- •К.А.Джафаров Теория вероятностей и Математическая Статистика
- •Общие сведения
- •2. Рабочая программа оглавление
- •Общая характеристика направления
- •521600 Экономика
- •2.Требования к основной образовательной программе подготовки бакалавра по направлению 521600 «экономика»
- •3.Требования к обязательному минимуму содержания основной образовательной программы подготовки бакалавра по направлению 521600 «экономика»(раздел общие математические дисциплины)
- •Теория вероятностей и математическая статистика
- •II. Цели и задачи дисциплины.
- •III. Принципы построения курса
- •IV. Структура и содержание курса Лекции – 68 часов Практические занятия – 51 час
- •Модуль 1. Случайные величины и их вероятности
- •Модуль 4. Цепи Маркова
- •Модуль 6. Оценивание неизвестных параметров
- •Модуль 7. Проверка статистических гипотез
- •III семестр (34 часа)
- •1. Случайные величины и их вероятности (12 часов)
- •IV cеместр (34 часа)
- •4. Цепи Маркова (6 часов)
- •5. Основные понятия математической статистики (4 часа)
- •6. Оценивание неизвестных параметров (8 часов)
- •7. Проверка статистических гипотез (8 часов)
- •8. Примеры статистических методов обработки данных (8 часов)
- •V. Деятельность студентов. Практические занятия
- •III семестр (17 часов)
- •1. Случайные величины и их вероятности (6 часов)
- •IV cеместр (34 часа)
- •4. Цепи Маркова (6 часов)
- •5. Основные понятия математической статистики (4 часа)
- •6. Оценивание неизвестных параметров (8 часов)
- •7. Проверка статистических гипотез (8 часов)
- •8. Примеры статистических методов обработки данных (8 часов)
- •Контрольные мероприятия
- •VI. Самостоятельная работа студента
- •Литература
- •Дополнительная литература
- •Приложение. Вариант контрольной работы № 1
- •Вариант контрольной работы № 2
- •Глава 1 события и их вероятности
- •1.1. Аксиомы теории вероятностей. Вероятностные пространства
- •Случайные события. Операции над ними
- •1.1.2. Вероятности
- •1.1.3. Свойства вероятностей
- •Задачи к 1.1
- •1.2. Схема равновозможных исходов
- •1.2.1. Элементы комбинаторики
- •1.2.2. Классическая вероятность
- •1.2.3. Геометрическая вероятность
- •1.2.4. Гипергеометрическое распределение
- •Задачи к 1.2
- •Условные вероятности. Формула полной вероятности. Формулы Байеса
- •1.3.1. Условные вероятности
- •1.3.2. Формула полной вероятности
- •1.3.3. Формулы Байеса
- •Задачи к 1.3
- •1.4. Независимость случайных событий
- •1.4.1. Независимость двух событий
- •1.4.2. Независимость нескольких событий
- •Задачи к 1.4
- •1.5. Дополнительные задачи к Главе 1
- •Глава 2 случайные величины и их распределения
- •2.1. Случайные величины со значениями в 1
- •2.1.1. Случайные величины
- •2.1.2. Функция распределения
- •2.1.3. Свойства функции распределения
- •Задачи к 2.1
- •2.2. Дискретный и непрерывный типы распределений
- •2.2.1. Дискретная случайная величина
- •2.2.2. Непрерывная случайная величина
- •2.2.3. Примеры случайных величин
- •Задачи к 2.2
- •2.3. Функция от случайной величины
- •Задачи к 2.3
- •2.4. Случайные величины со значениями в n.
- •2.4.1. Случайные векторы
- •2.4.2. Дискретные и непрерывные двумерные случайные величины
- •2.4.3. Независимость случайных величин
- •Задачи к 2.4
Условные вероятности. Формула полной вероятности. Формулы Байеса
1.3.1. Условные вероятности
Рассматриваются два случайные события А и В, и предполагается, что событие В произошло. При этом условии нас интересует вероятность события А.
