
- •Пространство элементарных событий.
- •Совместные и несовместные события.
- •Операции над событиями (сумма, разность, произведение).
- •Свойства операций над событиями.
- •Алгебра и сигма-алгебра событий.
- •Классическое определение вероятности события. Случаи равновероятных исходов.
- •Статистическое определение вероятности события. Случаи неравновероятных исходов.
- •Геометрические вероятности.
- •Аксиоматическое построение теории вероятностей.
- •Полная группа событий.
- •Условная вероятность.
- •Независимость событий.
- •Основные понятия комбинаторики.
- •Правила суммы и произведения.
- •Случай непостоянной вероятности появления события в опытах
- •Для того чтобы найти вероятность появления события ровно раз в серииопытов, достаточно произвести перемножение сомножителей в производящей функции. Коэффициент при членеи даст искомую вероятность.
- •Предельные теоремы для схемы Бернулли.
- •Теорема Пуассона.
- •Понятие потока событий.
- •Локальная теорема Муавра –Лапласа.
- •Интегральная (глобальная) теорема Муавра – Лапласа.
- •Закон распределения дискретной случайной величины.
- •Свойства функции распределения
- •Свойства математического ожидания:
- •Дисперсия случайной величины и ее свойства.
- •Среднее квадратическое отклонение.
- •Распределение Пуассона.
- •Геометрическое распределение
- •Гипергеометрическое распределение (урновая схема)
- •Равномерное распределение.
- •Показательное распределение.
- •Свойства функции Гаусса.
- •Вероятность попадания нормальной случайной величины в заданный интервал.
- •Где - функция Лапласа.
- •Функция Лапласа и ее свойства.
- •Отклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- •Закон распределения вероятностей двумерной случайной величины
- •Свойства совместной функции распределения двух случайных величин
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Независимые случайные величины
- •Для независимых случайных величин справедливы соотношения
- •Корреляционный момент
- •Коэффициент корреляции Коэффициентом корреляции случайных величинX и y называют отношение корреляционного момента к произведению средних квадратических отклонений этих величин:
- •Свойства коэффициента корреляции
- •Способы отбора На практике применяются различные способы отбора, которые можно подразделить на два вида:
- •Выборочные среднее и дисперсия
- •Статистический критерий
- •A. Понятие о корреляционном анализе
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Однородные цепи Маркова
- •Понятие о системах массового обслуживания
Для того чтобы найти вероятность появления события ровно раз в серииопытов, достаточно произвести перемножение сомножителей в производящей функции. Коэффициент при членеи даст искомую вероятность.
Пример. Производится 4 независимых выстрела по одной и той же цели с различных расстояний. Вероятности попадания при этих выстрелах равны соответственно
.
Найти вероятность трех попаданий.
Решение: Составим производящую функцию
Отсюда
вероятность трех попаданий равна 0,040.
Легко найти и вероятности ни одного,
одного, двух и четырех попаданий,
выписывая коэффициенты при
и
.
Наивероятнейшее число наступления событий в схеме Бернулли.
Число
наступлений события
называетсянаивероятнейшим, если
оно имеет наибольшую вероятность по
сравнению с вероятностями наступления
любое другое количество раз.
Теорема.
Наивероятнейшее число наступлений
события
в
независимых испытаниях заключено между
числами
и
.
Следует
отметить, что наивероятнейших чисел
может быть два или одно в зависимости
от того, является np+pцелым числом или нет. Если это число
нецелое, то наивероятнейшее число(целая часть), в противном случае имеется
два значения
и
Предельные теоремы для схемы Бернулли.
Если
число испытаний велико, формулу Бернулли
применять неудобно. В этом случае можно
применять приближенные формулы, точность
которых увеличивается с возрастанием
.
Теорема Пуассона.
Теорема:
Если вероятностьнаступления события
в каждом испытании постоянна и мала, а
число независимых испытаний
достаточно велико, то вероятность того,
что событие
наступит
раз, приближенно равна
,
где
.
Доказательство:
Введем
обозначение
,
выразим отсюда
и подставим это выражение в формулу
Бернулли:
.
При
все выражения в скобках, за исключением
предпоследнего, можно принять равными
единице, т.е.
.
При
,
поэтому
,
что и требовалось доказать.
Понятие потока событий.
Формула
Пуассона находит применение в теории
массового обслуживания. Она может
рассматриваться как математическая
модель простейшего потока событийс интенсивностью.
Параметр
представляет при этомсреднее число
успехов.
Потоком
событийназывают последовательность
событий, которые наступают в случайные
моменты времени.Интенсивностью потоканазывают среднее число событий в единицу
времени. Простейшим (пуассоновским)
называют поток событий, который обладает
свойствамистационарности,отсутствия
последействийиординарности.
Свойство
стационарности характеризуется тем,
что вероятность
появления
событий на любом промежутке времени
зависит только от числа
и от длительности промежутка времени
и не зависит от начала его отсчёта.
Свойство
отсутствия последействия характеризуется
тем, что вероятность появления
событий на любом промежутке времени не
зависит от того, появлялись или не
появлялись события в моменты времени,
предшествующие началу рассматриваемого
промежутка, т.е. предыстория потока не
сказывается на вероятности появления
событий.
Свойство ординарностихарактеризуется тем, что появление двух и более событий за малый промежуток времени маловероятно по сравнению с вероятностью появления только одного события.
Если
интенсивность простейшего потока
известна, то вероятность появления
событий за время
определяется формулой
Примерпростейшего потока событий. Среднее число заказов такси, поступающих на диспетчерский пункт в одну минуту, равно трем. Найти вероятность того, что за 2 минуты поступит 4 вызова.
Подставляя
в вышеприведенную формулу
,
получим