- •№1. Случайные события. Классификация. Действия над событиями.
- •№2. Аксиоматическое определение вероятности. Аксиомы Колмогорова. Следствия.
- •№3. Классическое, геометрическое и статистическое определения вероятности как частный случай аксиоматического.
- •№4. Теорема сложения. Следствия.
- •Теорема доказана.
- •№7. Формула полной вероятности и формула Байеса. Примеры.
- •№8. Схема независимых испытаний Бернулли. Теорема Пуассона. Предельная теорема Муавра-Лапласа.
- •№9. Случайная величина. Функция распределения случайной величины и её свойства.
- •№12. Математическое ожидание случайной величины и функции случайной величины. Свойства.
- •№14. Основные законы распределения: нормальный, равномерный, биномиальный, показательный, Пуассона.
- •№15. Векторный случайные величины, совместная плотность, многомерная вероятность, многомерный ряд распределения.
- •№16. Нормальный случайный вектор.
- •№17. Условные вероятности и плотности вероятностей. Независимость случайных величин.
- •№20. Ряд распределения функции дискретной случайной величины.
- •№21. Плотность вероятности функции случайной величины при заданной плотности вероятности аргумента. Закон распределения суммы случайных величин. Пример.
- •24. Распределения , Стьюдента (Госсета), Фишера. Их характеристики и свойства.
- •№27. Случайная выборка и генеральная совокупность. Закон распределения выборки.
- •№28. Оценка вероятности события. Оценка функции распределения. Оценка плотности вероятностей.
- •№29. Выборочные моменты. Несмещённость выборочного среднего как оценки математического ожидания. Смещённость выборочной дисперсии как оценки теоретической дисперсии.
- •№30. Точечные оценки и их свойства.
- •№31. Функция правдоподобия. Неравенство Рао-Крамера. Критерий эффективности Рао-Крамера.
- •№37. Критерий согласия . Пример.
№7. Формула полной вероятности и формула Байеса. Примеры.
Формула полной вероятности.
Рассмотрим группу несовместных событий . Эти события назовём гипотезами. Событие может произойти или нет в том же опыте, что и . Т.к. – полная группа, то произойдёт с одной и только одной из гипотез вместе.
Теорема: Пусть для некоторого события и гипотез известны и . Тогда безусловную вероятность определяют по формуле: – формула полной вероятности (ФПВ).
Доказательство: . Теорема доказана.
Пример: Студент Иванов выучил все экзаменационных билетов, но из них на «пять» – лишь . Определим, зависит или нет вероятность извлечения «счастливого» билета (событие ) от того, первым или вторым выбирает Иванов свой билет.
Рассмотрим две ситуации.
Иванов выбирает билет первым. Тогда .
Иванов выбирает билет вторым. Введём гипотезы: – первый извлечённый билет оказался «счастливым», – «несчастливым». Ясно, что . В силу формулы полной вероятности , что совпадает с первой ситуацией.
Формула Байеса.
Пусть событие произошло, тогда имеет место следующая теорема.
Теорема: Пусть для некоторого события и гипотез известны и . Тогда условная вероятность , гипотезы при условии события определяется формулой Байеса .
Доказательство: . Теорема доказана.
Заметим, что вероятности обычно называют априорными (т.е. полученными «до опыта»), а условные вероятности – апостериорными (т.е. полученными «после опыта»).
Пример: врач после осмотра больного считает, что возможно одно из двух заболеваний, которые мы зашифруем номерами 1 и 2, причём степень своей уверенности в отношении правильности диагноза он оценивает как 40% и 60% соответственно. Для уточнения диагноза больного направляют на анализ, исход которого даёт положительную реакцию при заболевании 1 в 90% случаев и при заболевании 2 – в 20% случаев. Анализ дал положительную реакцию. Как изменится мнение врача после этого?
Обозначим через событие, означающее, что анализ дал положительную реакцию. Естественно ввести следующие гипотезы: – имеет место заболевание 1; – имеет место заболевание 2. Из условий задачи ясно, что априорные вероятности гипотез равны: и , а условные вероятности события при наличии гипотез и равны 0,9 и 0,2 соответственно. Использую формулу Байеса, находим .
Итак, врач с большей уверенностью признает наличие заболевания 1.
№8. Схема независимых испытаний Бернулли. Теорема Пуассона. Предельная теорема Муавра-Лапласа.
Схема независимых испытаний Бернулли.
Рассматривается независимых испытаний, в каждом из которых событие может произойти с вероятностью и не произойти с вероятностью ( ).
Теорема: Вероятность того, что в испытаниях по схеме Бернулли произойдёт ровно успехов, определяется формулой Бернулли .
Доказательство: Результат каждого опыта можно записать в виде последовательности УНН…У, состоящей из букв «У» и «Н», причём буква «У» на месте означает, что в испытании произошёл успех, а «Н» – неудача. Пространство элементарных исходов состоит из исходов, каждый из которых отождествляется с определённой последовательностью УНН…У.
Каждому элементарному исходу можно поставить в соответствие вероятность .
В силу независимости испытаний события У, Н, Н,…, У являются независимыми в совокупности, и потому по теореме умножения вероятностей имеем , если в испытаниях успех «У» имел место раз, а неуспех «Н», следовательно, раз.
Событие происходит всякий раз, когда реализуется элементарный исход , в котором . Вероятность любого такого элементарного исхода равна .
Число таких исходов совпадает с числом способов, которыми можно расставить букв «У» на местах, не учитывая порядок, в котором их расставляют. Число таких способов равно .
Так как есть объединение (сумма) всех указанных элементарных исходов, то окончательно получаем для вероятности формулу Бернулли. Теорема доказана.
Из формулы Бернулли вытекают два следствия.
Вероятность появления успеха (события ) в испытаниях не более и не менее раз равна .
В частном случае при и из предыдущей формулы получаем формулу для вычисления вероятности хотя бы одного успеха в испытаниях: .
Теорема Пуассона.
Теорема: , где .
Доказательство:
. Теорема доказана.
Предельная теорема Муавра-Лапласа.
Теорема: .