- •Лекция № 1 Основные понятия теории вероятностей. Классическое определение вероятности. Элементы комбинаторики.
- •1. Основные понятия теории вероятностей.
- •2. Классическое определение вероятности.
- •3. Элементы комбинаторики.
- •Лекция № 2 Алгебра событий. Аксиомы тв. Основные теоремы теории вероятностей. Модели надежности технических систем
- •1. Алгебра событий.
- •3. Основные теоремы теории вероятностей
- •Определение 4.
- •4. Модели надежности технических систем
- •Лекция № 3 Формула полной вероятности. Формула Бейеса.
- •1. Формула полной вероятности.
- •2. Формула Байеса.
- •1. Повторение опытов (схема Бернулли).
- •2. Формула Бернулли
- •3. Локальная теорема Лапласа
- •4. Интегральная теорема Лапласа
- •5. Наивероятнейшее число наступления событий.
- •Лекция № 5 Случайные величины.
- •1. Дискретные случайные величины.
- •Формы задания закона распределения дискретной случайной величины
- •2.1. Ряд распределения.
- •2.2. Многоугольник распределения.
- •2.3. Интегральная функция распределения.
- •2. Многоугольник распределения
- •3. Интегральная функция распределения
- •3. Вероятность попадания случайной величины на заданный участок
- •Лекция № 6 Числовые характеристики случайных величин.
- •1. Характеристики положения случайной величины на числовой оси.
- •Математическое ожидание не случайное число, которое в зависимости от типа случайной величины определяется по формуле:
- •На рис.6.2 показана мода непрерывной унимодальной (с одной модой) случайной величины, заданной плотностью распределения.
- •2. Моменты случайных величин. Для характеристики различных свойств случайных величин используются начальные и центральные моменты.
- •3. Свойства моментов случайных величин. Особого внимания заслуживают свойства начальных и центральных моментов первого и второго порядков.
- •Первый центральный момент μ1 любой случайной величины равен нулю.
- •Математическое ожидание.
- •Дисперсия.
- •Среднее квадратичное отклонение.
- •1.2. Закон распределения Пуассона Закон распределения Пуассона связан с редкими событиями, составляющими простейший поток событий.
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •4. Вероятность попадания пуассоновской случайной величины на заданный участок.
- •2. Законы распределения непрерывных случайных величин.
- •2.1. Равномерный закон распределения
- •Если участок [α,β] не входит в диапазон [a,b], то выражение (7.17) не является справедливым. В этом случае необходимо руководствоваться выражением если (7.18)
- •2.2. Показательный закон распределения
- •2.3. Нормальный закон распределения
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •Поскольку 2-й центральный момент
- •4. Вероятность попадания случайной величины на заданный участок
- •Поскольку то (7.31) перепишется как
- •3. Правило трех сигм
- •Лекция № 8 Основные задачи математической статистики. Определение законов распределения случайных величин на основе экспериментальных данных.
- •Предмет и задачи математической статистики.
- •Основные понятия.
- •3. Простейшие приемы обработки результатов наблюдений.
- •3.1 Статистическое распределение выборки.
- •Гистограмма.
- •Эмпирическая функция распределения
- •Лекция №2. Выравнивание статистических рядов. Проверка статистических гипотез.
- •Лекция №3. Оценка параметров случайных величин.
1. Повторение опытов (схема Бернулли).
Многие прикладные задачи (например, контроль качества продукции) связанные с вычислением вероятности сложных событий при фиксированном числе n повторения независимых опытов и известной вероятности p наступления некоторого события А в одном опыте. При этом каждое из элементарных событий серии представляется в виде произведения сомножителей, каждый из которых в зависимости от порядка следования равен либо Аi, , либо i..
Определение 4.1.
Опыты называются независимыми, если вероятность появления события А в каждом опыте не зависит от того, появилось оно в предыдущих опытах или нет.
Задача 1.
Пусть производится 3 независимых опыта, в каждом из которых событие А происходит с одинаковой вероятность p. Определить вероятность того, что в серии из 3 опытов событие А произойдет ровно 2 раза.
Или иначе:
Вероятность получения студентом стипендии равна p. Определить вероятность того, что в студент будет получать стипендию в двух из оставшихся трех семестрах.
Решение.
Сложное событие А – студент получает стипендию в 2-х из 3-х семестрах.
Событие Аi – студент получает стипендию в i-ом семестре,
i – студент не получает стипендию в i-ом семестре,
Р(Аi )= p =0,8 , Р( i)=1- p =0,2 .
А = А1А2 3+ А1 2A3 + 1А2А3 ;
Согласно следствию теоремы 1 (несовместные события),
Р(А) = Р(А1А2 3+ А1 2A3 + 1А2А3 ) =Р( 1А2А3) + Р(А1 2A3) + Р(А1А2 3) .
Согласно следствию теоремы 2 (Аi – события независимые, i = 1,2,3) , т.е.
Р(А) = Р(А1)Р(А2)Р( 3) + Р(А1)Р( 2)Р(A3) +Р( 1)Р(А2)Р(А3) =
= p∙p∙(1-p)+ p∙(1-p)∙p +(1-p) ∙p∙p=3∙ (1-p)= C32 ∙ p2∙ (1-p) .
Р(А) =C32 ∙ p2∙ (1-p) = 3∙0,64∙0,2=0,384 .
Таким образом, задачи на повторение независимых опытов могут быть решены с помощью основных теорем теории вероятностей. Однако в условиях большого числа испытаний использование основных теорем становится малоэффективным из-за больших временных затрат на вычислительные процедуры.
2. Формула Бернулли
Процедура полного перебора оправдывает себя только при небольшом числе испытаний, в случае же большого числа испытаний, гораздо эффективнее использовать формулу Бернулли.
Теорема 4. (Теорема Бернулли).
Если производится n независимых испытаний, в каждом из которых событие А появляется с одинаковой вероятностью р, то вероятность того, что в этих испытаниях событие А произойдет ровно k раз (безразлично, в какой последовательности) определяется по формуле
(4.1)
Формула (4.1) известна как формула Бернулли.
Рекомендуется использовать формулу Бернулли при числе испытаний не превышающем числа 10.
Следует также помнить, что формула (4.1) может быть использована только в условиях биномиального эксперимента, то есть при выполнении следующих требований:
эксперимент должен состоять из фиксированного числа испытаний (задано n);
каждое испытание приводит либо к успеху, либо к неудаче (к наступлению или не наступлению события А);
вероятность успеха (неудачи) во всех испытаниях должна быть одинаковой;
все испытания должны быть независимыми друг от друга.
Задача 2.
В условиях задачи 1 определим вероятность того, что в серии из 3 опытов событие А произойдет ровно 2 раза, используя теорему Бернулли.
Решение.
Событие А – студент получает стипендию в 2-х из 3-х семестрах.
Событие Аi – студент получает стипендию в i-ом семестре, Р(Аi )= p =0,8 ,
i – студент не получает стипендию в i-ом семестре, Р( i)=1- p =0,2 .
Задача 3.
Вероятность появления студента на лекции по ТВ и МС равна 0,9. Найти вероятность того, что студент посетит 7 лекций из 15 запланированных в семестре.
Решение
А – студент посетит 7 лекций из 15 запланированных.
Аi – студент посещает i - тую лекцию, Р(Аi )= p =0,9 , Р( i)=1- p = q =0,1 .
n =15, k =7.
Формула (4.1) приводит к громоздким вычислениям при больших значениях n и k, а также при малых значениях p и (1- p). Указанных вычислений можно избежать, если точное определение вероятности Рn(k) заменить её оценкой.