Дисперсией случайной величины называется число

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение высшего образования

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕХНОЛОГИЙ И УПРАВЛЕНИЯ имени К.Г. РАЗУМОВСКОГО (Первый казачий университет)

(ФГБОУ ВО «МГУТУ им. К.Г.Разумовского» (ПКУ))

филиал ФГБОУ ВО «МГУТУ имени К.Г.Разумовского (Первый казачий университет)» в г. Мелеузе (Республика Башкортостан)

ТЕОРИЯ ВЕРОЯТНОСТЕЙ

Учебное пособие для бакалавриата заочной формы обучения по квалификациям

38.03.01 по направлению Экономика

Дисперсией случайной величины называется число - student2.ru

Программа курса «Теория вероятности»

Элементы теории вероятностей.

Предмет теории вероятностей. Случайные события. Относительная частота случайного события. Вероятность события. Классическое определение вероятности. Элементы комбинаторики.

Сложение и умножение вероятностей и их следствия. Полная вероятность. Вероятность гипотез. Формула полной вероятности и формула Бейеса.

Повторение независимых испытаний. Формула Бернулли. Локальная теорема Муавра-Лапласа. Формула Пуассона для массовых и редких явлений. Интегральная теорема Муавра-Лапласа. Функция Лапласа, её свойства. Вероятность отклонения относительной частоты от постоянной вероятности.

Дискретная случайная величина. Законы распределения дискретной случайной величины. Примеры распределения дискретных случайных величин: биномиальное, геометрическое, гипергеометрическое распределения. Математическое ожидание дискретной случайной величины и его свойства. Дисперсия и её свойства. Распределение Пуассона. Среднее квадратическое отклонение. Закон больших чисел. Неравенство П.Л. Чебышева. Теоремы П.Л.Чебышева, Я.Бернулли.

Непрерывная случайная величина. Функция распределения. Свойства функции распределения. Плотность распределения непрерывной случайной величины. Свойства плотности распределения. Числовые характеристики непрерывной случайной величины. Нормальный закон распределения. Вероятностный смысл его параметров. Нормальная кривая и влияние параметров нормального распределения на форму кривой. Вероятность попадания в заданный интервал нормальной случайной величины. Интеграл вероятностей. Центральная предельная теорема. Равномерное распределение, экспоненциальное распределение. Многомерные случайные величины. Функции одного и двух случайных аргументов и их числовые характеристики. Зависимые и независимые случайные величины. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции. Линейная регрессия.

Элементы математической статистики.

Генеральная совокупность и выборка. Вариационный ряд. Полигон и гистограмма частот как аналог плотности вероятностей. Эмпирический закон распределения, эмпирическая функция распределения, её свойства. Оценки параметров распределения, выборочная средняя (эмпирическое математическое ожидание), выборочная дисперсия (эмпирическая дисперсия). Понятие точечной оценки: несмещенность, состоятельность и эффективность оценок для основных параметров распределения, исправленная дисперсия. Интервальные оценки. Доверительный интервал, доверительная вероятность для М(Х), Д(Х) нормального распределения. Цепи Маркова и их использование в моделировании социально-экономических процессов. Статистическое оценивание и проверка гипотез, статистические методы обработки экспериментальных данных.

Классическое определение вероятности, статистическая вероятность. Зависимые и независимые события теоремы сложения и умножения вероятности. Формула полной вероятности, формула Байеса.

Любая точная наука изучает не сами явления, протекающие в природе, в обществе, а их математические модели, т. е. описание явлений при помощи набора строго определенных символов и операций над ними. При этом для построения математической модели реального явле­ния во многих случаях достаточно учитывать только основные факторы, закономерности, которые позволяют предвидеть результат опы­та (наблюдения, эксперимента) по его заданным начальным условиям.

Однако есть множество задач, для решения которых приходится учитывать и случайные факторы, придающие исходу опыта элемент неопределенности. Например, в вопросах стрельбы по цели невозможно без учета случайных факторов ответить на вопрос: сколько ракет нужно потратить для поражения цели? Невозможно предсказать, какая сторона выпадет при бросании монеты. Сколько лет проживет родившийся сегодня ребенок? Такие задачи, исход которых нельзя предсказать с полной уверенностью, требуют изучения не только основных, главных закономерностей, определяющих явление в общих чертах, но и случайных, второстепенных факторов. Выявленные в таких задачах (опытах) закономерности называются статистическими (или вероятностными). Статистические закономерности исследуются методами специальных математических дисциплин - теории вероятностей математической статистики.

