- •Теория вероятностей
- •Содержание
- •Раздел 6. Законы распределения функций случайных аргументов. 90
- •1. Теоретическая часть. Введение
- •Раздел 1. Понятие события и его вероятности.
- •1.1. Предмет теории вероятности.
- •1.2. Алгебра событий. Пространство элементарных событий.
- •1.3. Классическое определение вероятности.
- •1.4. Геометрические вероятности.
- •1.5. Частота и вероятность.
- •1.6. Аксиоматическое построение теории вероятностей.
- •1.7. Условная вероятность и простейшие основные формулы.
- •1.8. Формула полной вероятности.
- •1.9 Формула Бейеса.
- •Раздел 2. Последовательные независимые испытания
- •2.1. Независимые испытания. Формулы Бернулли.
- •2.2. Обобщенная теорема о повторении опытов.
- •Раздел 3. Понятие случайной величины. Функция распределения и ее основные свойства.
- •3.1. Понятие случайной величины и функции распределения.
- •3.2. Свойства функции распределения.
- •3.3. Дискретные и непрерывные случайные величины.
- •3.4. Числовые характеристики случайных величин.
- •Раздел 4. Примеры распределений случайных величин.
- •4.1. Биномиальное распределение.
- •4.2. Теорема Пуассона
- •4.3. Закон Пуассона.
- •4.4. Равномерное распределение.
- •4.5. Показательное распределение.
- •4.6.Нормальный закон распределения.
- •Раздел 5. Системы случайных величин (случайные векторы).
- •5.1. Понятие о системе случайных величин.
- •5.2. Функция распределения системы двух случайных величин.
- •5.3. Плотность распределения системы двух случайных величин.
- •5.4. Законы распределения отдельных компонент, входящих в систему. Условные законы распределения.
- •5.5. Зависимые и независимые случайные величины.
- •5.6. Числовые характеристики системы двух случайных величин.
- •5.7. Система произвольного числа случайных величин (случайные вектора).
- •5.8. Числовые характеристики системы нескольких случайных величин.
- •Раздел 6. Законы распределения функций случайных аргументов.
- •6.1. Закон распределения функции одного случайного аргумента.
- •6.2. Закон распределения функции двух случайных величин.
- •6.3. Закон распределения суммы двух случайных величин. Композиция законов распределения.
- •6.4. Распределение произведения.
- •6.5. Распределение квадрата случайной величины.
- •6.6. Распределение частного.
- •6.7. Числовые характеристики функций случайных величин.
- •Раздел 7. Теоремы о числовых характеристиках.
- •7.1. Основные теоремы о математическом ожидании.
- •7.2. Теоремы о дисперсии случайной величины.
- •7.3. Теорема о линейной зависимости случайных величин.
- •Раздел 8. Характеристические функции.
- •8.1. Определение и простейшие свойства характеристических функций.
- •8.2. Предельные теоремы для характеристических функций.
- •Раздел 9. Предельные теоремы для случайных величин.
- •9.1. Сходимость последовательностей случайных величин.
- •9.2. Закон больших чисел.
- •9.3. Следствия закона больших чисел.
- •Раздел 10. Предельные теоремы теории вероятностей.
- •10.1. Центральная предельная теорема.
- •10.2. Теорема Ляпунова.
- •10.3. Теорема Лапласа.
- •2. Практические занятия, тесты, самостоятельная работа. Занятие 1. Непосредственный подсчет вероятности с использованием классического определения вероятности.
- •1.1. Краткая теоретическая часть.
- •1.2. Тест.
- •1.3. Решение типовых задач.
- •1.4. Задачи для самостоятельной работы.
- •Занятие 2. Геометрическое определение вероятности.
- •2.1. Краткая теоретическая часть.
- •2.2. Тест
- •2.3. Решение типовых задач
- •2.4. Задачи для самостоятельной работы
- •Занятие 3. Условная вероятность. Теорема умножения вероятностей.
- •3.1. Краткая теоретическая часть
- •3.2. Тест
- •3.3. Решение типовых задач
- •3.4. Задачи для самостоятельной работы
- •Занятие 4. Теорема сложения вероятностей.
- •4.1. Краткая теоретическая часть
- •4.2. Тест
- •4.3. Решение типовых задач
- •4.4. Задачи для самостоятельной работы
- •Занятие 5. Формула полной вероятности.
- •5.1. Краткая теоретическая часть
- •5.2. Тест.
- •5.3. Решение типовых задач
- •5.4. Задачи для самостоятельной работы
- •Занятие 6. Формула Бейеса.
- •6.1. Краткая теоретическая часть
- •6.2.Тест
- •6.3. Решение типовых задач
- •6.4. Задачи для самостоятельной работы
- •Занятие 7. Последовательные независимые испытания.
- •7.1. Краткая теоретическая часть
- •7.2. Тест
- •7.3. Решение типовых задач
- •7.4. Задачи для самостоятельной работы
- •Занятие 8. Дискретные и непрерывные случайные величины.
- •8.1. Краткая теоретическая часть а) Ряд, многоугольник и функция распределения случайной дискретной величины
- •8.2. Тест
- •А) только к дискретным случайным величинам
- •8.3. Решение типовых задач а) Ряд, многоугольник и функция распределения случайной дискретной величины
- •Б) Функция распределения и плотность вероятности непрерывной случайной величины
- •8.4. Задачи для самостоятельной работы а) Ряд, многоугольник и функция распределения случайной дискретной величины
- •Занятие 9. Числовые характеристики дискретных случайных величин.
- •9.1. Краткая теоретическая часть
- •9.2. Тест
- •9.3. Решение типовых задач
- •9.4. Задачи для самостоятельной работы
- •Занятие 10. Дискретные и непрерывные случайные величины.
- •10.1. Краткая теоретическая часть
- •10.2. Тест
- •10.3. Решение типовых задач
- •10.4. Задачи для самостоятельной работы
- •Занятие 11. Закон Пуассона.
- •11.1. Краткая теоретическая часть
- •11.2. Тест
- •11.3. Решение типовых задач
- •11.4. Задачи для самостоятельной работы
- •Занятие 12. Закон нормального распределения.
- •12.1. Краткая теоретическая часть
- •12.2. Тест
- •12.3. Решение типовых задач
- •12.4. Задачи для самостоятельной работы
- •Литература
10.3. Теорема Лапласа.
Если - число появлений случайного события А в п независимых повторных испытаниях с исходами , вероятности которых , то
|
(10.3.1) |
Доказательство. Пусть - число появлений события А в i-м независимом повторном испытании в серии из п испытаний. Очевидно это - дискретная случайная величина с рядом распределения:
0 |
1 |
q |
р |
где .
Очевидно, существуют
|
|
|
(10.3.2) |
|
|
В силу независимости испытаний случайные величины можно считать независимыми.
Таким образом, для рассматриваемых здесь случайных величин выполняются все условия теоремы Ляпунова.
Следовательно, имеет место соотношение (10.2.2).
Случайную величину в выражении (10.2.2) в рассматриваемом случае можно представить в виде
|
(10.3.3) |
где
|
|
при условии независимости случайных величин .
Таким образом, доказано, что если выполнены условия теоремы Лапласа, то
|
|
Отсюда, учитывая определение стандартного нормального закона , находим, что соотношение (10.3.1) справедливо.
2. Практические занятия, тесты, самостоятельная работа. Занятие 1. Непосредственный подсчет вероятности с использованием классического определения вероятности.
1.1. Краткая теоретическая часть.
Классическое определение вероятности сводит понятие вероятности к понятию равновероятности (равновозможности) событий, которое считается основным и не подлежит формальному определению. Для примера: при бросании кубика, который имеет точную форму куба и изготовлен из вполне однородного материала, равновероятными событиями будут выпадения какого-нибудь определенного числа очков (1,2,3,4,5,6), обозначенного на гранях этого куба, поскольку в силу наличия симметрии ни одна из граней не имеет объективного преимущества перед другими.
В общем случае рассмотрим какую-либо группу G, состоящую из n попарно несовместимых равновозможных событий (назовем их элементарными событиями): .
Образуем теперь систему F, состоящую из невозможного события V, всех событий Ek группы G и всех событий А,B,С… которые могут быть подразделены на частные случаи, входящие в состав группы G.
Например, если группа G состоит из трех событий , то в системуF входят события V, E1,E2,E3,E1+E2, E2+E3, E1+E3,U=E1+E2+E3. и т.д.
Легко установить, что система F есть поле событий. В самом деле, очевидно, что сумма, разность и произведение событий из F входят в F; невозможное событие V входит в F по определению, а достоверное событие U входит в F, так как оно представляется в виде
Классическое определение вероятности дается для событий системы F и может быть сформулировано так:
Если событие А подразделяется на т частных случаев, входящих в полную группу из n попарно несовместимых и равновозможных событий, то вероятность Р(A) события А равна
Например, при однократном бросании игральной кости полная группа попарно несовместимых и равновероятных событий состоит из событий , которые состоят соответственно в выпадении 1,2,3,4,5,6 очков. Событие, состоящее в выпадении четного числа очков, подразделяется на три частных случая, входящих в состав полной группы несовместимых и равновероятных событий. Поэтому вероятность событияС равна .
Очевидно также, что в силу принятого определения
и т. д.
В теории вероятностей широко используется следующая терминология, к которой мы часто впоследствии будем обращаться. Представим себе, что для выяснения вопроса, произойдет или не произойдет событие А (например, выпадение числа очков, кратного трем), необходимо произвести некоторое испытание (т. е. осуществить комплекс условий), которое дало бы ответ на поставленный вопрос (в нашем примере требуется бросить игральную кость). Полная группа попарно несовместимых и равновероятных событий, которые могут произойти при таком испытании, называется полной группой возможных результатов испытания. Те из возможных результатов испытания, на которые подразделяется событие А, называются результатами испытания, благоприятствующими А. Пользуясь этой терминологией, можно сказать, что вероятность Р(A) события А равняется отношению числа возможных результатов испытания, благоприятствующих событию А, к числу всех возможных результатов испытания.