- •Введение
- •1. Случайные события и вероятность
- •1.1. Пространство элементарных событий. Случайные события. Алгебра событий
- •1.2. Классическое определение вероятности. Статистическое определение вероятности
- •1.3. Элементы комбинаторики. Некоторые содержательные задачи
- •1.4. Аксиоматическое введение вероятности
- •1.5. Теоремы о вероятностях случайных событий
- •1.6. Формула полной вероятности и формула Байеса
- •1.7. Геометрические вероятности
- •1.8. Схема независимых испытаний Бернулли. Формула Бернулли. Формула Пуассона. Локальная и интегральная теоремы Муавра-Лапласа
- •Вопросы для самопроверки
- •2. Случайные величины
- •2.1. Случайные величины. Случайные величины дискретного типа. Ряд распределения. Функция распределения
- •2.2. Случайная величина непрерывного типа. Плотность вероятности распределения случайной величины
- •2.3. Числовые характеристики случайной величины. Математическое ожидание и дисперсия, их свойства
- •2.4. Пуассоновский поток событий
- •Вопросы для самопроверки
- •3. Системы случайных величин
- •3.1. Закон распределения системы двух случайных величин. Функция распределения, плотность распределения системы двух случайных величин
- •3.2. Условные законы распределения. Зависимые и независимые случайные величины
- •3.3. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •Вопросы для самопроверки
- •4. Функции случайных величин
- •4.1. Преобразование случайных величин (случай двух переменных)
- •4.2. Распределение суммы, разности, произведения и частного двух случайных величин
- •4.3. Преобразование случайных величин (случай одной переменной)
- •4.5. Распределение Стьюдента
- •Вопросы для самопроверки
- •5. Закон больших чисел
- •5.1. Неравенства Чебышева
- •5.2. Теорема Чебышева
- •5.3. Теорема Бернулли
- •5.4. Центральная предельная теорема
- •Вопросы для самопроверки
- •6. Случайные процессы. Марковские случайные процессы. Системы массового обслуживания
- •6.1. Случайные процессы
- •6.2. Марковские случайные процессы. Марковские цепи
- •6.3. Марковские процессы с дискретными состояниями и непрерывным временем. Уравнения Колмогорова
- •6.4. Процессы гибели и размножения
- •6.5. Потоки случайных событий
- •6.6. Приложения марковских процессов
- •6.7. Системы массового обслуживания
- •6.8. Системы массового обслуживания с отказами Одноканальная смо с отказами
- •6.9. Системы массового обслуживания с очередями
- •Вопросы для самопроверки
- •7. Математическая статистика
- •7.1. Генеральная совокупность и выборка. Статистический ряд. Статистическая функция распределения. Гистограмма
- •7.2. Точечные оценки параметров генеральной совокупности по выборочным совокупностям, их свойства. Точечные оценки для математического ожидания и дисперсии случайной величины
- •7.3. Интервальные оценки. Доверительный интервал. Нахождение доверительных интервалов для математического ожидания и дисперсии нормального распределения случайной величины
- •1. Доверительный интервал для оценки математического ожидания нормального распределения случайной величины с известным
- •2. Доверительный интервал для оценки математического ожидания нормального распределения с неизвестным
- •3. Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения
- •7.4. Построение прямых линий регрессии по выборочным данным
- •1. Нахождение параметров выборочных уравнений прямой линии регрессии по несгруппированным данным
- •2. Нахождение параметров выборочных уравнений прямой линии регрессии по сгруппированным данным
- •7.5. Нахождение оценки для коэффициента корреляции двух случайных величин
- •7.6. Статистическая проверка гипотез. Статистическая гипотеза. Нулевая и конкурирующая гипотеза. Статистический критерий. Критическая область
- •7.7. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •7.8. Проверка гипотезы о распределении генеральной совокупности. Критерий 2 Пирсона
- •7.10. Сравнение генеральных средних двух нормально распределенных случайных величин (малые независимые выборки)
- •7.11. Сравнение двух дисперсий нормальных генеральных совокупностей
- •7.12. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью наступления события
- •Вопросы для самопроверки
- •8. Варианты контрольной paбoты № 1 по теории вероятностей вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •9. Варианты контрольной работы № 2 по случайным процессам и математической статистике вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Приложение
- •Суммарные вероятности для распределения Пуассона
- •Критические точки распределения Стьюдента
- •Библиографический список
1.2. Классическое определение вероятности. Статистическое определение вероятности
Пусть для эксперимента со случайным исходом можно указать N событий A1, A2, ... , AN, обладающих следующими свойствами:
события A1, ... , AN попарно несовместны, т.е. любые два из них не могут произойти вместе;
события A1, ... , AN образуют полную группу, т.е. при любом исходе эксперимента хотя бы одно из них непременно происходит;
события A1, ... , AN равновозможны, т.е. ни одно из них не является более предпочтительным, чем другое.