Теория вероятностей - математическая наука, изучающая закономерности, присущие массовым случайным явлениям. При этом изучаемые явления рассматриваются в абстрактной форме, независимо от их конкретной природы. То есть теория вероятностей рассматривает не сами реальные явления, а их упрощенные схемы - математические модели. Предметом теории вероятностей являются математические модели случайных явлений. При этом под случайным явлением понимают явление, предсказать исход которого невозможно (при неоднократном воспроизведении одного и того же опыта оно протекает каждый раз несколько по-иному).

Примеры случайных явлений: выпадение герба при подбрасывании монеты, результат измерения какой-либо величины, длительность работы телевизора и т. п..

Цель теории вероятностей - осуществление прогноза в области случайных явлений, влияние на ход этих явлений, контроль их, ограничение сферы действия случайности. В настоящее время нет практически ни одной области науки, в которой в той или иной степени не применялись бы вероятностные методы.

Случайным событием (или просто: событием) называется любой исход опыта, который может произойти или не произойти.

События обозначаются, как правило, заглавными буквами латинского алфавита: А, В, ... .

Пример. Опыт: бросание игральной кости; событие А - выпадение 5 очков, событие В - выпадение четного числа очков, событие С - выпадение 7 очков, событие D - выпадение целого числа очков, событие Е - выпадение не менее 3-х очков, ....

Непосредственные исходы опыта называются элементарными событиями и обозначаются через W. Элементарные события (их называют также «элементами», «точками», «случаями») рассматриваются как неразложимые и взаимоисключающие исходы Wl, W2, Wз ... этого опыта.

Множество всех элементарных событий называется пространством элементарных событий или пространством исходов, обозначается через П.

Рассмотрим пример 1.1. Здесь 6 элементарных событий Wl, W2, Wз, W4, W5, W6. Событие Wi означает, что в результате бросания кости выпало i очков, i = 1,2,3,4,5,6. Пространство элементарных событий таково: n = {Wl,W2,WЗ,W4,W5,W6} или n = {1,2,3,4,5,6}.

Событие называется достоверным если оно обязательно наступит в результате данного опыта.

Событие называется невозможным если оно заведомо не произойдет в результате проведения опыта.

Два события называются несовместными если появление одного из них исключает появление другого события в одном и том же опыте, т. е. не смогут произойти вместе в одном опыте. В противном случае события называются совместными.

События А1, А2, ..., Ап называются попарно несовместными, если любые два из них несовместны.

Несколько событий образуют полную группу, если они попарно не­совместны и в результате каждого опыта происходит одно и толькоодно из них.

Несколько событий в данном опыте называются равновозможными, если ни одно из них не является объективно более возможным, чем другие, т. е. все события имеют равные «шансы».

Суммой событий А и В называется событие С = А + В, состоящее в наступлении хотя бы одного из них (т. е. или А, или В, или А и В вместе) .

Произведением событий А и В называется событие С = А*В, состоящее в совместном наступлении этих событий (т. е. и А и В одновременно) .

Разностью событий А и В называется событие С = А - В, происходящее тогда и только тогда, когда происходит событие А, но не происходит событие В.

Противоположными событию А называется событие Дисперсией случайной величины называется число - student2.ru , которое происходит тогда и только тогда, когда не происходит событие А.

Случайным событием А (или просто событием А) называется любое подмножество множества О, если О конечно или счетно (т. е. элементы этого множества можно пронумеровать с помощью множества натуральных чисел): А ~ О.

Элементарные события, входящие в подмножество А пространства О, называются благоnриятствующими событию А.

Множество О называется достоверным событием. Ему благоприятствует любое элементарное событие; в результате опыта оно обяза­тельно произойдет.

Пусть в n повторяющихся опытах некоторое событие А настуnuло т раз.

Число т называется частотой, события А, а отношение Дисперсией случайной величины называется число - student2.ru

называется относuтелъной частотой события А в рассматриваемой серии опытов.

Для математического изучения случайного события необходимо ввести какую-либо количественную оценку события. Понятно, что одни события имеют больше шансов «более вероятны») наступить, чем другие. Рассмотрим опыт, который можно повторять любое число раз (говорят: «проводятся повторные испытания»), в котором наблюдается некоторое событие А.

Статuстической вероятностью события А называется число, около которого колеблется относительная частота события А при достаточно большом числе испытаний (опытов).

