (относительно Е), если A = Ω .
1.6. Определение. Пусть задана пара (Е, Ω). Событие A называют противоположным к А, если оно дополняет А в Ω, т.е.
A |
= {w / w Ω − A}. |
(1.3) |
1.7.Пример. Пусть (Е, Ω) 1.3. Если А = {w2, w4, w6}, то
A= {w1, w3, w5}.
1.8.Определение. Суммой (объединением) двух событий А и В
называют событие, содержащее те элементарные события, которые при- надлежат хотя бы одному из событий А или В, т.е.
A B = A + B = {w / w A или B}.
14
1.9.Определение. Произведением (пересечением) двух событий А
иВ называют событие, состоящее из тех и только тех элементарных собы-
тий w Î W, которые принадлежат как А, так и В, т.е.
A × B = A Ç B = {w / w Î A и w Î B}.
1.10.Определение. Разностью двух событий А и В называют собы- тие, состоящее из тех элементарных событий w Î B, которые входят в А, но не входят в В.
1.11.Определение. Два события А и В называют несовместимыми, если их пересечение является невозможным событием, т.е. A Ç B = O/ .
Построение математической модели в.э. производят в следующей последовательности:
1)составляется пространство (Е, W) элементарных событий в.э. Е;
2)выделяется класс событий F, достаточных для описания законо- мерностей изучаемого явления;
3)определяется степень возможности появления событий из класса F (т.е. вводится вероятностная мера для наступления событий, т.е. «единица» измерения возможности наступления событий). Эту меру события А из F называют вероятностью появления события А и
обозначают Р(А). Саму модель тогда обозначают (W, F, P).
Выше отмечали, что события – это подмножества множества W. Значит, F – это некоторая совокупность подмножеств множества W.
В курсе элементарной математики рассматривается следующий
факт:
1.12. Теорема. Если множество W состоит из |W | = n элементов, то число всех подмножеств в W равно 2n.
Если n велико, то и число 2n велико. Поэтому в качестве класса F выбирают не все подмножества из W, а некоторую часть их, называемую алгеброй событий.
1.13. Определение. Класс F подмножеств из W называют алгеброй событий, если выполняются следующие аксиомы:
(1)W Î F;
(2)AÎ F AÎ F;
(3)A Î F, B Î F A È B Î F.
Из условия (3) следует, что Èn |
A Î F , n < ¥. |
i=1 |
i |
15
Если же потребовать, чтобы класс событий F обладал свойствами
(1), (2) в 1.13 и
(3′) A1, A2 , ..., An ,... F i∞=1 Ai F ,
то F называется тогда σ – алгеброй событий. Понятие σ – алгебры ввел Э. Борель (1871 – 1956 гг.), французский математик.
Из условий (2), (3), (3′) в 1.13 следует, что пересечение и разность событий из F также принадлежат F.
(Ω, F) называется тогда измеримым пространством для Е.
1.14. Пример. Пусть Ω = {x1, x2, x3}. Тогда
F = {x1, x2 , x3 , (x1, x2 ), (x1, x3 ), (x2 , x3 ), (x1, x2 , x3 ), Ο/} является алгеброй. |F| = 23 = 8.
Нам осталось осуществить этап 3) построения математической мо- дели (Ω, F, P) в.э. Е.
Для этого сначала введем понятие частоты появления событий. 1.15. Определение. Пусть Е повторяется n раз, и в m случаях насту-
пило событие А. Тогда число m называют частотой, а число m/n – отно- сительной частотой события А, и обозначается
W ( A) = |
m |
. |
(1.4) |
|
|||
|
n |
|
Легко видеть, что W(A) обладает свойствами
0 ≤ W (A) ≤ 1, |
(1.5) |
W(Ω ) = 1. |
(1.6) |
n |
|
W ( in=1 Ai ) = ∑(W ( Ai )), n < ∞, |
(1.7) |
i =1
где Ai Ç Aj = O/ для i ¹ j (т.е. они попарно несовместимы).
