- •Комбинаторика
- •Комбинаторный принцип умножения
- •Размещения
- •Перестановки
- •Сочетания
- •Размещения с повторениями
- •Алгебра событий
- •Предмет теории вероятностей
- •Классификация событий
- •Действия над событиями
- •Вероятность события
- •Относительная частота события и ее свойства
- •Статистическое определение вероятности
- •Аксиоматическое определение вероятности
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Алгебра вероятностей
- •Условная вероятность
- •Правило умножения вероятностей
- •Независимость двух событий
- •Независимость n событий
- •Правила сложения вероятностей
- •Формулы полной вероятности и Байеса
- •Формула полной вероятности
- •Формула Байеса
- •Схема Бернулли проведения независимых испытаний. Биномиальная вероятность
- •Приближенная формула Пуассона для вычисления биномиальной вероятности
- •Локальная и интегральная формулы Муавра-Лапласа
- •Одномерная случайная величина
- •Определение случайной величины
- •Дискретная случайная величина
- •Числовые характеристики дискретной случайной величины
- •Понятие числовой характеристики случайной величины
- •Математическое ожидание
- •Дисперсия
- •Мода
- •Начальные и центральные моменты
- •Биномиальное, Пуассона, геометрическое распределения
- •Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывная случайная величина
- •Числовые характеристики непрерывной случайной величины
- •Нормальное, показательное, равномерное распределения
- •Нормальное распределение (закон Гаусса)
- •Показательное распределение
- •Равномерное распределение
- •Двумерная случайная величина
- •Двумерная случайная величина, ее функция распределения
- •Дискретная двумерная случайная величина, ее таблица распределения
- •Непрерывная двумерная случайная величина. Плотность вероятности
- •Примеры двумерных непрерывных распределений
- •Равномерное распределение
- •Нормальное распределение
- •Зависимость и независимость двух случайных величин
- •Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
- •Условные законы распределения
- •Числовые характеристики
- •Корреляционные момент и коэффициент корреляции
- •Предельные теоремы
- •Неравенства Маркова и Чебышёва
- •Неравенство А.А. Маркова
- •Неравенство П.Л. Чебышёва
- •Теоремы Чебышёва и Бернулли
- •Центральная предельная теорема для случая одинаково распределенных слагаемых
- •Цепи Маркова. Понятие случайного процесса
- •Введение в математическую статистику
- •Предмет математической статистики
- •Описательная статистика
- •Генеральная совокупность. Выборка. Выбор
- •Вариационный и статистический ряды
- •Выборочная функция распределения
- •Выборочные числовые характеристики
- •Основные оценки
- •Группированный статистический ряд. Гистограмма
- •Группированный статистический ряд
- •Оценивание генеральных числовых характеристик с помощью интервального статистического ряда
- •Гистограмма
- •Точечное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Понятие точечной статистической оценки. Требования к оценкам
- •Свойства выборочного среднего и выборочной дисперсии
- •Свойства
- •Свойства моментов
- •Метод моментов получения оценок параметров генерального распределения
- •Метод максимального правдоподобия получения оценок параметров генерального распределения
- •Интервальное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Доверительный интервал. Точность и надежность оценки
- •Доверительный интервал для математического ожидания нормальной генеральной совокупности
- •Доверительный интервал для среднего квадратического отклонения любой генеральной совокупности при большом объеме выборки
- •Проверка статистических гипотез
- •Виды статистических гипотез
- •Критерий значимости. Общая схема проверки статистических гипотез
- •Ошибки первого и второго рода. Односторонний и двусторонний критерий
- •Ошибки первого и второго рода
- •Односторонний и двусторонний критерии
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей
- •Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •Проверка гипотезы о законе распределения генеральной совокупности
- •Общие вопросы
- •Параметры проверяемого закона полностью известны
- •Параметры проверяемого закона неизвестны
- •Критерий Колмогорова
4.3.2 Независимость n событий
Понятие независимости n событий опирается на понятие независимости двух событий.
Определение. События A1, A2, . . . , An называются взаимно независимыми (иначе -
независимыми в совокупности), если каждое из них не зависит от произведения любого числа остальных событий и от каждого в отдельности.
В этом случае все условные вероятности равны безусловным, и формула упрощается:
P (A1A2 . . . An) = P (A1)P (A2) . . . P (An).
