- •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
Решение.
Обозначим А = {хотя бы одно попадание в цель}.
А1 = {попадание в цель при первом выстреле}, А2 = {попадание в цель при втором выстреле}, А3 = {попадание в цель при третьем выстреле}.
Р(А1) = р1, Р(А2) = р2, Р(А3) = р3.
Можно расписать в алгебре событий данное событие в виде суммы произведений:
и найти вероятности слагаемых, где множители – независимые события. Но это нецелесообразно.
Перейдем от прямого события к противоположному: = { ни одного попадания в цель}:
,
где = 1– р1 =0,6, = 1 – р2 = 0,5, = 1 – р3 =0,3.
Тогда по теореме 5:
(т.к. события независимые, то по теореме 4) = = .
§ 5. Формулы полной вероятности и формула Байеса п. 1. Формула полной вероятности (следствие обеих основных теорем сложения и умножения)
Пусть событие А еще не произошло, но вскоре должно произойти. Событие А может протекать в различных условиях, относительно характера которых сделано n гипотез Н1, Н2, …, Нn, образующих полную группу несовместных событий. Вероятности гипотез известны. Тогда вероятность события А равна сумме произведений вероятности каждой гипотезы на вероятность события при этой гипотезе:
– формула полной вероятности.
Доказательство.
По условию теоремы гипотезы Н1, Н2, …, Нn образуют полную группу несовместных событий, следовательно, событие А может произойти с одной и только с одной гипотезой:
.
Т.к. гипотезы несовместны, то и комбинации Н1А, Н2А, …, НnА – несовместны. Применим теорему 1:
(события А и Нi – зависимы, т.е. надо применить теорему 3) = . (что и треб. доказать)
Пример. Имеется пять урн:
2 урны состава Н1 – по 2 белых шара и 1 черному,
1 урна состава Н2 – 10 черных шаров,
2 урны состава Н3 – по 3 белых и 1 черному шару.
Наудачу выбирается урна, и из нее наудачу выбирается шар. Чему равна вероятность события А = {будет вынут белый шар}?
Решение.
Событие А еще не произошло. Шар может быть вынут из урн разных составов, следовательно, в алгебре событий событие А запишется в виде: . Тогда по формуле полной вероятности:
(*).
Найдем отдельно вероятности событий:
(две урны состава Н1 из пяти), , ,
(в каждой урне состава Н1 2 белых шара из трех),
( в урне состава Н2 белых шаров нет),
.
Подставим найденные вероятности в формулу (*): .
П. 2. Формула Байеса (Бейеса) (следствие теоремы умножения и формулы полной вероятности)
Пусть событие А произошло, причем А могло протекать в различных условиях, относительно характера которых было сделано n гипотез Н1, Н2, …, Нn, образующих полную группу несовместных событий. Вероятности гипотез известны. Требуется узнать, как изменятся вероятности гипотез в связи с появлением события А. Т.е. надо найти условную вероятность .
Решение.
По условию теоремы гипотезы Н1, Н2, …, Нn образуют полную группу несовместных событий, следовательно событие .А произошло с одной и только с одной гипотезой:
, причем события А и Нi – зависимы, поэтому найдем вероятность произведения НiА, воспользовавшись теоремой 3:
(или, что то же самое) = , i = 1,2,…,n, отсюда
.
Выразим Р(А) с помощью формулы полной вероятности:
– формула Байеса.
Пример. Имеется пять урн:
2 урны состава Н1 – по 2 белых шара и 3 черных шара,
2 урны состава Н2 – по 1 белому и 4 черных шара,
1 урна состава Н3 – 4 белых и 1 черный шар.
Из одной наудачу выбранной урны взят шар. Он оказался белым (событие А). Чему равна после опыта вероятность события, что шар вынут из урны третьего состава.