- •Тема 1. Основные понятия теории случайных процессов 68
- •Понятие подмножества. Свойства подмножеств.
- •Операции над множествами.
- •Дистрибутивные законы.
- •Законы Моргана.
- •Конечные множества и их элементы.
- •Понятие алгебры множеств σ – алгебры.
- •Борелевские множества. Борелевскаяσ– алгебра.
- •Выбор с возвращением.
- •Выборка без возвращения.
- •Размещения с повторениями.
- •Теория вероятностей. События и их классификация.
- •Операции над событиями.
- •Понятие вероятности.
- •Вечерняя электричка.
- •Геометрический подход.
- •Задача Бюффона.
- •Аксиоматический подход к вероятности. Вероятностное пространство. Аксиомы вероятности Колмогорова.
- •Вероятности, вытекающие из аксиом.
- •Задача о совпадениях.
- •Условная вероятность. Правило умножения вероятностей.
- •Независимость событий.
- •Задача о наилучшем выборе.
- •Расчет работоспособности цепей
- •Формула полной вероятности.
- •Задача о разорении игрока.
- •Формула вероятностей гипотез. (Формула Байеса)
- •Случайные величины.
- •Дискретные случайные величины.
- •Свойства функции распределения.
- •Биноминальное распределение (Независимые испытания по схеме Бернулли).
- •Асимптотическое представление формулы Бернулли.
- •Теорема (формула) Пуассона.
- •Локальная теорема Муавра-Лапласа.
- •Интегральная теорема Муавра-Лапласа.
- •Независимые случайные величины
- •Операции над случайными величинами:
- •Математическое ожидание
- •Свойства математического ожидания
- •Функции случайного аргумента и их мат. Ожидание.
- •Дисперсия
- •Свойства дисперсии
- •Свойства условных вероятностей и плотностей вероятностей
- •Условное математическое ожидание
- •Корреляционный момент (корреляция) двух случайных величин
- •Свойства корреляционного момента
- •Коэффициент корреляции и его свойства
- •Свойства
- •Уравнения Регрессии
- •Характеристики
- •Неравенство Чебышева
- •Нормальное распределение с параметрами (а;σ)
- •Основные свойства кривой Гаусса
- •Расчет доверительных интервалов
- •Некоторые важнейшие распределения связанные с нормальным. - распределение.
- •Распределение Стьюдента (t– распределение)
- •Распределение Фишера-Снедекора (f– распределение).
- •Закон больших чисел.
- •Теорема Чебышева.
- •Теорема Бернулли.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •Введение в теорию случайных процессов тема 1. Основные понятия теории случайных процессов
- •1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- •1.2. Некоторые классы и виды случайных процессов
- •2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- •2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- •2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- •2.5 Вероятностные характеристики суммы двух случайных величин
- •Тема 3. Элементы случайного анализа
- •3.1. Сходимость и непрерывность
- •1. Классические виды сходимости
- •2. Сходимость по вероятности
- •3. Сходимость в среднем в степени p1
- •3.3. Интеграл от случайного процесса и его свойства
- •ТеМа 4. Канонические разложения случайных процессов
- •4.1. Понятие канонического разложения случайного процесса
- •4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- •4.3. Линейные и нелинейные преобразования случайных процессов
- •Глава 5. Стационарные cлучайные процессы
- •5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- •5.2 Свойства вероятностных характеристик стационарного случайного процесса
- •5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- •5.4. Эргодические стационарные случайные процессы и их характеристики
- •Эргодическая теорема Биркгофа-Хинчина
- •Для ссп с непрерывным временем, для ссп с дискретным временем.
- •Достаточные условия эргодичности
Вечерняя электричка.
Едет
электричка, в которой n
вагонов. По пути следования в нее
подсаживаются k
человек (k
n).
Какова вероятность, что каждый пассажир
будет в своем вагоне один.
А – «Каждый пассажир в вагоне один»
Для осуществления этого события, необходимо, чтобы выполнялось следующее условие:
Первый пассажир может сесть в любой из n вагонов.
Второй в n-1 вагонов.
….
k–ый в n-k+1
N = nk – общее число ЭИ.
M = n(n-1)…(n-k+1) – число благоприятных ЭИ.
![]()
Геометрический подход.
Рассматривается
n-
мерное Эвклидово пространство, на
котором введен n
– мерный объем. Рассматривается конечная
область
этого
пространства. Точки которой являются
ЭИ некоторого опыта.
Событием,
называется любое подмножество А множества
(
),
тогда вероятностью события А, называется
отношениеn
– мерного объема множества А к n-
мерному объему множества
.
![]()
Задача 1.
Имеется стержень длины l. Этот стержень падает на пол и раскалывается на 2 куска. Точка в которой он раскалывается – любая. Какова вероятность, что меньший из отколотых кусков не превысит 1/3 длины первоначального стержня.

