- •Учреждение образования Белорусский государственный университет информатики и радиоэлектроники
- •Общие сведения Сведения об эумк
- •Методические рекомендации по изучению дисциплины
- •Рабочая учебная программа
- •Учреждение образования
- •«Белорусский государственный университет
- •Информатики и радиоэлектроники»
- •Пояснительная записка
- •Содержание дисциплины
- •2. Перечень тем практических занятий, их содержание и объем в часах
- •3. Литература
- •3.2 Дополнительная
- •4. Контрольные работы, их характеристика
- •5. Учебно-методическая карта дисциплины
- •Теоретический раздел Лекция 1
- •1.1 Введение
- •1.2 Основные понятия
- •1.3 Аксиомы теории вероятностей
- •1.4 Непосредственный подсчет вероятностей
- •1.5 Основные комбинаторные формулы
- •Лекция 2
- •2.1 Геометрическое определение вероятностей
- •2.2 Теоремы сложения вероятностей
- •2.3 Условная вероятность
- •2.4 Зависимые и независимые события
- •2.5 Теоремы умножения вероятностей
- •2.6 Вероятность безотказной работы сети
- •Лекция 3
- •3.1 Формула полной вероятности
- •3.2 Формула Байеса
- •3.3 Теорема о повторении опытов
- •Формула Пуассона
- •Формулы Муавра-Лапласа
- •Лекция 4
- •4.1 Случайные величины. Закон распределения вероятностей
- •4.2 Функция распределения
- •4.3 Ряд распределения
- •4.4 Плотность распределения
- •Лекция 5
- •5.1 Числовые характеристики случайной величины
- •5.1.1 Математическое ожидание
- •5.1.2 Начальные моменты
- •5.1.3 Центральные моменты
- •5.1.4 Дисперсия
- •5.1.5 Среднее квадратическое отклонение
- •5.1.6 Мода
- •5.1.7 Медиана
- •6.2 Типовые законы распределения непрерывных случайных величин
- •6.2.1 Равномерное распределение
- •6.2.2 Экспоненциальное распределение
- •6.2.3 Нормальное распределение
- •Лекция 7
- •7.1. Закон распределения функции случайного аргумента
- •7.1.1 Монотонно возрастающая функция
- •7.1.2 Монотонно убывающая функция
- •7.1.3 Немонотонная функция
- •7.2 Числовые характеристики функции случайного аргумента
- •7.2.1 Характеристическая функция случайной величины
- •Лекция 8
- •8.1 Двухмерные случайные величины. Двухмерный закон распределения
- •8.1.1 Двухмерная функция распределения
- •8.1.2 Матрица распределения
- •8.1.3 Двухмерная плотность распределения
- •8.2 Зависимые и независимые случайные величины
- •8.3 Условные законы распределения
- •Лекция 9
- •9.1 Числовые характеристики двухмерных величин
- •9.1.1 Смешанные начальные моменты
- •9.1.2 Смешанные центральные моменты
- •9.1.3 Корреляционный момент
- •9.1.4 Коэффициент корреляции
- •9.2Условные числовые характеристики
- •9.2.1 Pегрессия
- •Лекция 10
- •10.1 Нормальный закон распределения на плоскости
- •10.2 Закон распределения функции двух случайных величин
- •10.3 Многомерные случайные величины
- •10.3.1 Функция распределения
- •10.3.2 Плотность распределения
- •10.3.3 Числовые характеристики
- •11.2.2 Теорема о дисперсии суммы
- •11.3 Числовые характеристики произведения случайных величин
- •11.3.1 Теорема о математическом ожидании произведения
- •11.3.2 Теорема о дисперсии произведения
- •Лекция 12
- •12.1 Закон больших чисел
- •12.1.1 Неравенство Чебышева
- •12.1.2 Теорема Чебышева
- •12.1.3 Теорема Бернулли
- •12.2 Центральная предельная теорема
- •Лекция 13
- •13.1 Математическая статистика. Основные понятия
- •13.2 Оценка закона распределения
- •13.2.1 Эмпирическая функция распределения
- •13.2.2 Статистический ряд распределения
- •13.2.3 Интервальный статистический ряд
- •13.2.4 Гистограмма
- •Лекция 14
- •14.1 Точечные оценки числовых характеристик
- •14.1.1 Оценка математического ожидания
- •14.1.2 Оценка начального момента
- •14.1.3 Оценка дисперсии
- •14.1.4 Оценка центрального момента
- •14.1.5 Оценка вероятности
- •14.2 Оценка параметров распределения
- •14.3 Интервальные оценки числовых характеристик
- •14.3.1 Доверительный интервал для математического ожидания
- •14.3.2 Доверительный интервал для дисперсии
- •14.3.3 Доверительный интервал для вероятности
- •Лекция 15
- •15.1 Проверка статистических гипотез
- •15.1.1 Проверка гипотезы о равенстве вероятностей
- •15.2 Критерии согласия
- •15.2.1 Критерий Пирсона
- •15.2.2 Критерий Колмогорова
- •Лекция 16
- •16.1 Статистическая обработка двухмерных случайных величин
- •16.1.1 Оценка корреляционного момента
- •16.2.1 Гипотеза о равенстве математических ожиданий
- •16.2.2 Гипотеза о равенстве дисперсий
- •16.2.3 Гипотеза о равенстве законов распределения
- •Лекция 17
- •17.1 Оценка регрессионных характеристик
- •17.1.1 Метод наименьших квадратов
- •Практический раздел Контрольные работы Указания по выбору варианта
- •Контрольная работа №1. Теория вероятностей Задача 1. Случайные события. Вероятность события Условия вариантов задачи
- •Методические указания
- •Основные комбинаторные формулы
- •Примеры
- •Задача 2. Теоремы сложения и умножения вероятностей Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 3. Формула полной вероятности. Формула Байеса Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 4. Формула Бернулли Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 5. Дискретная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 6. Непрерывная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 7. Закон распределения функции случайного аргумента Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 8. Двухмерные случайные величины Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 9. Числовые характеристики суммы и произведения случайных величин Условия вариантов задачи
- •Методические указания
- •Примеры
- •Контрольная работа №2. Математическая статистика Задача 10. Обработка одномерной выборки Условие задачи
- •Методические указания
- •Оценка закона распределения
- •Точечные оценки числовых характеристик
- •Интервальные оценки числовых характеристик
- •Проверка статистических гипотез
- •Примеры
- •Задача 11. Обработка двухмерной выборки Условие задачи
- •Методические указания
- •Оценка регрессионных характеристик
- •Примеры
- •8,74746;
- •8,86278
2.6 Вероятность безотказной работы сети
Событие B - безотказная работа сети, состоящей из n независимо работающих элементов Ai. Надежность (вероятность безотказной работы) каждого элемента известна. Необходимо определить вероятность безотказной работы сети в целом.
Рассмотрим последовательное соединение элементов:
Очевидно, что а с учетом (2.9)
. (2.11)
Для параллельного соединения
, а с учетом (2.10)
, (2.12)
где .
Сети с любой другой схемой соединения всегда можно представить в виде участков либо с последовательным, либо с параллельным соединением и вероятность безотказной работы сети определить последовательно, применяя формулы (2.11) и
(2.12).
Лекция 3
3.1 Формула полной вероятности
Следствием обеих теорем вероятности – теоремы сложения и теоремы умножения – является формула полной вероятности.
Пусть проводится опыт, об условиях которого можно сделать n исключающих друг друга предположений (гипотез), образующих полную группу:
.
Каждая из гипотез осуществляется случайным образом и представляет собой случайное событие. Вероятности гипотез известны и равны:
.
Рассмотрим некоторое событие А, которое может появиться только вместе с одной из гипотез. Известны условные вероятности события А для каждой из гипотез:
P(A/H1), p(A/H2), … p(A/Hn).
Требуется определить полную (безусловную) p(А) вероятности события А.
Представим событие А как сумму из n несовместимых вариантов:
.
На основании второй аксиомы
.
С учетом теоремы умножения вероятностей p(HiA) = p(Hi)p(A/Hi), тогда
. (3.1)
3.2 Формула Байеса
Базируется на формуле полной вероятности и теореме умножения вероятностей.
Пусть до проведения некоторого опыта об его условиях n можно сделать n исключающих друг друга предположений (гипотез), образующих полную группу:
.
Вероятности гипотез до опыта (априорные вероятности) известны:
p(H1), p(H2), … p(Hn).
Опыт произведен, и произошло некоторое событие А. Требуется определить вероятности гипотез с учетом того, что произошло событие А, т.е. определить апостериорные вероятности: p(H1/A), p(H2/A), … p(Hn/A).
Вероятность того, что событие А произошло совместно с Нi, на основании теоремы умножения, вероятностей равна p(HiA) = p(Hi)p(A/Hi) = p(A)p(Hi/A).
Отбросим левую часть равенства и выразим p(Нi/А):
Раскроем p(A) по формуле полной вероятности (3.1) и получим формулу Байеса
(3.2)
Формула Байеса позволяет пересчитать априорные вероятность гипотез с учетом того, что опыт завершился событием А.
3.3 Теорема о повторении опытов
Пусть проводятся n независимых одинаковых опытов, в каждом из которых событие А появляется с вероятностью р. Вероятность P(n,k) того, что событие А произойдет ровно в k опытах, равна (формула Бернулли)
, (3.3)
где q = 1 – р - вероятность того, что А не появится в одном опыте.
Доказательство. Обозначим через Вk появление события А в k опытах и появление А в n - k опытах. Событие Вk представляет собой сумму несовместимых событий:
где Аi – появление и не появление событиеА в i-м опыте.
Определим вероятность одного из слагаемых. Так как все опыты одинаковы, то вероятности всех вариантов одинаковы и равны
.
Количество вариантов таких сложных событий равно числу выборок к номеров опытов из n возможных, в которых произойдут события А, т.е. равно числу сочетаний без повторения элементов . Так как эти события несовместимы, то на основании второй аксиомы :.
Свойства формулы Бернулли:
1. Правая часть формулы (3.3) представляет собой общий член разложения бинома Ньютона:
(3.4)
2. Рекуррентная формула P(n,k)имеет вид
(3.5)
3. Число к0, которому соответствует максимальная вероятность , называется наивероятнейшим числом появления события А и определяется неравенствами
(3.6)
Доказательство.,
а .
Итак, при функция возрастает, а при - убывает. Тогда существует точка k0, в которой достигает максимума, т.е. .
Решив данную систему неравенств относительно k0 , получим (3.6).
4. Вероятность того, что в n опытах схемы Бернулли, событие А появится от до раз (), равна
. (3.7)
5 Вероятность того, что в n опытах событие А появится хотя бы один раз, равна
. (3.8)
Пусть производится n независимых опытов, каждый из которых имеет, r (r>2) попарно несовместных и единственно возможных исходов с вероятностями .
Требуется определить вероятность того, что из серии n независимых опытов исход наступитраз, , то
. (3.9)
Вычисление вероятностей при больших значенияхпо формуле Бернулли проблематично. Поэтому вычисление соответствующих вероятностей проводится с помощью следующих приближенных формул.