- •Тема 1. Вероятностные пространства 30
- •Тема 2. Основные вероятностные схемы испытаний 60
- •Тема 3. Случайные величины 87
- •Тема 4. Математическая статистика 140
- •Введение Место теории вероятностей и математической статистики в современной математической науке и их роль в экономических исследованиях
- •Особенности изучения теории вероятностей и математической статистики менеджером
- •Краткие сведения
- •Тема 1. Вероятностные пространства Лекция 1. Пространство случайных событий
- •Основные понятия теории вероятностей
- •Случайные события
- •Понятие случайного эксперимента
- •Пространство элементарных событий
- •Наступление события, благоприятствующие исходы
- •Совместные (совместимые), несовместные (несовместимые) события
- •Достоверное и невозможное события
- •Алгебра событий Операции над событиями (сумма, разность, произведение)
- •Свойства операций над событиями
- •Алгебра и сигма-алгебра событий
- •Общее определение вероятности
- •Классическое определение вероятности события. Случаи равновероятных исходов
- •Статистическое определение вероятности события. Случаи неравновероятных исходов
- •Геометрические вероятности
- •Аксиоматическое построение теории вероятностей
- •, Т.Е. Вероятность достоверного события равна единице;
- •Вероятность события , заключающееся в том, что наступит одно из попарно несовместных событий ( ), составляет
- •Полная группа событий
- •Условная вероятность
- •Формула умножения вероятностей
- •Формула сложения вероятностей
- •Независимость событий
- •Простейшие свойства вероятностей
- •Свойства условных вероятностей
- •Формула полной вероятности. Формула Байеса
- •Контрольные вопросы к теме №1
- •Тема 2. Основные вероятностные схемы испытаний Лекция 2. Основные формулы вычисления вероятностей
- •Классическая вероятностная схема
- •Правила суммы и произведения
- •Схемы выбора. Основные понятия комбинаторики
- •Выбор без возвращения, с учетом порядка
- •Выбор без возвращения, без учета порядка
- •Выбор с возвращением и с учетом порядка
- •Выбор с возвращением и без учета порядка
- •Урновая схема
- •Наивероятнейшее число наступления событий в схеме Бернулли
- •Предельные теоремы для схемы Бернулли
- •Локальная теорема Муавра–Лапласа
- •Интегральная теорема Муавра – Лапласа
- •Теорема Пуассона
- •Понятие потока событий
- •Полиномиальная схема
- •Понятие цепи Маркова
- •Однородные цепи Маркова
- •Равенство Маркова
- •Предельные вероятности
- •Контрольные вопросы к теме №2
- •Тема 3. Случайные величины Лекция 3. Одномерные случайные величины
- •Непрерывные и дискретные случайные величины
- •Закон распределения случайной величины
- •Функция распределения случайной величины и ее свойства
- •Свойства функции распределения
- •Числовые характеристики непрерывных случайных величин Математическое ожидание случайной величины, его вероятностный смысл и свойства
- •Свойства математического ожидания
- •Дисперсия случайной величины и ее свойства
- •Среднеквадратическое отклонение
- •Начальные и центральные моменты
- •Основные примеры распределений дискретной случайной величины
- •Биномиальное распределение, его математическое ожидание, дисперсия
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывные случайные величины Функция и плотность распределения вероятностей
- •Числовые характеристики непрерывных случайных величин
- •Основные примеры распределений непрерывной случайной величины Равномерное распределение
- •Показательное распределение
- •Нормальное распределение
- •Свойства функции Гаусса
- •Центральная предельная теорема
- •Вероятность попадания нормальной случайной величины в заданный интервал
- •Функция Лапласа и ее свойства
- •Вычисление вероятности заданного отклонения. Правило «трех сигм»
- •Лекция 4. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двумерной случайной величины
- •Свойства совместной функции распределения двумерной случайной величины
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Условное математическое ожидание
- •Независимые случайные величины
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Линейная регрессия. Метод наименьших квадратов
- •Распределение 2
- •Распределение Стьюдента
- •Распределение Фишера
- •Предельные теоремы теории вероятностей Закон больших чисел. Неравенство Чебышева. Теорема Чебышева
- •Контрольные вопросы к теме №3
- •Тема 4. Математическая статистика Лекция 5. Основы математической статистики
- •Выборочный метод и его основные понятия
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин
- •Полигон и гистограмма
- •Эмпирическая функция распределения и ее свойства
- •Свойства эмпирической функции распределения
- •Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок
- •Выборочные среднее и дисперсия
- •Надежность и доверительный интервал
- •Определение доверительных интервалов 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
- •Проверка статистических гипотез
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки
- •Критерий согласия Пирсона о виде распределения
- •Элементы теории корреляции
- •Выборочные уравнения регрессии
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель
- •Обратная модель
- •Степенная модель
- •Показательная модель
- •Цепи Маркова Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода
- •Равенство Маркова
- •Цепи Маркова с непрерывным временем
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Предельные вероятности
- •Контрольные вопросы к теме №4
- •Экзаменационные вопросы
- •Литература
- •Теория вероятностей и математическая статистика
- •Технический редактор т.В. Жибуль
- •220007, Г. Минск, ул. Московская, 17.
