- •Теория вероятностей и математическая статистика
- •Теория вероятностей
- •1. Общие понятия
- •1.1. Предмет теории вероятностей
- •1.2. Пространство элементарных событий
- •1.3. Операции над событиями
- •1.4. Статистический подход к понятию вероятности
- •1.5. Элементы комбинаторики
- •1. Перестановки.
- •2. Сочетания.
- •3. Размещения.
- •1.6. Классическое определение вероятности
- •1.7. Аксиоматическое определение вероятности
- •2. Основные теоремы теории вероятностей
- •2.1. Теорема умножения вероятностей
- •2.2. Теорема сложения вероятностей
- •2.3. Формула полной вероятности
- •2.4. Формула Бейеса
- •3. Повторение испытаний
- •3.1. Независимые испытания. Формула Бернулли
- •3.2. Локальная теорема Муавра – Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Теорема Пуассона
- •3.5. Вероятность отклонения частоты от постоянной вероятности в независимых испытаниях
- •4. Случайные величины и функции распределения
- •4.1. Случайные величины
- •4.2. Функция распределения вероятностей для дискретной св
- •4.3. Функция распределения вероятностей для непрерывной св.
- •4.4. Функция плотности распределения вероятностей
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия и среднее квадратическое отклонение св
- •5.3. Моменты и другие числовые характеристики случайной величины
- •6. Основные законы распределения случайных величин
- •6.1. Законы распределения дискретных случайных величин
- •6.1.1. Биномиальное распределение
- •6.1.2. Распределение Пуассона
- •6.1.3. Геометрическое распределение
- •6.2. Законы распределения непрерывных случайных величин
- •6.2.1. Равномерное распределение
- •6.2.2. Показательное распределение
- •6.2.3. Нормальное распределение
- •7. Закон больших чисел
- •7.1. Неравенства Чебышева
- •7.2. Теорема Чебышева
- •8. Многомерные случайные величины
- •8.1. Многомерные случайные величины и их функции распределения
- •X и y независимые случайные величины.
- •8.2. Вероятность попадания двумерной случайной величины
- •8.3. Числовые характеристики двумерной случайной величины
- •Математическая статистика
- •1. Статистические законы распределения выборки
- •1.1. Вариационный ряд
- •1.2. Полигон и гистограмма
- •1.3. Эмпирическая функция распределения
- •2. Статистические оценки параметров распределения
- •2.1. Точечные оценки
- •2.2. Интервальные оценки
- •2.3. Оценка вероятности появления события через его частоту
- •3. Проверка статистических гипотез.
- •3.1. Статистические гипотезы
- •3.2. Критерии проверки гипотезы
- •3.3. Критерий согласия Пирсона
- •3.4. Критерий согласия Романовского
- •4. Элементы теории корреляции
- •4.1. Статистические зависимости
- •4.2. Линейная регрессия
- •4.3. Корреляционная таблица
- •4.4. Выборочный коэффициент корреляции
- •Литература
- •С о д е р ж а н и е
2.2. Теорема сложения вероятностей
Теорема 2.2. Для любых событий А и В справедлива формула
. (2.4)
Из диаграммы событий легко получить равенства:
,
где и попарно
несовместные события. А В
Тогда, согласно третьей аксиоме,
получаем
и .
Если из последнего равенства выразить и подставить в первое, то получим формулу (2.4).
Следствие. Если А и В несовместные события, то получаем третью аксиому.
Пример 2.3. Вероятности попадания при двух выстрелах соответственно равны . Найти вероятность поражения цели.
Вероятность поражения цели представляет собой событие , где событиеА поражение цели при первом выстреле, а событие В поражение при втором выстреле.
Способ 1: По теореме сложения вероятностей получаем
Способ 2: По формуле (2.3), используя противоположное событие , получаем
.
Пример 2.4. Устройство содержит три независимо работающих эле-мента. Вероятности отказа элементов соответственно равны: 0,05 ; 0,06 ; 0,08 . Найти вероятности событий: а) откажет только один элемент; б) ни один элемент не откажет
а) Введём события: А - интересующее нас событие; В - отказал первый элемент; С - отказал второй элемент; D - отказал третий элемент.
Тогда
и, согласно теоремам об умножении и сложении вероятностей, получим
б) Здесь интересующее нас событие и тогда искомая вероятность равна
Пример 2.5. Три станка выпускают 200, 300 и 500 одинаковых деталей соответственно. Из партии обработанных деталей наудачу взяты две. Найти вероятность того, что обе детали обработаны на одном станке.
Введем события: деталь обработана на первом станке,
деталь обработана на втором станке,
деталь обработана на третьем станке.
Найдем вероятности того, на каком станке обработаны детали,
Тогда интересующее нас событие и вероятность того, что обе детали обработаны на одном станке
2.3. Формула полной вероятности
Пусть событие А может наступить при условии появления одного из событий , образующих полную группу событий. Будем называть ихгипотезами. Пусть известны вероятности гипотез: и условные вероятности:. Тогда имеет место формула полной вероятности
Теорема 2.3.
(2.5)
Представим событие А в виде
.
Так как события попарно несовместны, т.е., то и.
Тогда по третьей аксиоме и теореме 2.1 умножения вероятностей получим
.
Пример 2.6. Три станка выпускают одинаковую продукцию. Первый ста-нок выпускает 20%, из них – 5% брака, второй 30% и 3% брака, третий 50% и 2% брака. Из общей партии берётся наудачу деталь. Какая веро-ятность того, что эта деталь бракована?
Пусть А интересующее нас событие, в качестве гипотез рассмотрим следующие события:
деталь изготовлена на первом станке,
деталь изготовлена на втором станке,
деталь изготовлена на третьем станке,
Тогда по формуле (2.5) получим
Пример 2.7. В магазин поступили телефоны от трех поставщиков в отношении4 : 5 : 1.Практика показывает,что телефоны,поступающие от 1-го, 2-го и 3-го поставщиков не потребуют ремонта в течении гарантийного срока в 88%, 98% и 92% случаев соответственно. Найти вероятность того, что проданный телефон не потребует ремонта в течение гарантий-ного срока.
Пусть событие телефон поступил от i-го поставщика. Найдем вероятности гипотез, от какого поставщика поступил телефон,
Пусть В интересующее нас событие, вероятности появления кото-рого взависимостиотпоставщика по условию задачи равны:
Тогда по формуле (2.5) найдем искомую вероятность