- •Раздел III. Теория вероятностей и математическая статискика Лекция 17. Основные понятия теории вероятностей
- •17.1. Введение. Предмет теории вероятностей
- •17.2. Краткий исторический очерк
- •17.3. Случайное событие. Его частота
- •17. 4. Классическое определение вероятности. Непосредственный подсчет вероятностей.
- •Лекция 18. Алгебра событий. Основные теоремы теории вероятностей
- •18.1. Алгебра событий
- •18.2. Теорема сложения вероятностей
- •18.3. Полная группа событий. Противоположные события
- •18.4. Теорема умножения вероятностей Независимые и зависимые события.
- •18.5. Теорема умножения вероятностей независимых событий
- •18.6. Условная вероятность
- •18.7. Теорема умножения вероятностей зависимых событий
- •Лекция 19. Основные теоремы теории вероятностей (продолжение)
- •19.1. Теорема сложения вероятностей совместных событий
- •19. 2. Формула полной вероятности
- •19.3. Формулы Бейеса (формулы переоценки вероятностей гипотез)
- •19. 4. Повторение испытаний. Формула Бернулли
- •Лекция 20. Случайные величины и их законы распределения
- •20.1. Дискретные и непрерывные случайные величины
- •Понятие закона распределения вероятностей дискретной случайной величины
- •20. 3. Биноминальное распределение
- •20. 4. Распределение Пуассона
- •20. 5. Простейший пуассоновский поток событий
- •21.2. Математическое ожидание и его основные свойства
- •21.3. Дисперсия дискретной случайной величины
- •21.4. Среднее квадратическое отклонение
- •21.5. Свойства дисперсии
- •21. 6. Понятие о моментах распределения
- •21.7. Определение интегральной функции распределения
- •21.8. Свойство интегральной функции
- •21.9. График интегральной функции
- •22.2. Вероятность попадания непрерывной случайной
- •22.3. Нахождение интегральной функции распределения по известной дифференциальной
- •22.4. Свойства дифференциальной функции. Ее вероятностный смысл
- •22.5. Математическое ожидание. Дисперсия. Среднее квадратическое отклонение
- •22.6. Начальные и центральные моменты
- •22.7. Коэффициент асимметрии
- •22.8. Эксцесс
- •22.9. Мода. Медиана
- •Лекция 23. Законы распределения непрерывной случайной величины
- •Закон равномерного распределения или закон равномерной плотности
- •23.2. Нормальное распределение
- •23.3. Вероятность попадания случайной величины, подчиненной нормальному закону, на интервал [
- •23.4. Правило трех сигм
- •Лекция 24. Система случайных величин
- •24.1. Понятие о системе случайных величин
- •24.2. Закон распределения вероятностей дискретной двумерной случайной величины
- •24.3. Интегральная и дифференциальная функция распределения двумерной случайной величины и их свойства
- •24.4. Условные законы распределения составляющих системы дискретных случайных величин
- •24.5. Числовые характеристики системы двух случайных величин
- •24.6. Коррелированность и зависимость случайных величин
- •Лекция 25. Предельные теоремы
- •25.1. Закон больших чисел
- •25.2. Теорема Чебышева
- •25.3. Теорема Бернулли
- •25.4. Центральная предельная теорема
17. 4. Классическое определение вероятности. Непосредственный подсчет вероятностей.
Пусть в урне 6 одинаковых и тщательно перемешанных шаров, причем 2 - красные, 3 - синие, 1 - белый. Очевидно, возможность вынуть на удачу из урны цветной шар больше, чем белый. Дадим количественную оценку возможности того, что взятый наудачу шар будет цветным. Пусть появление цветного шара - событие А. Испытание - извлечение шара из урны. Элементарных исходов 6: Е1- появляется белый шар, Е2, Е3- красный, Е4, Е5, Е6 - появится синий шар. Легко видеть, что эти исходы единственно возможны (обязательно появится один шар) и равновозможны (все шары одинаковы и перемешаны). В примере благоприятствуют событию А 5 исходов Е2, Е3, Е4, Е5, Е6.
Определение 2. Вероятность события А называется отношение числа m благоприятствующих этому событию исходов к общему числу n всех единственно возможных и равновозможных элементарных исходов испытания.
Р (А)=
В рассмотренном примере Р (А)= .
Из определения вероятности вытекают следующие ее свойства:
Вероятность достоверного события=1.
Вероятность невозможного события равна нулю. В этом случае m=0 и р(А)= =0.
3. Вероятность случайного события есть положительное число, причем
0<р(А)<1.
Действительно, случайному событию благоприятствует лишь часть исходов испытания, т.е. 0<m<n, а значит 0< <1, т.е. 0<р(А)<1.
Итак, вероятность любого события удовлетворяет неравенству 0 р(А) 1.
Пример 1. Куб, все грани которого обработаны, распилен на 512 кубиков одинакового размера. Полученные кубики тщательно перемешаны.
Определить вероятность того, что кубик, извлеченный наудачу, будет иметь две обработанные поверхности.
Решение. n=512. Куб имеет 12 ребер, на каждом из каждом из которых уменьшается по 6 кубиков, имеющих по две обработанных грани, т.е. m=126=72
р(А)= , где А - событие: кубик, извлеченный наудачу имеет две обработанных грани.
«Классическое» определение вероятности предполагает, что число элементарных исходов испытания - конечно. На практике весьма часто встречаются испытания, число исходов которых бесконечно. В таких случаях классическое определение неприменимо. Наиболее слабая сторона «классического» определения состоит в том, что очень часто результат испытания нельзя представить в виде совокупности элементарных исходов, да еще равновозможными. По этим причинам наряду с классическим определением вероятности пользуются также статистическим определением вероятности, принимая за вероятность (как говорилось выше) относительную частоту появления события или число, близкое к ней. Сопоставляя классическое определение вероятности с относительной частотой (статистической вероятностью), заключаем: классическое определение вероятности не требует, чтобы испытания проводились в действительности, определение же относительной частоты предполагает, что испытания были проведены фактически.
Соединения.
Перестановками из n элементов называются соединения, отличающиеся только порядком элементов. Число перестановок вычисляется по формуле:
Рn=123 ...n=n!
Размещениями из n элементов по m элементов называются такие соединения, которые различаются друг от друга либо самими элементами либо их порядком. Число размещений вычисляется по формуле:
Сочетаниями из n элементов по m элементов называются их соединения, различающиеся друг от друга только элементами. Число сочетаний вычисляется по формуле:
Пример 2. Пусть имеется три элемента: а, в, с.
Перестановки из 3-х элементов: авс, вса, сав, асв, вас, сва. Их число р3=3!=6. Размещения из 3-х элементов по 2: ав, ас, ва, са, вс, св. Их число . Сочетания из 3-х элементов по 2: ав, ас, са. Их число .
Пример 3. В партии из 20 деталей 3 бракованных. Определить вероятность того, что среди выбранных на удачу для проверки 5 изделий 2 окажутся бракованными.
Решение. Число возможных способов взять 5 деталей из 20-ти равно n= .
Благоприятствующими тому, что среди взятых 5 деталей 2 будут бракованными, а 3 не бракованными, будут случаи, число которых будет равно m=
Следовательно, .