- •Алгебра событий. Классическое определение вероятности.
- •Условная вероятность.
- •Обоснование формулы условной вероятности в общем случае.
- •Основные понятия теории вероятностей
- •Независимые события.
- •Испытание
- •Основы комбинаторики.
- •Моменты распределения.
- •Вычисление вероятностей
- •Основы теории вероятности
- •Теорема умножения вероятностей.
- •Теорема сложения вероятностей совместных событий
- •Вероятность появления хотя бы одного события
- •Формула полной вероятности
- •Формула полной вероятности.
- •Формула сложения вероятностей.
- •Формула Бейса
- •Формула Байеса.
- •Формула Бернули
- •Локальная теорема Лапласа.
- •Интегральная теорема Лапласа.
- •Случайные величины и законы их распределения
- •Функция распределения случайной величины.
- •Плотность распределения вероятности непрерывной случайной величины.
- •Характеристики положения случайной величины.
- •Математическое ожидание случайной величины.
- •Дисперсия случайной величины.
- •Для дискретной случайной величины
- •Свойства математического ожидания
- •Характеристики рассеяния.
- •Некоторые законы распределения случайных величин.
- •Распределение Пуассона
- •Закон равномерной плотности
- •Показательное (экспоненциальное распределение)
- •Нормальный закон распределения (закон Гаусса)
- •Геометрический способ
- •Случайные величины.
- •Испытания по схеме Бернулли.
- •Метод Монте-Карло.
- •Теоремы сложения.
- •Операции над событиями.
- •Частость наступления события.
- •Свойства частости.
- •Аксиоматика теории вероятности. Построение вероятностного пространства.
- •Теорема о продолжении меры.
- •Определение вероятностного пространства.
- •Классическое определение вероятности.
- •Независимые события.
- •Формула сложения вероятностей.
Независимые события.
Два события A и B называются независимыми, если P(A/B)=P(A); P(B)=P(B/A) - доказать.
В этом случае вероятность наступления двух событий A и B равна P(AB)=P(B)P(A/B)=P(A)P(B),
при этом покажем, что P(B/A)=P(B); P(AB)=P(B)P(A)=P(A)P(B/A)
События
A1A2...Ak
называются независимыми
между собой, если вероятность их
совместного наступления
;
.
Два независимых события совместны.
* Если бы события были несовместны, то P(A/B)=0 и P(B/A)=0, т.к. они независимы, то P(A/B)=P(A) и P(B/A)=P(B), т.е. утверждение “независимые события несовместны”, т.к. P(A)=0 и P(B)=0, то это утверждение неверно.
Испытание
Испытанием называется реализация определенного комплекса условий, который может воспроизводиться неограниченное число раз. При этом комплекс условий включает в себя случайные факторы, реализация которого в каждом испытании приводит к неоднозначности исхода испытания.
Например: испытание - подбрасывание монеты.
Основы комбинаторики.
Комбинаторика - это раздел математики в котором изучается вопрос о том сколько различных комбинаций подчиненных тем или иным условиям можно составить из конечного числа различных элементов.
Комбинации отличающиеся друг от друга составом элементов или их порядком называются соединениями различают три вида соединений.
Размещениями называются соединения составленные из n-различных элементов по m-элементам, которые отличаются друг от доуга либо составом эл-тов либо их порядком.
Перестановки называют соединения составленные из одних и тех же n-элементов, которые отличаются друг от друга только их порядком размещения
Сочетаниями называются соединения составленные из n-различных элементов по m-элементам, которые отличаются друг от друга хотя бы одним элементом.
Сочетания с повторениями это такие соединения состоящие из n-различных элементов по m-элементам отличающиеся друг от друга или хотя бы одним элементом или тем что хотя бы один элемент входит различное число раз
Правило суммы
Если некоторый объект А может быть выбран из совокупности объектов М способами, а объект В N способами, то выбор либо объекта А либо объекта В может быть осуществлен М+N способами.
Правило произведения
Если объект А может быть выбран из совокупности объектов М способами, а после такого выбора объект В может быть выбран N способами, то пара объесков А и В могут быть выбраны А*В способами.
Моменты распределения.
При решении многих практических задач нет особой необходимости в полной вероятностной характеристике каких-либо случайных величин, которую дает функция плотности распределения вероятностей. Очень часто приходится также иметь дело с анализом случайных величин, плотности вероятностей которых не отображаются аналитическими функциями либо вообще неизвестны. В этих случаях достаточно общее представление о характере и основных особенностях распределения случайных величин можно получить на основании усредненных числовых характеристик распределений.
Числовыми характеристиками случайных величин, которые однозначно определяются функциями распределения их вероятностей, являются моменты.
Начальные
моменты
n-го порядка случайной величины X (или
просто моменты) представляют собой
усредненные значения n-й степени случайной
переменной: mn
М{Xn}
=
xn
p(x) dx, где M{Xn}
и
-
символические обозначения математического
ожидания
и усреднения величины Хn,
которые вычисляются по пространству
состояний случайной величины Х.
Соответственно,
для случайных дискретных величин: mn
М{Xn}
=
xin
pi.
Центральные моменты n-го порядка, это моменты относительно центров распределения (средних значений) случайных величин:
n
M{(X-
)n}
=
(x-m1)n
p(x) dx
n M{(X- )n} = (xi-m1)n pi, где - начальный момент 1-го порядка (среднее значение величины Х), X0 = X- - центрированные значения величины Х.
Связь между центральными и начальными моментами достаточно проста:
1=0, 2=m2-m12, 3=m3-3m2m1+2m13, 4=m4-4m1m3+6m12m2-3m14, и т.д.
Соответственно, для случайных величин с нулевыми средними значениями начальные моменты равны центральным моментам.
По
результатам реализации случайных
величин может производиться только
оценка
моментов, т.к. количество измерений
всегда конечно и не может с абсолютной
точностью отражать все пространство
состояний случайных величин. Результаты
измерений - выборка
из всех возможных значений случайной
величины (генеральной
совокупности).
Оценка моментов, т.е. определение средних
значений n-й степени по выборке из N
зарегистрированных значений, производится
по формулам:
=
(1/N)
xin
,
=
(1/N)
(xi-
)n
