- •1. Случайный эксперимент. Пространство исходов. Случайное событие.
- •2. Классическое определение вероятности. Свойства вероятности (из определения). Недостатки определения.
- •3. Основные формулы комбинаторики.
- •4. Геометрическое определение вероятности. Его недостатки. Задача Бюффона. Задача о встрече.
- •5. Частота события. Статистическое определение вероятности. Понятие устойчивости и законе больших чисел. Недостатки определения.
- •6. Алгебра событий. Аксиоматическое определение вероятности. Свойства вероятности из аксиоматического определения.
- •8. Условные вероятности. Теорема умножения вероятности, независимые события. Попарная независимость и независимость в совокупности.
- •9. Вероятность наступления хотя бы одного события.
- •10. Формула полной вероятности. Формула Байеса.
- •11. Схема Бернулли. Формула Бернулли.
- •12. Приближенные формулы для формулы Бернулли: локальная и интегральная формула Муавра-Лапласса. Формула Пуассона.
- •13. Отклонение относительной частоты от постоянной вероятности. Закон больших чисел в формуле Бернулли.
- •14. Случайные величины: дискретные и непрерывные
- •15. Закон распределения дискретной случайной величины. Многоугольник (полигон) распределения.
- •16. Неперывная случайная величина. Функция распределения, ее свойства. Плотность распределения, ее свойства.
- •17. Числовые характеристики случайных величин и их свойства.
- •19. Правило трех сигм
- •22. Эмпирическая функция распределения: полигон и гистограмма.
- •23. Числовые характеристики выборки.
- •28. Коэффициент корреляции. Его основные свойства и статистический смысл.
- •29. Задачи регрессионного анализа. Линейная регрессия.
8. Условные вероятности. Теорема умножения вероятности, независимые события. Попарная независимость и независимость в совокупности.
Условная вероятность
Во многих случаях вероятности появления одних событий зависят от того, произошло или нет другое событие. Например, вероятность своевременного выпуска машины зависит от поставки комплектующих изделий. Если эти изделия уже поставлены, то искомая вероятность будет одна. Если же она определяется до поставки комплектующих, то ее значение, очевидно, будет другим.
Вероятность события , вычисленная при условии, что имело место другое событие , называется условной вероятностью события и обозначается .
В тех случаях, когда вероятность события рассматривается при условии, что произошло два других события , используется условная вероятность относительно произведения событий
.
Теорема умножения вероятностей
Теорема. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое имело место
P(AB) = P(A)×P(B/A) = P(B)×P(A/B). (2.2)
Доказательство. Предположим, что из всевозможных элементарных исходов событию благоприятствуют исходов, из которых исходов благоприятствуют событию . Тогда вероятность события будет , условная вероятность события относительно события будет .
Произведению событий и благоприятствуют только те исходы, которые благоприятствуют и событию и событию одновременно, т.е. исходов. Поэтому вероятность произведения событий и равна
.
Умножим числитель и знаменатель этой дроби на . Получим
.
Аналогично доказывается и формула
.
Пример. На склад поступило 35 холодильников. Известно, что 5 холодильников с дефектами, но неизвестно, какие это холодильники. Найти вероятность того, что два взятых наугад холодильника будут с дефектами.
Решение. Вероятность того, что первый выбранный холодильник будет с дефектом, находится как отношение числа благоприятствующих исходов к общему числу возможных исходов
P(A) = 5/35 = 1/7.
Но после того, как был взят первый холодильник с дефектом, условная вероятность того, что и второй будет с дефектом, определяется на основе соотношения
Искомая вероятность будет
.
Если при наступлении события вероятность события не меняется, то события и называются независимыми.
В случае независимых событий вероятность их произведения равна произведению вероятностей этих событий
P(AB) = P(A)×P(B). (2.3)
Теорема умножения вероятностей легко обобщается на любое конечное число событий.
Теорема. Вероятность произведения конечного числа событий равна произведению их условных вероятностей относительно произведения предшествующих событий, т.е.
P(ABC....LM) = P(A)×P(B/A)×P(C/AB) P(M/AB...L). (2.4)
Для доказательства этой теоремы можно использовать метод математической индукции.
Случайные величины называют независимыми (в совокупности), если для любого набора борелевских множеств , ..., имеет место равенство:
Случайные величины называют попарно независимыми, если независимы любые две из них.