- •1. Предмет теории вероятности.
- •2.1. Вероятностное пространство. Пространство элементарных событий.
- •2.2. Алгебра событий
- •2.3. Вероятность: аксиомы вероятности, свойства вероятности.
- •3. Дискретные вероятностные пространства. Классическая вероятность.
- •4 Абсолютно непрерывные вероятностные пространства. Геометрические вероятности. Задача Бюффона. Парадокс Бертрана. Задача о встрече.
- •8. Формула Байеса (вероятности гипотез). Примеры.
- •5. Условные вероятности. Примеры.
- •6. Вероятность произведения событий. Примеры.
- •7. Формула полной вероятности. Примеры.
- •9. Повторение испытаний. Схема Бернулли. Примеры.
- •10.1. Теорема Пуассона:
- •10.3. Интегральная теорема Муавра-Лапласа.
- •10.4. Отклонение относительной частоты от постоянной вероятности в независимых испытаний.
- •10.5. Обратная задача к схеме Бернулли. Задача.
- •11.1. Функция распределения. Свойства функции распределения.
- •11.2. Дискретные и абсолютно непрерывные распределения.
- •11.3. Свойства плотности распределения вероятностей. Наиболее распространенные распределения.
- •12.1. Многомерные функции и плотности распределения вероятностей, свойства.
- •12.2. Независимость случайных величин.
- •13. Функции от случайных величин
- •14.1. Математическое ожидание случайной величины, свойства, примеры, мат ожидание наиболее распространенных распределений.
- •14.2. Дисперсия. , средне квадратичное отклонение; свойства. Дисперсии наиболее распространенных распределений.
- •14.3. Моменты.
- •14.4. Ковариация. Коэффициент корреляции.
- •15.1. Закон больших чисел
- •15.2. Некоторые оценки распределения случайных величин: нр-во Чебышева, теорема Чебышева.
- •15.3. Частные случай теоремы Чебышева: теорема Бернулли; теорема Пуассона и др.
- •15.4. Теорема Маркова.
- •15.5. Усиленный закон больших чисел: неравенство Колмогорова, теорема Колмогорова.
- •16.1. Производящие функции: свойства, теоремы, примеры.
- •16.2. Характеристические функции, свойства, теоремы.
- •16.3. Примеры подсчета характеристических функций.
- •16.4. Предельные теоремы для характеристических функций (прямая и обратная)
- •16.5. Формула обращения для характеристической функции.
- •16.6. Центральная предельная теорема
- •16.8. Понятие асимптотической нормальности
- •17. Многомерное нормальное распределение.
5. Условные вероятности. Примеры.
Пример: из колоды
карт последовательно вынимают 2 карты,
найти 1 – вероятность того, что 2ая карта
окажется тузом. 2-условную вероятность
того, что 2ая карта будет тузом, если
1ая карта – туз. Решение: А={туз на 2-ом
месте} В={туз на 1-ом месте}.
(1)
А=
-несовместные
события Р(А)=Р(
)=Р(АВ)+Р(
)=|AB|/|W|+|
|/|W|=
=4*3/(36*35)+32*4/(35*35)=1/9. (2) Если 1-ая карта туз,
то в колоде осталось 35 карт, где три из
них туры. Р(А/В)=3/35 Р(А/В)=|АВ|/|B|
= [|BA|/|W|]/[|B|/|W|]=
3/35. Общее определение условной вероятности
есть формула Р(А/В)=P(AB)/P(B)..
Вероятность того, что А произошло при
условии того, что произошло В - есть
отношение совместного появления АВ на
вероятность условия В.
Брошено две игральные кости. Какова вероятность того, что выпало «33», если известно, что сумма выпавших очков делится на 3. А={21,12,15,51,24,42,66,33,36,63,54,45} |A|=12 B={33}=P(AB) |B|=1; P(A/B)=P(AB)/P(A)=1/12
6. Вероятность произведения событий. Примеры.
Из формулы Р(А/В)=[
|BA|/|W|
]/[ |B|/|W|
] => Р(ВА)=Р(В)*Р(А/В)=Р(А)*Р(В/А) получаем
теорему умножения . ТЕОРЕМА: вероятность
произведения 2х событий равна вероятности
одного из них умноженного на условную
вероятность 2го события при условии,
что 1ое произошло. Если Р(А/В)=Р(А) и
Р(В/А)=Р(В) то события А и В независимы.
В этом случае Р(АВ)=Р(А)*Р(В/А)=Р(А)*Р(В).
Теорема: вероятность произведения
независимых событий равна произведению
их вероятностей. Замечние: эти теоремы
переносятся на число зависимых или
независимых событий. Р(А1,…,
Аn)=P(A1)*…*P(An)
если Ai
i=1,…,n
независимы и Р(А1,…,
Аn)=P(A1)*Р(А2/А1)*
Р(А3/А2А1)*…*P(An
/А1…Аn
) если Ai
i=1,…,n
зависимы. Пример. У человека в кармане
n
ключей из которых только один подходит
. Ключи извлекает последовательно без
возвращения до тех пор, пока не найдет
нужный ключ. Найти вероятность того,
что нужный ключ появится при к-том
извлечении. Ак={нужный ключ извлечен
при к-том испытании} Aк=
- независимы Р(Ак)=Р(
)=
=
7. Формула полной вероятности. Примеры.
Пусть произвольное
событие А может осуществиться с одним
и только одним из n-попарно-несовместных
событий В1,…,Вn,
BiBj=,
образующих полную группу событий, тогда
вероятность нескольких событий А
B
Bi
– называют гипотезами. Пример. Две
урны (2б +4ч) и (3б+2ч) вынимают по 1 шару. Из
этих двух вынимают один. Какова
вероятность, что он белый. А={извлечь из
пары шаров белый}В1={2б
шара в паре}В2={2ч
шара в паре}В3={1ч+1б
в паре}. Р(А)=
=Р(В1)Р(А/В1)+Р(В2)Р(А/В2)+Р(В3)Р(А/В3)
Р(В1)=2/6*3/5=1/5
Р(В2)=4/6*2/5=4/15
Р(В3)=2/6*2/5+4/6*3/5=8/15
Р(В1)+Р(В2)+Р(В3)=1
– необходимое условие. Р(А/В1)
= 1, Р(А/В2)
= 0, Р(А/В3)
= 1/2, Р(А)=1/5+4/15=7/15
8. Формула Байеса (вероятности гипотез). Примеры.
Пусть в условии
задачи: даны две урны (2б +4ч) и (3б+2ч)
вынимают по 1 шару. Из этих двух вынимают
один. Какова вероятность, что он белый.
А={извлечь из пары шаров белый}В1={2б
шара в паре}В2={2ч
шара в паре}В3={1ч+1б
в паре} Р(А)=
.
Событие А произошло. Воспользуемся
теоремой умножения вероятности
Р(ВiA)=P(A)P(Bi/A)=P(Bi)P(A/Bi)
откуда =>Р(Bi/A)=P(Bi)P(A/Bi)
/ P(A)
= P(Bi)P(A/Bi)
/
- формула Байеса. Пример. В трех урнах
(2б+3ч) (3б+2ч) (4б+1ч). Наудачу выбран белый
шар . Какова вероятность, что шар из
третьей урны. А={белый шар из наудачу
выбранной урны}. Вi
={белый из i-той
урны} i=1,2,3.
Р(B3/A)
- ?
Брошено
две игральные кости. Какова вероятность
того, что выпало «33», если известно, что
сумма выпавших очков делится на 3.
А={21,12,15,51,24,42,66,33,36,63,54,45} |A|=12
B={33}=P(AB)
|B|=1;
P(A/B)=P(AB)/P(A)=1/12
