- •Различные подходы к определению вероятности
- •Свойства вероятностей
- •Классическое определение вероятности
- •Комбинаторно-вероятностные схемы
- •Биномиальная и полиномиальная схемы
- •Статистическое определение вероятности
- •Аксиоматика теории вероятностей
- •Непрерывная случайная величина
- •Нормальное вероятностное распределение
- •Функция распределения и ее свойства
- •Эмпирическая функция распределения
- •Полигон и гистограмма
- •Функция плотности вероятностного распределения и ее свойства
- •Биномиальное распределение
- •Вероятности ошибок первого и второго рода
- •Построение статистических критериев.
- •Статистические критерии согласия.
-
Статистическое определение вероятности
Классическое определение не требует проведения опыта. В то время как реальные прикладные задачи имеют бесконечное число исходов, и классическое определение в этом случае не может дать ответа. Поэтому в таких задачах будем использовать статическое определение вероятностей, которое подсчитывают после проведения эксперимента или опыта.
Статической вероятностью P(A) или относительной частотой называют отношение числа благоприятных данному событию исходов к общему числу фактически проведенных испытаний.
-
Аксиоматика теории вероятностей
Классическое определение вероятности случайного события предполагает конечное число всех исходов испытания. Но часто встречаются такие испытания, для которых число возможных исходов бесконечно. В этом случае, если позволяют обстоятельства, используют понятие геометрической вероятности.
Геометрической вероятностью события A называется отношение меры области, благоприятствующей появлению события A, к мере всей области исходов Ω
(если представить двумерный график, то мера А – какая-нибудь фигура (типа там произойдет событие), а мера Ω - весь график вообще.
Пусть каждому событию A ставится в соответствие некоторое число P(A), которое удовлетворяет общепринятой системе аксиом Колмогорова:
-
Вероятность любого события заключена между нулем и единицей:
0 <= P(A) <= 1
P(Ω) = 1
-
Если A и B независимые события (A * B = Ø), то P(A+B) = P(A)+P(B).
-
Если имеется счетное множество несовместных событий A1, A2,..., An, ...(Ai* Aj = Ø при i ≠ j), то
-
Условная вероятность
Условная вероятность — вероятность одного события при условии, что другое событие уже произошло.
-
Формула полной вероятности
Формула полной вероятности позволяет вычислить вероятность интересующего события через условные вероятности этого события в предположении неких гипотез, а также вероятностей этих гипотез.
-
Формула Байеса
формула Байеса позволяет определить вероятность того, что произошло какое-либо событие (гипотеза) при наличии лишь косвенных тому подтверждений (данных).
P(A/Hk), P(Hk) – априорные(доопытные) вероятности
- вероятность справедливости самой гипотезы (послеопытная, апостериорная) вероятность
-
Независимые испытания, схема Бернулли
Биномиальная схема – схема независимых испытаний (биномиальные вероятности)
Она же – схема Бернулли (когда многократно повторяется один и тот же опыт с одними и теме же вероятностями).
-
Случайные величины и их распределения
Случайная величина – измеримая функция, которая принимает свое значение с некоторыми вероятностями.
Чтобы узнать все о случайное величине, надо знать EX, DX и функцию распределения или функцию плотности
Дискретные случайные величины – задаются значениями и вероятностями.
-
биномиальная случайная величина – появляется в схеме независимых испытаний Бернулли – в каждом опыте либо успех либо неудача
0 |
1 |
… |
n |
C вероятностью:
EX = np
DX = npq
0 < p < 1
q = 1 – p
-
Геометрическая случайная величина (стреляем по мишени)
-
1
2
3
k
∞
p
qp
q2p
qk-1p
…
EX =
DX =
-
Распределение Пуассона (редких событий)
0 |
1 |
… |
n |
с вероятностью:
EX = λ
DX = λ
НЕПРЕРЫВНЫЕ случайные величины (распределения)