- •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)
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)АВ → Р(А)≤Р(В) (из А следует В)
3)А0 < А < Ω
4)Р(0) = 0 0 + Ω = Ω
Р(0) + 1 = 1
5) АР(А) + Р(Ā) = 1
6)Если событияпопарно 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.