- •Кафедра информатики и прикладной математики математика
- •Часть 2
- •Теория вероятностей и элементы математической статистики учебно - методический комплекс
- •Санкт-Петербург
- •Информация о дисциплине
- •1.1. Предисловие
- •Содержание дисциплины и виды учебной работы Объем дисциплины и виды учебной работы
- •Перечень видов практических занятий и контроля:
- •2. Рабочие учебные материалы
- •2.1. Рабочая программа (объем 150 часов) Введение
- •Раздел 1. Случайные события (50 часов)
- •Раздел 2. Случайные величины ( 60 часов)
- •Раздел 3. Элементы математической статистики (40 часов)
- •2.2. Тематический план занятий Тематический план дисциплины
- •Тематический план дисциплины для студентов очно-заочной формы обучения
- •Тематический план дисциплины для студентов заочной формы обучения
- •2.3. Структурно-логическая схема дисциплины Математика ч.2. Теория вероятностей и элементы математической статистики Теория
- •Раздел 1 Случайные события Раздел 3 Элементы математической Статистики
- •Раздел 2 Случайные величины
- •2.4. Временной график изучения дисциплины
- •2.5. Практический блок Практические занятия (очно-заочная форма обучения)
- •Практические занятия (заочная формы обучения)
- •Практические занятия (очная форма обучения)
- •Лабораторные работы (очно-заочная форма обучения)
- •Лабораторные работы (очная форма обучения)
- •Лабораторные работы (заочная форма обучения)
- •2.6. Бально-рейтинговая система
- •Информационные ресурсы дисциплины
- •Библиографический список Основной:
- •3.2. Опорный конспект по курсу “ Математика ч.2. Теория вероятностей и элементы математической статистики” введение
- •Раздел 1. Случайные события
- •1.1. Понятие случайного события
- •1.1.1. Сведения из теории множеств
- •1.1.2. Пространство элементарных событий
- •1.1.3. Классификация событий
- •1.1.4. Сумма и произведение событий
- •1.2. Вероятности случайных событий.
- •1.2.1. Относительная частота события, аксиомы теории вероятностей. Классическое определение вероятности
- •1.2.2. Геометрическое определение вероятности
- •Вычисление вероятности события через элементы комбинаторного анализа
- •1.2.4. Свойства вероятностей событий
- •1.2.5. Независимые события
- •1.2.6. Расчет вероятности безотказной работы прибора
- •Формулы для вычисления вероятности событий
- •1.3.1. Последовательность независимых испытаний (схема Бернулли)
- •1.3.2. Условная вероятность события
- •Вероятность произведения событий
- •1.3.4. Формула полной вероятности и формула Байеса
- •Раздел 2. Случайные величины
- •2.1. Описание случайных величин
- •2.1.1. Определение и способы задания случайной величины Одним из основных понятий теории вероятности является понятие случайной величины. Рассмотрим некоторые примеры случайных величин:
- •2.1.2. Дискретные случайные величины
- •Рассмотрим события Ai , содержащие все элементарные события , приводящие к значению XI:
- •Пусть pi обозначает вероятность события Ai :
- •2.1.3. Непрерывные случайные величины
- •2.1.4. Функция распределения и ее свойства
- •2.1.5. Плотность распределения вероятности и ее свойства
- •2.2. Числовые характеристики случайных величин
- •2.2.1. Математическое ожидание случайной величины
- •2.2.2. Дисперсия случайной величины
- •2.2.3. Нормальное распределение случайной величины
- •2.2.4. Биномиальное распределение
- •2.2.5. Распределение Пуассона
- •Раздел 3. Элементы математической статистики
- •3.1. Основные определения
- •Систематизация выборки
- •Гистограмма
- •3.3. Точечные оценки параметров распределения
- •Основные понятия
- •Точечные оценки математического ожидания и дисперсии
- •3.4. Интервальные- оценки
- •Понятие интервальной оценки
- •Построение интервальных оценок
- •Основные статистические распределения
- •Интервальные оценки математического ожидания нормального распределения
- •Интервальная оценка дисперсии нормального распределения
- •4. Методические указания к выполнению лабораторных работ
- •Выполнение лабораторных работ в ms Excel
- •Лабораторная работа 1 статистическое оценивание параметров распределения
- •Порядок выполнения лабораторной работы
- •Лабораторная работа 2 проверка гипотезы о законе распределения. Критерий пирсона
- •Понятие статистической гипотезы о виде распределения
- •Порядок выполнения лабораторной работы
- •Ячейка Значение Ячейка Значение
- •5. Методические указания к выполнению контрольной работы Задание на контрольную работу
- •Методические указания к выполнению контрольной работы События и их вероятности
- •Случайные величины
- •Среднее квадратическое отклонение
- •Элементы математической статистики
- •6. Блок контроля освоения дисциплины Репетиционные вопросы Тест № 1
- •Вопрос 10
- •Вопрос 14
- •Вопрос 15
- •Вопрос 16
- •Вопрос 17
- •Вопрос 18
- •Вопрос 19
- •Вопрос 20
- •Тест № 2
- •Вопрос 1
- •Вопрос 7
- •Вопросы для экзамена по курсу «Теория вероятностей и элементы математической статистики»
- •Глоссарий
- •Продолжение таблицы в
- •Окончание таблицы в
- •Равномерно распределенные случайные числа
- •Содержание
- •Раздел 1. Случайные события………………………………………. 18
- •Раздел 2 . Случайные величины ..………………………… ….. 42
- •Раздел 3. Элементы математической статистики ............... 65
- •4. Методические указания к выполнению лабораторных
- •5. Методические указания к выполнению контрольной
Вероятность произведения событий
Теорема умножения
Вероятность произведения событий A1 A2 An определяется формулой
p(A1 A2 An) = p(A1) p(A2 A1))p(An A1A2An-1). (1.8)
Для произведения двух событий отсюда следует, что
p(AB) = p(A B) p{B) = p(B A) p{A). (1.9)
Пример 1.18. В партии из 25 изделий 5 изделий бракованных. Последовательно наугад выбирают 3 изделия. Определить вероятность того, что все выбранные изделия бракованные.
