- •Лекция 1. Предмет теории вероятностей и математической статистики и их роль в экономике и менеджменте
- •Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
- •Пространство элементарных событий.
- •Совместные и несовместные события.
- •Операции над событиями (сумма, разность, произведение).
- •Свойства операций над событиями.
- •Алгебра и сигма-алгебра событий.
- •Лекция 3. Методы определения вероятностей событий
- •Классическое определение вероятности события. Случаи равновероятных исходов.
- •Статистическое определение вероятности события. Случаи неравновероятных исходов.
- •Геометрические вероятности.
- •Аксиоматическое построение теории вероятностей.
- •Вероятностное пространство
- •Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
- •Условная вероятность.
- •Формула умножения вероятностей.
- •Формула сложения вероятностей.
- •Независимость событий.
- •Формула полной вероятности.
- •Формула Байеса
- •Основные понятия комбинаторики.
- •Правила суммы и произведения.
- •Лекция 5. Схема независимых испытаний Бернулли
- •Случай непостоянной вероятности появления события в опытах
- •Наивероятнейшее число наступления событий в схеме Бернулли.
- •Предельные теоремы для схемы Бернулли.
- •Теорема Пуассона.
- •Понятие потока событий.
- •Локальная теорема Муавра –Лапласа.
- •Интегральная (глобальная) теорема Муавра – Лапласа.
- •Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
- •Закон распределения дискретной случайной величины.
- •Функция распределения случайной величины и ее свойства.
- •Свойства функции распределения
- •Плотность распределения вероятностей.
- •Лекция 7. Основные параметры распределений одномерных случайных величин.
- •Математическое ожидание случайной величины
- •Свойства математического ожидания:
- •Дисперсия случайной величины и ее свойства.
- •Среднее квадратическое отклонение.
- •Лекция 8. Основные законы распределений случайных величин
- •Биномиальное распределение, его математическое ожидание и дисперсия.
- •Распределение Пуассона.
- •Геометрическое распределение
- •Гипергеометрическое распределение (урновая схема)
- •Равномерное распределение.
- •Показательное распределение.
- •Лекция 9. Нормальное распределение и его свойства
- •Свойства функции Гаусса.
- •Вероятность попадания нормальной случайной величины в заданный интервал.
- •Функция Лапласа и ее свойства.
- •О тклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- •Лекция 10. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двух случайных величин
- •Свойства совместной функции распределения двух случайных величин
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Независимые случайные величины
- •Для независимых случайных величин справедливы соотношения
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Лекция 11. Предельные теоремы теории вероятностей.
- •Неравенство Чебышева
- •Теорема Чебышева.
- •Центральная предельная теорема.
- •Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
- •Выборочный метод и его основные понятия. Случайная выборка и ее объем
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин.
- •Полигон и гистограмма
- •Лекция 13. Понятие о статистических оценках случайных величин Эмпирическая функция распределения
- •Важнейшие свойства статистических оценок
- •Надежность и доверительный интервал.
- •Лекция 14. Доверительные интервалы для математического ожидания и дисперсии Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- •. Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- •Лекция 15. Проверка статистических гипотез.
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки.
- •Критерий согласия Пирсона о виде распределения.
- •Лекция 16. (уир) Понятие о регрессионном анализе
- •Понятие о регрессионном анализе
- •Выборочные уравнения регрессии.
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель.
- •Обратная модель.
- •Степенная модель.
- •Показательная модель.
- •Лекция 17 (уир). Понятие о корреляционном анализе.
- •А. Парная корреляция
- •Б. Множественная корреляция
- •Лекция 18 (уир). Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Равенство Маркова
- •Переходные вероятности. Матрица перехода.
- •Лекция 19 (уир). Цепи Маркова с непрерывным временем.
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Лекция 20 (уир). Системы массового обслуживания.
- •Расчет характеристик систем массового обслуживания Одноканальные модели а. Одноканальная модель с отказами
- •Б. Одноканальная модель с ожиданием
- •Многоканальные модели
Аксиоматическое построение теории вероятностей.
Построение логически полноценной теории вероятностей основано на аксиоматическом определении случайного события и его вероятности. В системе аксиом, предложенной А.Н. Колмогоровым, элементарное событие и вероятность являются неопределяемыми понятиями. Приведем аксиомы системы Колмогорова
Каждому событию A поставлено в соответствие неотрицательное действительное число P(A). Это число называется вероятностью события A;
Вероятность достоверного события равна единице
Вероятность наступления хотя бы одного из попарно несовместных событий равна сумме вероятностей этих событий;
(конечное
пространство элементарных событий)
(бесконечное
пространство элементарных событий)
Исходя из этих аксиом, свойства вероятностей и зависимости между ними выводят в качестве теорем.
Вероятностное пространство
Будем говорить, что задано вероятностное пространство, если задано пространство элементарных исходов , сигма алгебра и для каждого элементарного события задана его вероятность.
Иначе
говоря, Вероятностным
пространством
называется тройка (
,
где
- вероятностная мера на
.
Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
Множество
попарно несовместных событий называют
полной группой
событий,
если при любом исходе случайного
эксперимента непременно наступает одно
из событий, входящих в это множество.
Другими словами, для полной группы
событий
выполнены следующие условия:
появление одного из событий данного множества в результате испытания является достоверным событием, т.е. событие
;
события и
(
)
попарно несовместны и
– событие невозможное при любых
,
т.е.
.
Простейшим примером полной группы событий является пара противоположных событий и .
Теорема. Сумма вероятностей событий полной группы равна единице:
.
Условная вероятность.
Во многих случаях вероятности появления одних событий зависят от того, произошло другое событие или нет.
Вероятность
события
,
вычисленная при условии, что событие
уже
наступило, называется условной
вероятностью
события
и обозначается
.
В
тех случаях, когда вероятность события
рассматривается при условии, что имели
место два других события
и
,
используется условная вероятность
относительно произведения событий
и
:
.
Формула умножения вероятностей.
Теорема: Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое событие произошло:
.
Теорему умножения вероятностей легко обобщить на любое конечное число событий.
Теорема: Вероятность произведения конечного числа событий равна произведению их условных вероятностей относительно произведения предшествующих событий:
.
Для доказательства этой теоремы можно использовать метод математической индукции.
Формула сложения вероятностей.
Теорема: Вероятность суммы конечного числа несовместных событий равна сумме вероятностей этих событий:
Доказательство:
Докажем эту теорему для случая суммы
двух несовместных событий
и
.
Пусть
событию
благоприятствуют
элементарных исходов, а событию
– соответственно
исходов. Так как события
и
по условию теоремы несовместны, то
событию
+
благоприятствуют
+
элементарных исходов из общего числа
исходов. Следовательно,
,
где
– вероятность события
;
–
вероятность события
.
Теорема: Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
.
Доказательство:
Событие
наступит, если наступит одно из
несовместных событий
,
,
.
По теореме сложения вероятностей
несовместных событий
Событие
произойдет, если наступит одно из двух
несовместных событий:
,
.
Вновь применяя теорему сложения
вероятностей несовместных событий,
получаем:
.
Следовательно,
.
Аналогично
для события
получаем
.
Откуда
.
Следовательно .
