- •Математика и информатика
- •Содержание
- •Часть 1. Основания математики Глава 1. Понятийный аппарат аксиоматического метода
- •1.1. Понятие аксиоматического метода
- •1.2. Аксиоматическое построение математической теории
- •1.3. Вопросы для самоконтроля по теме «Аксиоматический метод»
- •Глава 2. Основные понятия теории множеств. Основные структуры
- •2.1. Понятие множества
- •2.3. Алгебра множеств
- •2.3.1. Отношения между множествами
- •2.2. Способы задания множеств
- •2.3.2. Операции над множествами
- •2.3.3. Алгебраические свойства операций над множествами
- •2.3.4. Геометрическая интерпретация операций над множествами
- •2.4. Декартово произведение множеств. Бинарные отношения
- •2.5. Символический язык логической структуры математических предложений
- •2.6. Алгебраические операции над различными математическими объектами
- •2.7. Вопросы для самоконтроля по теме «Теория множеств»
- •Глава 3. Структуры на множестве. Комбинаторика
- •3.1. Перестановки
- •3.2. Размещения
- •3.3. Сочетания
- •3.4. Вопросы для самоконтроля по теме «Комбинаторика»
- •Часть 2. Основы теории вероятностей Глава 4. Случайные события
- •4.1. Основные понятия теории вероятностей. Виды случайных событий
- •4.2. Алгебра случайных событий
- •4.3. Определение вероятности
- •4.3.1. Классическое определение вероятности
- •4.3.2. Аксиомы теории вероятностей. Аксиоматическое определение вероятности
- •4.4. Теоремы сложения и умножения вероятностей
- •4.4.1. Сложение вероятностей несовместных событий
- •4.4.2. Умножение вероятностей независимых событий
- •4.4.3. Вероятность появления хотя бы одного события
- •4.4.4. Умножение вероятностей зависимых событий. Условная вероятность
- •4.4.5. Сложение вероятностей совместных событий
- •4.5. Формула полной вероятности
- •4.6. Формула Байеса
- •4.7. Вопросы для самоконтроля по теме «Основы теории вероятностей»
- •Глава 5. Случайные величины
- •5.1. Понятие случайной величины
- •5.2. Дискретная случайная величина
- •5.2.1. Закон распределения дискретной случайной величины
- •5.2.2. Числовые характеристики дискретных случайных величин
- •5.3. Непрерывная случайная величина
- •5.3.1. Функция распределения вероятностей и плотность распределения вероятностей непрерывной случайной величины
- •5.3.2. Числовые характеристики непрерывной случайной величины
- •5.3.3. Равномерный и нормальный законы распределения непрерывных случайных величин
- •5.3.4. Вероятность попадания в заданный интервал нормальной случайной величины
- •5.3.5. Вычисление вероятности заданного отклонения нормальной случайной величины
- •5.4. Вопросы для самоконтроля по теме «Случайная величина»
- •Часть 3. Элементы математической статистики Глава 6. Статистические оценки параметров распределения
- •6.1. Предмет и задачи математической статистики
- •6.2. Выборочный метод
- •6.2.1 Полигон и гистограмма
- •6.2.2. Эмпирическая функция распределения
- •6.3. Статистические оценки параметров распределения
- •6.4. Некоторые статистические распределения
- •6.4.2. Распределение Стьюдента
- •6.5. Интервальные оценки
- •6.5.1. Доверительные интервалы для оценки математического ожидания нормального распределения случайной величины
- •6.5.2. Доверительные интервалы для математического ожидания при известной дисперсии
- •6.5.3. Оценка генеральной дисперсии по исправленной выборочной
- •6.5.4. Доверительные интервалы для математического ожидания при неизвестной дисперсии
- •Глава 7. Проверка статистических гипотез
- •7.1. Понятие и классификация статистических гипотез
- •7.2. Общая схема проверки гипотез
- •7.3. Статистическая проверка гипотез о параметрах распределения
- •7.4. Вопросы для самоконтроля по теме «Элементы математической статистики»
- •Часть 4. Алгоритмизация и программирование Глава 8. Основы алгоритмизации
- •8.1. Понятие и свойства алгоритма
- •8.2. Таблица блоков
- •8.3. Линейные алгоритмы
- •8.4. Ветвления
- •8.5. Циклы. Повтор с заданным количеством циклов
- •8.6. Вопросы для самоконтроля по теме «Алгоритмизация»
- •Глава 9. Программирование на Паскале
- •9.1. Конструкция языка Turbo-Pascal
- •9.1.1. Алфавит
- •9.1.2. Данные и типы данных
- •9.1.3. Стандартные функции
- •9.1.4. Арифметические, логические, символьные выражения
- •9.2. Структура программы на языке Паскаль
- •9.3. Основные операторы Паскаля
- •9.3.1. Оператор присваивания
- •9.3.2. Операторы ввода
- •9.3.3. Операторы вывода
- •9.3.4. Комментарий
- •9.4. Программы линейных алгоритмов
- •9.5. Операторы передачи управления
- •9.5.1. Оператор безусловного перехода
- •9.5.2. Операторы условного перехода
- •9.5.3. Оператор выбора варианта
- •9.6. Разветвляющийся алгоритм
- •9.7. Операторы цикла
- •9.8. Программы циклических алгоритмов
- •9.9. Массивы
- •9.9.1. Понятие и описание массива
- •9.9.2. Ввод и вывод элементов массивов
- •9.10. Вопросы для самоконтроля по теме «Программирование»
- •9.9.3. Операции с массивами
- •Литература
- •Приложениe 1
- •Приложениe 2
- •Приложениe 3
- •Математика и информатика учебное пособие
4.3. Определение вероятности
4.3.1. Классическое определение вероятности
Вероятность является одним из основных понятий теории вероятностей. Существует несколько определений этого понятия. Одно из основных – это классическое определение. Это определение применимо в случаях, когда удается выделить полную группу несовместных и равновероятных событий, т.е. элементарных исходов.
