
- •№1. Случайные события. Классификация. Действия над событиями.
- •№2. Аксиоматическое определение вероятности. Аксиомы Колмогорова. Следствия.
- •№3. Классическое, геометрическое и статистическое определения вероятности как частный случай аксиоматического.
- •№4. Теорема сложения. Следствия.
- •Теорема доказана.
- •№7. Формула полной вероятности и формула Байеса. Примеры.
- •№8. Схема независимых испытаний Бернулли. Теорема Пуассона. Предельная теорема Муавра-Лапласа.
- •№9. Случайная величина. Функция распределения случайной величины и её свойства.
- •№12. Математическое ожидание случайной величины и функции случайной величины. Свойства.
- •№14. Основные законы распределения: нормальный, равномерный, биномиальный, показательный, Пуассона.
- •№15. Векторный случайные величины, совместная плотность, многомерная вероятность, многомерный ряд распределения.
- •№16. Нормальный случайный вектор.
- •№17. Условные вероятности и плотности вероятностей. Независимость случайных величин.
- •№20. Ряд распределения функции дискретной случайной величины.
- •№21. Плотность вероятности функции случайной величины при заданной плотности вероятности аргумента. Закон распределения суммы случайных величин. Пример.
- •24. Распределения , Стьюдента (Госсета), Фишера. Их характеристики и свойства.
- •№27. Случайная выборка и генеральная совокупность. Закон распределения выборки.
- •№28. Оценка вероятности события. Оценка функции распределения. Оценка плотности вероятностей.
- •№29. Выборочные моменты. Несмещённость выборочного среднего как оценки математического ожидания. Смещённость выборочной дисперсии как оценки теоретической дисперсии.
- •№30. Точечные оценки и их свойства.
- •№31. Функция правдоподобия. Неравенство Рао-Крамера. Критерий эффективности Рао-Крамера.
- •№37. Критерий согласия . Пример.
№7. Формула полной вероятности и формула Байеса. Примеры.
Формула полной вероятности.
Рассмотрим
группу несовместных событий
.
Эти события назовём гипотезами. Событие
может произойти или нет в том же опыте,
что и
.
Т.к.
– полная группа, то
произойдёт с одной и только одной из
гипотез
вместе.
Теорема:
Пусть для некоторого события
и гипотез
известны
и
.
Тогда безусловную вероятность
определяют по формуле:
– формула полной вероятности (ФПВ).
Доказательство:
.
Теорема
доказана.
Пример:
Студент Иванов выучил все
экзаменационных билетов, но из них на
«пять» – лишь
.
Определим, зависит или нет вероятность
извлечения «счастливого» билета (событие
)
от того, первым или вторым выбирает
Иванов свой билет.
Рассмотрим две ситуации.
Иванов
выбирает билет первым. Тогда
.
Иванов
выбирает билет вторым. Введём гипотезы:
– первый извлечённый билет оказался
«счастливым»,
– «несчастливым». Ясно, что
.
В силу формулы полной вероятности
,
что совпадает с первой ситуацией.
Формула Байеса.
Пусть событие произошло, тогда имеет место следующая теорема.
Теорема:
Пусть для некоторого события
и гипотез
известны
и
.
Тогда условная вероятность
,
гипотезы
при условии события
определяется формулой Байеса
.
Доказательство:
.
Теорема
доказана.
Заметим,
что вероятности
обычно называют априорными (т.е.
полученными «до опыта»), а условные
вероятности
– апостериорными (т.е. полученными
«после опыта»).
Пример: врач после осмотра больного считает, что возможно одно из двух заболеваний, которые мы зашифруем номерами 1 и 2, причём степень своей уверенности в отношении правильности диагноза он оценивает как 40% и 60% соответственно. Для уточнения диагноза больного направляют на анализ, исход которого даёт положительную реакцию при заболевании 1 в 90% случаев и при заболевании 2 – в 20% случаев. Анализ дал положительную реакцию. Как изменится мнение врача после этого?
Обозначим
через
событие, означающее, что анализ дал
положительную реакцию. Естественно
ввести следующие гипотезы:
– имеет место заболевание 1;
– имеет место заболевание 2. Из условий
задачи ясно, что априорные вероятности
гипотез равны:
и
,
а условные вероятности события
при наличии гипотез
и
равны 0,9 и 0,2 соответственно. Использую
формулу Байеса, находим
.
Итак, врач с большей уверенностью признает наличие заболевания 1.
№8. Схема независимых испытаний Бернулли. Теорема Пуассона. Предельная теорема Муавра-Лапласа.
Схема независимых испытаний Бернулли.
Рассматривается
независимых испытаний, в каждом из
которых событие
может произойти с вероятностью
и не произойти с вероятностью
(
).
Теорема:
Вероятность
того, что в
испытаниях по схеме Бернулли произойдёт
ровно
успехов, определяется формулой Бернулли
.
Доказательство:
Результат каждого опыта можно записать
в виде последовательности УНН…У,
состоящей из
букв «У» и «Н», причём буква «У» на
месте означает, что в
испытании произошёл успех, а «Н» –
неудача. Пространство элементарных
исходов
состоит из
исходов, каждый из которых отождествляется
с определённой последовательностью
УНН…У.
Каждому
элементарному исходу
можно поставить в соответствие вероятность
.
В
силу независимости испытаний события
У, Н, Н,…, У являются независимыми в
совокупности, и потому по теореме
умножения вероятностей имеем
,
если в
испытаниях успех «У» имел место
раз, а неуспех «Н», следовательно,
раз.
Событие
происходит всякий раз, когда реализуется
элементарный исход
,
в котором
.
Вероятность любого такого элементарного
исхода равна
.
Число
таких исходов совпадает с числом
способов, которыми можно расставить
букв «У» на
местах, не учитывая порядок, в котором
их расставляют. Число таких способов
равно
.
Так
как
есть объединение (сумма) всех указанных
элементарных исходов, то окончательно
получаем для вероятности
формулу Бернулли. Теорема
доказана.
Из формулы Бернулли вытекают два следствия.
Вероятность появления успеха (события ) в испытаниях не более
и не менее
раз равна
.
В частном случае при
и
из предыдущей формулы получаем формулу для вычисления вероятности хотя бы одного успеха в испытаниях:
.
Теорема Пуассона.
Теорема:
,
где
.
Доказательство:
.
Теорема доказана.
Предельная теорема Муавра-Лапласа.
Теорема:
.