- •В.А. Павский
- •Оглавление
- •Часть 1. Понятие случайного события и его вероятности……..9
- •Часть 2. Случайные величины и функции распределения…….52
- •Часть 3. Предельные теоремы…………………………………………….130
- •Часть 4. Элементы математической статистики………………..141
- •Введение
- •Часть 1. Понятие случайного события и его вероятности
- •Операции над событиями
- •Кроме того, если выполнено условие
- •Следствия из аксиом
- •Из определения сразу следует, что
- •Элементы комбинаторики
- •Пример 5. Сколько существует размещений с повторениями при выборкеkшаров изn?
- •1.3 Вычисление вероятностей событий
- •1.3.1 Классический метод вычисления вероятностей
- •Пример.Поnящикам случайно распределяютсяnшаров. Считая, что ящики и шары различимы, найти вероятности следующих событий:
- •1.3.2 Геометрический метод вычисления вероятностей
- •1.3.3 Статистическое определение вероятности
- •1.3.4 Условная вероятность
- •Произвольны, причем рв.
- •Формула (6) считается определением, ниоткуда не выводится и является отражением здравого смысла. Поясним это на примере геометрического изображения событий (рис. 3).
- •Теорема умножения.ПустьА,в,тогда
- •1.4 Формула полной вероятности и формула Байеса (Bayes) Формула полной вероятности
- •Применяя теорему умножения получим
- •Применяя (9), получим
- •Формула Байеса
- •Вероятности ,, называютапостериорнымивероятностями гипотезВk, поскольку оценка происходит после того, как событиеАпроизошло.
- •1.5 Независимые испытания
- •1.6 Локальная теорема Муавра – Лапласа
- •Интегральная теорема Муавра-Лапласа
- •Функция - табулирована, ее значения приведены в табл. 4 приложения.
- •Сравнивая решение задачи п.1.5. А), б), можно предположить, что, так как – наивероятнейшее число, с большой вероятностью реализуется событие40k60, с центром в точкеk0:
- •1.8 Формула Пуассона
- •Часть 2. Случайные величины и функции распределения
- •Например, к дискретным случайным величинам относятся:
- •Свойства функции распределения.
- •Свойства плотности
- •Примеры основных распределений
- •2.1 Числовые характеристики случайных величин
- •2.1.1 Математическое ожидание, мода, медиана
- •Моменты
- •Свойства дисперсии
- •2.2 Вычисление числовых характеристик стандартных распределений
- •1. Биномиальное распределение.
- •Приложения нормального распределения
- •2.3 Функции от случайных величин
- •2.3.1 Функции от одного случайного аргумента
- •2.3.2 Многомерные случайные величины
- •2.3.3 Условные законы распределения
- •2.3.4 Моменты многомерных случайных величин
- •Свойства коэффициента корреляции
- •2.3.5 Случайные процессы
- •2.3.5.1 Марковские процессы
- •2.3.5.2 Непрерывные цепи Маркова
- •2.3.5.3 Потоки событий
- •2.3.6 Основы теории массового обслуживания
- •Часть 3. Предельные теоремы
- •Вместо (111), часто используют неравенство
- •3.1 Закон больших чисел
- •3.2 Центральные предельные теоремы
- •Часть 4. Элементы математической статистики
- •4.1 Оценка функций распределения
- •Свойства эмпирической функции распределения
- •4.2 Точечные оценки неизвестных параметров законов распределения
- •Итак, пусть имеем выборку (122). Для оценки математического ожидания
- •4.3 Доверительный интервал
- •Окончательно
- •4.4 Проверка статистической однородности
- •Заключение
- •Обозначения
- •Приложение
- •Значения некоторых числовых величин
- •Продолжение таблицы 5
- •Продолжение таблицы 7
- •Библиографический список
Кроме того, если выполнено условие
А \ В ,
то имеем поле событий.
Очевидно обобщение на любое конечное число событий .
Событие, которое никогда не происходит (то есть не содержит ни одной точки), называется невозможным, обозначается символом и
( ) ( ).
Событие А=всегда происходит и называетсядостоверным, при этом полагаем=.
События А1, А2 несовместны, если А1 А2 = (то есть события А1 и А2 не имеют общих точек).
События А1, А2, ..., Аn образуют полную группу, если , а если Аi, i= 1, 2, …, n, попарно несовместные, то есть ij , j = 1, 2, …, n, Аi Аj = , тогда = .
Если каждое появление события А влечет за собой появление события В, то говорят, что А есть часть В, то есть А В.
Многие задачи теории вероятностей содержат бесконечное число исходов (например, точки на отрезке прямой, поверхности и др.), и мы можем столкнуться с трудностями теоретического характера, если любое подмножество отрезка или поверхности будем считать событием. Чтобы их избежать, мы вводим специальный класс ℱ подмножеств, состоящий из несчетных множеств, где любое его подмножество есть событие. Формально это выглядит следующим образом.
Пусть пространство - произвольное множество (в том числе, несчетное), а ℱ класс подмножеств из множества .
ℱ называется - алгеброй, если
ℱ,
Аi ℱ, i N ,
А ℱ ℱ.
Таким образом, алгебра событий замкнута относительно конечного числа теоретико-множественных операций (объединения, пересечения, отрицания), а - алгебра замкнута относительно бесконечного числа этих операций.
Замечание. По условию, класс подмножеств ℱ содержится в пространстве и одновременно, сам содержит это пространство. Возможность такой формализации становится понятной, если считать ℱ оператором «наведения порядка» в . Тогда, если, например, интерпретировать как единичный объем жидкости, а ℱ - как губку, то, если вся жидкость находится в губке всюду плотно, получается, что с одной стороны, губка находится в жидкости, а с другой стороны, вся жидкость находится в губке.
Мерой или количественной оценкой случайных событий из служит вероятность р – число, удовлетворяющее следующим аксиомам.
Аксиома 1. Любому событию А , удовлетворяющему условиям 1) – 3), поставлено в соответствие неотрицательное число p = Р А , называемое его вероятностью.
Аксиома 2. Р = 1.
Аксиома 3. Если события А1, А2, ..., Аn, ... попарно несовместны, то
.
Пространство , с заданной на нем алгеброй ( - алгеброй) событий и определенной для каждого события вероятностью, которая удовлетворяет аксиомам 1-3, является центральным понятием, определяющим аксиоматический подход к построению теории вероятностей, введенный А.Н. Колмогоровым в 30-х годах прошлого века 2.
Определение. Тройку (ℱ,Р) будем называть вероятностным пространством.
Замечание. В данном курсе теории вероятностей мы обсуждаем только такие случаи, для которых любое подмножество есть событие, а потому введение - алгебры ℱ излишне. Однако в целях конструктивности изложения мы будем писать (ℱ,Р), подразумевая под вероятностным пространством ( Р).