- •1)Случайные события , действия над событиями.
- •2)Общее определение вероятности. Классическое определение вероятности.
- •4).Вероятность суммы событий
- •3). Свойства несовместных событий.
- •5). Условная вероятность. Зависимые и независимые события.
- •6)Формула полной вероятности. Формула Байеса.
- •7) Повторение испытаний. Формула Бернулли.
- •8) Функция Лапсласа. Свойства функции.
- •10). Формула Пуассона.Связь между формулами Пуассона и Бернулли.
- •9) Локальная и интегральная теоремы Лапласа.
- •13).Биноминальное распределение ( Математическое ожидание)
- •14).Биноминальное распределение ( Дисперсия)
- •15).Распределение Пуассона( закон нормировки ,математическое ожидание).
- •16).Распределение Пуассона(дисперсия).
- •17) Функция распределения. Её свойства.
- •18).Непрерывная случайная величина. Плотность распределения н.С.В..
- •19) Характеристики н.С.В. Свойства матем.Ожидания и дисперсии н.С.В.
- •20). Равномерное распределение .Плотность и функция распределения.
- •21). Равномерное распределение . Математическое ожидание и дисперсия.
- •22) Нормальное распределение .Его плотность.
- •23) Нормальное распределение .Его математическое ожидание.
- •24) Нормальное распределение . Дисперсия.
- •25) Вероятность попадания нормально распределённой с.В. В интервал.
- •27) Показательное распределение. Условие нормировки.
- •28) Показательное распределение. Математическое ожидание.
- •29) Показательное распределение. Дисперсия.
- •30) Функции случайных величин. Примеры.
- •31) Функции двух случайных величин. Примеры.
- •32) Системы случайных величин. Примеры
- •34) Основы математической статистики (примеры).
- •35).Статистические оценки неизвестных параметров распределения. Оценка мат.Ожидания и дисперсии.
- •36). Доверительный интервал для оценки математического ожидания при известном .
5). Условная вероятность. Зависимые и независимые события.
Пример. Монета брошена два раза. Вероятность появления "герба" в первом испытании (событие ) не зависит от появления или не появления "герба" во втором испытании (событие ). В свою очередь, вероятность появления "герба" во втором испытании не зависит от результата первого испытания. Таким образом, события и -независимые.
Событие A называется независимым от события B, если возможность наступления события A не зависит от того, произошло событие B или нет. ( Например, если в цехе работают две автоматические линии, по условиям производства не взаимосвязанные, то остановки этих линий являются независимыми событиями).
События называются зависимыми, если одно из них влияет на вероятность появления другого. (Например, две производственные установки связаны единым технологическим циклом. Тогда вероятность выхода из строя одной из них зависит от того, в каком состоянии находится другая).
Условной вероятностью события B при наличии A называется величина
(2.8)(при этом полагается, что P(A) не равно 0).
Условную вероятность события P(B/A) можно трактовать как вероятность события B, вычисленную при условии, что событие A произошло.
Заметим, что если имеется несколько событий A1, A2, …, An, то их попарная независимость (т.е. независимость любых двух событий Ai и Aj, i≠j) еще не означает их независимости в совокупности.
Пример. В ящике находятся 5 резцов: два изношенных и три новых. Производится два последовательных извлечения резцов. Определить условную вероятность появления изношенного резца при втором извлечении при условии, что извлеченный в первый раз резец в ящик не возвращается.
Решение. Обозначим извлечение изношенного резца в первом случае, а — извлечение нового. Тогда . Поскольку извлеченный резец в ящик не возвращается, то изменяется соотношение между количествами изношенных и новых резцов. Следовательно, вероятность извлечения изношенного резца во втором случае зависит от того, какое событие осуществилось перед этим.
Обозначим событие, означающее извлечение изношенного резца во втором случае. Вероятности этого события могут быть такими:
Следовательно, вероятность события зависит от того, произошло или нет событие .
6)Формула полной вероятности. Формула Байеса.
Допустим, что проводится некоторый опыт, об условиях которого можно сделать n исключающих друг друга предположений (гипотез): { H1, H2, ¼, Hn}, Hi Ç Hj=Æ при i¹j.
Каждая гипотеза осуществляется случайным образом и представляет собой некоторые события, вероятности которых известны: .
Рассматривается некоторое событие A, которое может появиться только совместно с одной из гипотез
Заданы условные вероятности события A при каждой из гипотез:
Требуется найти вероятность события A. Для этого представим событие A как сумму n несовместных событий A = (AÇH1)È(AÇH2) È... È(AÇHn).
По правилу сложения вероятностей .
По правилу умножения вероятностей P(HiÇA)=P(Hi)×P(A/Hi).
Тогда полная вероятность события A: ,
т.е. полная вероятность события A вычисляется как сумма произведений вероятности каждой гипотезы на условную вероятность события при этой гипотезе. Эта формула применяется в тех случая, когда опыт со случайным исходом распадается на два этапа: на первом “разыгрываются” условия опыта, а на втором – его результаты.
Следствием правила умножения, и формулы полной вероятности является теорема гипотез или формула Байеса.
По условиям опыта известно, что гипотезы несовместны, образуют полную группу событий: Ø при и .
Вероятности гипотез до опыта (так называемые «априорные вероятности») известны и равны ;
Предположим, что опыт произведен и в результате появилось событие A. Спрашивается, как нужно пересмотреть вероятность гипотез с учетом этого факта, или, другими словами, какова вероятность того, что наступлению события A предшествовала гипотеза (послеопытные вероятности называются апостериорными): .
Вероятность наступления события A совместно с гипотезой Hk определяется с использованием теоремы умножения вероятностей: P(AÇHk)=P(Hk)×P(A/Hk)=P(A)×P(Hk/A).
Таким образом, можно записать: P (Hk/A) =P (Hk) ×P (A/Hk)/P (A).
С использованием формулы полной вероятности .
Формула (3.8) называется формулой Байеса. Она позволяет пересчитывать вероятности гипотез в свете новой информации, состоящей в том, что опыт дал результат А