Геометрические вероятности
Чтобы преодолеть недостаток классического определения вероятности, состоящий в том, что оно неприменимо к испытаниям с бесконечным числом исходов, вводят геометрические вероятности – вероятности попадания точки в область (отрезок, часть плоскости и т.д.).
Приведем
формальное определение вероятностей
для испытаний с бесконечным числом
исходов. В подобных случаях пространство
элементарных исходов может быть областью
,
а под событием
можно понимать исходы, входящие в область
.
Пусть на область наугад бросается «точка». Какова вероятность того, что эта точка попадет в область , являющуюся частью области ?
1.
Пусть отрезок
,
длину которого обозначим как
,
составляет часть отрезка
длина которого
.
На отрезок
наудачу поставлена точка. Это означает
выполнение следующих предположений:
поставленная точка может оказаться в любой точке отрезка ;
вероятность попадания точки на отрезок пропорциональна длине этого отрезка и не зависит от его расположения относительно отрезка .
В этих
предположениях вероятность попадания
точки на отрезок
определяется равенством
.
2.
Пусть плоская фигура
с площадью
составляет часть плоской фигуры
,
площадь которой
.
На фигуру
наудачу брошена точка. Это означает
выполнение следующих предположений:
брошенная точка может оказаться в любой точке фигуры ;
вероятность попадания брошенной точки на фигуру пропорциональна площади этой фигуры и не зависит ни от ее расположения относительно фигуры , ни от формы .
В этих
предположениях вероятность попадания
точки на фигуру
определяется равенством
.
3.
Аналогично вводится понятие
геометрической вероятности при бросании
точки в пространственную область
объема
,
содержащую область
объема
:
.
В общем случае понятие геометрической вероятности вводится следующим образом.
Пусть
– некоторое множество (базис), а
– -алгебра его
подмножеств. Функция
называется мерой, на
,
если она удовлетворяет условиям:
Для любого множества
его мера неотрицательна:
;Для любого счетного набора попарно непересекающихся множеств мера их суммы равна сумме их мер:
– свойство счетной аддитивности.
Обозначим
меру области
(длину, площадь, объем) через
,
а меру области
– через
;
обозначим через
событие «попадание брошенной точки в
область
,
которая содержится в области
».
Вероятность события
,
т.е. вероятность попадания в область
точки, брошенной в область
,
определяется формулой:
.
Аксиоматическое построение теории вероятностей
Наиболее распространенной в настоящее время является логическая схема построения основ теории вероятностей, которая была разработана А.Н.Колмогоровым в 1933 году.
Основные черты этой схемы следующие.
При
изучении какой-либо задачи методами
теории вероятностей, прежде всего,
выделяется множество
,
называемое пространством элементарных
исходов. Элементы
этого множества составляют совокупность
возможных исходов наблюдения –
элементарных событий. Всякое
случайное событие описывается
совокупностью благоприятствующих ему
элементарных исходов и, поэтому,
рассматривается как множество элементарных
событий. Некоторые из этих случайных
событий образуют борелево множество
наблюдаемых событий
,
каждому из которых сопоставлено некоторое
определенное число
,
т.е. на
задана функция множеств.
Поскольку
каждое наблюдение должно иметь, по
крайней мере, хотя бы один исход, все
пространство элементарных событий
соответствует достоверному событию, а
пустое множество
– невозможному событию. С событиями
из –алгебры
связываются определенные числа
,
называемые их вероятностями и
удовлетворяющие следующему определению.
Вероятностью называется функция множеств, заданная на –алгебре пространства элементарных исходов и удовлетворяющая следующим условиям:
