- •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
21.6. Вероятность появления хотя бы одного события
Пусть в результате испытания могут появиться n независимых событий, либо некоторые из них, либо ни одного события. Считаем вероятности появления каждого из событийизвестными и равными. Тогда вероятности противоположных событийобозначим. Появление хотя бы одного события – это появление одного, двух, ..,n событий.
Теорема.Вероятность появления хотя бы одного из независимых событийравна разности между единицей и произведением вероятностей противоположных событий:.
Пусть А– появление хотя бы одного из событий. СобытияА и(ни одно из событий не произошло) – противоположные, поэтому. По теореме умножения.
Следствие.Если событияимеют одинаковую вероятностьр, то вероятность появления хотя бы одного события
Пример.Вероятность попадания в мишень для трех стрелков 0,6; 0,7; 0,8 соответственно. Найти вероятность хот бы одного попадания при одном залпе.
Пусть – попал в мишень первый, второй и третий стрелок. СобытиеА –хотя бы одно попадание в мишень. Тогда
21.7. Теорема сложения вероятностей
Суммойили объединениемАиВназывается событиеС, состоящее в наступлении событияА, или событияВили событийАиВвместе:С=А+В.
Теорема.Вероятность суммы конечного числанесовместныхсобытий равна сумме их вероятностей.
Докажем для двух событий. Пусть из общего числа nслучаев событиюАблагоприятствуетkслучаев, а событиюВ–lслучаев. Тогда
По условию, события АиВнесовместимы. Следовательно, ни один изkслучаев, благоприятствующихА, не благоприятствуетВ. СуммеА+Вблагоприятствуетk+lслучаев изn, поэтомуМетодом математической индукции теорему можно обобщить на произвольное число несовместных событий.
Теорема.Вероятность суммы совместных событий равна сумме вероятностей этих событий без вероятности их произведения:.
Для доказательства следует рассмотреть диаграмму Виена.
Следствие 1. Сумма вероятностей событий, образующих полную группу, равна 1.
Событие 2.Сумма вероятностей противоположных событий равна 1, т.е.
21.8. Формула полной вероятности
Пусть событие А может произойти в результате появления одного и только одного события Низ некоторой полной группы несовместных событий (полная система).Нобычно называют гипотезами.
Теорема.Вероятность событияА, которое может наступить при появлении одной из гипотезН, равна сумме парных произведений вероятностей всех гипотез на соответствующие условие вероятности данного события А, т.е..
Доказательство.СобытиеАравносильно тому, что произойдетАиН, либоАиН, либоАиН,…, либоАиН. Тогда по теоремам сложения (несовместных событий) и умножения
Пример. На конвейер поступает продукция трех станков (50% –I, 30% –II, 20% –III). Брак составляет для первого станка 2%, для 2го– 3%, для 3го– 5%. Найти вероятность того, что случайно взятая деталь будет доброкачественной.
Событие А– деталь доброкачественная. Возможны гипотезы:Н,Н,Н– взятое изделие изготовлено наI,II,IIIстанках.P– вероятность взять доброкачественное изделие, изготовленное 1мстанком:P= 1–0,02 = 0,98, аналогично, ,P= 1–0,05 = 0,95. Вероятности гипотез даны по условию:P(H,P(H,P(H.
По формуле полной вероятности: