- •Теория вероятностей
- •§ 1. Предмет теории вероятностей
- •§ 2. Случайные события или исходы. Множество элементарных событий. Основные понятия
- •Примеры на построение множества ω.
- •Алгебраические операции над событиями
- •Диаграмма Венна.
- •Свойства операций
- •§ 3. Различные подходы к определению вероятности
- •П. 1. Аксиоматическое определение вероятности
- •П. 2. Классическое определение вероятности
- •Решение.
- •Решение.
- •Пп. 1. Комбинаторный метод вычисления вероятностей в классической схеме
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •Пп. 2. Геометрические вероятности в классической схеме
- •Решение.
- •П. 3. Статистическое определение вероятности
- •§ 4. Основные теоремы теории вероятностей п.1. Теоремы сложения вероятностей
- •Доказательство.
- •Доказательство (методом математической индукции).
- •Доказательство.
- •Доказательство.
- •Решение.
- •Д оказательство (геометрическое)
- •П.2. Теоремы умножения вероятностей
- •Доказательство.
- •Решение.
- •Решение.
- •§ 5. Формулы полной вероятности и формула Байеса п. 1. Формула полной вероятности (следствие обеих основных теорем сложения и умножения)
- •Решение.
- •П. 2. Формула Байеса (Бейеса) (следствие теоремы умножения и формулы полной вероятности)
- •Решение.
- •§ 6. Последовательность независимых испытаний п. 1. Независимые испытания
- •П. 2. Формулы Бернулли.
- •Решение.
- •Решение.
- •Замечания.
- •Решение.
- •П. 3. Предельные теоремы в схеме Бернулли
- •Решение.
- •Решение.
- •Доказательство.
- •Решение.
- •П. 4. Наивероятнейшее число появления события в независимых испытаниях
- •Решение.
- •§ 7. Случайные величины п. 1. Основные определения
- •П. 2. Законы распределения случайных величин. Законы распределения дискретных случайных величин. Функция распределения
- •Формы закона распределения дсв.
- •Решение.
- •Решение.
- •3. Функция распределения – универсальный закон распределения (для дсв и нсв).
- •Свойства f(X).
- •Доказательство.
- •Графики функции распределения.
- •Решение.
- •Решение.
- •П. 3. Плотность распределения вероятностей нсв
- •Свойства плотности распределения
- •2. Условие нормировки: интеграл в бесконечных пределах от плотности распределения равен 1: . (4) Доказательство
- •Решение.
- •Решение.
- •П. 4. Числовые характеристики случайных величин, их роль и назначение
- •Пп 1. Характеристики положения (математическое ожидание, мода, медиана)
- •1. Математическое ожидание или среднее значение случайной величины
- •2. Мода случайной величины
- •3. Медиана случайной величины
- •Пп 2. Моменты
- •Доказательство.
- •И эксцесс
- •Решение.
- •Решение.
- •Решение.
- •П. 5. Законы распределения вероятностей дискретных случайных величин: биномиальный, Пуассона, гипергеометрический. Пп 1. Биномиальное распределение
- •Решение.
- •Пп 2. Распределение Пуассона
- •Решение.
- •Решение.
- •Пп 3. Гипергеометрическое распределение
- •Решение.
- •П. 6. Законы распределения вероятностей непрерывных случайных величин: равномерный, показательный, нормальный Пп 1. Равномерное распределение или закон равномерной плотности
- •Решение.
- •Пп 2. Показательное или экспоненциальное распределение
- •Решение.
- •Пп 3. Нормальный закон распределения
- •Смысл параметров m и σ
- •Решение.
- •§ 8. Системы случайных величин или случайные векторы п. 1. Основные понятия.
- •П. 2. Законы распределения свдт и свнт
- •Закон. Таблица распределения – закон распределения свдт.
- •Решение.
- •Решение.
- •Закон. Функция распределения – закон распределения свдт и свнт.
- •Решение.
- •3. Плотность распределения (для свнт)
- •Решение.
- •Решение.
