- •1.1 Случайные события: элементарные, достоверные, невозможные, несовместные, совместные, равновозможные. Попарно-несовместные, образующие полную группу. Пространство элементарных событий. Случай.
- •1.2. Сумма, произведение, разность, отрицание. Теоретико-множественная трактовка. Диаграммы Эйлера-Венна. Алгебра событий. Понятие сигма-алгебры.
- •1.3. Частота события. Свойство статистической устойчивости. Статистическое определение вероятности.
- •1.4. Классическое определение вероятности события. Непосредственное вычисление вероятностей.
- •1.5. Комбинаторика: правило умножения и сложения. Основные схемы: с возвращением, без возвращения. Понятия размещения, сочетания, перестановки.
- •1.6. Геометрическое определение вероятности.
- •1.7. Аксиоматическое определение вероятности. Свойства вероятностей.
- •1.8. Вероятностное пространство.
- •Независимые случайные величины Определения
- •1.12 Вероятность суммы событий
- •1.13 Формула полной вероятности.
- •1.14 Формула Байеса
- •1.15.Однородная цепь Маркова
- •1.16. Независимые испытания. Схема и формула Бернулли. Многоугольник распределения вероятностей.
- •1.17 . Предельные теоремы в схеме Бернулли: формула Пуассона, локальная и интегральная теоремы Муавры-Лапласа.
- •1.18 Схема Бернулли. Наивероятнейшее число
- •2.1.Понятие и определение случайной величины.
- •2.2. Закон распределения случайной величины. Многоугольник распределения.
- •2.3. Дискретные и непрерывные случайные величины
- •2.4.Дискретные случайные величины. Сумма, разность, произведение на число.
- •2.5. Произведение д.С.В. Независимость.
- •2.9. Числовые характеристики случайных величин. Мат ожидание. Свойства мат ожидания.
- •2.10. Числовые характеристики случайных величин. Дисперсия. Свойства. Среднее квадратное отклонение
- •2.11. Числовые характеристики случайных величин. Квантили. Мода, медиана. Начальные и центральные моменты.
- •2.12. Производящая функция (случай целочисленных случайных величин).
- •3.1. Понятие системы случайных величин. Закон распределения в дискретном случае.
- •3.8 Числовые характеристики. Математическое ожидание и дисперсия. Центр рассеивания.
- •3.9 Корреляционный момент. Свойства ковариации. Ковариационная матрица.
- •3.10 Коэффициент корреляции. Свойства. Линейная корреляционная зависимость.
- •3.11 Двумерное нормальное распределение. Центр рассеивания. Формула вероятности
- •3.12 Условное мат. Ожидание. Регрессия. Коэффициент линейной регрессии.
- •5.1 Неравенство Чебышёва
- •5.2 Неравенство Маркова для с.В. Принимающих неотрицательные значения
- •5.3 Сходимость по вероятности
- •5.4 Закон больших числе в форме Чебышёва
- •5.5 Закон больших чисел в форме Бернулли (схема Бернулли)
- •5.6 Центральная предельная теорема (формулировка, пример применения для решения задач)
- •5.7 Центральная предельная теорема в случае схемы Бернулли (теорема Муавра-Лапласа).
- •Глава 1. Случайные события
- •Глава 2. Случайные величины
- •Глава 3. Системы случайных величин
- •Глава 5. Предельные теоремы
1.6. Геометрическое определение вероятности.
Под вероятностью в геометрическом смысле понимают вероятность попадания случайно выбранной точки в заданную область.
1-мерный случай: попадание точки в заданный отрезок l. p=l/L
2-мерный случай: попадание точки в заданную область на плоскости S. p=S/D
3-мерный случай: попадание точки в заданный объем V.p=V/W
Если имеется некоторое подмножество g множества G (g⊆G). Случайным образом выбираем
точку в g. Нужно найти вероятность, с которой эта точка попадет в G.
Обобщенная формула выглядит так: p=mes(g)/mes(G)
Обозначение "mes" (от "mesure") означает меру множеств.
1.7. Аксиоматическое определение вероятности. Свойства вероятностей.
Пусть Ω - множество всех возможных исходов. S – множество подмножеств Ω.
Определение. Множество подмножеств S называется алгеброй событий (σ-алгеброй в случае счетного количества множеств), если выполняются следующие свойства:
1. Ø - ∈ S,Ω∈ S пустое множество и все Ω принадлежит S
2. - замкнутостьS относительно операций.
Пустое множество Ø и пространство элементарных исходов Ω составляют минимальную сигма-алгебру.
Вероятностью называется функция P(A), определенная на алгебре событий S,принимающая действительные значения и удовлетворяющая аксиомам:
1. P(A)≥0 – неотрицательность
2. P(𝛺)=1 –нормированность
3. Ai.Aj= Ø ⟹ P(– Аддитивность
Совокупность (Ω, S, p) - вероятностное пространство
Из аксиомы неотрицательности следует: действительные значения, принимаемые вероятностью, как функции на сигма-алгебре событий S, не меньше 0 (вероятности невозможного события).
Аксиома нормированности ("условие нормировки") есть выражение того факта, что вероятность достоверного события равна 1.
Аксиома аддитивности дает правило вычисления вероятности для суммы несовместных событий.
Свойства вероятностей:
1. p(Ø)=0
2. p(A) + p() =1⇒ p() =1− p(A)
3. 0 ≤ p(A) ≤1
4. A ⊆ B ⇒ p(A) ≤ p(B)
5.
События А-{хотя бы одно} и ={ни одного} противоположны.P(A)=1-P()
Из аксиом следуют свойства вероятностей.
1. Вероятность невозможного события равна 0.
2. События A и ‑ несовместны, поэтому вероятность их суммы есть сумма вероятностей, а вместе они составляют достоверное событие – все пространство элементарных исходов, следовательно, сумма их вероятностей равна 1.
3. Свойство три очевидно.
4. Выполняется в силу аксиомы неотрицательности.
5. Следует из аксиомы аддитивности.
1.8. Вероятностное пространство.
Конечное вероятностное пространство. Пусть эксперимент имеет конечное число возможных исходов:
Ω = {ω1,ω2,…, ωn} – Пространство элементарных событий.
S (сигма- алгебра)
1.
2.
Состоит из всех подмножеств множества 𝛺. Всего таких подмножеств: (всевозможные сочетания изn по m элементов)
Все подмножества можем подсчитать с помощью суммы биномиальных коэффициентов. Каждое случайное событие можно выразить через множество каких-то элементарных исходов.
Поставим в соответствие каждому элементарному исходу некоторое число – вероятность элементарного события:
удовлятворяющую следующим условиям:
1. Неотрицательности: p(ωi) ≥ ,0 ∀ωi ∈Ω
2. Нормированности:
Тогда вероятностью события А будет число р(А):
-сумма вероятностей элементарных событий составляющих событие А.
Если для каждого элементарного исхода определить вероятность, то вероятность случайного события, состоящего из этих элементарных исходов, будет равна сумме вероятностей соответствующих элементарных исходов.
1.9Условная вероятность. Условная вероятность — вероятность одного события при условии, что другое событие уже произошло.
Пусть — фиксированное вероятностное пространство. Пустьдва
случайные события, причём . Тогда условной вероятностью событияA при условии события B называется
.|B)=
Замечания
Круговая диаграмма Венна для условной вероятности
Прямо из определения очевидно следует, что вероятность произведения двух событий равна:
Если , то изложенное определение условной вероятности неприменимо.
Условная вероятность является вероятностью, то есть функция, заданная формулой
,
Пример
Если A, B — несовместимые события, то есть и, то
и .
Предположим, что по статистике вероятность того, что человек доживает до 80 лет, а вероятность того, что человек доживет до 90 лет
Какова вероятность того, что человек доживший до 80 лет доживет до 90? Решение: (если независимы) но так как вероятности зависимы, то пересечение вероятности будет 0,2
0,2/0,3 = 2/3 ≈ 0,67
1.10 вероятность произведения события Теорема умножения вероятностей. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при том условии, что первое событие произошло:
Р(А В) = Р(А)PA(В) .
Так как для вычисления вероятности произведения не играет роли какое из рассмотренных событий А и В было первым, а какое вторым, то можно записать:
Р(А В) = Р(А) PA(В) = Р(В) PB(А).
Теорема умножения вероятностей для независимых событий. Вероятность произведения двух независимых событий равна произведению вероятности этих событий:
Р(АВ) = Р(А) P(В).
1.11 Независимость событий. пределение 1. Два события A, B независимы, если
Вероятность появления события A не меняет вероятности события B.
Определение 2. Пусть есть семейство (конечное или бесконечное) случайных событий, гдеI — произвольное индексное множество. Тогда эти события попарно независимы, если любые два события из этого семейства независимы, то есть
пределение 3. Пусть есть семейство (конечное или бесконечное) случайных событий. Тогда эти событиясовместно независимы, если для любого конечного набора этих событий верно:
.
Независимые сигма-алгебры[
Определение 4. Пусть A1, A2 двесигма-алгебры на одном и том же вероятностном пространстве. Они называются независимыми, если любые их представители независимы между собой, то есть:
.