Формула выражает правило умножения вероятностей для n взаимно независимых событий. Формула вероятности произведения двух независимых событий является ее частным случаем.
4.4Правила сложения вероятностей
Аксиома сложения вероятностей
XX
P |
Ak = P (Ak) |
|
k |
выражает правило сложения вероятностей для попарно несовместных событий.
Если же слагаемые события совместны, то формула суммы усложняется. Для двух любых событий она имеет вид:
P (A + B) = P (A) + P (B) − P (AB).
Пример. Два орудия стреляют в цель независимо. Вероятность попадания каждого орудия равна 0,6. Найти вероятность попадания в цель хотя бы одного из орудий.
Пусть A и B - события, означающие попадание в цель первого и второго орудий соответственно. Тогда
P (A + B) = 0, 6 + 0, 6 − 0, 62 = 1, 2 − 0, 36 = 0, 84.
Для трех событий формула сложения вероятностей имеет вид:
P (A + B + C) = P (A) + P (B) + P (C) − P (AB) − P (AC) − P (BC) + P (ABC).
Теорема (сложения вероятностей для n взаимно независимых событий).
nn
XY
P |
Ak = 1 − [1 − P (Ak)]. |
k=1 |
k=1 |
4.5Формулы полной вероятности и Байеса
4.5.1 Формула полной вероятности
Пусть событие A может наступить только с одним из n попарно несовместных событий H1, H2, ..., Hn, составляющих полную группу:
HiHk = (i 6= k); H1 + . . . + Hn = I.
22
Эти события называются гипотезами. Тогда
P (A) = P (H1)P (A|H1) + . . . + P (Hn)P (A|Hn).
Так как сумма вероятностей гипотез равна 1:
P (H1) + . . . + P (Hn) = 1,
то формула полной вероятности может рассматриваться как усредняющая условные вероятности по вероятностям гипотез.
Эта формула носит название формулы полной вероятности.
Пример. Партия продукции поставлена двумя заводами. 1-й завод поставил 40% продукции, 2-й - 60%. Вероятность брака на 1-м заводе равна 0,008, а на 2-м - 0,004. Найти вероятность брака всей партии.
Применяем формулу полной вероятности, усредняя все условные вероятности брака. Введем события. Пусть A - событие, означающее, что взятое для контроля изделие - бракованное. H1, H2 - гипотезы, означающие, что изделие изготовлено 1-м и 2-м заводами. Тогда по условию задачи
P (H1) = 0, 4; P (H2) = 0, 6; P (A|H1) = 0, 008; P (A|H2) = 0, 004.
P (A) = P (H1)P (A|H1)+P (H2)P (A|H2) = 0, 4·0, 008+0, 6·0, 004 = 0, 0032+0, 0024 = 0, 0056.
4.5.2 Формула Байеса
При выводе формулы Байеса сохраняются предположения, принятые при выводе формулы полной вероятности, и ставится дополнительное условие: при проведении опыта событие A произошло. Эта новая информация позволяет переоценить первоначальные вероятности гипотез.
По формуле условной вероятности находим P (Hi|A) = P (HiA)/P (A). Числитель представим по формуле вероятности произведения событий, а знаменатель - по формуле полной вероятности. Тогда получаем
P (H |
A) = |
P (Hi)P (A|Hi) |
(i = 1, 2, . . . , n). |
|
P (H1)P (A|H1) + . . . P (Hn)P (A|Hn) |
||||
i| |
|
|
Эта формула называется формулой Байеса, иначе формулой гипотез. Исходные вероятности гипотез P (H1), . . . , P (Hn) называются априорными, т.е. доопытными, а вероятности, найденные по формуле Байеса - апостериорными, т.е. послеопытными.
Пример. При постановке диагноза высказано предположение о наличии у больного болезни A (событие A) одной из двух разновидностей H1 или H2 (гипотезы H1 и H2). Экспертно оценены вероятности этих гипотез: P (H1) = 0, 4; P (H2) = 0, 6. Применяемый анализ обнаруживает болезнь A в 80% случаев при разновидности H1 и в 60% случаев при разновидности H2. Проведенный тест подтвердил предположение о болезни. Какая разновидность болезни вероятнее после проведения теста?
По формуле полной вероятности находим вероятность наличия болезни у пациента:
P (A) = P (H1)P (A|H1) + P (H2)P (A|H2) = 0, 4 · 0, 8 + 0, 6 · 0, 6 = 0, 68.
23