- •А.Б. Токарев
- •Оглавление
- •Введение
- •Вероятностные методы исследования случайных событий
- •Основные характеристики случайных событий
- •Алгебраический метод расчета вероятности событий
- •Основы комбинаторики
- •Геометрический метод расчета вероятности событий
- •Классификация событий
- •Расчет вероятности сложных событий
- •Понятие сложного события
- •Расчет вероятности пересечения (логического произведения) событий
- •Расчет вероятности объединения (логической суммы) событий
- •Примеры расчетов вероятностей сложных событий
- •Расчет вероятностей для последовательности независимых испытаний
- •Независимые испытания с несколькими исходами
- •Расчеты для продолжительных серий испытаний
- •Потоки событий и закон распределения Пуассона
- •Формула полной вероятности. Теорема о гипотезах
- •Вероятностное описание случайных величин
- •Случайные величины и их классификация
- •Понятие закона распределения случайной величины
- •Ряд распределения дискретной случайной величины
- •Типовые законы распределения дискретных случайных величин
- •Равномерное распределение дсв
- •Геометрическое распределение дсв
- •Биномиальное, пуассоновское и гипергеометрическое распределения
- •Функция распределения вероятностей св
- •Плотность вероятности случайной величины
- •Типовые законы распределения непрерывных случайных величин
- •Равномерное распределение нсв
- •Нормальное (гауссовское) распределение
- •Распределение Релея
- •Распределение Коши
- •Показательное распределение
- •Распределение арксинуса
- •Распределение константы
- •Пример и особенности распределения смешанных случайных величин
- •Примеры исследования вероятностных характеристик случайных величин
- •Интегральная формула полной вероятности
- •Числовые характеристики случайных величин
- •Начальные моменты распределения и математическое ожидание случайной величины
- •Центральные моменты распределения и дисперсия св
- •Прочие числовые характеристики св
- •Расчет числовых моментов нормального распределения
- •Примеры расчета числовых характеристик типовых распределений непрерывных случайных величин
- •Свойства равномерного распределения
- •Числовые характеристики распределения Релея
- •Числовые характеристики распределения Коши
- •Характеристики показательного распределения
- •Гамма распределение
- •Производящие функции и их применение для расчета числовых характеристик дискретных случайных величин
- •Понятие и свойства производящих функций
- •Характеристики биномиального распределения
- •Характеристики геометрического распределения
- •Свойства распределения Пуассона
- •Примеры исследования числовых характеристик случайных величин
- •Функциональное преобразование случайных величин
- •Преобразование дискретных случайных величин
- •Преобразование непрерывных случайных величин
- •Базовый случай
- •Анализ функционального преобразования при бесконечнозначной обратной функции
- •Расчет числовых характеристик случайных величин на выходе нелинейного преобразователя
- •Примеры анализа функциональных преобразований случайных величин
- •Для математического ожидания имеем
- •Формирование случайных величин с заданным законом распределения
- •Системы случайных величин
- •Понятие системы случайных величин (многомерной случайной величины)
- •Вероятностное описание систем дискретных св
- •Функция распределения системы случайных величин
- •Плотность распределения вероятностей системы св
- •Зависимость случайных величин и условные законы распределения составляющих системы св
- •Числовые характеристики системы двух св
- •Определения и общие свойства моментов распределения системы св
- •Корреляционные характеристики случайных величин
- •Условные числовые характеристики случайных величин
- •Двумерный нормальный закон распределения
- •Приложение 1. Дельта-функция Дирака
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
Вероятностные методы исследования случайных событий
Основные характеристики случайных событий
В научных исследованиях, в технике и производстве часто не удается предсказать результаты экспериментов, испытаний, измерений или некоторых операций, многократно повторяемых при одинаковых условиях. Эксперименты, при повторении которых их результаты могут непредсказуемо изменяться, называютопытами со случайным исходом, а непредсказуемые до проведения подобного опыта их результаты – случайными событиями.Теория вероятностей изучает закономерности случайных событий и способы их количественного описания.
Пусть
событие A
– один из возможных результатов
некоторого опыта со случайным исходом.
Если при
повторениях этого опыта
событие A
наблюдалось
раз, то величину
|
|
(1.0) |
называют частотойсобытияAв проведенной
серии опытов. Непредсказуемость
результата каждого из проводимых опытов
в отдельности означает, что число
случаев регистрации событияAпри повторении проведенной серии опытов
может измениться.
Таким образом, частота события
является величиной случайной и для
коротких серий опытов может изменяться
в больших пределах. Если же число
проводимых опытов велико, то обнаруживается
статистическая закономерность –частота
события становится устойчивой. В разных
сериях опытов она принимает почти
совпадающие значения и, как следствие,
может служить количественной мерой
возможности (статистической закономерности)
появления событияА.
Таблица
Результаты серии опытов по подбрасыванию монеты
|
Кол-во бросков |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
Выпадение “решки” |
+ |
– |
– |
– |
+ |
– |
+ |
+ |
|
Частота наблюдения “решки” |
1 |
|
|
|
|
|
|
|
Вероятность
событияA– это константа,
к которой стремится частота наблюдения
этого события при бесконечном увеличении
числа проводимых опытов
|
|
(1.0) |
Число случаев
появления события Aв
серии опытов не может быть отрицательным
или превосходить число опытов
,
поэтому как частоты,
так и вероятности
любых событий обязаны удовлетворять
граничным условиям
|
|
(1.0) |
Событие, вероятность которого равна единице, называется достоверным. Событие, характеризуемое нулевой вероятностью, называетсяневозможным.
Следует иметь в виду, что понятия достоверного и невозможного событий в теории вероятностей несколько шире общепринятых. Хотя событие, имеющее вероятность, равную единице, происходит практически всегда, но в принципе не исключено, что при каком-то частном испытании оно не наступит. Аналогично не исключается принципиальная возможность реализации события с нулевой вероятностью. Например, вероятность встретить резистор, сопротивление которого (скажем, в килоомах) строго равняется числу π, равна нулю, но, тем не менее, подобное событие в принципе возможно.
На практике польза от знания вероятности событий заключается в следующем: хотя исход конкретного опыта и не может быть предсказан до его проведения, однако можно рассчитывать на то, что в любой достаточно продолжительной серии испытаний частота наблюдения события будет мало отличаться от его вероятности. Чем больше вероятность некоторого события, тем чаще в серии испытаний оно будет наблюдаться. Это позволяет выбирать и осознанно применять на практике те варианты технических решений, которые позволяют (пусть и без полной гарантии) достигать поставленных целей наиболее надежно.
