- •События и операции над ними. Относительные частоты и их свойства.
- •2.Аксиомы тв. Дискретное пространство элементарных исходов. Классическое определение вероятности.
- •3. Элементы комбинаторики. Основное правило комбинаторики.
- •(Обобщенная теорема сложения вероятностей)
- •(Теорема сложения k слагаемых)
- •6.Условная вероятность. Независимость.
- •7.Формулы полной вероятности и Байеса.
- •8.Схема Бернулли.Полиноминальное распределение.
- •9.Теорема Пуассона.
- •10.Локальная и интегральная теоремы Муавра-Лапласа.
- •12.Дискретные случайные величины. Закон распределения. Биномиальное, геометрическое и распределение Пуассона.
- •13.Математическое ожидание дискретной случайной величины и его свойства
- •Свойства математического ожидания:
- •Математическое ожидание постоянной величины равно самой постоянной:
- •Постоянный множитель можно выносить за знак математического ожидания:
- •14.Дисперсия случайной величины и ее свойства. Начальный и центральный момент.
- •15. Непрерывные случайные величины. Св-во плотности распределения
- •16. Равномерное, показательное, нормальное распределения и их св-ва
- •17. Лемма о нормальном распределении. Критерии независимости дискретной и непрерывной случайной величин
- •18. Случайный вектор. Св-ва функции распределения случайного вектора
- •2.Функция распределения случайного вектора неубывающая по каждому аргументу.
- •19. Случайный вектор. Свойства плотности распределения случайного вектора
- •20. Функция двух случайных аргументов. Формула свёртки
- •21. Числовые характеристики системы двух случайных величин. Корелляция и ее св-ва
- •22. Задачи математической статистики. Генеральная совокупность. Выборка
- •23. Эмпирическая функция распределения. Полигон и гистограмма
(Обобщенная теорема сложения вероятностей)
.
(Теорема сложения k слагаемых)
Если события А1, А2,…, Аk попарно несовместимы(Аi Аj равно пустому множеству i не равно j) , то вероятность их суммы равна сумме вероятности
.
Если (А влечет В), то .
, тогда .
Если собатие А влечет события В , то .
. Следовательно, . Тогда .
Вероятность события противоположная событию В находится по формуле: .
, .
Если события Н1, Н2,…,Нk образуют полную группу, то .
Т.к. , то по свойству 6:
6.Условная вероятность. Независимость.
Условной вероятностью события B при условии A называется вероятность события B в предположении, что событие A наступило. Обозначение .Условная вероятность находится : .
Теорема (умножение вероятностей). Вероятность произведения
.
Вероятность произведения двух событий равна произведению вероятности второго при условии, что оно наступило
.
Теорема обобщения теоремы умножения вероятности .
События А и В называются независимыми, если вероятность их произведения равна произведению их событий
Свойство. События А и В независимы тогда и только тогда когда P(B/A)=P(B).
Пусть события А и В независимы тогда .
Пусть P(B/A)=P(B), тогда А и В независимы.
Независимость в совокупности
События называются независимыми или незавизимыми в совокупности, если выполняются след. условия: 1 независимы по парно, 2 независимы по три
Замечание: из по парной независимости не следует независимость совокупности.
7.Формулы полной вероятности и Байеса.
Теорема 1. Если события Н1, Н2,…,Нn образуют полную группу, то вероятность любого события А можно вычислить по формуле полной вероятности:
, или .
Так как события образуют полную группу, то можно записать .Умножим обе части равенства на А А=АН1+АН2+…+АНn.
По теореме сложения вероятностей
Замечание: при применении формулы полной вероятности события Н1,Н2,…,Нn , образующие полную группу, называются гипотезами.
Теорема 2. Пусть события Н1, Н2, …, Нn образуют полную группу, А–некоторое событие, которое может произойти совместно с любым из события Н1, Н2, …, Нn тогда условная вероятность каждой из гипотез при условии события А находится по формуле:
.
ИЛИ
,
Доказательство: По теореме умножения вероятностей
.
Замечание. При применении формулы Байеса вероятности называются априорными вероятностями гипотез. Вероятности P(H1|A),…,P(Hn|A) называют апостериорными вероятностями гипотез.
8.Схема Бернулли.Полиноминальное распределение.
Предположим, что проводится независимо друг от друга n испытания в каждом из которых возможно 2 исхода : «У» и «Н», которые мы называем успехом и неудачей. Обозначим Р(У) и Р(Н) , , p+q=1.
Последовательность n испытаний называется испытаниями Бернулли, если эти испытания независимы, а в каждом из них возможны два исхода, причем вероятности этих исходов не меняются от испытания к испытанию
В n испытаниях Бернулли элементарным исхода явл. (w1,w2,…,wn), .всего таких исходов 2n поскольку испытания независимы, то
Обозначим через вероятность того , что в n испытаниях Бернулли произошло ровно к-успехов, тогда: .
По теореме сложения получим
Таким образом, получим
—формула Бернулли.
Полиномиальное распределение.
Предположим, что производится независимо друг от друга n испытания в каждом из которых возможны k исходов E1, E2, …, Ek, при чем
P(Ei)=pi, Вероятность того, что в n независимых испытаниях событие E1 появиться r1 раз, E2 – r2 раз, …, Ek – rk раз вычисляется по формуле:
где
Замечание: формула полиномиальное распределения, обобщающая формулу Бернулли на случай более 2 исходов в каждом испытании.