
- •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 случайной величины
- •15. Функция распределения случайной величины
- •16. Общие свойства функции распределения св
- •17. Плотность распределения случайной величины
- •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
- •24. Система случайных величин. Свойства распределения двумерного случайного вектора
- •25. Функция распределения дискретного двумерного случайного вектора
- •26. Функция и плотность распределения непрерывного двумерного случайного вектора
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •28. Функция одной дискретной св
- •29. Функция одной непрерывной св
- •30. Корреляционный момент случайных величин X и y 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
- •42. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
- •43. Правило 3σ
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •51. Виды измерений
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных (дискретные и непрерывные вариационные ряды, кумулятивные ряды)
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации (размах, лимиты, среднее линейное отклонение, дисперсия, стандартное отклонение)
- •57. Ассиметрия и эксцесс
- •Плосковершинный островершинный полигон
- •58. Оценка показателей альтернативного признака
11. Формула полной вероятности
Следствием обеих теорем - теоремы сложения и умножения - является так наз. формула полной вероятности.
Пусть
требуется определить вероятность
некоторого события A,
которое может произойти вместе с одним
из событий
,
образующих полную группу несовместных
событий. Будем наз. 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
одной 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 A
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 наз. теорема 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
появилось событие A.
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
,
- формула Байеса
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
Случайной величиной наз. величина, которая в результате опыта может принять то или иное значение, причем не известно заранее, какое именно. Различают СВ дискретного и непрерывного типа. Возможные значения дискретной СВ могут быть заранее перечислены. Возможные значения непрерывной СВ не могут быть заранее перечислены и заполняют некоторый промежуток сплошь.
Примеры дискретных случайных величин:
число появлений герба при 3-х бросаниях монеты: 0,1,2,3;
число отказавших элементов в приборе, состоящем из пяти элементов 0,1,2,3,4,5;
число попаданий в самолет, достаточное для вывода его из строя 1,2,3,…, ,…;
Примеры непрерывных случайных величин:
абсцисса (ордината) точки попадания при выстреле;
расстояние от точки попадания до центра мишени;
время безотказной работы радиолампы.
Будем
обозначать случайные величины большими
буквами X,Y,…,
а их возможные значения
соответствующими малыми буквами.
Например, Х
число попаданий при 3-х выстрелах;
возможные значения -
.
Рассмотрим
дискретную случайную величину X
с возможными значениями
.
X
может принимать любое из этих значений
с некоторой вероятностью. В результате
опыта произойдет одно событие из полной
группы событий
.
Вероятности этих событий обозначим
буквой p
с соответствующими индексами –
.
Т.к.
эти несовместные события образуют
полную группу, то
.