- •Теория вероятностей
- •Введение
- •1. Случайные события. Вероятность событий
- •1.1. Элементы комбинаторики
- •1.1.1 Повторные выборки
- •Число способов выбора двух элементов
- •Число выборок из трех элементов
- •1.1.2. Бесповторные выборки
- •1.2. Основные понятия теории вероятностей
- •1.3. Алгебра событий
- •1.4. Частота события
- •1.5. Статистическое определение вероятности
- •1.6. Классическое определение вероятности
- •1.7. Свойства вероятностей
- •1.8. Геометрические вероятности
- •1.9. Теорема умножения вероятностей. Условная вероятность
- •1.10. Теорема сложения вероятностей
- •1.10.1. Вероятность суммы событий
- •1.10.2. Вероятность появления хотя бы одного события
- •1.11. Формула полной вероятности. Формула Байеса
- •1.11.1. Формула полной вероятности
- •1.11.2. Вероятность гипотез. Формула Байеса
- •2. Повторные независимые испытания
- •2.1. Формула Бернулли
- •2.2. Формулы Лапласа
- •2.2.1 Локальная теорема Лапласа
- •2.2.2. Интегральная теорема Лапласа
- •2.3. Формула Пуассона
- •2.4. Простейший поток событий
- •3. Случайные величины
- •3.1. Понятие случайной величины
- •3.2. Законы распределения дискретных случайных величин
- •3.3. Законы распределения непрерывных случайных величин
- •3.3.1. Интегральная функция распределения
- •3.3.2. Показательный закон распределения
- •3.3.3. Дифференциальная функция распределения
- •3.3.4. Равномерное распределение
- •3.3.5. Распределение Коши
- •4. Числовые характеристики случайных величин
- •4.1. Математическое ожидание и его свойства
- •4.1.1. Математическое ожидание
- •4.1.2. Свойства математического ожидания
- •4.2. Дисперсия и среднее квадратическое отклонение
- •4.2.1. Дисперсия случайной величины
- •4.2.2. Свойства дисперсии
- •4.2.3. Среднее квадратическое отклонение
- •4.3. Моменты случайных величин
- •4.4. Примеры нахождения законов распределения
- •5. Нормальный закон распределения
- •5.1. Геометрический смысл параметров m и σ
- •5.2. Вероятностный смысл параметров функции распределения
- •5.3. Вероятность попадания случайной величины в заданный интервал
- •5.4. Вероятность отклонения случайной величины от математического ожидания
- •6. Системы случайных величин
- •6.1. Функция распределения
- •6.2. Плотность распределения
- •6.3. Закон распределения системы двух дискретных случайных величин
- •6.4. Зависимые и независимые случайные величины
- •6.5. Операции над случайными величинами
- •6.6. Числовые характеристики системы двух случайных величин
- •6.6.1. Ковариация двух случайных величин
- •6.6.2 Коэффициент корреляции
- •6.9. Двумерный нормальный закон распределения
- •7. Предельные теоремы теории вероятностей
- •7.1. Центральная предельная теорема
- •7.2. Интегральная теорема Лапласа
- •7.3. Распределение частоты события
- •7.4. Закон больших чисел
- •7.5. Неравенство Чебышева
- •7.6. Теорема Чебышева
- •7.7. Теорема Бернулли
- •7.8. Принцип практической уверенности
- •7.9. Правило трёх сигм
- •Контрольные вопросы
- •Заключение
- •Рекомендуемый Библиографический список
- •Теория вероятностей
- •6 80021, Г. Хабаровск, ул. Серышева, 47.
1.6. Классическое определение вероятности
Существует класс опытов, в которых вероятность события можно вычислить, исходя из условий только самого этого опыта.
Пусть проводится эксперимент (опыт), который имеет n различных элементарных исходов, то есть при каждом испытании обязательно один из этих возможных исходов реализуется. Совокупность всех возможных исходов испытания называется пространством элементарных исходов. Те элементарные исходы, в которых интересующее нас событие наступает, называются благоприятствующими исходами этому событию.
Например, при подбрасывании игральной кости (кубика) один раз имеем шесть исключающих друг друга исходов: выпадение 1, 2, 3, 4, 5, 6 очков. Это и есть пространство элементарных исходов. Событие А –“выпадение четной цифры” имеет три благоприятствующих исхода: 2, 4, 6 очков.
Классическим определением вероятности можно воспользоваться, если число возможных исходов испытания конечно, все элементарные исходы равновозможны, несовместны и образуют полную группу.
Определение. Вероятностью события А называется отношение числа исходов, благоприятствующих событию А, к общему числу всех возможных исходов:
,
где m – число исходов, благоприятствующих событию А, n – число всех возможных исходов испытания.
В приведенном примере с подбрасыванием игральной кости Р(А) = 3/6 = = 1/2.
