- •Предмет теории вероятностей
- •2. Понятие события. Виды событий.
- •Виды случайных событий
- •3. Классическое и статистическое определение вероятности. Основные формулы комбинаторики
- •3.1 Классическое определение вероятности.Свойства вероятности.
- •3.2 Относительная частота. Устойчивость относительной частоты
- •3.3 Ограниченность классического определения вероятности. Статистическая вероятность.
- •3.4 Основные формулы комбинаторики
- •Решение. Искомое число способов
- •1. Понятие суммы и произведения событий.
- •2. Теоремы сложения вероятностей несовместных событий и событий, образующих полную группу событий
- •Теорема сложения вероятностей несовместных событий
- •2.2. Полная группа событий
- •Теорема сложения вероятностей противоположных событий. Принцип практической невозможности маловероятных событий.
- •3.1 Противоположные события
- •3.2. Принцип практической невозможности маловероятных событий
- •2. Теоремы умножения для зависимых и независимых событий.
- •Теорема о вероятности появления хотя бы одного независимого
- •Теорема сложения вероятностей совместных событий
- •2. Формула полной вероятности
- •Деталь может быть извлечена , либо из первого набора (событие в1), либо из второго (событие в2).
- •3. Вероятность гипотез. Формулы Бейеса
- •1) Деталь проверил первый контролер (гипотеза в1);
- •2) Деталь проверил второй контролер (гипотеза b2).
- •1. Формула Бернулли
- •2. Локальная теорема Лапласа
- •3. Интегральная теорема Лапласа
- •Случайная величина
- •Дискретные и непрерывные случайные величины
- •2. Закон распределения вероятностей дискретной случайной величины .
- •3. Биномиальный закон распределения .
- •4 . Распределение Пуассона
- •5 . Геометрическое распределение .
- •Понятие и вероятностный смысл математического ожидания дискретной случайной величины
- •Вероятностный смысл математического ожидания Пусть произведено «n» испытаний, в которых слу-
- •2. Свойства математического ожидания
- •Математическое ожидание случайной величины сх:
- •3. Теорема о математическом ожидании биномиального закона распределения
- •Дисперсия дискретной случайной величины и формула для ее вычисления.
- •1.1 Целесообразность введения числовой характеристики рассеяния случайной величины
- •1.2 Отклонение случайной величины от ее математического ожидания
- •1.3 Дисперсия дискретной случайной величины
- •1.4. Формула для вычисления дисперсии
- •2. Свойства дисперсии и их следствия.
- •Доказательство. По формуле для вычисления дисперсии имеем
- •Дисперсия числа появлений события в независимых испытаниях (дисперсия биномиального закона распределения)
- •3. Среднеквадратическое отклонение одной и суммы независимых случайных величин.
- •Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •4. Сущность и значение для практики теоремы Чебышева.
- •2. Свойства функции распределения
- •3. График функции распределения
- •1. Определение и свойства плотности распределения.
- •Свойства плотности распределения
- •2. Взаимосвязь функции и плотности распределения вероятностей.
- •Вероятностный смысл плотности распределения.
- •Вероятность попадания непрерывной случайной величины в заданный интервал
2. Формула полной вероятности
Пусть событие А может наступить при условии появления одного из несовместных событий В1 ,В2 , ... , Вn (гипотез), которые образуют полную группу. Пусть известны вероятности этих событий (Р(Вi) и условные вероятности РВ1(А), РВ2(А),… РВn(А) события А. Как найти вероятность события А? Ответ на этот вопрос дает следующая теорема.
Теорема. Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий B1 B2, ...,Вп образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Эту формулу называют «формулой полной вероятности».
Доказательство. По условию, событие А может наступить, если наступит одно из несовместных событий В1 , B2 , ..., Вп . Другими словами, появление события А означает осуществление одного, безразлично какого, из несовместных событий В1А, В2А, В3А,….., ВПА.
Пользуясь для вычисления вероятности события А теоремой сложения. Для несовместных событий получим
Остается вычислить каждое из слагаемых. По теореме умножения вероятностей зависимых событий имеем
Подставив правые части этих. равенств в соотношение (*), получим формулу полной вероятности
Пример 1. Имеется два набора деталей. Вероятность того, что деталь первого набора стандартна, равна 0,8, а второго—0,9. Найти вероятность того, что взятая наудачу деталь (из наудачу взятого набора)—стандартная.
Решение. Обозначим через А событие «извлеченная деталь стандартна».
Деталь может быть извлечена , либо из первого набора (событие в1), либо из второго (событие в2).
Вероятность того. что деталь вынута из первого набора.
Р(В1)=1/2.
Вероятность того, что деталь вынута из второго набора.
Р(В2)=1/2.
Искомая вероятность того, что извлеченная наудачу деталь-стандартная, по формуле полной вероятности равна
3. Вероятность гипотез. Формулы Бейеса
Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2, В3,…. Вn,образующих полную группу.
Поскольку заранее неизвестно, какое из этих событий наступит, их называют гипотезами.
Вероятность появления события А определяется по формуле полной вероятности (см. 2-ой учебный вопрос ):
Допустим, что произведено испытание, в результате которого появилось событие А. Поставим своей задачей определить, как изменились (в связи с тем, что событие А уже наступило) вероятности гипотез. Другими словами, будем искать условные вероятности
О тсюда
Заменив здесь Р (А) по формуле (*). получим
Аналогично выводятся формулы, определяющие условные вероятности остальных гипотез, т. е. условная вероятность любой гипотезы Вi (i = 1, 2, …, n) может быть вычислена по формуле:
Полученные формулы называют формулами Бейеса (по имени английского математика, который их вывел; опубликованы в 1764 г.).
Формулы Бейеса позволяют переоценить вероятности гипотез после того, как становится известным результат испытания , в итоге которого появилось событие А.
Пример. Детали, изготовляемые цехом завода, попадают для проверки их на стандартность к одному из двух контролеров. Вероятность того, что деталь попадает к первому контролеру, равна 0,6, а ко второму—0,4. Вероятность того, что годная деталь будет признана стандартной первым контролером, равна 0,94, а вторым—0,98. Годная деталь при проверке была признана стандартной. Найти вероятность того, что эту деталь проверил первый контролер.
Решение. Обозначим через А событие, состоящее в том, что годная деталь признана стандартной. Можно сделать два предположения (гипотезы):