- •6.030505 “Управління персоналом і економіка праці ”
- •Опис навчальної дисципліни «математика для економістів»
- •Інструментальні:
- •Змістовий модуль 2. Диференціальне числення функції однієї змінної та його застосування в економіці
- •Змістовий модуль 3. Диференціальне числення функції багатьох змінних та його застосування в економіці
- •Змістовий модуль 4. Інтегрування функцій. Диференціальні та різницеві рівняння
- •Модуль 2. Теорія ймовірностей і математична статистика Змістовий модуль 1. Теорія ймовірностей
- •Тема 13. Економічна динаміка та її моделювання: диференціальні та різницеві рівняння
- •Змістовий модуль 5. Ряди та їх застосування. Елементи математичної економіки
- •Тема 14. Ряди та їх застосування
- •Змістовий модуль 2. Математична статистика
- •Тема 1. Емпіричні та логічні основи теорії ймовірностей
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •1. Випадкові події
- •2. Прості та складені випадкові події. Простір елементарних подій
- •3.Операції над подіями
- •Тема 2. Основні теореми теорії ймовірностей, їх економічна інтерпретація
- •2. Елементи комбінаторики
- •3. Геометрична ймовірність
- •4. Статистична ймовірність
- •5. Умовна ймовірність
- •5.1. Залежні та незалежні випадкові події
- •5.2. Обчислення умовної ймовірності
- •Формули ймовірностей добутку та суми випадкових подій
- •7. Імовірність появи хоча б однієї випадкової події
- •1320 11 8. Формула повної ймовірності
- •9. Формула Байєса
- •Питання для самоконтролю
- •Література
- •Тема 3. Схема незалежних випробувань
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •1. Формула Бернуллі
- •2. Найімовірніше число появи випадкової події (мода)
- •3. Локальна теорема
- •4. Інтегральна теорема
- •5. Використання інтегральної теореми
- •6. Формула Пуассона для малоймовірних випадкових подій
- •7. Проста течія подій
- •Питання для самоконтролю
- •Тема 4. Випадкові величини та їх економічна інтерпретація
- •Функція розподілу ймовірностей
- •Щільність ймовірностей (диференціальна функція) її властивості
- •Питання для самоконтролю
- •Тема 5. Закони розподілу та числові характеристики випадкових величин
- •1.1. Математичне сподівання
- •1.2. Мода та медіана випадкової величини
- •1.3. Дисперсія та середнє квадратичне відхилення
- •1.4. Початкові та центральні моменти
- •1.5. Асиметрія і ексцес
- •Біноміальний закон розподілу
- •Закон розподілу Пуассона
- •Рівномірний розподіл
- •Експоненціальний розподіл
- •Нормальний розподіл
- •7. Розподіл («хі-квадрат»)
- •Тема 6. Багатовимірні випадкові величини
- •2. Коефіцієнт кореляції
- •3. Умовні закони розподілу
- •4. Функція розподілу ймовірностей системи двох випадкових величин
- •5. Щільність ймовірностей системи двох випадкових величин
- •6. Числові характеристики системи двох неперервних випадкових величин
- •Питання для самоконтролю
- •Тема 7. Функції випадкового аргументу
- •2. Закон розподілу та числові характеристики функції дискретного випадкового аргументу
- •3. Закон розподілу та числові характеристики функції неперервного випадкового аргументу
- •Питання для самоконтролю
- •Література
- •Тема 8. Граничні теореми теорії ймовірностей
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •Тема 9. Елементи теорії випадкових процесів і теорії масового обслуговування
- •2. Марковські випадкові процеси. Ланцюги Маркова
- •3. Процес народження і загибелі
- •4. Елементи теорії масового обслуговування
- •Тема 10. Первинне опрацювання статистичних даних
- •2. Генеральна та вибіркова сукупності
- •Тема 11. Статистичне та інтервальне оцінювання параметрів розподілу
- •Тема 12. Перевірка статистичних гіпотез
- •2. Похибки перевірки гіпотез
- •3. Критерії узгодження для перевірки гіпотез
- •4. Критична область
- •Тема 13. Елементи теорії регресії
- •2. Визначення параметрів ,
- •3. Властивості ,
- •4. Множинна регресія
- •Питання для самоконтролю
- •Література
- •Тема 14. Елементи дисперсійного аналізу
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •Тема 15. Елементи теорії кореляції
- •Тема 1. Емпіричні та логічні основи теорії ймовірностей.
