- •Раздел 1. Теория вероятностей
- •§1. Предмет теории вероятностей
- •§2. Случайные события. Операции над событиями
- •§3. Классическое определение вероятности
- •§4. Элементы комбинаторики
- •§5. Геометрическое определение вероятности
- •§6. Аксиоматическое определение вероятности
- •§7. Условная вероятность, теорема умножения
- •§8. Независимость событий
- •§9. Формула полной вероятности. Формула Байеса
- •§10. Схема Бернулли
- •§11. Предельные теоремы для схемы Бернулли
- •§12. Дискретные случайные величины
- •§13. Примеры дискретных случайных величин
- •§14. Функция распределения случайной величины
- •Свойства функции распределения.
- •§15. Непрерывные случайные величины
- •§16. Примеры непрерывных распределений
- •§17. Многомерные случайные величины
- •§18. Функция распределения двумерной случайной величины
- •§19. Двумерная плотность
- •§20. Условные распределения
- •§21. Зависимые и независимые случайные величины
- •§22. Математическое ожидание дискретной случайной величины
- •§23. Дисперсия дискретной случайной величины
- •§24. Начальные и центральные теоретические моменты
- •§25. Числовые характеристики непрерывных случайных величин
- •§26. Свойства нормального распределения
- •§27. Функции случайных величин
- •§28. Условное математическое ожидание
- •§29. Ковариация. Коэффициент корреляции
- •§30. Закон больших чисел
- •§31. Характеристические функции
- •§32. Центральная предельная теорема
- •§33. Цепи Маркова
§6. Аксиоматическое определение вероятности
Пусть Ω - пространство элементарных исходов некоторого случайного эксперимента (то есть, вообще говоря, множество произвольной природы). Определим набор подмножеств Ω, которые будут называться событиями, и зададим вероятность как функцию, определенную только на множестве событий.
Событиями
будем называть не любые
подмножества
Ω,
а лишь подмножества из некоторого
«множества
подмножеств»
.
При
этом необходимо, чтобы это множество
подмножеств Ω
было «замкнуто»
относительно операций над событиями,
то есть чтобы объединение, пересечение,
дополнение событий (то есть элементов
)
снова давало событие (то есть элемент
).
Определение.
Множество
,
состоящее из подмножеств множества Ω
(не обязательно всех) называется
-алгеброй
событий, или
-алгеброй
подмножеств Ω,
если
выполнены следующие условия:
l) Ω ( -алгебра событий содержит достоверное событие);
2) если А , то (вместе с любым событием -алгебра содержит противоположное событие);
3)
если А1,А2,...,
,
то
(вместе с любым конечным или счетным
набором событий
-алгебра
содержит их объединение).
Эти условия часто называют «аксиомами -алгебры».
Пример. Пусть Ω={1,2,3,4,5,6} - пространство элементарных исходов (например, при бросании игрального кубика). Следующие наборы подмножеств Ω являются -алгебрами:
={Ω,Ø}={{1,2,3,4,5,6},Ø} - тривиальная -алгебра.
={Ω,Ø,{1},
}={{1,2,3,4,5,6},Ø,{1},{2,3,4,5,6}}.
={Ω,Ø,A, }={{1,2,3,4,5,6},Ø,A, }, где А - произвольное подмножество Ω (в предыдущем примере А={1}).
- множество всех подмножеств Ω. Если Ω состоит из п элементов, то в множестве всех его подмножеств ровно 2n элементов.
Итак, мы определили специальный класс подмножеств пространства элементарных исходов Ω, названный -алгеброй событий, причем применение счетного числа любых операций (таких, как объединение, пересечение, дополнение) к множествам из снова дает множество из (не выводит за рамки этого класса). Множества А мы назвали «событиями».
Определение. Пусть Ω – пространство элементарных исходов и – -алгебра его подмножеств (событий). Вероятностью или вероятностной мерой на (Ω, ) называется функция Р: →R, обладающая свойствами:
1) Для любого события А выполняется неравенство Р(А)≥0;
2)
Для любого счетного набора попарно
несовместных событий A1,A2,...
имеет место равенство Р
=
;
3) Вероятность достоверного события равна единице: Р(Ω)=1.
Эти свойства называют «аксиомами вероятности».
То есть вероятность это неотрицательная нормированная мера (функция множества), заданная на -алгебре подмножеств Ω, которая каждому событию ставит в соответствие число.
Определение. Тройка (Ω, ,Р) в которой Ω - пространство элементарных исходов, - -алгебра его подмножеств и Р - вероятностная мера на , называется вероятностным пространством.
Вероятностное пространство является математической моделью случайного эксперимента.
Сформулируем свойства вероятности, вытекающие из аксиом.
1. P(Ø)=0.
Доказательство.
События
Аi=Ø,
i=1,2,...,
попарно несовместны, и их объединение
есть также пустое множество. По аксиоме
2),
Р(Ø)=
=
.
Это возможно только в случае Р(Ø)=0.
2. Для любого конечного набора попарно несовместных событий А1,... , Ап имеет место равенство
Р
=
.
Доказательство. Пусть Аi=Ø при любом i>п. Вероятности этих событий, по предыдущему свойству, равны нулю. События А1,...,Ап,Ø,Ø,Ø,Ø,... попарно несовместны, и, по аксиоме 2),
Р =Р = = .
3. P( )=1-P(A).
Доказательство. A =Ω, и события A, несовместны. По аксиоме 3) и предыдущему свойству, 1=Р(Ω)=Р(А)+Р( ).
4. Если A B, то P(B\A)=P(B)-P(A).
Доказательство. В=А (В\А), и события А, В\А несовместны. По аксиоме 2), Р(В)=Р(А)+Р(B\A).
5. Если A B, то P(A)≤P(B).
Доказательство. По предыдущему свойству, Р(А)=Р(В)-Р(В\А)≤Р(В). Последнее неравенство следует из 1), т.к. Р(В\А)≥0.
6. 0≤P(A)≤1.
Доказательство. Р(А)≥0 по 1), и так как А Ω, то по предыдущему свойству P(A)≤Р(Ω)=1.
7. P(A B)=P(A)+Р(В)-Р(А В).
Доказательство. А В В, поэтому Р(В\(А В))=Р(В)-Р(А В). Но события А и В\(А В) несовместны, поэтому
P(A B)=Р(А В\(А В))=Р(А)+Р(В\(А В))=Р(А)+Р(В)-Р(А В).
Естественное обобщение этого свойства:
P(A1
А2
...
An)=
-
+
-…+
+(-1)n-1P(A1 A2 … An).
доказывается с помощью математической индукции.