Вероятностью события А называют отношение числа m благоприятствующих этому событию исходов к общему числу n всех элементарных исходов:
|
|
|
(4.1) |
Примеры непосредственного вычисления вероятностей.
Пример 5.
В группе 25 студентов. Из них 10 девушек и 15 юношей. Наугад выбирают одного студента. Найти вероятность того, что выберут юношу.
Решение. Искомая вероятность:
![]()
Пример 6.
В группе 15 студентов. Из них 5 девушек и 10 юношей. Выбирают 3 студентов. Найти вероятность того, что из трёх выбранных студентов выберут одну девушку и двух юношей.
Решение. При вычислении вероятности события необходимо обратиться к разделу комбинаторики. Для данной задачи следует подсчитать различные сочетания по формуле (3.3).
Искомая вероятность:
![]()
где:
![]()
![]()
![]()
Классическое определение вероятности служит хорошей математической моделью тех случайных экспериментов, число исходов которых конечно, а сами исходы равновозможны и несовместны.
4.3.2. Аксиомы теории вероятностей. Аксиоматическое определение вероятности
Систему аксиоматического обоснования определения вероятности построил А.Н. Колмогоров в 1933 г.
Числовая функция Р(А), заданная на алгебре F – подмножеств пространства элементарных исходов – , называется вероятностью случайного события А, если она удовлетворяет следующим свойствам (аксиомам):
А1 (аксиома 1). Р(а) > 0; AF.
Аксиому 1 можно прочитать: «вероятность случайного события А всегда величина положительная для любого события, принадлежащего подмножеству F.
A2 (аксиома 2). P()=1.
Аксиома 2 может быть сформулирована следующим образом: вероятность достоверного события равна единице.
A3 (аксиома 3). Если AB= то P(AB)=P(A)+P(B).
Аксиома 3 может быть сформулирована следующим образом: если события А и В несовместны, то Р(А+В) = P(A)+P(B).
Как следствие из этих аксиом можно сформулировать далее:
Аксиома 4. Вероятность случайного события есть положительное значение, заключенное между нулем и единицей. 0 < Р(А) <1.
Аксиома 5. Вероятность невозможного события равна нулю. Р(А)=0.
4.4. Теоремы сложения и умножения вероятностей
4.4.1. Сложение вероятностей несовместных событий
Суммой двух событий А + В называется событие, состоящее в появлении события А или В или обоих этих событий.
Теорема 1.Вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий.
|
|
Р(А+В)=Р (А)+Р (В). |
(4.2) |
Данную строку можно прочитать следующим образом: вероятность появления события А или В, или обоих этих событий равна сумме вероятностей этих событий. Запись Р(А)+Р(В) можно представить в виде: Р(А)Р(В).
Для нескольких несовместных событий формула (4.2) имеет вид:
|
|
Р(А1+ А2+ … + Аk) = Р(А1) + (А2) +…+ Р(Аk). |
(4.2а) |
Теорема 2. Сумма вероятностей всех событий, образующих полную группу, равна единице.
|
|
Р(А1) + (А2) +…+ Р(Аk) = 1. |
(4.3) |
Пример 7.
Студент после занятий может пойти: домой с вероятностью р1=0,4, в библиотеку с вероятностью р2=0,1, в спортзал с вероятностью р3=0,2 и в кино с вероятностью р4=?. Определить р4.
Решение.
Эти четыре события несовместны и образуют полную группу. Сумма вероятностей событий p1,p2,p3равна:
р1+р2+ р3=0,4 +0,1+0,2=0,7.
По формуле (4.3) получим p4=1-0,7=0,3.
Теорема 3.Сумма вероятностей противоположных событий равна единице.
|
|
|
(4.4) |
Если вероятность события Р (А) обозачить через p, а события Р(А) через q, то формулу (4.4) можно записать в виде:
|
|
p + q = 1. |
(4.5) |
Пример 8.
Студент может сдать экзамен с вероятностью р=0,9. Какова вероятность, что студент не сдаст экзамен?
Решение.
Эти два события противоположны и образуют полную группу.
Вероятность появления одного из двух несовместных событий из (4.5) равна: q = 1–р = 0,1.
