- •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
§ 3. Различные подходы к определению вероятности
Каждое из событий обладает какой-то степенью возможности: одни – большей, другие – меньшей, третьи – невозможны вообще. Чтобы количественно сравнить событие по степени их возможности, с каждым событием свяжем определенное число, которое тем больше, чем более возможно событие. Это число и называется вероятностью.
Определение 17. Вероятность события – есть численная мера степени объективной возможности этого события.
Обозначение - Р(А).
Существует три различных подхода к определению вероятности, и, как следствие, три различных определения: 1) аксиоматическое, 2) классическое, 3) статистическое.
П. 1. Аксиоматическое определение вероятности
Данное определение дано на основе аксиом вероятности. Аксиоматическая теория вероятности создана русским ученым А.Н.Колмогоровым в 1933 году.
Пусть F – система событий для данного эксперимента. Каждому событию поставим в соответствие некоторое неотрицательное число Р(А) – специальную числовую функцию для количественного описания степени объективной возможности наступления того или иного наблюдаемого в эксперименте события.
Определение 18. Вероятностью события А называется числовая функция Р(А), определенная для всех и удовлетворяющая трем аксиомам вероятностей:
1 аксиома: - вероятность достоверного события. (Принята в качестве единицы измерения; если вероятность достоверного события равна 1, то другие события, возможные, будут характеризоваться вероятностями меньшими 1, а вероятность невозможного события =0).
2 аксиома: .
Следствие: .
3 аксиома: если события А1, А2,…, Аn попарно несовместны, то есть при , то Р(А1 + А2 +…+ Аn) = Р(А1) + Р(А2) +…+ Р(Аn) или
Следствия из аксиом.
- вероятность противоположного события.
Если А влечет за собой В, то есть , то .
Если А1, А2,…, Аn - произвольные события, то
А.Н.Колмогоров исходил из того, что события – это множества, и вероятность также является функцией множества.
Аксиомы позволяют вычислить вероятность любых событий с помощью вероятностей элементарных событий, которые определяются либо из соображений, связанных с симметрией опыта или же на основе опытных данных (частоте появления события).
Система аксиом непротиворечива, так как существуют реальные объекты, которые всем аксиомам удовлетворяют. Но система аксиом неполна: даже для одного и того же множества Ω вероятности в множестве F можно выбирать различными способами.
П. 2. Классическое определение вероятности
Это определение сводит понятие вероятности к понятию равновероятности или равновозможности событий.
Пусть исходы опыта равноправны по отношению к условиям опыта, то есть эти исходы или события равновозможны или равновероятны, и соответствующее опыту множество Ω - множество равновероятных исходов. Такой опыт называется классической схемой или схемой урн.
В этой схеме вероятность события А можно оценить по относительной доле благоприятных случаев.
Пусть множество всех элементарных исходов опыта Ω = { ω1, ω2,…, ωn }.
Пусть А = { ω1, ω2,…, ωm } - событие или исход в эксперименте.
Обозначим число всех исходов эксперимента (или число событий множества Ω); число всех благоприятствующих событию А исходов (или число элементов множества А)
Определение 19. Вероятность события А – доля тех исходов, в результате которых это событие осуществляется:
формула классической вероятности.
Пример. В урне находится 2 белых и 3 синих шара. Из урны наугад вынимается 1 шар. Найти вероятность того, что этот шар – белый.