- •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
1) Деталь проверил первый контролер (гипотеза в1);
2) Деталь проверил второй контролер (гипотеза b2).
Искомую вероятность того, что деталь проверил первый контролер, найдем по Формуле Бейеса:
По условию задачи имеем:
Искомая вероятность
Как видно, до испытания вероятность гипотезы В1 равнялась 0,6, а после того, как стал известен результат испытания, вероятность этой гипотезы (точнее, условная вероятность) изменилась и стала равной 0,59. Таким образом, использование формулы Бейеса позволило переоценить вероятность рассматриваемой гипотезы.
1. Формула Бернулли
Если производится несколько испытаний, причем вероятность событияА в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимыми относительно события А.
В разных независимых испытаниях событиеА может иметь либо различные вероятности, либо одну и ту же вероятность.
Будем далее рассматривать лишь такие независимые испытания, в которыхсобытиеА имеет одну и ту же вероятность.
Ниже воспользуемся понятием сложного события, понимая под ним совмещение нескольких отдельных событий, которые называют простыми.
Пусть производится л независимых испытаний, в каждом из которых событиеА может появиться либо не появиться. Условимся считать, что вероятность событияА в каждом испытании одна и та же, а именно равна р.Следовательно, вероятность ненаступления события А в каждом испытании также постоянна и равна
Поставим перед собой задачувычислить вероятность того, что при п испытаниях событиеА осуществится ровно k раз и, следовательно, не осуществится п—k раз.
Важно подчеркнуть, что не требуется, чтобы событиеАповторилось ровно kраз в определенной последовательности.
Например, если речь идет о появлении событияАтри раза в четырех испытаниях, то возможны следующие
испытаниях событие появится ровно 3 раза и, следовательно, не наступит 2 раза.
Поставленную задачу можно решить с помощью так называемой формулы Бернулли.
Вывод формулы Бернулли. Вероятность одного сложного события, состоящего в том, что в писпытаниях событие А наступитkраз и не наступит п—kраз, по теореме умножения вероятностей независимых событий
события несовместны, то по теореме сложения вероятностей несовместных событий искомая вероятность равна сумме вероятностей всех возможных сложных событий. Поскольку же вероятности всех этих сложных событий одинаковы, то искомая вероятность (появления k раз события А в п испытаниях) равна вероятности одного сложного события, умноженной на их число:
или
Полученную формулу называют формулой Бернулли.
Пример. Вероятность того, что расход электроэнергии в продолжение одних суток не превысит установленной нормы, равна р-=0,75. Найти вероятность того, что в ближайшие 6 суток расход электроэнергии в течение 4 суток не превысит нормы.
Решение. Вероятность нормального расхода электроэнергии в продолжение каждых из 6 суток постоянна и равна р=0,75. Следовательно.вероятность перерасхода электроэнергии в каждые сутки
Искомая вероятность по формуле Бернулли равна