Определение. Пусть А и В два случайные события, причем Р(В) > 0. Условной вероятностью события А при условии В называется дробь
П ример. Бросаем игральную кость один раз. Найдем вероятность выпадения двух очков, если известно, что выпало четное число очков. Обозначим через A ={2}, В= {2,4,6}. Тогда
п оэтому
Следует отметить, что если Р(А) > 0, то имеет смысл и
Р(В/А) = P(A B)/P(А).
Из этих определений следует, что
Р(А В) = Р(А/В) Р(В) = Р(В/А) Р(А).
Эти равенства называют формулой умножения вероятностей.
1.3.2. Формула полной вероятности
Пусть А1, А2, ..., Аn ,... конечная или счетная полная система событий, Р(Аi) > 0 для любого i.
Теорема 1 (формула полной вероятности). Для любого события В справедливо равенство
P(B)= n P(B/An)P(An).
Доказательство. Так как события А1, А2, .... Аn ... образуют полную систему, то = An. Поскольку В всегда, то
Из аксиомы 3 следует, что Р(В) = n P(An B), и по формуле умножения вероятностей далее получаем, что
P(B)= n P(B/An)P(An).
Пример 1. Пусть имеются три стола, и в каждом по два ящика. Причем, в ящиках первого стола имеются только золотые монеты, в одном ящике второго стола — золотые, в другом — серебряные, а в ящиках третьего стола — только серебряные. Наугад выбирается стол и достается монета. Какова вероятность того, что она золотая? Обозначим через Ai, i=1, 2, 3 события, состоящие в выборе стола с номером i, соответственно; В = {вынуть золотую монету}. Из условий ясно, что P(Ai) = 1/3, i = 1,2,3. Подсчитаем
P(B/ A1)=1, P(B/ A2)=1/2, P(B/ A3)=0.
Тогда по формуле полной вероятности получаем, что
Пример 2. На сборку поступают детали с двух автоматов. Первый дает в среднем 0,2% брака, второй — 0,1%. Найдем вероятность события В = {деталь бракованная}, если с первого автомата поступило 2000 деталей, а со второго — 3000. Обозначим
Ai == {на сборку поступила деталь с i-го автомата}.
Ясно, что A1 A2 = и A1 A2 = . Тогда, по формуле полной вероятности получим
P(В) = P(A1) • P(B/ A1) + Р(A2) • Р(В/ A2).
Найдем
P(B/ A1) = 0,002, Р(В/ A2) = 0,001,
Следовательно, Р(В) = 0,4 0,002+0,6 0,001 = 0,0014.
1.3.3. Формулы Байеса
Пусть A1, A2, ..., An,... конечная или счетная полная система событий, Р(Ai)>0 для любого i и событие В такое, что Р(В) > 0. Тогда при любом i справедливы равенства:
Эти формулы называются формулами Байеса. Формулы очевидны, поскольку
Здесь мы воспользовались формулами умножения вероятностей и полной вероятности.
П ример 1. В условиях примера 1 из 1.3.2 предположим, что мы вынули золотую монету. Какова вероятность того, что был выбран первый стол? Воспользуемся формулой Байеса.
Пример 2. В условиях примера 2 из 1.3.2 предположим, что поступившая на сборку деталь бракованная. Найдем вероятность того, что эта деталь поступила со второго автомата. По формуле Байеса
З амечание. Формулы Байеса применяются при решении следующей задачи. Пусть до проведения эксперимента имеются n предположений (гипотез) относительно характера эксперимента A1, A2, …, An. При этих предположениях проводится эксперимент. В результате эксперимента произошло событие В. Считаем, что до эксперимента известны вероятности
P(A1), P(A2), … , P(An)
(или их легко можно вычислить). Эти вероятности называются априорными вероятностями гипотез. Известны также вероятности появления события В при условии реализации той или иной гипотезы Ai :
P(B/A1), P(B/A2), … , P(B/An).
Нас интересуют вероятности после эксперимента:
P(A1 / B), P(A2 / B), …, P(An / B),
которые называются апостериорными вероятностями гипотез. Эти вероятности вычисляются по формулам Байеса. Можно считать, что апостериорные вероятности гипотез уточняют априорные, используя информацию, полученную в результате эксперимента.