- •1. Классификация случайных событий: возможные и невозможные события, совместные и несовместные, противоположные и достоверные события. Примеры.
- •2. Полная группа событий. Пространство элементарных исходов. Примеры.
- •3. Классическое определение вероятности события. Свойства вероятности события. Примеры.
- •4. Статистическое определение вероятности события. Примеры. Теорема Бернулли (с доказательством).
- •5. Геометрическое определение вероятности. Примеры.
- •6. Сумма событий и ее свойства. Примеры.
- •7. Теорема сложения вероятностей (с доказательством) и ее следствия. Примеры. 8 Произведение событий и его свойства.
- •9. Условная вероятность. Зависимые и независимые события. Теорема умножения вероятностей (с доказательством). Примеры
- •11. Случайная величина (определение). Дискретная случайная величина и ее закон (ряд) распределения. Основное свойство закона распределения. Примеры.
- •Определение независимости случайных величин.
- •13.* Математические операции над дискретными случайными величинами. Примеры.
- •14. Функция распределения случайной величины, ее определение, свойства и график. Примеры.
- •15. Функция распределения дискретной случайной величины. Примеры.
- •16. Теорема о существовании случайной величины с заданной функцией распределения. Непрерывная случайная величина. Вероятность отдельно взятого значения непрерывной случайной величины. Примеры.
- •18. Математическое ожидание случайной величины и его свойства. Примеры
- •Свойства математического ожидания
- •Доказательство:
- •19. Дисперсия случайной величины и ее свойства. Среднее квадратическое отклонение случайной величины. Примеры.
- •1. Дискретная случайная величина, закон и функция распределения
- •2. Числовые характеристики дискретных случайных величин
- •20. Закон распределения Бернулли, его определение, свойства и примеры.
- •21. Биномиальный закон распределения, его определение, свойства и примеры.
- •22.Закон распределения Пуассона, его определение, свойства и примеры.
- •25. Нормальный (гауссовский) закон распределения.
- •26. Стандартный нормальный закон распределения. Функция Гаусса, ее свойства и график. Теорема о связи плотности нормального закона распределения и функции Гаусса.
- •27. Функция Лапласа, ее свойства, график и геометрический смысл. Теорема о связи функции распределения нормального закона и функции Лапласа. Примеры.
- •28.* Свойства случайной величины, распределенной по нормальному закону. Правило трех сигм. Примеры.
- •29.* Показательный (экспоненциальный) закон распределения, его определение, свойства и примеры.
- •34. Лемма Чебышева. Примеры
- •35. Неравенство Чебышева. Примеры
- •36. Понятие двумерной (n-мерной) случайной величины. Примеры. Одномерные распределения ее составляющих. Условные распределения.
- •37. Ковариация и коэффициент корреляции случайных величин. Связь между некоррелированностью и независимостью случайных величин
5. Геометрическое определение вероятности. Примеры.
Классическое определение вероятности основывается на том, что число всех возможных случаев конечно. Если распределение возможных исходов испытания непрерывно и бесконечно, то при решении задач часто используется понятие геометрической вероятности.
Полагают, что имеется область Ω и в ней область A. На Ω наудачу бросается точка. Событие А – попадание точки в область А.
Геометрической вероятностью события А называется отношение меры области, благоприятствующей появлению события А, к мере всей области Ω, т.е.
P(A) = ;
Область Ω может быть одномерной, двумерной, трехмерной и n-мерной.
Пример. В круг радиуса R=50 бросается точка. Найти вероятность ее попадания во вписанный в круг квадрат.
Решение. P(A) = =; ( R =; a =)
6. Сумма событий и ее свойства. Примеры.
Суммой нескольких событий называется событие, состоящее в наступлении хотя бы одного из данных событий.
Если А и В — совместные события, то их сумма А + В обозначает наступление или события А, или события В, или обоих событий вместе. Если А и В — несовместные события, то их сумма А + В означает наступление или события А, или события В.
Свойства:
А + В = В + А – коммутативность сложения.
А + (В + С) = (А + В) + С – ассоциативность сложения.
А(В + С) = (А+В)(А+С) – законы дистрибутивности.
Примеры.
1) Событие А – попадание в цель при первом выстреле, событие В – попадание в цель при втором выстреле, тогда событие С = А + В есть попадание в цель вообще, безразлично при каком выстреле – при первом, при втором или при обоих вместе.
2) Если событие А – появление карты червонной масти при вынимании карты из колоды, событие В – появление карты бубновой масти, то С = А + В есть появление карты красной масти, безразлично – червонной или бубновой.
7. Теорема сложения вероятностей (с доказательством) и ее следствия. Примеры. 8 Произведение событий и его свойства.
9. Условная вероятность. Зависимые и независимые события. Теорема умножения вероятностей (с доказательством). Примеры
Вероятность Р(В) как мера степени объективной возможности наступления события В имеет смысл при выполнении определенного комплекса условий. При изменении условий вероятность события В может измениться. Так, если к комплексу условий, при котором изучалась вероятность р(В), добавить новое условие А, то полученная вероятность события В, найденная при условии, что событие А произошло, называется условной вероятностью события В и обозначается РА(В), или Р(В/А), или Р(В/А).
Теорема Умножения вероятностей принимает наиболее простой вид, когда события, образующие произведение, независимы.
Событие В называется независимым от события А, если его вероятность не меняется от того, произошло событие А или нет, т.е.
РА(В)=Р(В)
В противном случае, если РА(В) не равно Р(В) событие В называется зависимым от А.
Несколько событий А,В,М… называются независимыми в совокупности, если независимы любые два из них и независимо любое из данных событий и любые комбинации (произведения) остальных событий. В противном случае события А,В,М называются зависимыми.
Вероятность произведения двух или нескольких независимых событий равна произведению вероятностей этих событий.
10. Формулы полной вероятности и Байеса. Примеры.
ФОРМУЛА ПОЛНОЙ ВЕРОЯТНОСТИ
Пусть события H1 , H2 ,K, Hn образуют полную группу попарно несовместных событий. Такие события называются гипотезами. Пусть событие A происходит вместе с гипотезами H1 , H2 ,K, Hn. Тогда для вероятности события A справедлива формула
P( A) P(H1 ) PH ( A) P(H2 ) PH ( A) K P(Hn ) PH ( A) .
1 2 n
Доказательство. A AH1 AH2 K AHn . Так как H1 , H2 ,K, Hnпопарно несовместные, тоAH1 , AH2 ,K, AHn также попарно несовместные. По правилу сложения вероятностей имеем
P( A) P( AHi ) P(Hi ) PHi( A) .
Что и требовалось доказать.
Пример. На город примерно 100 дней в году дует ветер с севера и 200 дней в году – с запада. Промышленные предприятия, расположенные на севере, производят выброс вредных веществ каждый третий день, а расположенные на западе – в последний день каждой недели. Как часто город подвергается воздействию вредных выбросов?
Решение. Другими словами, нужно вычислить вероятность того, что в наугад выбранный день город будет накрыт промышленным смогом. Обозначим следующие события: A воздействие вредных выбросов, H1 ветер дует с севера,H2 ветер дует с запада. По условию имеем