- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
21.2. Классическое определение вероятности
Пусть в урне содержится 6 одинаковых шаров, причем 3 из них – красные, 2 – синие и 1 – белый. Очевидно, что возможность вынуть из урны цветной шар больше, чем белый. Оказывается, что можно охарактеризовать эту возможность числом, которое и будет называться вероятностью появления цветного шара. Появление цветного шара будем рассматривать как событие А. Каждый из возможных результатов испытаний назовем элементарным исходом (элементарным событием). В этом примере возможны 6 элементарных исходов: – появился белый шар,– появился красный шар,– появился синий шар. Эти исходы образуют полную группу попарно несовместных событий и они равновозможные, т.к. нет оснований считать, что появление какого-нибудь из шаров предпочтительнее. Те элементарные исходы, в которых интересующее нас событие наступает, назовем благоприятствующими этому событию. В примере событиюАблагоприятствуют 5 исходов:. СобытиеАподразделяется на несколько элементарных исходов, элементарное событие не подразделяется на другие события. Отношение числа благоприятствующих исходов к их общему числу называют вероятностью события А и обозначают. В примере.
Вероятностью события А называется отношение числаmблагоприятствующих исходов к числу всех возможных исходовn, образующих полную группу, т.е.– классическое определение вероятности. Здесь предполагается, что элементарные исходы несовместны, равновозможны и образуют полную группу.
Пример. Пусть из 100 деталей – 97 стандартных, 3 бракованных. Найти вероятность того, что взятая наудачу деталь будет стандартной.
Пусть событие А– взята стандартная деталь. При взятии 1 детали возможны 100 различных исходов (событий). СобытиюАблагоприятствуют 97 исходов. Тогда
Свойства вероятности:
1. Вероятность любого события есть неотрицательное число, не превосходящее 1, 0m n,, 0 p(A) 1.
2. Вероятность достоверного события равна 1.
m = n,Р(U) = 1.
3. Вероятность невозможного события равна 0.
m= 0,P(V) = 0.
Относительная частота (частость) – отношение числаmпоявлений данного событияАк общему числуnпроведенных одинаковых испытаний, в каждом из которых точно появится или не появится данное событие .
Опыт показывает, что если число испытаний в каждой серии невелико, то относительные частоты в серии могут существенно отличаются. Если же число опытов в сериях велико, то, как правило, относительные частоты отличаются мало.
При неограниченном увеличении числа опытов nотносительная частота событияА стремится к вероятности событияA.
21.3. Элементы комбинаторики
Иногда необходимо из конечного множества элементов по заданным правилам составлять различные комбинации и производить подсчет числа комбинаций. Такие задачи называются комбинаторными, раздел математики – комбинаторикой. Комбинаторика широко применяется в теории вероятности, теории управляющих систем и вычислительных машин и т.д.
Размещения.
Пусть дано множество из nэлементов.Размещенияминазывают комбинации, составленные изn элементов поm(0m n) элементов, которые отличаются либо составом элементов, либо их порядком.
Число размещений илиA=. Полагаем, что 0! = 1.
Пример.Из 30 учащихся надо выбрать комсорга, профорга, старосту. В группе все комсомольцы и члены профсоюза. Сколькими способами можно это сделать?
A= 30.29. 28 = 24360.
2. Перестановки.
Перестановкой из nэлементов называется размещение изnэлементов поnэлементов.
Отличаются друг от друга только порядком следования.
Пример.Сколькими способами можно расставить на 1 полке 6 книг?
P= 6! = 720.
3. Сочетания
Сочетаниями называют комбинации из nэлементов поmэлементов (0m n), которые отличаются хотя бы одним элементом.
Различаются неодинаковым составом элементов. Если отличаются лишь порядком следования элементов, то множества не считаются различными.
Число сочетаний: .
Пример.В бригаде 25 человек. Необходимо выделить 4 человека для работы. Сколькими способами это можно сделать?
Так как порядок выбранных рабочих не имеет значения, то
C= .
4. Размещениями с повторениями называют упорядоченные последовательности, составленные из nэлементов поmв каждом, где некоторые элементы (или все) могут быть одинаковы. Число размещений с повторениями равно:.
Пример.Сколькими способами можно распределить 6 пассажиров лифта по 3 этажам?
На каждом из 3 этажей может выйти любое число пассажиров, поэтому число способов равно
5. Пусть размещения с повторениями содержатnэлементов и при этом элемента1повторяетсяn1раз,аповторяетсяnраз, …,раз,. Такие упорядоченные последовательности называютсяперестановками с повторениями. Число их равно
.
6. Если опыт состоит в выборе с возвращением mэлементов множества, содержащегоn элементов, но без упорядочивания, то различными исходами этого опыта будут всевозможныеm–элементные наборы, отличающиеся составом. При этом отдельные наборы могут содержать повторяющиеся элементы. Получающиеся комбинации называетсясочетаниями с повторениями. Их число .
Пример.В кондитерской имеются 8 видов пирожных. Сколько различных наборов по 3 пирожных можно составить?
Порядок следования не учитывается, поэтому
Кроме того, при решении комбинаторных задач используют следующие правила.
Правило сумм.Если некоторый объектАможет быть выбран из совокупности соответствующих объектовm способами, а другой объектВможет быть выбранn способами, то выбрать либоА, либоВможноспособами.
Правило произведений.Если объектАможет быть выбран из совокупности объектовm способами и после каждого такого выбора объектВ можно выбратьn способами, то пара объектов (А, В) в указанном порядке может быть выбранаспособами.