- •Авторы: Новротская Надежда Леонидовна, доцент
- •Рецензент: Хацкевич г.А., профессор
- •Часть I
- • Новротская н.Л.
- •Часть I
- •Тема 1. Введение.
- •§1.1. Предмет теории вероятностей.
- •§1.2. Общие правила комбинаторики.
- •§1.3. Вопросы для самопроверки.
- •§1.4. Задачи.
- •Тема 2. Случайные события и их вероятности.
- •§2.1. Случайные события и их классификация.
- •§2.2. Действия с событиями.
- •§2.3. Вероятностное пространство. Вероятности и правила действия с ними.
- •2.3.1. Определение вероятности события.
- •2.3.2. Вероятность суммы событий.
- •Условная вероятность и теорема умножения вероятностей.
- •2.3.5 Формула Байeса (английский математик 1702–1762 г.Г.)
- •§2.4. Модель независимых испытаний Бернулли.
- •2.4.1. Повторные независимые испытания. Формула Бернулли.
- •§2.5. Вопросы для самопроверки.
- •§2.6. Задачи.
- •Тема 3. Случайные величины и их распределения.
- •§3.1. Виды случайных величин и их распределения.
- •§ 3.2. Плотность распределения вероятностей.
- •§ 3.3. Числовые характеристики распределения вероятностей и их свойства
- •3.3.2. Примеры использования математического ожидания.
- •Дисперсия случайной величины и ее свойства.
- •Моменты.
- •3.3.5. Характеристики формы распределения (асимметрия и эксцесс).
- •Квантили.
- •§ 3.4. Примеры распределений.
- •3.4.2. Распределение Пуассона.
- •3.4.3. Гипергеометрическое распределение.
- •3.4.6. Нормальное распределение.
- •3.4.7. Показательное (экспоненциальное) распределение.
- •§ 3.5. Вопросы для самопроверки.
- •§ 3.6. Задачи.
Тема 1. Введение.
§1.1. Предмет теории вероятностей.
В нашей повседневной жизни, коммерции, иной профессиональной деятельности, а также в научных исследованиях мы часто сталкиваемся с событиями и явлениями с неопределенным исходом. Например, студент не знает, какую оценку получит на экзамене по теории вероятностей, рабочий – сколько времени ему понадобится для обработки детали, бизнесмен – какой будет через две недели курс доллара, банкир – вернут или нет взятый у него кредит, страховая компания – когда ей придется выплачивать вознаграждение и т.д. При этом нам постоянно приходится принимать свои, иногда очень важные, решения в подобных неопределенных, связанных со многими случайностями ситуациях. В серьезном бизнесе, в условиях жесткой конкуренции, решения должны приниматься на основе тщательного анализа имеющейся информации, быть обоснованными и доказуемыми, а не основываться лишь на интуиции, здравом смысле, предыдущем опыте. Например, вряд ли банк или совет директоров крупной корпорации примет решение о вложении денег в некоторый проект только потому, что он кому-то «представляется выгодным». Надежность решений может быть оценена количественно с помощью теории вероятностей. Или иначе: идеи теории вероятностей позволяют получить оптимальные способы принятия решений.
Теория вероятностей – это математическая наука, которая изучает закономерности в случайных массовых явлениях или процессах.
Случайное явление – это такое явление, которое при неоднократном воспроизведении одного и того же опыта (испытания) протекает каждый раз несколько по-иному. Например, дневная выручка магазина в течение недели, брак на производстве, очереди в системе обслуживания (парикмахерская, поликлиника и т.д.), выигрыш в лотерею и т.д.
Однако практика показывает, что наблюдая в совокупности массы однородных случайных явлений, мы обычно обнаруживаем в них вполне определенные закономерности, своего рода устойчивости, свойственные именно массовым случайным явлениям.
Под массовыми явлениями понимаются такие однородные явления, которые, будучи рассмотрены в большом количестве, характеризуются закономерностью, не обнаруживаемой на основании лишь одного опыта (наблюдения), т.е. отдельного случая. Например, рождение мальчика или девочки, средняя заработная плата работников некоторой отрасли, всхожесть семян и т.д..
В настоящее время объективно существующие зависимости и взаимосвязи между экономическими явлениями большей частью описаны только вербально (словесно). Значительно важнее количественно измерить причинно-следственные связи.
Это достигается с помощью математических моделей. Математическая модель – это абстракция реального мира, в которой интересующие исследователя отношения между реальными элементами заменены подходящими отношениями между математическими объектами, т.е. вместо реального мира рассматривается его упрощенная схема. Существуют два вида математических моделей: детерминистические и стохастические (вероятностные).
Детерминистическими моделями описываются закономерности, проявляющиеся в одиночном, в каждом отдельно взятом элементе совокупности. Типичный пример – законы классической механики.
Связь между причиной и следствием в таких моделях может быть выражена точно в виде конкретных математических формул, систем уравнений, так как определенным количественным значениям влияющих факторов (аргументов) всегда соответствуют определенные значения результирующего признака (функции). Например, возраст дерева (у)= числу колец (x), путь (S), пройденный за время t с постоянной скоростью V, выражается формулой S= Vt.
Такая связь называется функциональной. Детерминистическая модель служит выражением функциональной связи.
Закономерности, проявляющиеся только в массовых явлениях, только при большом числе единиц, называют стохастическими. Стохастические закономерности также причинно обусловлены, однако причин может быть множество, они взаимно переплетены и могут действовать в разных направлениях. В таких условиях трудно выявить количественную связь между причиной и следствием. Аналитическое выражение стохастической закономерности определяется методами теории вероятностей и математической статистики.
Для социальных и экономических явлений (процессов) типичны случайные отклонения и взаимосвязь во времени, и для объяснения комплекса причинно-следственных связей, протекающих внутри этих процессов, применяются стохастические модели. С их помощью строятся прогнозные оценки поведения изучаемых систем.