- •Часть I. Теория вероятностей
- •Тема 1. Классическое определение вероятности…………………………………………............................4
- •Тема 2. Геометрическое и статистическое определения вероятности……………………………………8
- •Тема 3. Алгебра событий....................................................................................................................................12
- •Тема 4. Формула полной вероятности и формула Байеса………………………………………………...15
- •Тема 5. Схема Бернулли……………………………………………………………………………………….19
- •Тема 6. Дискретные случайные величины....................................................................................................25
- •Тема 14. Предельные теоремы теории вероятностей………………………………………………….100
- •Тема 15. Случайные функции…………………………………………………………………………….108
- •Тема 16. Вероятностные основы теории информации…………………………………………………116
- •Тема 12. Системы случайных величин……………………………………………………………………63
- •Тема 13. Функции случайных величин……………………………………………………………………82
- •Тема 1. Классическое определение вероятности
- •Случайные события.
- •Классификация событий
- •Классическое определение вероятности.
- •1.4. Контрольные вопросы
- •Тема 2. Геометрическое и статистическое определения вероятности
- •2.1. Геометрическая вероятность
- •2.2. Статистическая вероятность. Закон больших чисел.
- •Число бросаний Относит. Частота появления герба
- •2.3. Условная вероятность
- •2.4. Контрольные вопросы
- •2.5. Задачи для самостоятельно решения
- •Тема 3. Алгебра событий
- •3.1. Произведение событий
- •3.2. Сумма событий. Свойства операций сложения и умножения событий.
- •3.3. Вероятность появления хотя бы одного из событий.
- •3.4. Принцип практической невозможности.
- •3.5. Контрольные вопросы
- •Тема 4. Формула полной вероятности события и формула Байеса
- •4.1. Формула полной вероятности события
- •4.2. Формула Байеса
- •4.3. Контрольные вопросы
- •4.4. Задачи для самостоятельно решения
- •Тема 5. Повторение опытов.
- •5.1. Частная задача о повторении опытов (схема Бернулли)
- •5.2. Независимые испытания с несколькими исходами.
- •5.3. Формулы Муавра-Лапласа
- •5.3.1. Локальная теорема Муавра-Лапласа. Функция Гаусса.
- •5.3.2. Интегральная теорема Муавра-Лапласа. Функция Лапласа.
- •Тема 6. Дискретные случайные величины
- •6.1. Классификация случайных величин
- •6.2. Законы распределения дискретных случайных величин
- •6.2.1. Ряд распределения. Многоугольник распределения
- •6.2.2. Функция распределения
- •Тема 7. Числовые характеристики дискретных случайных величин
- •7.1. Характеристики положения. Математическое ожидание. Мода. Медиана.
- •7.2. Дисперсия. Среднеквадратическое отклонение.
- •7.3. Контрольные вопросы.
- •Тема 8. Законы распределения дискретных случайных величин
- •8.1. Биномиальное распределение (закон Бернулли).
- •8.2. Закон Пуассона
- •8.3. Контрольные вопросы.
- •8.4. Задачи для самостоятельного решения.
- •Тема 9. Непрерывные случайные величины
- •9.1. Законы распределения непрерывных случайных величин.
- •9.1.1. Интегральный закон распределения
- •9.1.2. Плотность распределения
- •10.1. Математическое ожидание. Мода. Медиана.
- •10.2. Дисперсия. Среднее квадратичное отклонение.
- •10.3. Моменты распределения.
- •10.4. Контрольные вопросы.
- •Тема 11. Законы распределения непрерывных случайных величин
- •11.1. Закон равномерной плотности.
- •11.2. Задачи для самостоятельного решения.
- •11.3. Экспоненциальное (показательное) распределение.
- •11.4. Задачи для самостоятельного решения.
- •11.5. Нормальный закон распределения.
- •11.5.1. Плотность нормального распределения вероятностей.
- •11.5.2. Нормальная функция распределения.
- •11.6. Контрольные вопросы
- •11.7. Задачи для самостоятельного решения.
- •Тема 12. Системы случайных величин
- •12.1. Функция распределения системы двух случайных величин.
- •12.2. Плотность распределения системы двух непрерывных случайных величин.
- •12.3. Таблица распределения системы двух дискретных случайных величин.
- •12.4. Условные законы распределения и их числовые характеристики.
- •12.5. Зависимые и независимые случайные величины
- •12.6. Числовые характеристики системы двух случайных величин.
- •Тема 13. Функции случайных величин
- •13.1. Числовые характеристики функций случайных величин.
- •13.2. Теоремы о числовых характеристиках функций случайных величин.
- •13.3. Законы распределения функций случайных величин.
