- •Вероятность событий
- •1.1 Элементарные понятия теории вероятности.
- •1.2 Операции над случайными событиями
- •1.3 Вероятность случайного события
- •1.4 Формулы комбинаторики
- •1.5 Вероятность произведения событий
- •1.6 Вероятность суммы событий
- •1.7 Формула полной вероятности. Формула Байеса.
- •Независимые повторные испытания
- •2.1 Формула Бернулли
- •2.2 Наивероятнейшее число появлений успеха в n независимых испытаниях.
- •2.3 Обобщение формулы Бернулли
- •2.4 Формула Пуассона
- •2.5 Локальная теорема Лапласа.
- •2.6 Интегральная теорема Лапласа
- •2.7 Вероятность отклонения относительной частоты от вероятности события a
- •Дискретные случайные величины
- •3.1 Основные определения
- •3.1.1.Дискретная случайная величина
- •3.1.2 Функция дискретной случайной величины
- •3.2 Законы распределения случайной дискретной величины
- •3.2.1. Биномиальное распределение
- •3.2.2. Распределение Пуассона
- •3.2.3. Геометрическое распределение
- •3.2.4. Гипергеометрическое распределение
- •3.3 Числовые характеристики дискретной случайной величины.
- •3.3.1. Математическое ожидание дискретной случайной величины
- •3.3.2. Математическое ожидание функции дискретной случайной величины
- •3.3.3. Свойства математического ожидания
- •3.3.4. Дисперсия дискретной случайной величины
- •3.3.5. Основные свойства дисперсии
- •3.4 Другие числовые характеристики дискретной случайной величины
- •3.4.1 Среднеквадратическое отклонение
- •3.4.2. Моменты k-го порядка
- •3.4.3. Нормированная случайная величина
- •3.4.4. Функция распределения дискретной случайной величины.
- •3.4.5. Мода и медиана дискретной случайной величины
- •3.4.6. Ковариация и коэффициент корреляции
- •Непрерывные случайные величины.
- •4.1. Функция распределения и плотность вероятности непрерывной случайной величины
- •5.2. Функция непрерывной случайной величины
- •5.3. Основные характеристики непрерывной случайной величины
- •5.3.1. Математическое ожидание
- •5.3.2. Дисперсия
- •5.3.3. Мода и медиана
- •5.3.4. Моменты k-го порядка
- •5.3.5. Асимметрия и эксцесс.
- •5.3. Законы распределения непрерывной случайной величины
- •5.3.1. Равномерное распределение
- •5.3.2. Показательное распределение
- •5.3.3. Нормальное распределение
- •5. Закон больших чисел
- •5.1. Центральная предельная теорема
- •5.2. Неравенство и теорема Чебышева.
- •5.3. Теорема Бернулли (Закон больших чисел)
- •5.4. Эмпирическая оценка параметров случайной величины
- •Система двух случайных величин
- •6.1. Закон распределения дискретной двумерной случайной величины
- •6.2. Функция распределения двумерной случайной величины
- •6.3. Свойства функции распределения двумерной случайной величины
- •6.4. Функция плотности вероятности непрерывной двумерной случайной величины
- •6.5. Функция двумерной случайной величины
- •6.6. Условные законы распределения составляющих двумерной случайной величины
- •6.6.1. Условные законы распределения дискретной случайной величины
- •6.6.2. Условные законы распределения непрерывной случайной величины
- •6.6.3. Условное математическое ожидание
- •6.7. Корреляция случайных величин
- •6.7.1 Независимость компонент двумерной случайной величины
- •6.7.2. Корреляционный момент и коэффициент корреляции
- •6.7.3. Линейная регрессия, линейная корреляционная зависимость.
Независимые повторные испытания
2.1 Формула Бернулли
Пусть последовательно проводятся n одинаковых независимых испытаний, в каждом из которых событие A может произойти с вероятностью P(A)=p. Вероятность того, что событие A не произойдет P(Ā)=1-p=q.
По сути дела, речь идет о том, чтобы случайным образом заполнить n возможных позиций событиями A и Ā. Например, результат серии испытаний может быть таким: A Ā A Ā A ... Ā. Число возможных исходов каждого независимого испытания - два (A и Ā), всего испытаний n, и, согласно принципу умножения, число различных последовательностей, состоящих из событий A и Ā равно 2n.
Поскольку все испытания независимы, вероятность каждого общего результата для серии n испытаний определяется как произведение вероятностей отдельных исходов. Например, вероятность того, что событие A появится во всех n случаях составляет pn. Вероятность того, что неудача произойдет только в первом испытании равна pn-1q. Вместе с тем, результатов с одной неудачей может быть n=Cn1 и вероятность события «в n испытаниях n-1 раз появилось событие A» составляет Cn1pn-1q. В общем случае, вероятность того, что в серии n независимых испытаний событие A появится k раз дается формулой Бернулли:
Pn(k)=Cnkpkq n-k,
где 0kn.
Вероятности Pn(k) называются биномиальными, поскольку Cnkpkq n-k – общий член разложения бинома Ньютона.
n
(p+q)n=Cnkpkq n-k
k=0
Поскольку p+q=1, то
n n
Pn(k) = Cnkpkq n-k=1
k=0 k=0
Рассмотрим следующий пример. Пусть известно, что число стальных деталей в партии в два раза больше, чем число чугунных. Необходимо найти вероятность того, что из трех наудачу взятых деталей 2 окажутся стальными. В этой задаче вероятность того, что наудачу выбранная деталь окажется стальной p=2/3, вероятность противоположного события q=1/3 и
P3(2)=C32(2/3)2(1/3) 1=4/9=0.444
2.2 Наивероятнейшее число появлений успеха в n независимых испытаниях.
Зафиксируем значения n, p и q. В этом случае вероятность Pn(k) можно рассматривать как функцию k. Например при n=3
P3(0)=C30p0q 3= q 3
P3(1)=C31p1q 2=3pq 2
P3(2)=C32p2q 1=3p2q
P3(3)=C33p3q 0=p3
Если построить значения вероятности на графике для определенных p и q, можно будет увидеть, какому числу успехов k соответствует максимальное значение вероятности P3(k).
Найдем k, при котором Pn(k) принимает максимальное значение в общем случае. Можно показать, что отношение
Pn(k+1) /Pn(k) =(n-k)p/(k+1)/q
Следовательно, Pn(k+1) Pn(k) при условии (n-k)p (k+1)/q. Перепишем последнее неравенство как np-q k(p+q)= k. Когда знак неравенства меняется, значение вероятности начинает убывать с ростом k. Равенство Pn(k+1) = Pn(k), соответствующее максимальному значению вероятности, реализуется при условии k=k0=np-q и k+1=k0+1=np-q +1=p(n+1). Данное равенство возможно только в случае, если np-q - целое число. В случае, когда np-q является дробным, к его целой части необходимо прибавить единицу - k0=[np-q] +1 , то есть в качестве k0 берется наименьшее целое значение k, превосходящее np-q. В этом случае наблюдается только одно максимальное значение Pn(k0).
Пусть необходимо найти наиболее вероятное число выпадений герба при 20 и 25 бросках монеты. В этой задаче p =q=0.5. При n =20 np-q =10-0.5=9.5, k0=[9.5] +1=10. При n =25 np-q = 12.5-0.5=12, k0=12, k0+1=13.