
- •Основные понятия теории вероятностей: испытание, событие. Классификация событий. Полная группа событий. Примеры.
- •Вероятность. Классическое определение вероятности. Использование формул комбинаторики. Примеры.
- •Статическое определение вероятности.
- •Формула полной вероятности. Формула Байеса. Примеры.
- •Повторение независимых испытаний. Формула Бернулли. Примеры.
- •Повторение независимых испытаний. Асимптотические формулы. Локальная и интегральная теоремы Лапласа. Примеры.
- •Дискретные случайные величины. Закон распределения. Полигон распределения. Примеры построения дискретной случайной величины.
- •Числовые хар-ки дискретной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение. Примеры.
- •Свойства математического ожидания и дисперсии. Математическое ожидание и дисперсия среднего значения. Примеры.
- •Биномиальное распределение. Распределение Пуассона. Геометрическое распределение. Их числовые хар-ки. Примеры.
- •Непрерывная случайная величина. Функции распределения. Плотность вероятностей. Их свойства. Вероятность попадания в заданный интервал. Примеры.
- •Числовые хар-ки непрерывной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение, мода, медиана. Примеры.
- •Равномерное распределение. Нормальное распределение. Функции Гаусса и Лапласа. Их числовые хар-ки. Примеры.
- •Вероятность попадания в заданный интервал нормально распределенной случайной величины. Отыскание интервала по заданной вероятности. Примеры.
- •Понятие о центральной предельной теореме Ляпунова.
- •Понятие о случайном процессе. Система массового обслуживания как случайный процесс.
- •Случайный процесс со счетным множеством состояний. Виды. Система массового обслуживания с необратимыми и обратимыми переходами состояний.
- •Поток событий. Простейший поток и его свойства. Виды потоков событий.
- •Марковский случайный процесс.
- •Понятие о методе Монте-Карло.
- •Математическая статистика. Генеральная и выборочная совокупности. Репрезентативность выборки. Вариационные ряды. Полигон и гистограмма. Примеры.
- •Оценка числовых хар-к. Состоятельность, несмещенность и эффективность оценок. Оценка математического ожидания. Примеры.
- •Выборочная и исправленная дисперсии. Другие хар-ки вариации данных. Исправленная дисперсия среднего значения. Примеры.
- •Интервальные оценки. Доверительный интервал для оценки математического ожидания. Распределение Стьюдента.
- •Статистическая, корреляционная и функциональная зависимости. Уравнения регрессии. Примеры.
- •Коэффициент корреляции и его свойства. Нахождение уравнений регрессии по корреляционной таблице. Примеры.
Формула полной вероятности. Формула Байеса. Примеры.
Пусть
событие А
м наступить при условии появления одного
из несовместных событий B1,
B2,…,
Bп,
образующих полную группу. Пусть известны
вер-ти этих событий и условные вер-ти
события А. Теорема . Вероятность события
А,
кот м наступить лишь при условии появления
одного из несовместимых событий B1,
B2,…,
,
образующих полную группу, равна сумме
произведений вер-тей каждого из этих
событий на соответ-щую условную вер-ть
события А:
.
Это формула полной вер-ти.
Док-во:
по условию, событие А м наступить, если
наступит одно из несовместимых событий
B1,
B2,…,
.
Т.е. появление события А означает
осуществление одного из несовместимых
событий
А,
,…,
.
Пользуясь д/вычисление вер-ти события
А теоремой сложения, получим
.
По теореме умножения вер-тей зависимых
событий имеем
.
Подставив, получим формулу полной вер-ти
.
Пр:
Имеется 2 набора деталей. Вер-ть того,
что деталь 1-го набора стандартна, равна
0,8, а 2-го – 0,9. Найти вер-ть того, что
взятая наудачу деталь – стандартная.
Решение: Событие А – извлеченная деталь
стандартна. Деталь м.б. извлечена либо
из 1-го набора (событие
),
либо из 2-го (событие
).
Вер-ть того, что деталь вынута из 1-го
набора, равна ½, т.е.
.
Вер-ть того, что деталь вынута из 2-го
набора, тоже равна ½, т.е.
.
Условная вер-ть того, что из 1-го набора
будет извлечена стандартная деталь,
равна 0,8, т.е.
.
Условная вер-ть того, что из 2-го набора
будет извлечена стандартная деталь,
равна 0,9, т.е.
.
Искомая вер-ть того, что извлеченная
наудачу деталь – стандартная, по формуле
полной вер-ти равна
.
Формула
Байеса. Пусть событие А
м
наступить при условии появления одного
из несовместимых событий B1,
B2,…,
,
образующих полную группу. Поскольку
неизвестно, какое из них наступит, то
их назыв гипотезами. Вер-ть появления
события А определяется по формуле полной
вер-ти:
.
Найдем условные вер-ти
.
По теореме умножения имеем
.
Отсюда
.
Заменим
по формуле полной вер-ти и получим
.
Формулы Бейеса позволяют переоценить
вер-ти гепотез после того, как становится
известным рез-т испытания, в итоге кот
появилось событие А.
Пр:
Детали изготовляемые цехом завода,
попадают д/проверки их на стандартность
к одному из двух контролеров. Вер-ть
того, что деталь попадает 1-му контролеру,
равна 0,6, а ко 2-му – 0,4. Вер-ть того, что
годная деталь будет признана стандартной
первым контролером, равна 0,94, а вторым
– 0,98. Годная деталь при проверке была
признана стандартной. Найти вер-ть того,
что эту деталь проверил первый контролер.
Решение: Событие А – годная деталь
признана стандартной. М сделать 2
предположения: 1) деталь проверил 1-ый
контролер (
),
2) деталь проверил 2-ой контролер (
).
Искомую вер-ть того, что деталь проверил
первый контролер, найдем по формуле
Бейеса:
.
,
,
,
.
Искомая вер-ть :
Повторение независимых испытаний. Формула Бернулли. Примеры.
Если
производится несколько испытаний,
причем вер-ть соб. А в каждом испытании
не зависит от исходов др.испытаний, то
такие испытания назыв независимыми
относительно соб.А. Будем рассматривать
такие независимые испытания, в кот соб.А
имеет одну и ту же вер-ть. Сложное событие
- совмещение нескольких отдельных
простых событий. Пусть в каждом из n
независимых испытаний, соб.А м появится
с вер-тью р и не появиться с вер-тью
q.Поставим
задачу вычислить вер-ть того, что в n
независимых испытаниях, соб.А наступит
k
раз и не наступит n-k
раз. По теореме умножения вер-тей
независимых событий она равна
и таких сложных соб. М.б. столько, сколько
м составить сочетаний из n
эл-тов по k
эл-тов, т.е.
.
Формула Бернулли:
(k)=
, или
.
Пр: Вер-ть того, что расход электроэнергии
в течение 1 суток не превысит установленной
нормы, равна p=0,75,найти
вер-ть того, что в ближ.6 суток расход
э/э в течение 4 суток не превысит нормы:
вер-ть перерасхода э/э в каждые сутки
равна q=1-p=1-0,75=0,25,
по ф.Бернулли:
(4)=
=
=6*
*2*
*
=0,30