- •Содержание
- •Введение
- •Аксиомы, определяющие вероятность
- •Законы тождества
- •Определения вероятности
- •Понятие об условной вероятности
- •Теорема Байеса
- •Случайные величины и их законы распределения
- •Плотность распределения
- •Свойства функции распределения
- •Свойства плотности распределения
- •Числовые характеристики случайных величин
- •Математическое ожидание числа появления события в одном опыте. Закон распределения
- •Свойства математического ожидания
- •Характеристики рассеяния
- •Свойства дисперсии
- •Стандартные распределения дискретных случайных величин
- •Проверка статистических гипотез
- •Алгоритм проверки статистических гипотез
- •Стандартные распределения непрерывных случайных величин
- •Этапы моделирования непрерывных случайных величин
- •Локальная и интегральная теоремы Лапласа
- •Локальная теорема
- •Интегральная теорема
- •Система случайных величин
- •Интегральная функция распределения
- •Дифференциальная f(X) для непрерывных случайных величин (двумерная плотность вероятности)
- •Моменты двумерной выборки
- •Центральная предельная теорема
- •Метод статистических испытаний, или метод Монте-Карло
- •Задача о «случайном блуждании»
- •Статистические оценки параметров распределения случайных величин
- •Доверительные границы
- •Плотность распределения
- •Распределение Стьюдента (Госсета) или t-распределение
- •Распределение Фишера
- •Модели дисперсионного анализа
- •Однофакторный дисперсионный анализ
- •Двухфакторный дисперсионный анализ, двойная группировка
- •Модели непараметрической статистики Априорное ранжирование факторов
- •Краткие выводы по курсу
Аксиомы, определяющие вероятность
Каждому случайному событию А ставят в соответствие некоторое неотрицательное число, называемое его вероятностью: 0≤p(А)≤1
Аксиома сложения. Для несовместимых событий справедливо высказывание: «Вероятность суммы событий равна сумме вероятностей этих событий»: p(А1+А2+…+Аn)=p(A1)+p(A2)+…+p(An)
Для произвольных событий существует теорема сложения: p(A+B)=p(A)+p(B)-p(AB)
Вероятность суммы двух событий равна сумме вероятностей этих событий без вероятности их совместного появления
Если А‹В, то вероятность события А не может превысить вероятность В.
Для любого А: p (А) – вероятность противоположного события: p(Ā)=1-p(A).
Кроме двух требований к системе может быть предъявлено третье требование, а именно: если элементами системы являются события А1, А2, …,Аn, то в систему входит их сумма и произведение. Такое поле событий называется борелевским (1847-1956).
Случайные события подчиняются следующим законам:
Коммутативный:
A+B=B+A;
A∙B=B∙A.
Ассоциативный:
A+(B+C)=(A+B)+C
A(BC)=(AB)C
→
=
→
Дистрибутивный :
A(B+C)=AB+AC
→
=
+
→
A+(BC)=(A+B)(A+C)
→
=
+
→
Законы тождества
– законы
де Моргана
– двойное отрицание
Определения вероятности
Существует три определения:
Классическое.
Статистическое.
Геометрическое, или геометрическая интерпретация.
Сводит понятие вероятности к понятию равновероятности. Пусть имеется группа событий G: E1, E2, …, En; где Ei – элементарное событие. Оно не подразделяется на частные случаи. Можно составить систему событий S: V, Ei, A, где А – событие, которое подразделяется на частные случаи, входящие в группу j. Пусть n=3, тогда G= E1, E2, E3; S: V, E1, E2, E3, E1+E2, E2+E3, E1+E3; U=E1+E2+E3.
Для доказательства
того, что частные случаи могут быть
элементами системы, необходимо выполнить
операцию умножения: (E1+E2)(E1+E3).
Для поля событий S
вероятность определяется: если событие
А
подразделяется на m
частных случаев, входящих в полную
группу из n
попарно несовместимых и равновозможных
событий, то вероятность события А
равна:
.
При этом комплекс условий Q=const.
Иначе вероятность равна отношению числа
возможных результатов испытания,
благоприятствующих событию А
к общему числу возможных результатов
испытания.
А имеет вероятность, если оно обладает двумя особенностями:
Теоретически при Q=const можно провести неограниченное число независимых испытаний, при которых А может появиться или не появиться.
При достаточно большом числе испытаний частость появления события незначительно отклоняется от некоторой неизвестной постоянной. Она является статистической вероятностью
Пусть дана некоторая область G и внутри ее имеется g. В область G наугад (случайным образом) бросается точка. Тогда вероятность попадания точки в g не зависит от формы области и от положения ее внутри G, а зависит только от меры этой области:
G
g