В самом деле, свойства (1.5) и (1.6) очевидны. (1.7) легко видно для
n = 2
W ( A B) = m( A) + m(B) = m( A) + m(B) = m( A B) . n n n n
Относительная частота события является послеопытной (апостери- орной) характеристикой события. А проводить опыты – дело дорогостоя- щее, а часто и трудноосуществимое.
16
Важное качественное свойство W(A) – его устойчивость. Т.е. при увеличении числа опытов W(A) колеблется около некоторой константы, и амплитуда колебаний уменьшается при n ® ¥ .
1.16. Пример. Пусть Е – бросание монеты, W = {герб, цифра}. В на- чале XVIII века некто Бюффон бросил монету 4040 раз. Герб появился
2048 раз. Wгерба = 2048 = 0,5069. Некто Пирсон в начале XX века бросил
4040
монету 24000 раз. У него Wгерба = 0,5005. Wгерба устойчиво держится возле константы 1/2.
В ТВ часто приходится пользоваться формулой (1.4). В частности, возникает задача о подсчете числа способов, которыми может осуществ- ляться некоторое событие. Задачи такого рода называются комбинатор-
ными.
Нам потребуется ряд простейших комбинаторных понятий и фор-
мул.
1.17. Определение. Размещениями из m элементов по n называются такие множества (наборы) элементов, каждое из которых содержит n эле- ментов, взятых из данных m элементов, и которые отличаются одно от
другого или элементами, или порядком элементов. Число различных раз- |
|
мещений из m по n обозначается An . Известна следующая формула: |
|
m |
|
An = m(m -1)¼(m - (n -1)). |
(1.8) |
m |
|
1.18. Определение. Если размещения из m элементов составляются по m элементам (то есть, различаются только порядком элементов), то та- кие размещения называются перестановками и их число обозначается
Amm = Pm .
Pm = m(m -1)¼3 × 2 ×1 = m! |
(1.9) |
1.19. Определение. Если из всех размещений Amn (n £ m) мы отберем только те, которые отличаются друг от друга по крайней мере одним (или более) элементом, то получим соединения (наборы), называющиеся соче-
таниями. Их число Cmn или ( nm ).
( mn ) = Cmn = |
Amn |
= |
m(m -1)K(m(n -1)) |
= |
Pm |
= Cmm−n . |
(1.10) |
Pn |
|
|
|||||
|
|
n! |
Pn × Pm−n |
|
17
1.20. Пример. В ящике 13 деталей, из них 8 – с браком. Наудачу бе- рутся 4 детали. Каковы шансы, что все они бракованные?
О. (Решение). Всего можно взять 4 детали C134 способами, чтобы на-
боры были попарно различными.
Благоприятные возможности, чтобы наборы были из бракованных деталей, составляет число C84 . По (1.4) имеем: C84 / C134 =14 /11×13. Ä.
2. Вероятностная мера события. Аксиомы А.Н. Колмогорова. Классическое, геометрическое, статистическое определение вероятности события. Метод экспертных оценок. Исчисление вероятностей событий (сложение)
Недостатком относительной частоты W(A) события А является то, что W(A) – послеопытная характеристика события А. Для прогнозов важно иметь доопытную (априорную) характеристику наступления события А. Эту характеристику и называют вероятностью появления события А и обозначают Р(А).
Ранее мы определили событие А как подмножество множества Ω, связанного с в.э. Е.
2.1. Определение. Пусть задан в.э. Е. Пусть Ω – пространство эле- ментарных событий для Е, F – σ -алгебра, выделенная в Ω. Действитель- ная функция Р, ставящая каждому событию A F в соответствие действи- тельное число Р(А), называется вероятностной мерой на F, если выпол- няются следующие аксиомы (А.Н. Колмогоров, 1933 год):
1К. A F, 0 ≤ P(A) ≤ 1; |
(2.1) |
2К. Если A = Ω, то P(Ω) = 1; |
(2.2) |
3К. Для любой последовательности попарно несовместимых событий ( Ai Ç Aj = O/ , i ¹ j) A1,K, An ,K выполняется соотношение
P( ∞ |
|
∞ |
|
A ) = ∑P( A ). |
(2.3) |
||
i =1 |
i |
i |
|
|
|
i=1 |
|
Р(А) называют вероятностью события А. Вероятностную меру Р на- зывают иногда распределением вероятности на пространстве Ω. Тройку
(Ω, F, P) называют математической вероятностной моделью для экспе-
римента Е.
18
2.2.Пример. Пусть Е – подбрасывание монеты, Ω = {w1, w2 }, где
w1 – появление герба, w2 – появление цифры. F = {Ο/, w1, w2 , Ω} . Опреде- лим на F функцию Р следующим образом:
P(Ο/) = 0, P(w1) = 1/ 2, P(w2 ) = 1/ 2, P(Ω) = 1.
Тогда (Ω, F, P) – модель для Е в смысле определения 2.1. Если же на F определить функцию Р1 следующим образом:
P (Ο/) = 0, P (w ) = 1/ 3, P (w ) = 2 / 3, P (Ω) = 1, |
|||||
1 |
1 |
1 |
1 |
2 |
1 |
то (Ω, F, P1) – модель для Е в смысле определения 2.1. Возникает вопрос: какая же модель лучше?
Если монета однородна, то (Ω, F, P). Если же центр тяжести монеты смещен к плоскости герба, то лучше модель (Ω, F, P1).
2.3.Определение. (Классическое или Лапласовское определение
вероятности). Пусть задан в.э. Е с конечным числом элементов в Ω = {wi / i = 1, n}, в котором элементарные события wi равновероятны, т.е. P(wi ) = 1/ n. Тогда Р(А) для A Ω есть отношение числа элементарных со- бытий, благоприятных для А, к общему числу элементарных событий в Ω:
P( A) = |
| A | |
. |
(2.4) |
|
|||
|
| Ω | |
|
Если же |Ω| = ∞, то определение 2.3. не годится.
2.4. Определение. (Геометрическое определение вероятности). Элементарные события трактуем как точки пространства Rn, n = 1, 2, 3, события трактуем как подпространства из Rn. Для А F имеем по опреде- лению
P( A) = |
μ( A) , |
(2.5) |
|
μ(Ω) |
|
где μ означает длину для R, площадь для R2 и объем для R3.
19
2.5. Пример. На отрезок ОА длиной l брошены 2 точки В и С. Какова вероятность того, что из отрезков ОВ, ВС, СА получится треуголь- ник?
О. Пусть |OB| = x, |BC| = y, |CA| = l – (x + y).
Тогда
x + y > l – (x + y) x + y > l / 2 |
( ) |
и |
|
x + l –( x + y) > y y < l / 2 |
( ) |
y + l – (x + y) > x x < l / 2 |
( ) |
Изобразим геометрически на плоскости ХОУ благоприятные воз- можности [( ) – ( )] и все возможности для х и у. Последние – это множество пар (х, у) с 0 £ x £ l, 0 £ y £ l, т.е. квадрат со сторонами l (рис. 2.1). Благоприятные возможности – заштрихованный треугольник.
Искомая вероятность: P = |
S |
= |
1 |
. Ä. |
Sквадрата |
|
|||
|
8 |
|
l
|
l/2 |
l |
|
|
l/2 |
0 |
• |
A |
|
• |
|
|
B |
C |
|
|
Рис. 2.1 |
Справедливость определения (2.4) основана на свойстве устойчиво- сти относительной частоты.
2.6. Определение. Пусть имеется n экспертов, мнения которых равноценны. Если m из них высказали предпочтение событию А, то
P(A) = |
m |
. |
(2.6) |
|
|||
|
n |
|
20