- •Теория вероятностей и математическая статистика
- •1.2 События и действия (операции) над ними.
- •1.3 Классическое определение вероятности
- •1.4. Свойства вероятностей
- •1.5. Формула сложения вероятностей
- •Эта формула называется формулой сложения вероятностей для несовместных событий и читается так: вероятность суммы нескольких попарно несовместных событий равна сумме их вероятностей.
- •1.6. Статистическое и геометрическое определения вероятности
- •Геометрическое определение вероятности.Вероятностью событияА называется.
- •1.7. Понятие об аксиоматическом определении вероятности.
- •2.1 Условная вероятность
- •2.2 Формула умножения вероятностей.
- •2.3 Формула полной вероятности
- •2.4 Формула Байеса
- •2.5 Схема и формула Бернулли
- •2.5 Приближенные формулы в схеме Бернулли
- •Лекция 3
- •3.1 Случайная величина
- •3.2 Дискретные случайные величины
- •3.4 Непрерывные случайные величины
- •Свойства плотности вероятности.
- •Смысл дисперсии в том, что она является мерой рассеяния значений случайной величины от математического ожидания. Чем меньше дисперсия, тем меньше разброс значений от математического ожидания.
- •4.4 Свойства дисперсии
- •4.5 Другие числовые характеристики
- •4.6 Нормальное распределение (распределение Гаусса)
- •Лекция 5
- •5.1 Числовые характеристики некоторых распределений
- •Равномерное распределение.
- •Непрерывно распределенные двумерные случайные величины
- •6.3 Корреляционный момент, коэффициент корреляции
- •6.4 Представление о законе больших чисел
- •6.5 Представление о центральной предельной теореме
- •Лекция 7
- •Рассмотрим три закона распределения, которые часто используются в теории вероятностей.
- •1. Распределение (читается “хи в квадрате”). ПустьÎn(0, 1) – независимые нормально распределенные с.В. С.В. Называетсяраспределенной по закону со степенью свободыk.
- •2. Распределение Стьюдента т(k). С.В. , гдеU în(0, 1), называется распределенной по закону Стьюдента со степенью свободы k.
- •3. С.В. , гдеk1, k2 – натуральные числа, называется распределенной по закону Фишера со степенями свободы k1, k2.
- •7.4.1 Доверительный интервал для м.О. Нормально распределенной с.В.
- •7.4.2 Доверительный интервал для дисперсии нормально распределенной г.С.
- •8.1 Предварительная обработка реализации выборки
- •F*(X) – статистическая функция распределенияр(X) – плотность распределения
- •8.2 Основные понятия проверки статистических гипотез
- •Лекция 9. Элементы регрессионного анализа
- •9.1 Парный линейный регрессионный анализ.
- •9.2 Парный обобщенный линейный регрессионный анализ
2.1 Условная вероятность
Пусть имеется вероятностное пространство (,U, P). Рассмотрим два события A и B, причем P(B)>0.
Определение. Условной вероятностью события A при условии, что событие B произошло, называется число
. (2.1)
Условную вероятность еще обозначают PB(A). Фактически условная вероятность при условии выполнения события В рассматривается в новом вероятностном пространстве, где “комплексу условий проведения опыта” (см. начало п.1.1) добавляется еще одно условие, что событие В произошло. Тогда новое пространство элементарных событий будет подмножеством , алгебра событий и вероятности изменятся.
Пример. Рассмотрим опыт К1 событие А – “выпало число, большее трех“. Вероятность Р(А) = 3/6 = 1/2. Пусть событие В – “выпало четное число” произошло. Тогда пространством элементарных событий в новых условиях является {2, 4, 6}. Вероятность события А при условии, что событие B произошло, равно по классическому определению вероятности 2/3, так как число всех элементарных событий в новом пространстве элементарных событий равно 3 и два элементарных события 4 и 6 благоприятствуют событию А. Теперь эту условную вероятность вычислим по определению:
В = {2, 4, 6} Р(В) = 3/6 = 1/2; AB = {4, 6} Р(АВ) = 2/6 = 1/3.
.
Как видно, результаты совпали.
Независимость событий.
Определение. Два события A и B называются (вероятностно) независимыми, если
Р(АВ) = Р(А)Р(В) (2.2)
Пусть P(B)>0, A и B независимы. Тогда в силу равенства (2.2) выполняется равенство . Из этого следует, что если событияA и B независимы, то вероятность Р(А) не зависит от того, произошло ли событие В или нет.
В теории вероятности применяется принцип: если события А и В причинно независимы, то они независимы вероятностно.
Докажите утверждение: если события А и В независимы, то независимы пары событий А и ,В и .
Теперь определим понятие независимости нескольких событий.
Определение. События A1, A2 , …, Аn (n 2) называются независимыми (в совокупности), если для любого сочетания по k (2 k n) из этих событий выполняется равенство
.
2.2 Формула умножения вероятностей.
Если события A1, A2 , …, Аn (n 2) независимы, то из определения независимости следует формула умножения вероятностей
.
Эта формула читается так: вероятность произведения нескольких независимых событий равна произведению их вероятностей и носит название формулы умножения вероятностей.
Теперь рассмотрим формулу вероятности произведения событий для произвольных событий. Из формулы (2.1) следует
(2.3)
Обобщение этой формулы для n (n 2) событий приводит к формуле
.
2.3 Формула полной вероятности
Пусть для событий H1, H2 , …, Hn (n 2) выполнены два условия:
1) они попарно несовместны и имеют ненулевые вероятности;
2) .
Тогда верна формула полной вероятности:
(2.4)
События H1, H2 , …, Hn называются гипотезами, а смысл равенства состоит в том, что событиеА может произойти только с одним из гипотез.
Выведем эту формулу. Так как события АНi (i = 1, …, n ) несовместны, то по формуле сложения вероятностей и формуле (2.3) имеем
,
что и требовалось доказать.
Задача 2.1 В магазин поступили однотипные телевизоры с 1-го завода 10 шт., со 2-го завода 15 шт. Вероятность изготовить бракованный телевизор на 1-м заводе равна 0,1, на 2-м – 0,2. Случайно отобрали один из поступивших телевизоров. Какова вероятность того, что он бракованный?
Решение. Введем события:
А – «Выбранный телевизор оказался бракованным»,
Н1– «Выбранный телевизор изготовлен на 1-м заводе»,
Н2– «Выбранный телевизор изготовлен на 2-м заводе»,
Гипотезы Н1, Н2 несовместны и событие А может произойти только с одним из них. Значит можно применить формулу полной вероятности.
P(Н1)=10/25 = 2/5=0,4; P(A/Н1) = 0,1;
P(Н2)=15/25 = 3/5=0,6; P(A/Н2) = 0,2.