- •Задачі для розв’язання
- •Тема 2. Основні теореми теорії ймовірностей, їх економічна інтерпретація
- •Задачі для розв’язання
- •Тема 3. Схема незалежних випробувань
- •Задачі для розв’язання
- •Тема 4. Випадкові величини та їх економічна інтерпретація
- •Задачі для розв’язання
- •Тема 5. Закони розподілу та числові характеристики випадкових величин
- •Задачі для розв’язання
- •Тема 6. Багатовимірні випадкові величини
- •Задачі для розв’язання
- •Тема 7. Функції випадкового аргументу
- •Задачі для розв’язання
- •Тема 8. Граничні теореми теорії ймовірностей
- •Задачі для розв’язання
- •Тема 9. Елементи теорії випадкових процесів і теорії масового обслуговування
- •Задачі для розв’язання
- •Тема 10. Первинне опрацювання статистичних даних
- •Задачі для розв’язання
- •Тема 11. Статистичне та інтервальне оцінювання параметрів розподілу
- •Задачі для розв’язання
- •Тема 12. Перевірка статистичних гіпотез
- •Задачі для розв’язання
- •Тема 13. Елементи теорії регресії
- •Задачі для розв’язання
- •Тема 14. Елементи дисперсійного аналізу
- •Задачі для розв’язання
- •Тема 15. Елементи теорії кореляції
- •Література
- •Методичні вказівки до виконання завдань
- •Приклади розв’язків задач для індивідуальної роботи
- •Завдання для індивідуальної роботи
- •Самостійна робота студентів
- •Практичні заняття
- •Модульний контроль
- •Індивідуальна робота
- •Математика для економістів
5. Умовна ймовірність
5.1. Залежні та незалежні випадкові події
Випадкові події А і В називають залежними, якщо поява однієї з них (А або В) впливає на ймовірність появи іншої. У противному разі випадкові події А і В називаються незалежними.
Приклад 1. В урні міститься 10 однакових кульок, із них 6 чорних і 4 білих. З урни навмання беруть дві кульки по одній без повернення. З'ясувати, чи будуть залежними такі події: перша кулька виявиться чорною і друга також.
Розв'язання. Позначимо через А появу чорної кульки при першому вийманні, а через В — при другому. Випадкові події А і В будуть залежними, оскільки поява чорної кульки при першому її вийманні з урни (випадкова подія А) впливатиме на ймовірність появи чорної кульки (випадкова подія В) при другому вийманні.
Приклад 2. З урни, де шість білих і чотири чорні кульки, вийняли дві кульки по одній, при цьому перша кулька в урну повертається.
З'ясувати, чи будуть залежними такі події: перша виявиться чорною, друга також.
Розв'язання. Нехай А — поява чорної кульки при першому вийманні, а В — при другому. Поява чорної кульки при першому вийманні (здійснилась подія А) не впливатиме на ймовірність появи чорної кульки (подія В) при другому вийманні, оскільки співвідношення між чорними та білими кульками в цьому разі не змінюється.
5.2. Обчислення умовної ймовірності
Якщо ймовірність випадкової події А обчислюється за умови, що подія В відбулася, то така ймовірність називається умовною. Ця ймовірність обчислюється за формулою
. (2.7)
Формули ймовірностей добутку та суми випадкових подій
Згідно із (2.7) маємо:
. (2.8)
Формула
(2.8) має місце в загальному випадку. Якщо
події А
і
В є
незалежними то, за означенням,
.
Для незалежних подій з (2.8) випливає:
. (2.9)
Імовірність суми двох несумісних поді А і В є:
. (2.10)
Імовірність суми двох сумісних поді А і В є:
. (2.11)
7. Імовірність появи хоча б однієї випадкової події
Нехай
є n
сумісних випадкових подій
,
,...,
.
Позначимо через
подію, яка полягає в тому, що з'явиться
хоча б одна з цих подій. Тоді подія
це подія за якої жодна з подій не
відбудеться. Подія
визначається як
.
Події
та
утворюють повну групу подій, тому
.
Звідси одержуємо
(2.12)
За цією формулою треба обчислювати імовірність появи хоча б однієї випадкової події з n сумісних подій.
1320 11 8. Формула повної ймовірності
У
разі, коли випадкова подія А може
відбутися лише за умови, що відбудеться
одна з несумісних випадкових подій
,
,
...
,
які утворюють повну групу і між собою
є попарно несумісними, імовірність
події А обчислюється за формулою:
. (2.13)
Яка називається формулою повної ймовірності.
Випадкові події , , ... називають гіпотезами.
9. Формула Байєса
Нехай
в умовах задачі, що відноситься до
формули повної ймовірності, провели
одну спробу експерименту, в результаті
якої відбулася подія А.
Запитується: як змінилися (у зв'язку з
тим, що подія А уже відбулася) імовірності
гіпотез, тобто величини
,
k = 1,....,n ?
Знайдемо
умовну імовірність
.
За теоремою добутку ймовірностей
маємо:
, (2.14)
де обчислюється за формулою (2.13).
Формула (2.14) називається формулою Байєса (Томас Байєс, чи Бейєс (1702 – 1761), - англійський математик).
