
- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез. ( Формула Байеса )
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения
- •15. Функция распределения
- •16. Общие свойства функции распределения
- •17. Плотность распределения
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •30. Корреляционный момент случайных величин и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •Виды статистических наблюдений:
- •51. Виды измерений
- •Количественные измерения
- •Порядковые (ранговые) измерения
- •Номинальные измерения
- •Статистические таблицы
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации
- •57. Ассиметрия и эксцесс
- •58. Эмпирическая функция распределения
- •59. Точечные интервальные оценки
- •60. Доверительные интервалы
11. Формула полной вероятности
Следствием обеих теорем - теоремы сложения и умножения - является так называемая формула полной вероятности.
Пусть
требуется определить вероятность
некоторого события
,
которое может произойти вместе с одним
из событий
,
образующих полную группу несовместных
событий. Будем называть эти события
гипотезами.
Докажем, что в этом случае
,
(*)
т.
е. вероятность события
вычисляется как сумма произведений
вероятности любой гипотезы на вероятность
события при этой гипотезе.
Формула (*) носит название формулы полной вероятности.
Доказательство.
Так как гипотезы
образуют полную группу событий, то
событие
может появиться только в комбинации с
какой-либо из этих гипотез
.
Т.
к. гипотезы
несовместны, то и комбинации
- также
несовместны. Покажем это -
.
Применяя к ним теорему сложения, получим
.
Применяя
к событию
теорему умножения, получим
,
что и требовалось доказать.
Пример. На фабрике, изготовляющей болты, первая машина производит 30% , вторая- 25% , третья- 45% всех изделий. Брак в их продукции составляет соответственно 2% , 1% и 3% . Найти вероятность того, что случайно выбранный болт оказался дефектным.
Решение.
Обозначим через
событие, состоящее в том, что случайно
выбранный болт – дефектный, а через
– события, состоящие в том, что этот
болт произведен соответственно 1-ой,
2-ой и 3-ей машинами. Из условия задачи
следует, что
,
,
;
,
,
.
По формуле полной
вероятности получаем, что
=0.3·0.02+0.25·0.01+0.45·0.3=0.022.
12. Теорема гипотез. ( Формула Байеса )
Следствием теоремы умножения и формулы полной вероятности является так называемая гипотез, или формула Байеса. Поставим следующую задачу.
Имеется
полная группа несовместных гипотез
.
Вероятности этих гипотез до опыта
известны и равны соответственно
.
Произведен опыт, в результате которого
наблюдено появление некоторого события
.
Спрашивается, как следует изменить
вероятности гипотез в связи с появлением
этого события?
Здесь,
по существу, речь идет о том, чтобы найти
условную вероятность
для каждой гипотезы.
Из теоремы умножения имеем:
или,
отбрасывая левую часть,
откуда
,
Выражая Р(А) с помощью формулы полной вероятности, имеем
,
Пример. Два стрелка независимо один от другого стреляют по одной мишени, делая каждый по одному выстрелу. Вероятность попадания в мишень для первого стрелка 0,8, для второго 0,4. После стрельбы по мишени обнаружена одна пробоина. Найти вероятность того, что эта пробоина принадлежит первому стрелку.
Решение. До опыта возможны следующие гипотезы:
ни
первый, ни второй не попадут;
оба
попадут;
первый
попадет, второй
нет;
первый
не попадет, второй попадет.
Вероятность этих гипотез:
=0,20,6=0,12;
=0,32;
=0,80,6=0,48;
=0,20,4=0,08.
Условные
вероятности наблюденного события
при этих гипотезах:
;
;
;
.
После
опыта невозможные гипотезы
и
.
.
13. Дискретные и непрерывные случайные величины
Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, не известно заранее, какое именно. Различают величины дискретного и непрерывного типа. Возможные значения дискретной величины могут быть заранее перечислены.
Возможные значения непрерывной величины не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.
Примеры дискретных случайных величин:
-
число появлений герба при 3-х бросаниях монеты: 0, 1, 2, 3;
-
число отказавших элементов в приборе, состоящем из пяти элементов0,1,2,3,4,5;
-
число попаданий в самолет, достаточное для вывода его из строя1,2,3,…,
,…;
-
число сбитых в воздушном бою самолетов0,1,2,…,
; где
общее число боевых самолетов.
Примеры непрерывных случайных величин:
-
абсцисса (ордината) попадания при выстреле;
-
расстояние от точки попадания до центра мишени;
-
ошибка измерителя высоты;
-
время безотказной работы радиолампы.
Будем
обозначать случайные величины большими
буквами
,
а их возможные значения
соответствующими малыми буквами.
Например,
число попаданий при 3-х выстрелах;
возможные значения -
.
Рассмотрим
дискретную случайную величину
с возможными значениями
.
может принимать любое из этих значений
с некоторой вероятностью. В результате
опыта произойдет одно из полной группы
событий
.
Вероятности этих событий обозначим
буквой
с соответствующими индексами –
.
Т.к.
эти несовместные события образуют
полную группу, то.