- •Введение
- •Операции над событиями.
- •Частость наступления события.
- •Аксиоматика теории вероятности.
- •Вероятностные меры
- •Построение вероятностных пространств Вероятностная модель эксперимента с конечным или счетным числом исходов
- •Классическое определение вероятности.
- •Построение вероятностных моделей для экспериментов с несчетным числом исходов.
- •Условные вероятности
- •Независимые события.
- •Формула сложения вероятностей
- •Формула Байеса* .
- •Композиция независимых испытаний.
- •Композиция n независимых испытаний.
- •Биномиальное распределение.
- •Случайные величины.
- •1. Основные определения.
- •2. Свойства функции распределения.
- •3. Теорема Колмогорова.
- •4. Функции от случайных величин.
- •Характеристики дискретных случайных величин
- •Производящая функция.
- •Свойства производящей функции
- •Первая модель распределения Пуассона*.
- •Вторая модель распределения Пуассона.
- •Непрерывные случайные величины.
- •Вероятностные характеристики непрерывных случайных величин.
- •Распределение Гаусса* (нормальное распределение).
- •Функция Лапласа* .
- •Распределение функций от случайной величины
- •Неравенство Чебышева*.
- •Многомерные случайные величины
- •Свойства m-мерной функции распределения
- •Теорема Колмогорова (без доказательства)
- •Двумерные дискретные случайные величины
- •Двумерные непрерывные случайные величины
- •Вычисление одномерных плотностей вероятности по двумерной плотности вероятности
- •Условные плотности вероятности
- •Независимые двумерные дискретные случайные величины
- •Двумерные непрерывные независимые случайные величины
- •Многомерные дискретные случайные величины
- •Многомерные непрерывные случайные величины
- •Мерные независимые величины
- •Математическое ожидание скалярной функции случайной величины
- •Коэффициент ковариации, коэффициент корреляции двух случайных величин
- •Свойства коэффициентов корреляции (ковариации)
- •Сумма двух независимых случайных величин
- •Двумерное нормальное распределение
- •Многомерное нормальное распределение
- •Свойства многомерного нормального распределения
- •Теорема Бернулли
- •Трактовка теоремы Бернулли
- •Закон больших чисел
- •Усиленный закон больших чисел
- •Математический аппарат характеристических функций
- •Комплексная случайная величина
- •Математическое ожидание комплексной случайной величины
- •Свойства характеристической функции
- •Примеры характеристических функций (хф)
- •Центральная предельная теорема.
- •Теорема Муавра-Лапласа
- •Общий случай центральной предельной теоремы. (без доказательства)
- •Инженерная трактовка общего случая цпт
- •Векторный аналог цпт
Классическое определение вероятности.
Рассмотрим
частный случай схемы, приведенной ранее.
А именно: пусть W={w1,
w2,
... , wm}
состоит из конечного числа элементарных
событий, и все элементарные события
равнозначны, то есть ни одному из них
нельзя отдать предпочтение до испытания,
следовательно их можно считать
равновероятными. Припишем каждому wі
вероятность
.
Вероятность достоверного события
Р(U)=
P(wi)=1.
Пусть АÌW - случайная событие, состоящее из k элементарных событий (в этом случае говорят, что событию А благоприятствуют k элементарных событий). Тогда
Р(А)=
P(wi)=
.
Определение (классическое определение вероятности).
Рассмотрим испытание, имеющее m одинаково возможных конкретных исходов. Предположим, что событию А благоприятствует k из этих результатов. Тогда
Р(А)= .
Пример. Бросается симметричный игральный кубик. Пространство элементарных событий W={w1, ... , w6}. Пусть А- событие, состоящее в том, что количество выпавших очков не больше чем 4, то есть А={w1, w2, w3, w4}. Тогда имеем
Р(А)=
.
Построение вероятностных моделей для экспериментов с несчетным числом исходов.
Выше рассматривались примеры испытаний, множество элементарных событий у которых являлось конечным или счетным множеством. Возникает вопрос: как строится вероятностное пространство для испытаний с несчетным числом элементарных исходов.
Особенности такого построения рассмотрим на одном простом примере.
Пусть
испытание состоит в бросании наугад
точки на отрезок [0,1). Предполагается,
что все мыслимые положения точки
"одинаково возможны". Пространство
элементарных событий для такого испытания
- отрезок W=[0,1).
Однако в данном случае уже нельзя
построить вероятностную модель, приписав
вероятности (одинаковые и не равные
нулю) для каждого w
(точки из отрезка [0,1)). Действительно,
если бы P(w)=c>0
для всех wÎ[0,1),
то, взяв только счетное множество
рациональных чисел из этого отрезка,
мы получили бы, что
,
т.е. заведомо не выполнялось бы свойство
вероятности Р(W)=1.
Таким образом, поскольку все w "одинаково возможны", получаем Р(w)=0 для каждого wÎ[0,1).
Поэтому в данном испытании вероятности приписываются не отдельным точкам, а некоторым множествам их. Причем задание вероятностей должно производиться согласованным образом. Например, ввиду "равновозможности" естественно считать, что вероятности попадания в интервалы [0,1/2) и [1/2,1) должны быть одинаковыми (и, следовательно, каждая из них должна быть равна1/2); вероятность попадания в отрезок [0,1/2) должна быть больше, чем вероятность попадания в отрезок [0,1/3).
Кроме того, необходимо, чтобы класс тех множеств, которым приписаны вероятности, был замкнут относительно операций объединения, пересечения, перехода к дополнению.
Рассмотрим
класс А
всех отрезков вида [a,b)Í[0,1),
а также всех конечных объединений
непересекающихся отрезков
.
Класс А
является алгеброй. Будем считать, что
вероятностная мера попадания в отрезок
[a,b)Í[0,1)
равна b-a, а вероятностная мера объединения
непересекающихся отрезков
равна
(тут
m может быть бесконечным). Такая
вероятностная мера на алгебре А
является счетно-аддитивной. Пусть
В=s(А)-
наименьшая s-
алгебра, содержащая класс А
(это s-алгебра
борелевских множеств отрезка [0,1)).
Далее воспользуемся теоремой, которую приведем без доказательства.
Теорема Каратеодори* о продолжении меры. Пусть Q-счетно-аддитивная вероятностная мера на некоторой алгебре А. Тогда существует единственная счетно-аддитивная мера Р(×), определенная на наименьшей s-алгебре F=s(A), содержащей А, и являющейся продолжением меры Q, т.е. мера Р(×) такая, что Р(А)=Q(А) для каждого АÎА.
Возвращаясь к нашему примеру, заметим, что по теореме о продолжении меры следует существование единственной меры Р(×) на В=s(А), такой, что Р([a,b))=b-a. Будем рассматривать в качестве случайных событий только борелевские множества из [0,1) и вероятностью назовем Р(А). Итак, мы построили вероятностное пространство (W, В, Р) для нашего испытания, состоящего в бросании наугад точки на [0,1), указав пространство элементарных событий W=[0,1) и s-алгебру В случайных событий, для которых определена вероятность Р(×).
Заметим, что существенным является выбор в качестве случайных событий лишь части подмножеств из W=[0,1), а именно s-алгебры борелевских множеств. Ибо на множестве всех подмножеств из [0,1) нельзя определить меру Р(×) так, чтобы Р([a,b))=b-a для всех [a,b) Í[0,1) (без доказательства).