- •П. 4. Плотности распределения отдельных величин, входящих в систему. Равномерное и нормальное распределения. Условные законы распределения
- •Решение.
- •Решение.
- •П. 5. Числовые характеристики системы. Корреляция. Линии регрессии
- •Решение.
- •Решение.
- •Решение.
- •Решение.
- •§ 9. Закон больших чисел. Предельные теоремы теории вероятностей
Решение.
Два исхода (k = 2: орел, решка) при 5 независимых испытаниях (n = 5) – схема Бернулли с вероятностью успеха и неудачи .
1) Орел выпал менее двух раз, значит, не выпал или выпал раз.
(вероятности найдем по формуле Бернулли) = .
2) Орел выпал не менее двух раз, т.е. выпал два раза или три или четыре или пять:
(удобнее перейти к противоположному событию, т.е. «не менее двух», значит, противоположное событие: меньше двух, т.е. орел не выпал совсем или выпал один раз) = .
Замечание 4. В примере на формулу Бернулли вычисления проводятся очень легко, однако часто приходится вычислять вероятности при очень больших значениях n и m, например, при n = 1000, m = 500. Также затруднения при вычислении возникают при малых значениях p или q.
В этих случаях удается заменить формулу Бернулли какой-нибудь приближенной асимптотической формулой. Существуют три предельные теоремы, содержащие такие формулы.
П. 3. Предельные теоремы в схеме Бернулли
1. Теорема Пуассона (асимптотическая формула для случая малых значений р)
Если вероятность наступления некоторого события А в n независимых испытаниях постоянна и равна р, причем при так, что , где – среднее число появления события А в n испытаниях, , то вероятность Pn(m) того, что в этих испытаниях событие А наступит ровно m раз, удовлетворяет при соотношению (или приближенно равна):
Pn(m) = .
Замечания.
1. Часто формула Пуассона записывается в виде равенства, но надо помнить при этом, что оно верно при :
Pn(m) = , при этом .
2. Формулой пользуются при больших n и малых р. Например, при n > 100, .
3. Теорема имеет место и в том случае, когда вероятность события А в каждом испытании равна нулю. В этом случае = 0.
4. Существуют таблицы значений данной вероятности (стр. 410, 411 в задачнике Ефимова – Демидовича).
Пример. Вероятность попадания в цель при каждом выстреле равна 0,001. Найти вероятность попадания в цель двумя и более пулями, если число выстрелов равно 5000.
Решение.
Считаем каждый выстрел за испытание и попадание в цель за событие. Количество испытаний n = 5000 (велико), р = 0,001 (мало). По формуле Бернулли считать сложно. Поэтому применим формулу Пуассона.
Найдем среднее число попаданий: . Найдем заданную вероятность:
(перейдем к противоположному событию: m < 2) = .
По точной формуле (формуле Бернулли) , т.е. ошибка невелика.
2. Локальная предельная теорема Муавра - Лапласа (асимптотическая формула для случая больших значений n и m)
Если вероятность наступления некоторого события А в n независимых испытаниях постоянна и равна р, (0 < p < 1), то вероятность Pn(m) того, что в этих испытаниях событие А наступит ровно m раз, удовлетворяет при соотношению (или приближенно равна):
Pn(m) = ,
где , .
Замечания.
1. Часто формула Пуассона записывается в виде равенства, но надо помнить при этом, что оно верно при :
Pn(m) = .
2. Формулой пользуются при больших n и m. Например, при n > 100, .
3. Из того, что следует, что . Это означает, что n и m должны отличаться друг от друга не очень сильно. Например, для случая m = 0, теорема дает плохое приближение.
4. Существуют таблицы значений функции f(x) для положительных значений x (стр. 408 в задачнике Ефимова – Демидовича). Для отрицательных значений x используется та же таблица, так как f(x) – четная функция: f(–x) = f(x). Функцию f(x) называют плотностью нормального распределения.
Пример. Найти вероятность того, что событие А наступит ровно 70 раз в 243 испытаниях, если вероятность появления этого события в каждом испытании равна 0,25.