- •Ю.Я. Кацман Теория вероятностей, математическая статистика и случайные процессы
- •Теория вероятностей, математическая статистика и случайные процессы
- •Издано в авторской редакции
- •Отпечатано в Издательстве тпу в полном соответствии с качеством предоставленного оригинал-макета
- •Введение
- •Раздел 1. Теория вероятностей Глава 1. Основные понятия теории вероятностей
- •1.1. Элементы комбинаторики
- •1.2. Пространство элементарных событий. Случайные события
- •1.4 Классическая вероятностная схема
- •1.3. Статистическое определение вероятности
- •1.5. Аксиоматическое построение теории вероятностей
- •1.6. Геометрическое определение вероятности
- •Глава 2. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей несовместных событий
- •2.2. Теорема сложения вероятностей совместных событий
- •2.3. Независимость событий
- •2.4. Теорема умножения вероятностей
- •2.5. Формула полной вероятности
- •2.6. Теорема гипотез (Формула Байеса)
- •Глава 3. Повторение испытаний
- •3.1. Схема Бернулли
- •3.1.1. Обобщение схемы Бернулли
- •3.2. Теорема Пуассона (Закон редких событий)
- •3.3. Локальная теорема Муавра-Лапласа
- •3.4. Интегральная теорема Муавра-Лапласа
- •Глава 4. Случайные величины
- •4.1. Классификация случайных величин. Закон распределения дискретной случайной величины
- •4.1.1. Интегральная функция распределения
- •4.2. Непрерывная случайная величина, плотность распределения
- •4.2.1. Основные свойства плотности распределения
- •4.3. Характеристики положения случайной величины
- •4.4. Числовые характеристики одномерной случайной величины
- •4.4.1. Свойства математического ожидания
- •4.5. Моменты случайной величины
- •4.5.1. Свойства дисперсии
- •4.5.2. Асимметрия и эксцесс
- •Глава 5. Многомерные случайные величины
- •5.1. Многомерная случайная величина и закон ее распределения
- •5.1.1. Свойства двумерной функции распределения
- •5.2. Плотность вероятности двумерной случайной величины
- •5.2.1. Условная плотность распределения
- •5.3. Числовые характеристики системы случайных величин
- •5.3.1. Свойства коэффициента корреляции
- •Глава 6. Основные законы распределения
- •6.1. Нормальный (гауссов) закон распределения
- •6.1.1. Вероятность попадания на интервал
- •6.1.2. Свойства нормальной функции распределения
- •6.2. Распределение ("хи–квадрат")
- •6.3. Показательный (экспоненциальный) закон распределения
- •6.3.1 Числовые характеристики показательного распределения
- •6.3.2. Функция надежности
- •6.4. Распределение Парето
- •Глава 7. Закон больших чисел
- •7.1. Неравенство Чебышева
- •7.2. Теорема Чебышева
- •7.3. Обобщенная теорема Чебышева
- •7.4. Теорема Маркова
- •7.5. Теорема Бернулли
- •7.6. Центральная предельная теорема
- •Раздел 2. Математическая статистика Глава 8. Основные понятия и задачи математической статистики
- •8.1. Выборочные распределения
- •8.1.1. Группирование данных, гистограмма, полигон
- •8.2. Статистическая (эмпирическая) функция распределения
- •8.3. Выборочные значения и оценка параметров.
- •8.3.1. Требования "хороших оценок"
- •Несмещённость.
- •Эффективность.
- •Состоятельность.
- •Глава 9. Интервальное оценивание
- •9.1. Интервальная оценка математического ожидания при известной дисперсии
- •9.2 Интервальная оценка математического ожидания при неизвестной дисперсии
- •9.3. Интервальная оценка выборочной дисперсии
- •Глава 10. Статистические критерии
- •10.1. Проверка гипотез
- •10.2. Ошибки проверки гипотез
- •Раздел 3. Случайные процессы Глава 11. Основные понятия и модели случайных процессов
- •11.1. Классификация случайных процессов
- •11.2. Основные характеристики случайного процесса
- •Свойства математического ожидания сп
- •Свойства дисперсии сп
- •Свойства корреляционной (автоковариационной) функции сп
- •Свойства нормированной корреляционной функции сп
- •11.2. Стационарные случайные процессы
- •11.3. Марковские случайные процессы
- •11.4. Потоки событий (Пуассоновские потоки)
- •11.5. Непрерывный марковский процесс. Уравнения Колмогорова
- •Заключение
- •Список литературы Основная
- •Дополнительная
1.2. Пространство элементарных событий. Случайные события
Под событием в теории вероятностей понимается всякий факт, который в результате опыта может произойти или не произойти.
