
- •Тема 1: Формулы комбинаторики и вероятность, аксиомы Колмогорова. Алгебра событий. Классическое определение вероятности.
- •Основные понятия.
- •Классическое определение вероятности.
- •Напомним, что числа a и есть количество элементов во множествах a и соответственно.
- •3.Свойства вероятности.
- •4.Относительная частота. Статистическое определение вероятности.
- •5. Формулы комбинаторики.
- •6. Применение формул комбинаторики при решении задач по теории вероятности.
- •7. Общие определения вероятности. Аксиомы а.Н. Колмогорова. Алгебра событий.
- •Аксиомы, задающие вероятность.
- •Тема 2: Условная вероятность. Независимые события. Формула полной вероятности и Байеса.
- •1. Условная вероятность. Независимые события.
- •2. Формула полной вероятности и Байеса.
- •Тема 3: Схема Бернулли. Формулы Муавра-Лапласа. Функция Лапласа и ее свойства.
- •1. Последовательность независимых испытаний.
- •В данном случае ,,. Вычислим;. Поэтому. Так как, то. Следовательно, наиболее вероятное число выпаданий шестерки равно 3.
- •2. Приближенные формулы для Pn(k) при больших значениях n и k.
- •Тема 4: Случайные величины. Непрерывные и дискретные случайные величины. Закон распределения случайных дискретных величин. Бином распределения, распределение Пуассона.
- •1. Определение случайной величины.
- •2. Дискретные случайные величины.
- •3. Характеристики случайных величин.
- •4. Примеры дискретных случайных величин.
- •Тема 6: Функция распределения случайной величины. Нормально распределенные случайные величины.
- •Примеры непрерывных случайных величин. Равномерное распределение на отрезке.
- •Тема 5: Числовые характеристики случайных дискретных величин: математическое ожидание, дисперсия, среднеквадратичное отклонение.
- •1. Математическое ожидание и дисперсия.
- •2. Нормированные случайные величины.
- •1.Определение характеристик случайных величин на основе опытных данных.
Тема 2: Условная вероятность. Независимые события. Формула полной вероятности и Байеса.
1. Условная вероятность. Независимые события.
Пусть
и
случайные события из алгебры событий
.
Определение.
Вероятностью
события
при условии, что событие
наступило, или просто условной вероятностью
события
называют выражение
(1)
Проиллюстрируем
это понятие в случае, когда пространство
элементарных событий
конечно. Пусть
,
то есть
есть число всевозможных исходов опыта.
Пустьk,
m
есть
количество исходов опыта при которых
наступают события
и
соответственно (очевидно, что
).
Тогда
и по определению
Это соответствует классическому
определению вероятности для нового
опыта, в котором общее количество исходов
равно
(в
стольких случаях наступает событие
),
а число случаев, когда еще наступает
событие
(то есть
и
наступают одновременно) равно
.
Замечание. Условная вероятность обладает всеми свойствами обычной вероятности. Из формулы (1) следует также, что
(2)
Пример. Какова вероятность того, что вытащенная кость домино окажется «дуплем», если известно, что сумма очков на этой кости является четным числом?
Решение.
Пусть
событие
состоит в том, что вытащенная кость есть
дупль, а событие
состоит в том, что сумма очков на ней
четна. Из 28 костей домино 16 имеют четную
сумму и на 7 дублях сумма очков четна.
Поэтому
Заметим,
что безусловная вероятность
Определение.
Случайные события
и
независимы, если наступление события
не изменит вероятности наступления
события
:
(3)
Замечание.
Если случайные
события
и
независимы, то из формул (1), (2) следует
следующее правило умножения вероятностей:
(4)
В
дальнейшем независимость случайных
событий
и
будет пониматься, как выполнение
равенства (4).
Задача.
Доказать, что если
и
независимы, то независимы также события
и
,
и
,
и
.
Пример. Брошены монета и игральная кость. Найти вероятность того, что выпадет «герб» или «6».
Решение.
Пусть
и
есть случайные события, состоящие в
падении герба и шестерки соответственно.
Пусть
есть искомое случайное событие. Очевидно,
что
Появление
герба не влияет на появление шестерки.
Поэтому события
и
независимы и
По формуле вероятности суммы событий
Замечание. При решении многих задач на вероятность мы будем следовать по такому же плану, как в последнем примере.
Приведем этот план:
Обозначить буквами события, рассматриваемые в задаче.
С помощью введенных обозначений выразить случайное событие, вероятность которого требуется найти.
Выбрать необходимую для решения формулу и выполнить необходимые вычисления.
2. Формула полной вероятности и Байеса.
Пусть
-
пространство элементарных событий с
алгеброй случайных событий
.
Определение.
Говорят, что случайные события
образуют полную группу событий, если
они попарно несовместны (то есть
и
Такие
случайные события называют также
гипотезами. Заметим, что для полной
группы событий
из аксиом 2, 3 следует, что
Теорема.
Пусть
полная группа событий. Тогда
(5)
Доказательство.
Так
как
полная группа событий, то не трудно
доказать, что
При
этом события
как и события
попарно несовместны. Из последнего
равенства, аксиомы 3 и формулы (2) следует
(5). Теорема доказана.
Формула (5) называется формулой полной вероятности.
Пример. В первой урне находится три белых и четыре черных шара, а во второй – пять белых и два черных. Из первой урны во вторую перекладывается один шар. Какова вероятность того, что шар, вынутый наугад из второй урны, окажется белым?
Решение.
Обозначим
искомое событие через
.
Состав второй урны зависит от того,
какой шар переложили из первой урны.
Обозначим
через
случайные события, состоящие в том, что
из первой урны переложен белый и черный
шары соответственно. Очевидно, что
и
составляют полную группу событий. Найдем
Если
переложили белый шар (то есть верна
гипотеза
),
то во второй урне окажется 6 белых и 2
черных шара. Поэтому
Аналогично,
По формуле полной вероятности
В
качестве следствия из формулы полной
вероятности выведем формулу Байеса,
которая в некотором смысле решает
обратную задачу. Пусть
полная группа событий. Допустим, что в
результате некоторого опыта наступило
случайное событие
.
Требуется найти вероятности выполнения
гипотез
то
есть вычислить
Найдем
вероятность
,
где
Из формулы (2) следуют равенства
;
;
Приравнивая правые части, получим
;
.
Выразив P(A) по формуле полной вероятности, выведем формулу
,
которая называется формулой Байеса.