Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Все события делятся на детерминированные, случайные и неопределенные.
Если событие наступает в эксперименте всегда, оно называется достоверным, если никогда – невозможным. Это детерминированные события.
Статистическое определение вероятности: Если в опыте, повторяющемся n раз, событие появляется mA раз, тогда относительная частота наступления события: . Р(А) – вероятность наступления события А.
Для достоверного события W: Р(W)=1. Для невозможного события Æ: Р(Æ)=0.
0 £ P(A) £ 1, т.к. 0£mA£n à 0 £ hn(A) £ 1
W mA=n hn(A)=1
Æ mA=0 hn(A)=0
Все мыслимые взаимоисключающие исходы опыта называются элементарными событиями. Наряду с ними можно наблюдать более сложные события – комбинации элементарных.
Несколько событий в данном опыте называются равновозможными, если появление одного из них не более возможно, чем другого.
Классическое определение вероятности: Если n-общее число элементарных событий и все они равновозможные, то вероятность события А:
,
где mA- число исходов, благоприятствующих появлению события А.
Теория сложных событий позволяет по вероятностям простых событий определять вероятности сложных. Она базируется на теоремах сложения и умножения вероятностей.
1) Суммой (объединением) двух событий А и В называется новое событие А+В, заключающееся в проявлении хотя бы одного из этих событий.
2) Произведением (пересечением) двух событий А и В называется новое событие АВ, заключающееся в одновременном проявлении обоих событий. А*В=АВ, АА=А, АВА=АВ.
3) Событие А влечет за собой появление события В, если в результате наступления события А всякий раз наступает событие В. АÌВ
А=В: АÌВ, ВÌА
Два события называются несовместными, если появление одного из них исключает возможность появления другого.
Если события несовместны, то АВ=Æ.
События А1, А2, …Аn образуют полную группу событий в данном опыте, если они являются несовместными и одно из них обязательно происходит:
AiAj=Æ (i¹j, i,j=1,2…n)
A1+A2+…+An=W
-событие противоположное событию А, если оно состоит в непоявлении события А.
А и - полная группа событий, т.к. А+ =W, А =Æ.
Теорема сложения вероятностей.
Вероятность суммы несовместных событий равна сумме вероятностей событий:
Р(А+В+С+…) = Р(А) + Р(В) + Р(С) +…
Следствие. Если события A1+A2+…+An - полная группа событий, то сумма их вероятностей равна 1.
P(A+ ) = P(A) + P() = 1
Вероятность наступления двух совместных событий равна:
Р(А+В) = Р(А) + Р(В) - Р(АВ)
Теорема умножения вероятностей. Условные вероятности.
Опыт повторяется n раз, mB раз наступает событие В, mАВ раз наряду с событием В наступает событие А.
hn(B) = hn(AB) =
Рассмотрим относительную частоту наступления события А, когда событие В уже наступило:
- условная вероятность события А по событию В – вероятность события А, когда событие В уже наступило.
Свойства условных вероятностей.
Свойства условных вероятностей аналогичны свойствам безусловных вероятностей.
1. 0 £ Р(А/В) £ 1, т.к. ; АВ Ì В, Р(АВ) £ Р(В)
2. Р(А/А)=1
3. ВÌА, è Р(А/В)=1
4.
5. Р[(A+C)/B] = Р(А/В) + Р(C/В) – Если события А и С несовместны
Р[(A+C)/B] = Р(А/В) + Р(C/В) - Р(АC/В) – Если события А и С совместны
Теорема. Вероятность произведения двух событий равна произведению вероятности одного события на условную вероятность другого.
События А и В называются независимыми, если появление или непоявление одного из них не сказывается на появлении другого.
- критерий независимости событий
События А и В называются независимыми тогда, когда Р(АВ) = Р(А)*Р(В)
Формула полной вероятности.
Вероятность события В, которое может произойти совместно только с одним из событий Н1, Н2, …Нn, образующих полную группу событий, вычисляется по формуле:
События А1, А2, …Аn называют гипотезами.
Теорема гипотез (формула Байеса).
Если до опыта вероятности гипотез были Р(Н1), Р(Н2)…Р(НN), а в результате опыта произошло событие А, то условные вероятности гипотез находятся по формуле:
Схема последовательных испытаний Бернулли.
Проводится серия из n испытаний, в каждом из которых с вероятностью р может произойти событие А, с вероятностью q=1-р событие .
Вероятность наступления события А не зависит от числа испытаний n и результатов других испытаний.
Такая схема испытаний с двумя исходами (событие А наступило либо не наступило) называется схемой последовательных испытаний Бернулли.
Пусть при n испытаниях событие А наступило k раз, (n-k) раз событие .
- число различных комбинаций события А
Вероятность каждой отдельной комбинации:
Вероятность того, что в серии из n испытаний событие А, вероятность которого равна р, появится k раз:
- условие нормировки.
Если k0 – наивероятнейшее число, то оно находится в пределах:
np-q £ k0 £ np+q
Если число (np+q) нецелое, то k0 – единственное
Если число (np+q) целое, то существует 2 числа k0.
Предельные теоремы в схеме Бернулли.
1. Предельная теорема Пуассона. При р»0, n-велико, np= l £ 10.
Формула дает распределение Пуасона, описывает редкие события.
2. Предельная теорема Муавра-Лапласа.
0 £ p £ 1, n –велико, np>10
- стандартное нормальное распределение
3. Предельная интегральная теорема Муавра-Лапласа.
В условиях предыдущей теоремы вероятность того, что событие А в серии из n испытаний наступит не менее k1 раз и не более k2 раз:
- функция Лапласа
Следствие:
Случайная – величина, которая в ходе опыта принимает то или иное значение из возможных своих значений, меняющееся от опыта к опыту и зависящее от множества непредсказуемых факторов.
Если случайные события характеризуют процесс качественно, то случайная величина – количественно.
Случайная величина – численная функция, задаваемая на множестве элементарных событий. На одном множестве может быть несколько случайных величин.
Дискретная случайная величина (ДСК) – величина, принимающая счетное (конечное или бесконечное) множество значений.
Непрерывная случайная величина (НСВ) – случайная величина, значения которой образуют несчетные множества. (Например, расход бензина на 100 км у автомобиля Жигули в Нижнем Новгороде).
Задать св – значит указать все множество ее значений и соответствующие этим значениям вероятности. Говорят, что задан закон распределения случайной величины.
Случайная величина может быть задана несколькими способами:
1. Табличный.
Х | a1 | a2 | … | аn |
Р | p1 | p2 | … | pn |
Значения случайных величин в таблице ранжируются, т.е. указываются в порядке возрастания.
Недостпаток табличного способа в том, что он пригоден только для случайных величин, принимающих небольшое количество значений.
2. Функция распределения F(x) = P(X<x) или интегральный закон распределения.
Указывается вероятность того, что случайная величина принимает значение < x.
Х | a1 | a2 | a3 | … | аn-1 |
Р | p1 | p2 | p3 | … | pn-1 |
F(x) | p1 | p1+p2 | p1+p2+p3 | … | p1+p2+…+pn-1 |
При увеличении значения случайной величины, количество ступенек функции F(х) возрастает, уменьшается их высота и в пределе при получаем гладкую непрерывную функцию F(х).
Свойства функции F(х).
1. Неотрицательна. 0£ F(х)£1
2. Неубывающая F(х2)> F(х1) при х2>х1
3.
4. Р(a<x<b) = F(a) – F(b) Вероятность того, что значение х попадет в интервал (а,b) определяется разностью значений функции на концах интервала.
Наряду с F(х) вводится f(x) - функция плотности вероятности или дифференциальный закон распределения:
Свойства функции f(x):
1. Неотрицательна. (т.к. F(x) неубывающая, f(x)³0)
2. Площадь фигуры под кривой на интервале (a,b) равна:
- условие нормировки функции f(x).
Дата публикования: 2015-01-10; Прочитано: 1295 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!