1. События и операции над ними. Относительные частоты и их свойства
Событием называется произвольное подмножество А пространства элементарных исходов Ω. Те элементарные исходы, из которых состоит событие А, называются благоприятствующими событию А.
Все пространство элементарных исходов Ω, если взять в качестве события, называют достоверным событием, поскольку оно происходит в любом эксперименте (всегда).
Пустое множество называется невозможным событием, поскольку оно никогда не происходит.
Все остальные события, кроме Ω и , называются случайными.
Операции над событиями: 1) Суммой событий А и В называется объединение этих множеств АB. –событие, которое происходит тогда и только тогда, когда происходит хотя бы одно из событий А или В.
2) Произведением событий А и В называется пересечение множеств А и В, т.е. АВ. Обозначается как АВ. АВ–событие, когда А и В происходят одновременно. 3) Разностью событий А и В называется разность множеств А\В. А\В–событие, которое происходит <=>, когда происходит А и не происходит В.
4) События А и В называются несовместимыми, если . Если А и В несовместимы, то будем обозначать .
5) Говорят, что событие А влечет событие В, если А является подмножеством В. 6) Событие Ā=Ω\A называется противоположным к событию А.
Пусть А—некоторое событие (), N(A)—число тех экспериментов, в которых произошло событие А. Тогда число называется относительной частотой события А. Свойства относительных частот:
1) Относительная частота произвольного события А. .
2) Относительная частота достоверного события равна 1.
3) (Аддитивность) Относительная частота суммы несовместимых событий
| 2. Аксиомы ТВ. Дискретные пространства элементарных исходов. Классическое определение вероятности.
Аксиомы теории вероятностей.
Пусть Ω—пространство элементарных исходов. Предположим, что F—некоторый класс подмножеств Ω.
Событие—это подмножество Ω, принадлежащее классу F. Любому ставится в соответствие действительное число P(A), называемое вероятностью А, так что при этом выполняется аксиомы:
1.
2.,
3.(счетной аддитивности) Если и , то .
Дискретные пространства элементарных исходов.
Бесконечное множество называется счетным, если элементы этого множества можно занумеровать числами натурального ряда (натуральными числами).
Все другие бесконечные множества называются несчетными. Примером несчетного множества может служить [а,b], счетного N.
Пространство элементарных исходов называется дискретным, если оно конечно или счетно.
Вероятностью события А называется число .Сделаем следующие предположения:
Пространство элементарных исходов —конечно.
Все элементарные исходы равновозможны (равновероятны), т.е. .
Если пространство элементарных исходов конечно, а все элементарные исходы равновероятны, то вероятностью события А называется отношение числа элементарных исходов, благоприятствующих событию А к общему числу элементарных исходов: . Это классическое определение вероятности.
| 3. Элементы комбинаторики. Число выборок
Лемма 1. Из m элементов а1,…,аm первой группы и n элементов b1,…,bn второй группы можно составить ровно m∙n упорядоченных пар вида (аi, bj), содержащих по одному элементу из каждой группы.
Лемма 2. Из n1 элементов первой группы a1, а2,…, аn1,n2 элементов второй группы b1, b2,…,bn2,n3 элементов k-ой группы x1,x2,…,xnk можно составить ровно n1∙ n2∙…∙nk различных упорядоченных комбинаций вида , содержащих по одному элементу из каждой группы.
Все выборки можно классифицировать по 2 признакам: 1) упорядоченные и неупорядоченные, 2) с возвращением и без возращения.
Упорядоченная выборка с возвращением ). Каждый элемент выборки может принимать n значений, т.е. число выборок . Упорядоченная выборка без возвращения .
Упорядоченная выборка без возвращения называется размещением. Число размещений .
Перестановкой из k элементов называется совокупность этих же элементов, записанных в произвольном порядке.
Pk-число перестановок из k элементов. , поскольку 0!=1.
Произвольное k-элементное подмножество множества n элементов называется сочетанием из n элементов по k элементов. Сочетание—это неупорядоченная выборка объема k из n элементов. Обозначается число всех сочетаний из n элементов по k элементов через.. , где .
| 4. Размещения, перестановки, сочетания. Свойства сочетаний
Упорядоченная выборка без возвращения называется размещением. Число размещений .
Перестановкой из k элементов называется совокупность этих же элементов, записанных в произвольном порядке.
Pk - число перестановок из k элементов. . Произвольное k-элементное подмножество множества n элементов называется сочетанием из n элементов по k элементов. Сочетание—это неупорядоченная выборка объема k из n элементов. Обозначается число всех сочетаний из n элементов по k элементов через .
. , где .
Свойства сочетаний:
1. .
2. .
3. .
4. .
| 5. Геометрические вероятности.
—геометрическая вероятность на прямой.
—геометрическая вероятность на плоскости.
—геометрическая вероятность в пространстве.
Недостатком классического определения вероятности является то, что оно неприменимо к испытаниям с бесконечным числом исходов. Для устранения этого недостатка и вводят геометрические вероятности.
| 6. Свойства вероятности
Свойство 1. Вероятность невозможного события равна 0, т.е. P.
