- •Краткий конспект лекций по теории вероятностей Лекция1 Вероятность
- •Действия над событиями.
- •Классификация событий Событие, состоящее из всех элементарных событий, не содержащихся в а, обозначим и будем называть противоположным событием.
- •Полная группа событий – это совокупность n событий а1, а2, …, Аn, одно из которых обязательно произойдет, т.Е. Свойства операций над событиями
- •Правило двойственности (теорема де Моргана)
- •Алгебра событий.
- •Вероятность. Классическое определение вероятности события
- •Геометрическая вероятность
- •Статистическая вероятность
- •Свойства вероятности
- •Лекция 2 Условная вероятность.
- •Формула вероятности произведения событий (теорема умножения вероятностей). Независимые события
- •Формула вероятности суммы совместных событий (теорема сложения вероятностей)
- •Формула полной вероятности
- •Формула Байеса (теорема гипотез)
- •Лекция 3. Случайные величины
- •Лекция 4 Повторные испытания.
- •Распределения, связанные с повторными испытаниями.
- •Лекция 5
- •Лекция 6. Двумерные случайные величины
- •Свойства функции распределения.
- •Свойства плотности.
- •Свойства коэффициента корреляции.
- •Двумерное равномерное распределение
- •Двумерное нормальное распределение
- •Задача линейного прогноза.
- •Лекция 7. Законы больших чисел и центральная предельная теорема. Неравенства Чебышева.
- •Законы больших чисел.
- •Теорема Чебышева
- •Обобщенная теорема Чебышева.
- •Теорема Маркова.
- •Теорема Бернулли.
- •Предельные теоремы.
- •Теорема Ляпунова.
- •Теорема Леви – Линдеберга.
- •Интегральная теорема Муавра – Лапласа.
- •Лекция 8 Элементы математической статистики
- •Основные задачи статистики.
- •Эмпирические законы распределения.
- •Точечные оценки параметров распределения.
- •Требования к оценкам.
- •2. Несмещенная, состоятельная оценка дисперсии
- •Интервальные оценки.
- •Доверительные интервалы для параметров нормального закона распределения. Доверительный интервал для математического ожидания.
- •Доверительный интервал для среднеквадратического отклонения .
Лекция 4 Повторные испытания.
Пусть производится nопытов (испытаний), в каждом из которых может наступить один изNисходов. Если результаты одного испытания не зависят от результатов других испытаний, то такие испытания называютсянезависимыми.
Например, стрелок делает nвыстрелов в мишень, в которойNколец: десятка, девятка и т.д.
Возможны две ситуации: условия проведения испытаний не меняются (ситуация А) или меняются от испытания к испытанию (ситуация В).
Рассмотрим ситуацию А.
Пусть число исходов равно двум (N = 2).Схема независимых испытаний с двумя исходами называетсясхемой Бернулли.
Два исхода соответствуют в приведенном примере попаданию (успеху) или не попаданию в мишень, причем в каждом выстреле вероятность попадания равна p, а вероятность промаха равнаq= 1 –p. Обозначим вероятность попастьmраз изnвыстреловP(m,n)., так как в каждом опыте стрелок промахивается. Вероятность попасть один раз равна, так как стрелок может попасть при первом, втором, …nом выстреле.,так как два попадания (порядок не важен) должны быть размещены (выборки без возвращения) средиnвыстрелов. Аналогично
-формула Бернулли.
Само распределение называютбиномиальным.
В самом деле, это – коэффициенты при в разложении по степеням
производящей функции .
Из формулы Бернулли вытекают два следствия:
Вероятность появления успеха в nиспытаниях не болееm1раз и не менееm2раз равна,
Вероятность хотя бы одного успеха в nиспытаниях равна.
Если Х имеет биномиальное распределение, то Мх = np, Dx = npq.
Пусть в ситуации А число исходов равно N, а их вероятности равны p1…pN . Вычислим вероятность того, что послеnиспытанийi– тый исход наступит раз
.
Заметим, что .
так как .
Поэтому . Это –полиномиальное распределение.
Заметим, что - это коэффициенты прив разложении по степенямпроизводящей функции .
Рассмотрим ситуацию В. Здесь вероятность того или иного исхода зависит от номера испытания, так как условия испытаний различны.- это коэффициенты прив разложении по степенямпроизводящей функции приNисходах.
При двух исходах - это коэффициент прив разложении производящей функции
, где.
Примеры.
Какова вероятность с пяти раз вытащить из колоды в 36 карт а)три туза, б)не менее одного туза?
а) , б).
Мишень для опытного стрелка содержит три круговых кольца: 10, 9, пусто. Вероятность попасть при одном выстреле в десятку – 0,2, в девятку – 0,7, в «пусто» – 0,1. Какова вероятность в серии из 10 выстрелов попасть в «пусто» два раза, в девятку 4 раза, в десятку 4 раза?
Производится три выстрела в мишень. При первом выстреле вероятность попасть в мишень равна 0,5, не попасть 0.5. При втором выстреле – соответственно 0,4 и 0.6, при третьем выстреле 0,3 и 0,7. Какова вероятность два раза попасть в мишень?
.
Вероятность не попасть ни разу 0,21, один раз – 0,44, два раза – 0,29, три раза – 0,06.
Распределения, связанные с повторными испытаниями.
Геометрическое распределение.
Рассмотрим схему Бернулли. Обозначим Х – число испытаний до первого успеха, если вероятность успеха в одном испытании р. Если первое испытание успешно, то Х = 0. Следовательно, . Если Х = 1, т.е. первое испытание неудачно, а второе успешно, то по теореме умножения. Аналогично, если Х =n, то все испытания доn-ого неудачны и. Составим ряд распределения случайной величины Х
-
0
1
2
…
…
…
…
Случайная величина с таким рядом распределения имеет геометрическое распределение.
Проверим условие нормировки .
Гипергеометрическое распределение.
Рассмотрим схему испытаний, обобщающую задачу о выборке бракованных деталей и похожую на ситуацию А с Nисходами. Пусть имеетсяnэлементов, разделенных на группы:n1элементов первого типа,n2– второго типа и т.д.,nN –N-ого типа. Какова вероятность, выбравmэлементов, получить среди нихm1элементов из первой группы,m2– из второй и т.д.mN - изN-ой?
Ее легко вычислить по классическому определению вероятностей с учетом теоремы умножения:
.
В частности, при N=2 (m2=m-m1,n2=n-n1) (задача о бракованных деталях)
Формула Пуассона и распределение Пуассона.
Пусть число испытаний nвелико, вероятностьpмала иnpмало. Тогда вероятность наступленияmуспехов вnиспытаниях можно приближенно определить поформуле Пуассона:.
Заметим, что по формуле Пуассона можно считать вероятность неуспеха, если qмало, приняв
Случайная величина с рядом распределения m,имеетраспределение Пуассона. Чем большеn, тем формула Пуассона точнее. Для грубых расчетов формулу применяют приn=10,0 – 2, приn= 1000 – 3. При инженерных расчетах формулу применяют приn= 20,0 – 3,n=100,0 – 7. При точных расчетах формулу применяют приn= 100,0 – 7,n=1000,0 – 15.
Вычислим математическое ожидание и дисперсию случайной величины, имеющей распределение Пуассона.
,