
- •1. Предмет теории вероятностей. Понятие случайного события.
- •2. Основные типы событий(1 билет). Алгебра событий.
- •Статистическое определение вероятности
- •4. Теорема сложения вероятностей.
- •Теорема сложения вероятностей совместных событий.
- •7.Формула полной вероятности.
- •8. Формула Бейеса.
- •9. Формула Бернулли.
- •10. Формула Пуассона и условия ее применимости.
- •11. Дискретные случайные события и возможности их описания.
- •12. Закон распределения дискретной случайной величины. Многоугольник распределения.
- •18.Непрерывная случайная величина. Числовые характеристики непрерывных случайных величин.
- •Способы отбора:
- •29. Статистические оценки параметров распределения.
- •30. Выборочная средняя и выборочная дисперсия.
- •32. Проверка статистических гипотез.
7.Формула полной вероятности.
Опр.: пусть событие А может произойти только совместно с одним из событий Н1, Н2,…,Нn образующих полную группу несовместных событий, тогда соб. Н1, Н2,…,Нn называются гипотезами.
Теорема: вероятность соб.А наступающего совместно с гипотезами Н1, Н2,…,Нn равна:
-
формула полной вероятности
где, Р(Нi) – вероятность i-той гипотезы
РНi(А) – вероятность соб.А при условии реализации гипотезы Нi
Доказательство: соб.А можно считать суммой попарно несовместных событий АН1, АН2, …АНn несовместные события, тогда из теорем сложения вероятностей:
Р(А)+Р(АН1+…+ АНn)=Р(АН1)+…+Р(АНn)=
=РНi(А)* Р(Н1)+…+ РНn(А)* Р(Нn)=
8. Формула Бейеса.
Теорема
гипотез (формула Байеса) –
следствие теоремы умножения и ф-лы
полной вероятности. Имеется группа
несовместных гипотез H1,H2...Hn,
чьи вероятности равны соответственно
P(H1),P(H2)...P(Hn).
В рез. Σ происходит событие А. Как следует
изменить вероятности гипотез в связи
с появлением А (найти условную вероятность
P(Hi|A))?
Выражая P(A) из ф-лы полной вероятности,
имеем соотношение
Байеса:
.Док-во:
вероятность появления А опред. по ф-ле
полной вероятности:
.
Поищем условные вероятности
при условии, что произошло событие А.
По теореме умножения имеем
.
Подставим P(A),
получим
.
чтд. Ф-лы
Байеса
позволяют переоценить вероятности
после того, как становится известным
результат испытания, в итоге которого
появилось событие А.
9. Формула Бернулли.
Пусть
производится серия из n
независимых испытаний и в каждом
испытании событие А наступает с одной
и той же вероятностью P(A)=p
и не наступает с вероятностью
.
Условно появление события А называется
«успехом», а не появление - «неудачей».
Испытания называются независимыми,
если исход каждого последующего не
зависит от исходов предыдущих испытаний.
Последовательность независимых
испытаний такого рода называется схемой
Бернулли. Вероятность того, что в n
независимых испытаниях событие А
произойдет ровно m
раз – Pn
(m).
Тогда имеет место формула Бернулли: Pn
(m)=
.
Доказательство:
Рассмотрим серию из n
испытаний, в которых событие А произошло
m
раз:
.Вычислим
вероятность этого произведения: P
(
=
=pmqn
– m
.
Pn
(m)=
.
10. Формула Пуассона и условия ее применимости.
Использование
формулы Бернулли при больших n
и m
вызывает трудности из-за громоздких
вычислений => возникает необходимость
в отыскании вероятности
обеспечивающих необходимую точность.
Теорема:
если число испытаний неограниченно
увеличивается n
и вероятность р наступления соб.А в
каждом испытании уменьшается р
,
но так что их произведение n*p
остается величиной постоянной
(λ=np=const),
то вероятность
Доказательство:
λ=np
=> p=λ/n
подставляем это равенство в формулу:
=
=
=
Перейдем
к пределу в обеих частях неравенства
при n:
,
=>
Формулу Пуассона применяют обычно когда n≥50, np≤10
11. Дискретные случайные события и возможности их описания.
Опр.: СВ- это переменная, которая в результате испытания в зависимости от случая принимает одно из возможного множества своих значений. (Примеры: число бракованных изделий в данной партии, расход электроэнергии предприятия)
Опр.: ДСВ – это СВ с конечным или бесконечным, но счетным множеством её значений (см.выше 1-ый пример)
Для случайных величин (далее - СВ) приходится использовать особые, статистические методы их описания.
Дискретное описание заключается в том, что указываются все возможные значения данной величины (например - 7 цветов обычного спектра) и для каждой из них указывается вероятность или частота наблюдений именного этого значения при бесконечно большом числе всех наблюдений.
Доказанно, что при увеличении числа наблюдений в определенных условиях за значениями некоторой дискретной величины частота повторений данного значения будет все больше приближаться к некоторому фиксированному значению - которое и есть вероятность этого значения.