Решение. Обозначим события:
A1 = {первое изделие бракованное},
A2 = {второе изделие бракованное},
A3 = {третье изделие бракованное},
A = {все изделия бракованные}.
Событие А есть произведение трех событий A = A1 A2 A3 .
Из теоремы умножения (1.6) получим
p(A) = р( A1 A2 A3 ) =p(A1) p(A2 A1))p(A3 A1A2).
Классическое определение вероятности позволяет найти p(A1) – это отношение числа бракованных изделий к общему количеству изделий:
p(A1)= ;
p(A2) – это отношение числа бракованных изделий, оставшихся после изъятия одного, к общему числу оставшихся изделий:
p(A2 A1))= ;
p(A3 ) – это отношение числа бракованных изделий, оставшихся после изъятия двух бракованных, к общему числу оставшихся изделий:
p(A3 A1A2)= .
Тогда вероятность события A будет равна
p(A) = = .
1.3.4. Формула полной вероятности и формула Байеса
Теорема. Пусть A - некоторое событие, и события H1, H2, , Hn , , попарно несовместные, т.е. Hi Hj= , ij, образующие полную группу, и появление одного из них и только одного есть событие достоверное.
Допустим, что событие A может произойти вместе с одним из событий Hi Тогда имеет место формула полной вероятности
p(A) = p( A Hi) (1.10)
и формула Байеса p(Hi A)= . (1.11)
Замечание. События Hi называют гипотезами, вероятности p(Hi) - априорными вероятностями гипотез Hi, а вероятности p(HiA) - апостериорными вероятностями гипотез Hi.
Пример 1.19. В первой урне находится 4 белых и 6 черных шаров, а во второй – 2 белых и 7 черных шаров. Из первой урны во вторую наудачу перекладывают один шар. После этого из второй урны наудачу извлекают один шар.
1) Найти вероятность, что шар, извлеченный из второй урны, белый.
2) Известно, что из второй урны извлечен белый шар. Найти вероятность того, что из первой урны во вторую был переложен черный шар.
Решение. Обозначим события
H1 = {из первой урны во вторую был переложен белый шар},
H2 = {из первой урны во вторую был переложен черный шар},
A = {шар, извлеченный из второй урны, белый}.
а) По классическому определению вероятности находим вероятности гипотез H1 и H2 :
p(H1) - вероятность того, что из всех находящихся в первой урне шаров во вторую был переложен белый шар - p(H1) = 4 / 10 = 0,4,
p(H 2) - - вероятность того, что из всех находящихся в первой урне шаров во вторую был переложен черный шар - p(H2) = 6/ 10 = 0,6,
и условные вероятности:
p(A/H1) – вероятность того, что из второй урны будет вынут белый шар, при условии, что в нее был переложен белый шар - p(A/H1) = 3/10 = 0,3.
p(A/H2) - вероятность того, что из второй урны будет вынут белый шар, при условии, что в нее был переложен черный шар - p(A/H2) = 2/10 = 0,2.
Тогда по формуле полной вероятности находим вероятность искомого события A
p(A) = p(H1) p(A/H1)+p(A/H2)p(H2) = 0,40,3 +0,60,2 = 0,24.
б) Во второй части задачи требуется найти условную вероятность p(H2/A). Для этого можно использовать формулу Байеса (1.11):
p(H2/A) = .
Вопросы для самопроверки
Какие условия должны быть выполнены для проведения опытов по схеме Бернулли?
По какой формуле вычисляется условная вероятность?
Как вычисляется вероятность произведения:
а) для независимых событий?
б) для несовместных событий?
в) для любых других типов событий?
В чем смысл формулы полной вероятности?
В результате изучения материала раздела 1 студент может выполнить задание № 1 из методических указаний по выполнению контрольной работы по вычислительной математике, основам теории вероятностей и элементам математической статистики ( [ 8 ] ).