- •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
Условные вероятности
Часто приходится рассматривать вероятность наступления события А в результате испытания, если известно, что в этом испытании произошло событие В, имеющее положительную вероятность. Эту условную вероятность обозначают Р(А/В). Прежде чем давать общее формальное определение условной вероятности, рассмотрим простейший пример.
Пусть пространство элементарных событий W состоит из m равновероятных событий, событию АВ благоприятствует r элементарных событий.
Заметим, что согласно классическому определению вероятности
Р(В)=t/m , P(AB)=r/m.
Определим условную вероятность Р(А/В)
Известно, что в данном испытании событие В произошло, и, таким образом, множество всех возможных в данном испытании элементарных событий “сузилось” до t элементарных событий. В силу равновозможности, вероятность каждого из элементарных событий, входящего в В, теперь естественно считать 1/t. Событию А благоприятствуют теперь только r элементарных событий. В силу равновозможности естественно определить
Рассмотрим теперь более общую ситуацию, когда пространство W не обязательно состоит из равновозможных элементарных событий. Пусть проведено n испытаний. Пусть в nB испытаниях произошло событие В, из них в nAB произошло событие А. Найдем условную частость наступления события А при условии, что произошло событие В:
Ранее уже отмечалось, что частость наступления события в определенном смысле сходится к вероятности при количестве испытаний, стремящемся к бесконечности.
Сказанное позволяет дать следующее определение условной вероятности.
Определение. Пусть (W, F, P)–вероятностное пространство, АÎF, ВÎF, Р(В)>0. Условной вероятностью события А при условии, что произошло событие В, называют величину
Р(А/В)=Р(АВ)/Р(В).
При Р(В)=0 условная вероятность Р(А/В) не определена.
Можно убедиться, что условные вероятности обладают следующими свойствами:
Р(А/В)>=0
P(W /B)=1
P(B/B)=1
если {Ai} - последовательность попарно несовместных случайных событий (АіАj=Æ, i ¹ j), то
.
Свойства 1)-3) проверить самостоятельно . Докажем 4).
Имеем
Если обозначить через Fb s-алгебру всех множеств вида АВ , то из свойств 1)-4) выходит , что (B, Fb, P(./B))-вероятностное пространство.
Из определения вероятности следует
Р(АВ)=Р(В)Р(А/В)=Р(А)Р(В/А),
если Р(А)>0,P(B)>0. Это соотношение носит название формулы умножения вероятностей.
Она обобщается на случай произвольного количества k сомножителей. А именно, пусть имеется система случайных событий А1,A2...Ak, и пусть Р(A1A2.....Ak-1)>0.Тогда
Прежде всего заметим, что из
и из Р(А1А2...Ак-1)>0 выходит, что
.
Следовательно,
все условные вероятности
определены.
Далее воспользуемся методом математической индукции . Ранее установлено, что формула верна при к=2 . Пусть она верна для произведения (к-1) случайных событий , то есть:
Обозначим
,
так что P(A1A2...Ak-1)=P(B).
Тогда
P(A1A2...Ak)=P(AkB)=P(B)×P(AkB)=
=P(A1) P(A2AkA1)...Р(Ak-1 /А1A2.... Ak-2) Р(Ak /А1A2.... Ak-1).
Таким образом, формула умножения в общем случае доказана.