В этой классической схеме события A1,A2,...,AN называют случаями. Тогда для вероятности любого случайного события А, связанного с данным экспериментом со случайным исходом, имеем (по определению):
. (1.2.1)
Классическое определение вероятности. Вероятность события А равна отношению числа случаев, благоприятствующих событию А, к числу всех случаев.
Задача 1.2.1. В урне находится 10 шаров, из них 7 белых и 3 чёрных. Наудачу извлекают 1 шар. Найти вероятность того, что он белый.
Решение. А – вытягивание белого шара. N=10 – число всех случаев; M=7 – число случаев, благоприятствующих событию А. P(A) = 7/10.
Страхование. История страховых операций прослеживается на протяжении тысячелетий, но применение математических методов, отличных от простого счёта, начинается с понятия о таблице продолжительности жизни, введённого в 1662 году членом Королевского Общества Д. Гронтом (Англия). Простейшая форма таблицы продолжительности жизни представляет собой картину выживания некоторой группы людей одинакового возраста. Приведённая ниже табл. 1.2.1 представляет собой часть таблицы смертности за 1967 – 1970 годы, составленной на основании статистических данных, которые в течение многих лет собирались Институтом по подготовке специалистов по страхованию и Факультетом специалистов по страховому делу (Шотландия).
Таблица 1.2.1
Возраст, x |
Число живущих, lx |
Число смертей, dx |
Скорость смертности, Px |
… |
… |
… |
… |
60 |
100000 |
1471 |
0,01471 |
61 |
98529 |
1608 |
0,01632 |
62 |
96921 |
1752 |
0,01808 |
63 |
95169 |
1904 |
0,02001 |
64 |
93265 |
2054 |
0,02213 |
65 |
91201 |
… |
… |
… |
… |
… |
… |
Скорость смертности – это вероятность того, что лицо возраста x скончается до достижения возраста x+1. Так, если начать со 100 000 человек 60-летнего возраста, то на основании табл. 1.2.1 1471 из них умрут, не достигнув 61 года.
Поэтому по классическому определению вероятности P=1471/100000=0,01471. Остаток 98529 человек будет представлять число доживших до 61 года. На основании таблицы 1608 из них умрут, не достигнув 62 лет. Скорость смертности P=1608/98529=0,01632. Из таблицы видно, что полное число смертей в возрасте от 60 до 64 лет – 8799, поэтому вероятность, что отдельная личность, дожившая до 60 лет, умрёт не достигнув 65-летнего возраста, равна P=8799/100000=0,08799, а дополнение её до 1, т.е. 0,91201 или l65/l60 – это вероятность дожить до 65 лет. Скорость смертности Рх используется для расчёта страховых взносов.
Статистическое определение вероятности
Пусть в серии из n опытов случайное событие А осуществлялось m раз. Тогда отношение m/n называют относительной частотой события А в этой серии испытаний.
Замечено, что при условиях независимых исходов отдельных опытов относительная частота события обнаруживает при больших n свойство стабильности: различные серии испытаний (по n испытаний каждая) дают весьма близкие значения относительной частоты. Статистической вероятностью события А в данном испытании называется число Р(А), около которого группируются значения относительной частоты при больших n. Свойство устойчивости относительных частот при большом числе n однородных опытов – одна из наиболее характерных закономерностей, наблюдаемых в массовых случайных явлениях.
