- •Содержание
- •Введение
- •Объем дисциплины и виды учебной работы
- •Тематический план дисциплины
- •Программа курса
- •Тема 1. Элементы линейной алгебры и аналитической геометрии.
- •Тема 2. Элементы математического анализа.
- •Тема 3. Основные понятия теории вероятностей и математической статистики.
- •Планы аудиторных занятий
- •Методические рекомендации по изучению дисциплины и по организации самостоятельной работы студентов
- •Тема 1. Элементы линейной алгебры и аналитической геометрии.
- •1.1. Матрицы и определители
- •1.2.Действия над матрицами.
- •1.3.Системы линейных уравнений.
- •Элементы аналитической геометрии
- •Тема2 Элементы математического анализа
- •2.1. Функции одной переменной. Элементарные функции (фоп)
- •2.2. Предел и непрерывность функции одной переменной
- •2.3. Дифференцируемые функции одной переменной
- •2.4. Первообразная функция. Неопределенный интеграл и его свойства
- •Интегрирование функций. Таблица основных формул интегрирования
- •2.5. Методы интегрирования: непосредственное интегрирование, интегрирование по частям, замена переменной Непосредственное интегрирование
- •Определенный интеграл
- •Методы интегрирования
- •Тема 3. Основные понятия теории вероятностей и математической статистики.
- •Основные понятия теории вероятностей
- •Понятия пространства элементарных событий и случайного события. Основные формулы комбинаторики
- •2. Геометрическое определение вероятности
- •3.2. Случайные величины
- •3.3.Элементы математической статистики
- •Примеры контрольных заданий.
- •Литература
- •Вопросы для подготовки к экзамену
2. Геометрическое определение вероятности
Геометрическое определение вводится для пространства с бесконечным числом элементарных событий, каждое из которых интерпретируется как выбор наугад точки из некоторого множества евклидового пространства . Множество предполагается имеющим геометрическую форму и конечную меру .
О: Вероятностью события , состоящего в попадании выбранной наугад точки из измеримого множества в измеримое множество , называется .
Пример. Два человека договариваются о встрече на заданном промежутке времени . Человек, пришедший первым, ожидает в течение времени . Какова вероятность встречи?
Множество элементарных событий – квадрат , , где - время прихода 1-го, - 2-го. Событие состоит из элементарных событий,
|
Рис. 13.2. |
.
3. Статистическое (частотное) определение вероятности
Пусть некоторый эксперимент повторяется раз, событие при этом наступило раз.
О: Относительной частотой появления события , наступившего раз при проведении эксперимента раз, называется .
Замечено, что при больших частота лишь слегка колеблется – это закон устойчивости частот.
О: Статистической вероятностью события называется , если число испытаний достаточно большое.
Например, при бросании монеты 24000 раз герб выпал 12012 раз (опыт К. Пирсона). Число близко к . При решении задачи о вероятности выпадения герба при бросании монеты формула (13.2) даёт .
Сложение и умножение вероятностей
Т: Если и - несовместные события
, (13.3)
в противном случае
. (13.4)
Формула (13.4) справедлива и для вероятности суммы несовместных событий.
Следствие. Вероятность противоположного событию события равна . Из (13.3) .
Примеры.
1. В урне 2 зелёных, 4 жёлтых, 7 красных, 10 белых шаров. Вынимают один шар. Найти вероятность того, что он не белый.
Решение. Пространство содержит 23 элементарных события. Случайное событие, состоящее в выборе цветного шара . Здесь - событие, состоящее в выборе зелёного шара, - жёлтого, - красного. Так как , , , по формуле (13.3) имеем .
2. Вероятность того, что день пасмурный . Найти вероятность того, что день ясный.
Решение. Событие , состоящее в том, что день ясный, противоположное событию (день пасмурный), т.е. .
О: Вероятность события в предположении, что произошло событие , называется условной вероятностью и обозначается . События и называются независимыми, если предположение о том, что произошло одно из них, не влияет на вероятность другого, т.е.
, . (13.5)
Т: Вероятность совместного наступления событий и вычисляется по формуле
(13.6)
Если события и независимы, то
. (13.7)
Эта формула справедлива и для вероятности произведения независимых событий.
Примеры.
1). Из урны, содержащей 3 белых и 7 чёрных шаров, вынимают два. Какова вероятность того, что оба шара белые?
Решение. Событие - вынут белый шар, . Событие - вынут второй белый шар при условии, что произошло , , тогда вероятность того, что оба шара белые .
2. Рабочий обслуживает три станка, работающих независимо друг от друга. Вероятность того, что в течение часа станок не потребует внимания рабочего для первого станка , для второго , для третьего . Найти вероятность того, что в течение часа ни один станок не потребует внимания рабочего.
Решение. По формуле (10.7) имеем .
Т: пусть случайные события , образуют полную группу событий. Тогда для любого случайного события справедлива формула
. (13.8)
Эту формулу называют формулой полной вероятности.
Пример. Имеется два ящика с шарами. В первом ящике два белых и один чёрный шар, во втором ящике один белый и четыре чёрных шара. Наугад выбираем ящик и вынимаем шар. Какова вероятность того, что он белый?
Решение. Пространство , где - выбор первого ящика, - второго, событие - выбор шара, тогда , , и по формуле (13.8) .
Из формулы и (13.8) получается так называемая формула Байеса
, . (13.9)
Формула трактуется следующим образом: имеется полная группа гипотез , …, , вероятности которых известны до опыта. Проводится опыт, в результате которого может наступить или не наступить событие . Если событие наступило, то (13.9) определяет вероятности гипотез после опыта.
Схема испытаний Бернулли
Пусть один и тот же опыт повторяется раз, испытания независимы, в результате каждого испытания может наступить или нет событие . Пусть - вероятность наступления , тогда . Такая схема испытаний называется схемой Бернулли. Найдём вероятность того, что событие произойдёт при испытаниях раз.
Пространство элементарных событий состоит из произведений событий или : , , . Событие , состоящее в том, что событие произойдёт при испытаниях раз включает те , в которых содержится раз, их . По формуле (13.7): , поэтому по (12.3) . Формула
(13.10)
называется формулой Бернулли.
Пример. Найти вероятность того, что четырехзначный номер первого встречного автомобиля содержит две цифры 5.
Решение. Так как , (число цифр в номере), , событие - данная цифра номера 5, - не 5, , , то .
При больших значениях , подсчёт проводят по приближённой формуле (локальная теорема Лапласа)
, , .
Если велико, а , , то применяют приближённую формулу Пуассона:
, . (13.11)
Последнюю формулу называют законом редких событий.