Примеры событий:
А – появился герб при бросании монеты;
В – появление трех гербов при трехкратном бросании монеты;
С – попадание в цель при выстреле;
D – появление туза при извлечении карты из колоды; и т.д.
Рассматривая вышеперечисленные события, мы видим, что каждое из них обладает какой-то степенью возможности: одни – большей, другие – меньшей. Причем, для некоторых событий мы сразу же можем решить, какое из них более, а какое менее возможно. Чтобы количественно сравнить между собой события по степени их возможности, очевидно нужно с каждым событием связать определенное число, которое тем больше, чем более возможно событие. Такое число мы называем вероятностью события.
Рассмотрим множество событий М, которые можно наблюдать в некотором эксперименте. Выделим, прежде всего, два специальных события – достоверное событие – U, которое обязательно происходит в эксперименте, и невозможное событие – V, которое не может произойти в эксперименте никогда.
Для
каждого события А
из М
введем противоположное событие
,
которое состоит в том, что событие А
не произошло.
Событие
,
заключающееся в том, что из двух событий
А
и В
происходит по крайней мере одно (либо
А,
либо В,
либо А
и В
вместе), называется суммой
(или объединением)
событий А
и В.
Событие
,
заключающееся в том, что события А
и В
происходят одновременно, называется
произведением
(или пересечением)
событий А
и В.
Событие А \ В называется разностью событий А и В; оно заключается в том, что происходит А и не происходит В.
Операции над событиями обладают следующими свойствами:
коммутативность
сложения,
ассоциативность
сложения,
коммутативность
умножения,
ассоциативность
умножения,
законы
дистрибутивности;
Предположим,
что среди всех возможных событий
,
которые в данном опыте по воле случая
происходят или не происходят, можно
выделить совокупность так называемых
элементарных
событий или
элементарных
исходов,
обладающих следующими свойствами:
во-первых, все они взаимоисключают друг друга, т.е. являются непересекающимися;
во-вторых, в результате данного опыта обязательно происходит одно из этих элементарных событий;
в-третьих, каково бы ни было событие , по наступившему элементарному исходу всегда можно судить о том, происходит или не происходит это событие.
Элементарные
исходы обычно обозначаются греческой
буквой
,
а их совокупность
называется пространством
элементарных событий.
Достоверное
событие U,
наступающее в результате любого из
элементарных исходов
,
при таком отождествлении событий
множеством совпадает с пространством:
.
Невозможное
событие V,
не наступающее ни при каком элементарном
исходе
,
совпадает с пустым множеством и
обозначается
.
Теперь можно указать дополнительные свойства операций над событиями:
законы
де Моргана
Два
события А
и В
несовместимы (или несовместны), если
(т.е. событие невозможно).
События
образуют полную
группу событий, если они попарно
несовместны и:
т.е.
из этих событий происходит одно и только
одно.
ПРИМЕР
8: Победитель соревнования награждается:
призом (событие А),
денежной премией (событие В),
медалью (событие С).
Что представляют собой события: а)
;
б)
;
в)
?
РЕШЕНИЕ: а) Событие состоит в том, что победитель награжден призом, или премией, или призом и премией одновременно.
б) Событие состоит в том, что победитель награжден призом, премией и медалью одновременно
в) Событие состоит в награждении победителя призом и медалью одновременно, без выдачи премии.
Для наглядной иллюстрации алгебры событий воспользуемся диаграммами Эйлера – Венна.
|
|
|
|
|
|
Здесь
каждой картинке (прямоугольнику)
соответствует пространство элементарных
событий
.
ПРИМЕР
9: Описать пространство элементарных
событий следующего опыта
брошены две игральные кости.
РЕШЕНИЕ: Очевидно,
элементарным исходом данного опыта
можно считать пару чисел
,
где а
– число очков на первой кости, b
– число очков на второй кости. Известно,
что (1
a,
b
6), причем количество очков на первой
кости не зависит от того, сколько очков
выпадет на второй кости и наоборот.
Отсюда получим:
