- •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.
2.6 Интегральная теорема Лапласа
Пусть проводятся n независимых одинаковых испытаний, число исходов одного испытания равно двум (A и Ā), p - вероятность появления события A - постоянна и отлична от нуля и единицы. Вероятность того, что событие A появится в n испытаниях от k1 до k2 раз
x΄΄
Pn(k1, k2) 1/(2)0.5∫e-z2/2dz=Ф(x΄΄)-Ф(x΄)
x΄
Входящая в это выражение функция Лапласа
x
Ф(x) = 1/(2)0.5∫e-z2/2dz
0
является нечетной, Ф(x) = -Ф(-x), ее значения также затабулированы. Входящие в выражение для функции Лапласа переменные x΄΄=(k2-np)/(npq)0.5, x΄=(k1-np)/(npq)0.5.
Рассмотрим в качестве примера следующую задачу. Пусть вероятность того, что изготовленная заводом деталь имеет брак, равна 0.2. Необходимо найти вероятность того, что из 400 деталей бракованных окажется не менее 70 и не более 100. Подставим имеющиеся данные в формулу
x΄΄= (70-4000.2)/(4000.20.8)0.5= -1.25,
x΄= (100-4000.2)/(4000.20.8)0.5=2.5,
P400(70,100)Ф(2.5)-Ф(-1.25)=Ф(2.5)+Ф(1.25)=
=0.4938+0.3344=0.8882
2.7 Вероятность отклонения относительной частоты от вероятности события a
Пусть проводится n одинаковых независимых испытаний, в каждом из которых событие A может появиться с вероятностью p. При достаточно большом n относительная частота А= nА/n (nА - число испытаний, в которых появилось событие А) будет близка к известному значению вероятности p. Вероятность того, что отклонение относительной частоты от вероятности p окажется не больше, чем малая величина
P(|А -p|)=2Ф((n/pq)0.5)
Выражение в скобках можно переписать в виде
-nA/n-p
Таким образом, нам необходимо найти вероятность того, что в n независимых испытаниях событие A появится nА раз, где nА лежит в пределах k1, k2
k1=(p -)n nA (+ p)n=k2
Если подставить k1 и k2 в формулы для интегральной теоремы Лапласа, получим
x΄΄=(n/pq)0.5
x΄=-(n/pq)0.5
и вероятность попадания nA в заданный интервал
Pn(k1, k2) 2Ф((n/pq)0.5)
Дискретные случайные величины
3.1 Основные определения
3.1.1.Дискретная случайная величина
Пусть определено испытание и пространство его элементарных исходов , которое является конечным либо счетным (каждому элементу можно присвоить свой уникальный номер i). Дискретной случайной величиной называется произвольная числовая функция, определенная на таком пространстве . Каждому элементарному исходу i (наступающему с вероятностью pi0) эта функция ставит в соответствие определенное значение случайной величины x(i). Для обозначения случайных величин используются большие латинские буквы (X, Y, Z...). Соответствие ix(i) не обязательно взаимно-однозначное, нескольким элементарным исходам может соответствовать одно и то же значение случайной величины xk. В этом случае вероятность того, что случайная величина примет данное значение, определяется как сумма вероятностей всех соответствующих исходов
pk=pi (x(i)= xk)
i
Совокупность пар {xk, pk} называется законом распределения случайной величины X. Обычно закон распределения дискретной случайной величины строится в виде таблицы:
X
xk
x1
x2
...
xm
pk
p1
p2
...
pm
Для любого закона распределения сумма всех вероятностей pk должна быть равна 1.
В качестве примера построим закон распределения для случайной величины X, которая представляет собой число выпавших гербов при броске трех монет:
Число элементарных исходов испытания, состоящего в броске трех монет согласно принципу умножения равно 23 (каждая монета может выпасть двумя способами). Число исходов, благоприятных событию “не выпало ни одного герба” равно C30=3!/(3!0!)=1, событию “ выпал один герб” равно C31=3!/(2!1!)=3, событию “ выпало два герба” равно C32=3!/(2!1!)=3, событию “ выпало три герба” равно C33=1, и закон распределеня выглядит как
X
xk
0
1
2
3
pk
1/8
3/8
3/8
1/8
Найдем закон распределения для числа белых шаров среди трех, наудачу отобранных из коробки, в которой есть 2 белых и три черных шара. Вероятности того, что будет вынуто 0 шаров, 1 и 2 шара соответственно равны p(0)=C20C33/C53=1/10, p(1)= C21C32/C53=6/10, p(2)= C22C31/C53=3/10, и закон распределения выглядит как
Y
yi
0
1
2
3
pi
1/8
3/8
3/8
1/8
Закон распределения числа бросков кубика до появления первой единицы будет выглядеть как
zi
0
1
2
...
k
pi
1/6
1/65/6
1/6(5/6)2
...
1/6(5/6)k
Z