- •1.1. Випадкові події і ймовірності подій
- •1.1.1. Алгебра подій
- •1.1.2. Імовірності подій
- •1.1.3. Умовні ймовірності
- •1.2. Випадкові величини та їх закони розподілу
- •1.3. Числові характеристики випадкових величин
- •1.4. Основні закони розподілу
- •1.4.1. Біноміальний розподіл
- •1.4.2. Гіпергеометричний розподіл
- •1.4.3. Розподіл Пуассона
- •1.4.4. Рівномірний розподіл
- •1.4.5. Експоненціальний (показниковий) розподіл
- •1.4.6. Розподіл Вейбулла
- •1.4.7. Нормальний розподіл
- •1.4.8. Бета-розподіл
- •1.4.9. Гамма-розподіл
- •1.4.10. Розподіл
- •1.4.11. Розподіл Стьюдента
- •1.4.13. Розподіл Парето
- •1.6. Числові характеристики багатовимірних випадкових величин
- •Коефіцієнт кореляції незалежних випадкових величин дорівнює 0, тобто .
- •1.7. Функції від випадкових величин
- •1.7.1. Закон розподілу функцій від випадкових величин
- •1.7.2. Закон розподілу суми двох випадкових величин
- •1.7.3. Лінійне перетворення випадкової величини
- •1.8. Закон великих чисел і гранична теорема
- •1.9. Функції Mathcad для проведення ймовірнісних і статистичних розрахунків
- •1. Функції визначення характеристик векторів і матриць
- •2. Функції сортування масивів
- •3. Числові функції і функції комбінаторики
- •4. Функції щільності розподілу ймовірностей
- •5. Функції розподілу ймовірностей
- •6. Квантилі розподілів
1.1.3. Умовні ймовірності
Нехай події А та В – залежні. Для характеристики залежності одних подій від інших вводиться поняття умовної ймовірності.
Умовною ймовірністю події А або називається ймовірність події А, обчислена при умові, що подія B відбулася.
Імовірність сумісної появи двох випадкових подій А та В дорівнює добутку ймовірностей однієї з цих подій та умовної ймовірності другої події при умові появи першої:
(1.11)
Ця формула називається формулою множення ймовірностей залежних подій. З неї очевидно знаходимо: якщо ж відома сумісна ймовірність настання двох подій А і В, то умовна ймовірність події А при умові, що подія В відбулась, визначається за формулою
(1.12)
Якщо події А і В незалежні, то очевидно
.
Якщо події А і В сумісні, то ймовірність появи хоча б однієї із них дорівнює
(1.13)
Співвідношення (1.13) називається формулою додавання ймовірностей сумісних подій.
Нехай подія А може відбутись лише сумісно із однією із несумісних подій які утворюють повну групу. Оскільки невідомо, з якою із несумісних подій з’явиться подія А, ці події вважатимемо гіпотезами. Нехай відомі ймовірності цих гіпотез і умовні ймовірності події А при умові, що події відбулись. Тоді імовірність події А дорівнює
(1.14)
Рівність (1.14) називають формулою повної ймовірності.
Наслідком формули повної ймовірності (1.14) є формула Байеса. Вона застосовується, коли подія А, яка може відбутись тільки з однією із гіпотез , що утворюють повну групу подій, відбулась. Тоді умовна ймовірність може не дорівнювати Порівняння ймовірностей і дозволяє переоцінити ймовірність гіпотези після появи події А.
Для одержання шуканої формули запишемо формулу множення ймовірностей подій у двох формах:
звідки
(1.15)
Формула (1.15) називається формулою Байеса.
Значення формули Байеса полягає у тому, що при настанні події А, тобто по мірі одержання нової інформації, ми можемо перевіряти і коригувати ймовірності висунутих до випробування гіпотез. Такий підхід, який називається байесівським, дає можливість коригувати оцінки невідомих параметрів розподілів, які отримуються у статистичному аналізі.
1.2. Випадкові величини та їх закони розподілу
Випадковою величиною називається величина, яка в результаті випробування із випадковим наслідком набуває одне із своїх значень із можливої їх множини, заздалегідь невідоме, яке саме.
Прикладами випадкових величин можуть служити: час безвідмовної роботи приладу або системи, зріст людини, курс долара, кількість бракованих деталей у партії, температура повітря, виграш гравця, прибуток фірми тощо.
Випадкові величини будемо позначати прописними літерами латинського алфавіту X, Y, Z,.., а їх значення – відповідними рядковими літерами x, y, z,…
Найбільш повною, вичерпною характеристикою випадкової величини є її закон розподілу.
Законом розподілу випадкової величини називається будь-яке співвідношення, яке встановлює зв’язок між можливими значеннями випадкової величини і відповідними їм ймовірностями.
Закони розподілу випадкових величин можуть мати різні форми. Вони можуть бути задані аналітично (у вигляді формул), у вигляді таблиць і графічно.
Розрізняють дискретні і неперервні випадкові величини.
Дискретною випадковою величиною називається величина, яка приймає тільки скінчену або зліченну множину окремих значень з певними ймовірностями.
Неперервною випадковою величиною називається величина, можливі значення якої неперервно заповнюють деякий інтервал значень [a, b].
Для опису випадкової дискретної величини Х, яка приймає скінчену множину значень часто використовується ряд розподілу k = 1,2,..,n, який задається таблицею
де – можливі значення випадкової величини Х,
– імовірність події, що випадкова величина Х прийме значення
Оскільки події несумісні і утворюють повну групу, то сума їх імовірностей дорівнює одиниці, тобто
Нехай х – дійсне число. Імовірність події, яка полягає у тому, що Х прийме значення менше х, тобто імовірність події , позначається через .
Функцією розподілу випадкової величини Х називається функція F(x), яка виражає для кожного х імовірність того, що випадкова величина Х у результаті випробування прийме значення, менше х:
(1.17)
Функцію іноді називають інтегральною функцією розподілу або інтегральним законом розподілу.
Геометрично функція розподілу інтерпретується як імовірність того, що випадкова точка Х попадає на числовій осі лівіше заданої точки .
Властивості функції розподілу:
Значення функції розподілу належать відрізку
зокрема:
Імовірність попадання значень випадкової величини в інтервал дорівнює приросту її функції розподілу на цьому інтервалі:
(1.18)
неспадна функція на всій числовій осі, тобто якщо
За допомогою функції розподілу можна виразити ймовірності попадання Х у різні інтервали вигляду
Для дискретної випадкової величини Х функція розподілу має вигляд
(1.19)
Функція розподілу дискретної випадкової величини є неспадною розривною ступінчастою функцією, яка набуває значення в інтервалі [0, 1].
Функції розподілу дискретної і неперервної випадкових величин є їх загальними ймовірнісними характеристиками. Однак для неперервної випадкової величини більш наглядною є функція щільності розподілу імовірності.
Закон розподілу випадкової величини Х називається абсолютно неперервним, якщо існує невід’ємна функція така, що при будь-якому
(1.20)
Функція називається щільністю розподілу ймовірностей.
Основні властивості щільності розподілу випадкової величини:
1)
2) у точках неперервності
3) Імовірність попадання значень випадкової величини Х у інтервал дорівнює
(1.21)
Закони розподілів неперервних випадкових величин наведені у підрозділі 1.4.
Для неперервних випадкових величин можна вивести аналоги формули повної ймовірності і формули Байеса, відомі нам для випадкових подій.
Нехай імовірність якої-небудь події А залежить від того, яке значення х прийняла неперервна випадкова величина Х із щільністю Приймемо гіпотезу, яка полягає у тому, що випадкова величина Х прийняла значення, яке лежить на елементарній ділянці яка примикає до точки х. У границі при ця умова перетворюється у
Позначимо умовну імовірність події А при умові . Замінюючи у формулі повної ймовірності (1.14) імовірність гіпотези елементом імовірності , а суму – інтегралом, одержимо повну імовірність події А:
(1.22)
Формула (1.22) називається інтегральною формулою повної імовірності.
Відповідний аналог для неперервних випадкових величин має і формула Байеса. Нехай до випробування випадкова величина Х мала щільність розподілу Зроблено випробування, у результаті якого відбулась подія А. Умовну імовірність події А при позначимо . Знайдемо умовну щільність розподілу випадкової величини Х при умові, що відбулась подія А, позначимо її Замінюючи у формулі Байеса (1.15) імовірності гіпотез елементом імовірності , суму – інтегралом, одержимо:
(1.23)
де у знаменнику стоїть формула повної імовірності (1.18).
Формула (1.23) називається інтегральною формулою Байеса.