- •Теория вероятностей
- •§ 1. Предмет теории вероятностей
- •§ 2. Случайные события или исходы. Множество элементарных событий. Основные понятия
- •Примеры на построение множества ω.
- •Алгебраические операции над событиями
- •Диаграмма Венна.
- •Свойства операций
- •§ 3. Различные подходы к определению вероятности
- •П. 1. Аксиоматическое определение вероятности
- •П. 2. Классическое определение вероятности
- •Решение.
- •Решение.
- •Пп. 1. Комбинаторный метод вычисления вероятностей в классической схеме
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Пп. 2. Геометрические вероятности в классической схеме
- •Решение.
- •П. 3. Статистическое определение вероятности
- •§ 4. Основные теоремы теории вероятностей п.1. Теоремы сложения вероятностей
- •Доказательство.
- •Доказательство (методом математической индукции).
- •Доказательство.
- •Доказательство.
- •Решение.
- •Д оказательство (геометрическое)
- •П.2. Теоремы умножения вероятностей
- •Доказательство.
- •Решение.
- •Решение.
- •§ 5. Формулы полной вероятности и формула Байеса п. 1. Формула полной вероятности (следствие обеих основных теорем сложения и умножения)
- •Решение.
- •П. 2. Формула Байеса (Бейеса) (следствие теоремы умножения и формулы полной вероятности)
- •Решение.
- •§ 6. Последовательность независимых испытаний п. 1. Независимые испытания
- •П. 2. Формулы Бернулли.
- •Решение.
- •Решение.
- •Замечания.
- •Решение.
- •П. 3. Предельные теоремы в схеме Бернулли
- •Решение.
- •Решение.
- •Доказательство.
- •Решение.
- •П. 4. Наивероятнейшее число появления события в независимых испытаниях
- •Решение.
- •§ 7. Случайные величины п. 1. Основные определения
- •П. 2. Законы распределения случайных величин. Законы распределения дискретных случайных величин. Функция распределения
- •Формы закона распределения дсв.
- •Решение.
- •Решение.
- •3. Функция распределения – универсальный закон распределения (для дсв и нсв).
- •Свойства f(X).
- •Доказательство.
- •Графики функции распределения.
- •Решение.
- •Решение.
- •П. 3. Плотность распределения вероятностей нсв
- •Свойства плотности распределения
- •2. Условие нормировки: интеграл в бесконечных пределах от плотности распределения равен 1: . (4) Доказательство
- •Решение.
- •Решение.
- •П. 4. Числовые характеристики случайных величин, их роль и назначение
- •Пп 1. Характеристики положения (математическое ожидание, мода, медиана)
- •1. Математическое ожидание или среднее значение случайной величины
- •2. Мода случайной величины
- •3. Медиана случайной величины
- •Пп 2. Моменты
- •Доказательство.
- •И эксцесс
- •Решение.
- •Решение.
- •Решение.
- •П. 5. Законы распределения вероятностей дискретных случайных величин: биномиальный, Пуассона, гипергеометрический. Пп 1. Биномиальное распределение
- •Решение.
- •Пп 2. Распределение Пуассона
- •Решение.
- •Решение.
- •Пп 3. Гипергеометрическое распределение
- •Решение.
- •П. 6. Законы распределения вероятностей непрерывных случайных величин: равномерный, показательный, нормальный Пп 1. Равномерное распределение или закон равномерной плотности
- •Решение.
- •Пп 2. Показательное или экспоненциальное распределение
- •Решение.
- •Пп 3. Нормальный закон распределения
- •Смысл параметров m и σ
- •Решение.
- •§ 8. Системы случайных величин или случайные векторы п. 1. Основные понятия.
- •П. 2. Законы распределения свдт и свнт
- •Закон. Таблица распределения – закон распределения свдт.
- •Решение.
- •Решение.
- •Закон. Функция распределения – закон распределения свдт и свнт.
- •Решение.
- •3. Плотность распределения (для свнт)
- •Решение.
- •Решение.
- •П. 4. Плотности распределения отдельных величин, входящих в систему. Равномерное и нормальное распределения. Условные законы распределения
- •Решение.
- •Решение.
- •П. 5. Числовые характеристики системы. Корреляция. Линии регрессии
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •§ 9. Закон больших чисел. Предельные теоремы теории вероятностей
Д оказательство (геометрическое)
События отождествляют с множествами. Два раза накладываем «лепесток» друг на друга, поэтому и отнимаем его. (что и треб. доказать)
Теорема 2/ ( Обобщенная теорема сложения совместных событий).
Вероятность суммы n совместных событий равна , где суммы распространяются на различные значения индексов.
Для трех совместных событий теорема запишется в виде:
Р (А1+ А2+А3)=Р(А1)+Р(А2) +Р(А3) – Р(А1А2) – Р(А1А3) – Р(А2А3) + Р(А1А2А3)
Доказательство для трех событий (геометрическое):
События отождествляют с множествами (см. рис.).
(что и треб. доказать)
Замечание. Аналогичную формулу можно написать для произведения совместных событий:
Р(АВ) = Р(А)+Р(В) – Р(А+В)
Р(А1А2А3) = Р(А1)+Р(А2) +Р(А3) – Р(А1+А2) – Р(А1 +А3) – Р(А2 +А3) + Р(А1+ А2+А3)
Пример. Для поражения самолета необходимо, чтобы были поражены оба двигателя (события А1 и А2) или была поражена кабина пилота (событие А3). Требуется выразить вероятность поражения самолета (событие А) через вероятности событий А1, А2, А3.
Решение.
А = А1 А2+А3. Т.к. события совместны, то по теореме 2 следует, что
Р(А) = Р(А1 А2)+Р(А3) – Р(А1А2А3) = (по замечанию) = Р(А1)+Р(А2) – Р(А1+А2) – Р(А1) –Р(А2) – Р(А3) + Р(А1+А2) + Р(А1 +А3) + Р(А2 +А3) – Р(А1+ А2+А3) = – Р(А3) + Р(А1 +А3) + Р(А2 +А3) – Р(А1+ А2+А3) .
П.2. Теоремы умножения вероятностей
Определение 21. Событие А называется независимым от события В, если вероятность события А не зависит от того, произошло событие В или нет.
Определение 22. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.
Примеры: 1) А = {появление решки на первой монете}, В = {появление решки на второй монете}. А и В – независимы.
А = {рождение мальчика у Тани}, В = {рождение мальчика у Лены}. А и В – независимы.
В урне 2 белых и 1 черный шар. Двое Таня и Ваня вынимают из урны по одному шару. Зависимы или независимы события: А = {появление белого шара у Тани}, В = {появление белого шара у Вани}?
Решение.
Найдем вероятности событий. Р(А) = до известия о событии В. После известия о событии В данная вероятность Р(А) = . Следовательно, А и В зависимые.
Определение 23. Два события называются независимыми, если появление одного из них не изменяет вероятности появления другого.
Определение 24. Несколько событий называются независимыми, если любое из них не зависит от любой совокупности остальных.
Определение 25. Вероятность события А, вычисленная при условии, что имело место другое событие В, называется условной вероятностью события А и обозначается .
В примере 3): Р(А) = , .
Условие независимости события А от события В: .
Условие зависимости события А от события В: .
Теорема 3. Вероятность произведения двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое имело место.