Классическое определение вероятности служит хорошей математической моделью тех случайных явлений, для которых важнейшим условием применения является предположение о равновозможности исходов опыта. Такие требования естественны в области азартных игр, лотерей, в организации выборочного контроля и выборочных статистических исследований. Исторически первые применения вероятностных методов относятся к XVII веку, когда разрабатывалась теория азартных игр с целью дать рекомендации игрокам. Затем эти методы стали применяться в практике страховых компаний для установления разумных страховых премий. В настоящее время практически нет области знаний, где не могли бы применяться эти методы исследования.
Подсчет числа исходов в классических случаях часто сводится к задачам комбинаторики (подразд. 1.1).
1.7. Свойства вероятностей
Из определения вероятности вытекают следующие ее свойства.
1. Вероятность любого события есть число, заключенное между нулем и единицей:
0 Р(А) 1.
Действительно, если событию А благоприятствует m исходов из возможных n исходов, то 0 m n, откуда 0 .
Вероятность достоверного события А равна единице, так как все исходы благоприятствуют событию (m=n) и Р(А) = n/n=1. Вероятность невозможного события А равна нулю, так как этому событию не благоприятствует ни один исход и Р(А) = 0/n =0 . Вероятность любого случайного события А есть положительное число, заключенное между нулем и единицей: 0 < Р(А) < 1.
2. Если А и В несовместные события, то
Р(А+В) = Р(А) + Р(В).
Пусть эксперимент имеет n равновозможных исходов, из которых исходов благоприятствуют событию А, а исходов – событию В. Так как события А и В несовместимы, то среди исходов нет благоприятствующих и тому и другому одновременно. Поэтому событию А + В благоприятствует m1+ m2 исходов. Следовательно,
Р(А+ В) = Р(А) + Р(В).
3. Вероятность события , противоположного событию А, равна:
Р( ) = 1 – Р (А).
В самом деле, при каждом осуществлении комплекса условий обязательно произойдет одно из событий А или , т.е. А + = (достоверное).
Cледовательно, Р (А + ) = 1, а так как события А и несовместны, то по свойству 2 имеем Р (А) + Р ( ) = 1.
Рассмотрим несколько примеров.
Пример 1.5.
В семь дней недели независимо друг от друга происходит семь событий (скажем, автомобильные аварии). Какова вероятность, что каждый день будет происходить по одному событию?
Решение
Для удобства рассуждений описанную ситуацию формализуем и представим следующим образом. Имеем семь ящиков и семь различных шаров. Тогда распределение событий по дням недели равносильно раскладке шаров по ящикам. (Подобная модель с шарами часто используется в задачах). Первый шар можно положить в любой из семи ящиков, второй – также в любой из семи и т.д., поэтому всех возможных способов раскладки шаров по ящикам будет 77. Для получения числа благоприятствующих исходов разложим по одному шару в каждый ящик, а затем будем менять местами шары. Тогда число благоприятствующих случаев будет равно числу перестановок, т.е. 7!. Все элементарные исходы опыта равновозможны и, следовательно, можно воспользоваться классической формулой. В итоге имеем
Р = 0,0062.
Оказалось, что маловероятно равномерное распределение событий во времени, что согласуется с обыденным представлением о «полосе везения» и «полосе невезения» и т. п. ситуациях.
Пример 1.6.
Из M деталей N бракованных. Наугад выбирается n деталей. Какова вероятность, что среди выбранных будет m бракованных?
Решение
Так как нас интересует только состав выбора (порядок неважен), то возможных способов выбора будет . Интересующее нас событие произойдет, если m деталей будет выбрано из числа М бракованных, это можно сделать способами, и для каждого набора из m бракованных деталей будет выбрано n-m годных деталей из N-M, что можно сделать способами. Согласно комбинаторному принципу всего способов, благоприятствующих событию, будет . Искомая вероятность равна их отношению
.
Пример 1.7.
Из N билетов студент не выучил M билетов. Когда больше вероятность выбрать невыученный билет: когда тянешь билет первым или последним?
Решение
Рассмотрим событие «студент выбирает билет r-м по счету». При подсчете общего числа возможных способов выбора первых r билетов важно, какие билеты были выбраны (важен состав) и в каком порядке они выбраны, т.е. число размещений из N по r: . «Благоприятствуют» выбору невыученного билета те способы, в которых r-й билет выбран из числа невыученных М билетов и для каждого из этих М билетов предыдущие с учетом состава и порядка могут быть выбраны способами. Согласно комбинаторному принципу, всего благоприятствующих способов будет M. Тогда вероятность вытянуть невыученный билет равна:
.
Результат малоутешительный для нерадивых студентов так как не зависит от того, когда студент тянет билет: первым или последним.