- •13.3.1. Закон распределения функции одного случайного аргумента.
- •Функция на участке (а, b) монотонно возрастает или убывает.
- •2. Функция на участке (а, b) не является монотонной.
- •13.3.2. Закон распределения функции двух случайных аргументов.
- •13.3.3. Закон распределения суммы двух непрерывных случайных аргументов. Композиция законов распределения.
- •Тема 14. Предельные теоремы теории вероятностей
- •14.1. Закон больших чисел. Центральная предельная теорема.
- •14.1.1. Неравенство Чебышёва.
- •14.1.2. Теорема Чебышёва.
- •14.1.3. Теорема Бернулли
- •14.2. Центральная предельная теорема.
- •Тема 15. Случайные функции
- •15.1. Понятие о случайной функции.
- •15.2. Закон распределения случайной функции.
- •15.3. Вероятностные характеристики случайных функций.
- •15.4. Стационарные случайные функции.
- •Тема 16. Вероятностные основы теории информации
- •16.1. Энтропия как мера степени неопределенности состояния физической системы.
- •16.2. Энтропия и информация.
- •Приложение. Приближённые значения функции стандартного нормального распределения
Тема 1. Классическое определение вероятности
Случайные события.
Теория вероятностей изучает закономерности, возникающие случайных экспериментах, раскрывает объективные закономерности, присущие массовым явлениям. Ее методы не дают возможности предсказать исход отдельного случайного явления, но позволяют предсказать средний
суммарный результат массы однородных случайных явлений. Одна из важнейших задач любой науки – найти закономерности в водовороте «случайных» явлений окружающей нас жизни.
Основателем теории вероятностей как строгой математической дисциплины является Колмогоров Андрей Николаевич (1903 –1988). В 1933г. он опубликовал аксиоматическое построение этой теории. Одно из основных понятий теории вероятностей – понятие случайного события. Его работа «Основные понятия теории вероятностей» (1933) новый этап в развитии теории вероятностей
как науки.
Для изучения физических явлений производят наблюдение и опыты, их результаты обычно регистрируют в виде значений некоторых наблюдаемых величин. При повторении опытов обнаруживается разброс их результатов. Говорят, что результат измерения есть величина случайная. Математический аппарат для изучения таких случайностей и закономерностей в них дает
теория вероятностей.
Определение. Случайные события – любые события или
факты, относящиеся к результату эксперимента, которые могут происходить или не происходить.
Название объясняется тем, что именно случай определяет, произойдет данное событие или не произойдет.
Отдельные случайные события в ТВ обозначают прописными латинскими буквами, например, A , B и т.д.
Не все случайные явления можно изучать методами теории вероятностей, а лишь те, которые могут быть воспроизведены в одних и тех же условиях.
Основной числовой характеристикой случайного события является его вероятность.
Пример
Испытание – подбрасывание монеты; исходы испытания – монета упала «орлом» или «решкой». Случайное событие – выпадение решки или орла.
Пример
Бросание игральной кости - выпадение цифр 1,2,3,4,5,6. Пусть производится серия из n испытаний, в каждом из которых может появиться или не появиться событие A . Если в результате испытания наблюдалось (появилось) событие A , то такой исход испытания называется благоприятным исходом.
Определение. Элементарное событие – событие или каждый отдельный возможный результат испытания.
Определение. Набор элементарных событий – набор всех возможных отдельных результатов испытаний.
Парадокс игры в кости.
Правильная игральная кость при бросании с равными шансами падает на любую из граней 1, 2, 3, 4, 5, 6. В случае бросания двух костей сумма выпавших чисел заключена между 2 и 12.
Как 9, так и 10 из чисел 1, 2, ..., 6 можно получить двумя разными способами: 9=3+6= или 9=4+5 и 10=4+6 или 10=5+5.
Почему 9 появляется чаще, когда бросают две кости, а 10 - когда бросают три?
Решение.
В случае двух костей 9 и 10 могут получиться следующим образом:
=3+6, или 9=6+3, или 9=4+5, или =5+4, 10=4+6, или 10=6+4, или 10=5+5.
Это значит, что при двух костях 9 можно "выбросить" четырьмя способами, а 10 - лишь тремя.
Следовательно, здесь шансы получить 9 предпочтительней.
В случае трех костей ситуация меняется на противоположную: 9 можно "выбросить" 25 способами, а 10 - уже 26 способами. Потому 10 получается чаще, чем 9. (Проверьте!!!)
Теория вероятностей как наука раскрывает объективные закономерности, присущие массовым явлениям. Методы не дают возможности предсказать исход отдельного случайного явления, но позволяют предсказать средний суммарный результат массы однородных случайных явлений