Задача 2.
2 человека договариваются о встречи в определенном месте на промежутке времени (0,Т). Каждый из них в течении этого времени появляются случайно. Каждый из них ждет другого в течении времени t (t<T). Какова вероятность, что они встретятся.
x – время прихода первого. (0 ≤ x ≤ T).
y – время прихода второго (0 ≤ y ≤ T).

Первая ситуация: первый пришел раньше или одновременно со вторым.
![]()
![]()
Вторая ситуация: второй пришел раньше.
![]()
![]()
![]()
Задача Бюффона.
Имеется бесконечная плоскость, разлинованная параллельными прямыми. Расстояние, между которыми L. На эту плоскость бросается иголка, длина которой l. Какова вероятность, что иголка пересечет одну из линий.
![]()
x – угол.
y – расстояние от нижнего края иглы до ближайшей сверху линии.

![]()
-
игла пересекает линию.
![]()
![]()


Аксиоматический подход к вероятности. Вероятностное пространство. Аксиомы вероятности Колмогорова.
Пусть Ω множество элементарных исходов А – сигма алгебра подмножеств множества Ω называемых событиями, Р – числовая функция, определенная на событиях, называемая вероятностью и обладающая следующими свойствами:
(неотрицательность
событий) (нормированность
вероятности)
А
А
2)![]()
3)Если А∙В=0, то Р(А+В)= Р(А)+Р(В) (аддитивность вероятности)
![]()
(непрерывность
вероятности)
Тогда тройка объектов (Ω, А,Р) называется вероятностным пространством.
Аксиомы 3 и 4 можно заменить аксиомой 3* с четной аддитивностью
(сигма аддитивность)
![]()
3*)Если события попарно не совместны, то
![]()
Теорема:Системы аксиом 1,2,3,4 и 1,2,3* равносильны.
Вероятности, вытекающие из аксиом.
1)Если из события А следует событие
В (![]()
B)
то вероятность
Р(В\А)= Р(В)-Р(А)≥0


А
А∙(В\А)=0
Р(В)= Р(А) + Р(В\А)
2)А
В
→ Р(А)≤Р(В) (из А следует В)
3)![]()
А
0 < А < Ω
4)Р(0) = 0 0 + Ω = Ω
Р(0) + 1 = 1
5)
АР(А) + Р(Ā) = 1
6)Если события
попарно не совместны

то
![]()
7)
произвольные события

8)
А![]()
∆ А + В = А + ( В \ А); А ∙ ( В \ А ) = 0
В Р(А+В)= Р(А) + Р( В \ А)
А В\А = В \ (АВ)
Р(В\А) = Р(В) – Р(АВ)
Р(А+В) = Р(А) + Р(В) – Р(АВ)▲
Замечания:
1.Формулы: Р(А+В) = Р(А) + Р(В); АВ = 0
Р(А+В) = Р(А) + Р(В) – Р(АВ); АВ ≠ 0
Называются формулами сложения вероятностей.
2.Аксиомы вероятности и их следствия имеют естественное обоснование в рамках классического подхода.
Ω
к В
А м
L
n
Р(А+В) =
![]()
3.Р(А+В+С) = Р(А) + Р(В) + Р(С) - Р(АВ) - Р(АС) - Р(ВС) + Р(АВС)
![]()
В случае если все события не совместны то

4.Если событие А достоверное то его вероятность равна 1
Р(А)=1 А→Р(А) = 1
Если А невозможное, вероятность его равна 0
Р(А)=0 А→Р(А) = 0
Обратные утверждения верны, только в случае конечного числа элементарных исходов.