P
Свойство 2. Вероятность достоверного события равна 1, т.е. P.
P
Свойство 3. Для любого события A:0≤P(A)≤1. P(A)=, т. к. 0≤ то 0≤≤1 и следовательно 0≤P(A)≤1.
Свойство 4. Если события А и В несовместимы, то вероятность суммы равна сумме вероятностей:
P(A+B)=P(A)+P(B)
P(A+B)=
Свойство 5. (обобщенная теорема сложения вероятностей)
P(A B)=P(A)+P(B)-P(AB).
P(A B)=
Свойство 6. (теорема сложения k слагаемых)
Если события попарно несовместимы, то
P()= P()+ P()+…+ P().
Свойство 7. Если AB (A влечет B), то P(A)≤P(B).
B=A+(B\A), тогда P(B)=P(A)+P(B\A)≥P(A).
Свойство 8. Если AB, то P(B\A)=P(B)-P(A). B=A+(B\A). Следовательно,
P(B)=P(A)+P(B\A). Тогда P(B\A)=P(B)-P(A).
Свойство 9. P()=1-P(A). =\A, P()=P(\A)=P()-P(A)=1-P(A).
Свойство 10. Если события , ,…,образуют полную группу, то P()+P()+…+P()=1.
Т.к. + +…+=, то по свойству 6:
P()+P()+…+P()=P()=1.
| 7. Условная вероятность. Независимость, независимость в совокупности
Условной вероятностью события B при условии A называется вероятность события B в предположении, что событие A наступило. Обозначение ...
Теорема (умножение вероятностей):Теорема (обобщенная теорема умножения):
События А и В называются независимыми, если .
События А и В независимы тогда и только тогда, когда P(B/A)=P(B).
События А1,А2,…,Аn называются независимыми (или независимыми в совокупности), если (для i≠j; i,j{1,2,3,…,n})–попарная независимость событий;
| 8. Формулы полной вероятности и Байеса
Формула полной вероятности – Если события образуют полную группу, то вероятность появления события A, которое может произойти совместно с любым из событий полной группы, равна:
Замечание: При применении формулы полной вероятности, события называют гипотезами.
Формула Байеса – Пусть события образуют полную группу. A – некоторое событие, которое может произойти совместно с любым из событий, образующих полную группу, причем то вероятность появления события A, которое может произойти совместно с любым из событий полной группы, причем , тогда условные вероятности событий полной группы при условии наступления события A находятся по формуле Байеса:
| 9. Испытания Бернулли. Формула Бернулли.
Предположим, что в результате испытания возможны два исхода: «У» и «Н», которые мы называем успехом и неудачей. , , p+q=1. Предположим, что мы производим независимо друг от друга n таких испытаний. Последовательность n испытаний называется испытаниями Бернулли, если эти испытания независимы, а в каждом из них возможны два исхода, причем вероятности этих исходов не меняются от испытания к испытанию. Элементарным исходом будет являться: (w1,w2,…,wn), .
Всего таких исходов 2n.
. (1) Формула (1) показывает, что события независимы. —формула Бернулли.
| 11. Теорема Пуассона
Теорема(Пуассона): Пусть производятся n-независимых испытаний в каждом из которых событие А наступает с вероятностью p, тогда если число испытаний неограниченно возрастает, а вероятность стремится к 0 причем n=p=const , то вероятность того, что событие А появится к раз, в n независимых испытаниях находится по формуле:
– формула Пуассона
Доказательство: По формуле Бернулли вероятность того, что событие появится ровно k раз в n независимых испытаниях
, где q=1-p.
Теоремой удобно использовать, когда p->0, a=np≤10.
| 12. Локальная и интегральная теоремы Муавра Лапласа.
Локальная теорема Лапласа
Если вероятность p появления случайного события в каждом испытании постоянна, то вероятность того, что в n испытаниях событие A наступит ровно m раз, приближённо равна:
, где
Интегральная теорема Лапласа
Если вероятность p появления случайного события A в каждом испытании постоянна, то вероятность того, что в n испытаниях событие A наступит не менее и не более раз (от до раз включительно), приближённо равна:
Кроме того, функция Лапласа нечётна: Ф(-х)=-Ф(х), и данное свойство активно эксплуатируется в задачах.
| 13. Случайные величины. Функция распределения и её свойства.
Случайной величиной Х наз. ф-ция X(w), отображающая пространство элементарных исходов Ω во множестве действительных чисел R.
Функцией распределения случайной величины Х наз. функция F(x) действительной переменной х, определяющая вероятность того, что случ. величина Х примет значение, меньшее некоторого фиксированного числа х.
.
.
Свойства функции распределения.
1)Функция распределения F(x)–неубывающая функция, т.е. для таких что x12 .
2)Для любых
Замечание. Если функция распределения F(x) непрерывная, то свойство выполняется и при замене знаков ≤ и < на < и ≤.
3), .
, .
4)Функция F(x) непрерывна слева. (т.е. ).
5)Вероятность того, что значение случайной величины Х больше некоторого числа х, вычисляется по формуле.
.
| 14. Дискретные случайные величины. Закон распределения. Биномиальное, геометрическое и распределение Пуассона.
Случайная величина Х называется дискретной, если она принимает конечное либо счетное число значений, т.е. Ωх—конечно или счетно. Законом распределения дискретной случайной величины Х называется совокупность пар чисел вида (хi, рi), где xi—возможные значения случайной величины, а pi—вероятности, с которыми случайная величина принимает эти значения, т.е. , причем .
Говорят, что дискретная случайная величина Х имеет биномиальное распределение с параметрами (n,p), если она может принимать целые неотрицательные значения с вероятностями
Говорят, что случайная величина Х имеет геометрическое распределение с параметром р (0<р<1), если она принимает натуральные значения с вероятностями , где q=1-p.
| Математическое ожидание дискретной случайной величины и его свойства.
Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности. Обозначают математическое ожидание случайной величины Х через MX или М(Х). Если случайная величина Х принимает конечное число значений, то .
Если случайная величина Х принимает счетное число значений, то , причем математическое ожидание существует, если ряд в правой части равенства сходится абсолютно.
Математическое ожидание дискретной случайной величины—это неслучайная величина (т.е. число, постоянная).
Математическое ожидание числа появлений события в одном испытании равно вероятности этого события.
Свойства математического ожидания:
1) Математическое ожидание постоянной величины равно самой постоянной:
M(C)=C.
2) Постоянный множитель можно выносить за знак математического ожидания:
M(CX)=CM(X).
Математическое ожидание случайной величины СХ
| 16. Дисперсия дискретной случайной величины и её свойства.
Дисперсией случайной величины называется число . Дисперсия является мерой разброса значений случайной величины вокруг ее математического ожидания.
Дисперсия постоянной величины С равна 0. DC=0.
.
Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:
.
Следствие. Дисперсия суммы нескольких независимых случайных величин равна сумме дисперсий этих величин.
| 17. Теоремы о математическом ожидании и дисперсии числа появлений события в независимых испытаниях. Начальные и центральные моменты.
Математическое ожидание числа появлений события А в n независимых испытаниях равно произведению числа испытаний на вероятность появления события Х в каждом испытании: .
Дисперсией случайной величины называется число . Дисперсия является мерой разброса значений случайной величины вокруг ее математического ожидания. Средним квадратическим отклонением случайной величины Х называется число .
Дисперсия числа появлений события А в n независимых испытаниях, в каждом из которых вероятность р появления события постоянна, равна произведению числа испытаний на вероятность появления и непоявления события в одном испытании:. Начальным моментом порядка к случайным величинам Х называют мат.ожид. случ. величины Хk: . В частности, , .
Центральным моментом порядка k случайной величины Х называют математическое ожидание величины (Х-МХ)k.
. В частности ,
.
| 18. Непрерывные случайные величины. Свойства плотности распределения.
Говорят, что случайная величина Х имеет плотность вероятности или плотность распределения вероятностей , если существует функция p(x) такая, что функция распределения
Случайная величина называется непрерывной, если она имеет плотность распределения.
.
Свойства плотности распределения.
.
Плотность распределения—неотрицательная функция: .
Несобственный интеграл от плотности распределения в пределах от -∞ до +∞ равен единице:
.
Вероятность того, что непрерывная случайная величина Х примет значение из множества В, равна интегралу по множеству В от плотности распределения.
| 22. Дискретный и непрерывный случайный вектор. Свойства плотности распределения случайного вектора.
Случайный вектор называется дискретным, если все его компоненты-дискретные случайные величины.
Случайный вектор ξ=( называется непрерывным, если существует неотрицательная функция p(x)= , называется плотностью распределения случайных величин такая что функция распределения
Свойства плотности распределения случайного вектора.
Свойство 1.
Свойство 2. .
Теорема 1. Пусть ξ=() – непрерывный случайный вектор. Тогда случайные величины – непрерывны, причем , .
Теорема 2. Пусть случайная величина Х непрерывна с плотностью , а случайная величина , где — монотонная дифференцируемая функция, тогда случайная величина Y—непрерывная и имеет плотность .
| 23. Числовые характеристики системы двух случайных величин. Ковариация, коэффициент корреляции и его свойства. Асимметрия и эксцесс.
Ковариацией между случайными величинами Х и Y называется число.
Для непрерывных случайных величин X и Y используют формулу
Коэффициентом корреляции между случайными величинами Х и Y называется число .
Свойства корреляции.
Абсолютная величина коэффициента корреляции не превосходит единицы, т.е. .
Для того чтобы необходимо и достаточно, чтобы случайные величины Х и Y были связанны линейной зависимостью.
Если случайные величины независимы, то они некоррелированы, т.е. r=0.
Две случайные величины Х и Y называют коррелированными, если их коэффициент корреляции отличен от нуля.
Случайные величины Х и Y называют некоррелированными если их коэффициент корреляции равен 0.
Коэффициентом асимметрии случайной величины Х называется число
Эксцессом случайной величины Х называется число. Характеризует сглаженность кривой распределения по отношению к кривой нормального распределения.
|
|
| |