
- •Введение в теорию вероятностей
- •§ 1. Элементы комбинаторики
- •Размещения
- •Перестановки
- •Сочетания
- •Свойства сочетаний
- •§ 2. Основные понятия теории вероятностей
- •2.1. Предмет теории вероятностей
- •2.2. Испытания и события
- •2.3. Классическое определение вероятности
- •Свойства вероятности
- •2.4. Примеры непосредственного вычисления вероятностей
- •2.5. Теорема сложения вероятностей несовместных событий
- •2.6. Полная группа событий
- •2.7. Противоположные события
- •§ 3. Теорема умножения вероятностей
- •3.1. Произведение событий
- •3.2. Условная вероятность
- •3.3. Теорема умножения вероятностей зависимых событий
- •3.4. Независимые события. Теорема умножения для независимых событий
- •3.5. Вероятность появления хотя бы одного события
- •3.6. Теорема сложения вероятностей
- •3.7. Формула полной вероятности
- •3.8. Вероятность гипотез. Формулы Бейеса
- •§ 4. Повторение испытаний
- •4.1. Формула Бернулли
- •4.2. Локальная теорема Лапласа
- •4.3. Интегральная теорема Лапласа
- •§ 4. Виды случайных величин. Задание дискретной случайной величины
- •5.1. Случайная величина
- •5.2. Закон распределения вероятностей дискретной случайной величины
- •5.3. Биномиальное распределение
- •5.4. Распределение Пуассона
- •5.5. Геометрическое распределение
- •§ 6. Математическое ожидание дискретной случайной величины
- •6.1. Числовые характеристики дискретных случайных величин
- •6.2. Свойства математического ожидания
- •§ 7. Дисперсия дискретной случайной величины
- •7.1. Отклонение случайной величины
- •7.2. Дисперсия дискретной случайной величины
- •7.3. Свойства дисперсии
- •7.4. Среднее квадратическое отклонение
- •§ 8. Функция распределения вероятностей случайной величины
- •8.1. Основные понятия
- •8.2. Свойства функции распределения
- •§ 9. Плотность распределения вероятностей непрерывной случайной величины
- •9.1. Основные понятия
- •9.2. Свойства плотности распределения
- •§ 10. Нормальное распределение
- •10.1. Числовые характеристики непрерывных случайных величин
- •10.2. Нормальное распределение
- •10.3. Нормальная кривая
- •§ 11. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 11. Задания для самостоятельной работы
- •I. Элементы комбинаторики
- •II. Непосредственное вычисление вероятностей
- •III. Теоремы сложения и умножения вероятностей
- •IV. Формула полной вероятности. Формулы Байеса
- •V. Повторные испытания
- •VI. Случайные величины
- •VII. Нормально распределенная случайная величина
- •§ 12. Задания для индивидуальной работы.
- •Литература
- •Приложение
- •Значение функции
- •Значения функции
3.4. Независимые события. Теорема умножения для независимых событий
Определение. Событие В называют независимым от события А, если появление события А не изменяет вероятности события В, т.е. условная вероятность события В равна его безусловной вероятности:
РА(В) = Р(В).
Для независимых событий теорема умножения имеет вид:
Р(АВ) = Р(А) ∙ Р(В).
Определение. Два события называют независимыми, если вероятность их совмещения равна произведению вероятностей этих событий; в противном случае называют зависимыми.
Определение. Несколько событий называют независимыми в совокупности, если независимы каждые два из них и независимы каждое событие и все возможные произведения остальных.
Пример. А1, А2, А3 – независимые события, то независимы следующие события: А1 и А2; А1 и А3; А2 и А3; А1 и А2А3; А2 и А1А3; А3 и А1А2.
Следствие. Вероятность совместного появления нескольких событий, независимых в совокупности равна произведению вероятностей этих событий:
Р(А1А2 … Аn) = Р(А1) Р(А2) … Р(Аn).
Пример. Установить вероятность совместного появления герба при одном бросании двух монет.
Решение. Вероятность появления герба первой монеты (событие А):
вероятность
появления герба второй монеты (событие
В):
События А и В
независимые, поэтому:
3.5. Вероятность появления хотя бы одного события
Теорема. Вероятность
появления хотя бы одного из событий А1,
А2,
… Аn,
независимых в совокупности, равна
разности между единицей и произведением
вероятностей противоположных событий
Р(А) = 1 – q1q2 … qn.
Частный случай. Если события А1, А2, … Аn – имеют одинаковую вероятность, равную Р, то вероятность появления хотя бы одного из этих событий: Р(А) = 1 – qn.
Пример. Вероятности попадания в цель при стрельбе из трех орудий таковы: р1 = 0,8; р2 = 0,7; р3 = 0,9. Установить вероятность хотя бы одного попадания (событие А) при одном залпе из всех орудий.
Решение. События:
тогда: q1 = 1 – p1 = 0,2;
q2 = 1 – p2 = 0,3;
q3 = 1 – p3 = 0,1.
P(A) = 1 – q1q2q3 = 1 – 0,2 ∙ 0,3 ∙ 0,1 = 0,994.
3.6. Теорема сложения вероятностей
Определение. Два события называют совместными, если появление одного из них не исключает появления другого в одном и том же испытании.
Пример. А – появление четырех очков при бросании игральной кости; В – появление четного числа очков. События А и В – совместные.
Теорема. Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
Р(А + В) = Р(А) + Р(В) – Р(АВ).
Примечание. 1. Для независимых событий:
Р(А + В) = Р(А) + Р(В) – Р(А)Р(В).
Для зависимых событий:
Р(А + В) = Р(А) + Р(В) – Р(А)РА(В);
2. Если события А и В несовместны, то Р(АВ) = 0 и тогда:
Р(А + В) = Р(А) + Р(В).
Пример. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р1 = 0,7; р2 = 0,8. Установить вероятность попадания при одном залпе (из обоих орудий) хотя бы одним из орудий.
Решение.
I способ: Р(АВ) = Р(А) ∙ Р(В) = 0,7 ∙ 0,8 = 0,56 (события А и В - независимые)
Р(АВ) – оба орудия дали попадание.
Р(А + В) = Р(А) + Р(В) – Р(АВ);
Р(А + В) = 0,7 + 0,8 – 0,56 = 0,94.
II способ: вероятности промахов:
q1 = 1 – P(A) = 1 – 0,7 = 0,3
q2 = 1 – P(B) = 1 – 0,8 = 0,2
P(A + B) = 1 – q1q2 = 1 – 0,3 ∙ 0,2 = 0,94.