Вероятность события А обозначается символом Р(А). Согласно данному определению Дисперсией случайной величины называется число - student2.ru

Математическим обоснованием близости относительной частоты и вероятности некоторого события А служит теорема Я. Бернулли.

Вероятности Р(А) приписываются свойства 1-4 относительной частоты:

1. Статистическая вероятность любого события заключена между нулем и единицей.

2.Статистическая вероятность невозможного события равна нулю.

3.Статистическая вероятность достоверного события равна единице.

4. Статистическая вероятность суммы несовместных событий равна сумме вероятностей этих событий.

Существует простой способ определения вероятности события, основанный на равновозможности любого из конечного числа исходов опыта. Пусть проводится опыт n исходами, которые можно предста­вить в виде полной группы несовместных равновозможных событий. Такие исходы называются случаями, шансами, элементарными событиями, опыт - классическим. Про такой опыт говорят, что он сводится к схеме случаев или схеме урн.

Вероятностью события А называется отношение числа m случаев, благоприятствующих этому событию, к общему числу n случаев, т. е. Дисперсией случайной величины называется число - student2.ru

Наряду с обозначением Р(А) для вероятности события А используется обозначение р, т. е. р = Р(А).

Из классического определения вероятности вытекают следу­ющие свойства:

1. Вероятность любого события заключена между нулем и единицей.

2. Вероятность невозможного события равна нулю.

3. Вероятность достоверного события равна единице.

4. Вероятность суммы несовместных событий равна сумме вероятно­стей этих событий

Пример В урне (емкости) находятся 12 белых и 8 черных шаров. Какова вероятность того, что наудачу вынутый шар будет белым?

Пусть А - событие, состоящее в том, что вынут белый шар. Яс­но, что n = 12 + 8 = 20 - число всех равновозможных случаев (исхо­дов опыта). Число случаев, благоприятствующих событию А, равно 12,

т. е. m = 12. Следовательно, по формуле (1.3) имеем: Р(А) = Дисперсией случайной величины называется число - student2.ru т. е.

Р(А) = 0,6. .

Комбинаторика - раздел математики, в котором изучаются задачи выбора элементов из заданного множества и расположения их в группы по заданным правилам, в частности задачи о подсчете числа комбинаций (выборок), получаемых из элементов заданного конечного множества. В каждой из них требуется подсчитать число возможных вариантов осуществления не которого действия, ответить на вопрос «сколькими способами?».

Многие комбинаторные задачи могут быть решены с помощью следующих двух важных правил, называемых соответственно nравилами умножения и сложения.

Правило умножения (основной принцип): если из некоторого конечного множества первый объект (элемент х) можно выбрать п1 способами и после каждого такого выбора второй объект (элемент у) можно выбрать п2 способами, то оба объекта (х и у) в указанном порядке можно выбрать п1 *п2 способами.

Этот принцип, очевидно, распространяется на случай трех и более объектов.

Правило суммы. Если некоторый объект х можно выбрать nl способами, а объект у можно выбрать п2 способами, причем первые и вторые способы не пересекаются, то любой из указанных объектов (х или у), можно выбрать п1 + п2 способами.

Это правило распространяется на любое конечное число объектов.

Решение вероятностных (и не только их) задач часто облегчается, если использовать комбинаторные формулы. Каждая из них определяет число всевозможных исходов в некотором опыте (эксперименте), состоящем в выборе наудачу m элементов из п различных элементов рассматриваемого множества.

Существуют две схемы выбора m элементов (о < m Дисперсией случайной величины называется число - student2.ru п) из исходного множества: без возвращения (без повторений) и с возвращением (с повторением). В первом случае выбранные элементы не возвращаются обратно; можно отобрать сразу все m элементов или последовательно отбирать их по одному. Во второй схеме выбор осуществляется поэлементно с обязательным возвращением отобранного элемента на каждом шаге.

Схема выбора без возвращений

Пусть дано множество, состоящее из п различных элементов. Размещением из п элементов по m элементов (о < m Дисперсией случайной величины называется число - student2.ru п) называется любое упорядоченное подмножество данного множества, содержащее m элементов.

Из определения вытекает, что размещения - это выборки (комбинации), состоящие из m элементов, которые отличаются друг от друга либо составом элементов, либо порядком их расположения. I

Число, размещений из п элементов по m элементов обозначается символом Дисперсией случайной величины называется число - student2.ru вычисляется по формуле Дисперсией случайной величины называется число - student2.ru = Дисперсией случайной величины называется число - student2.ru , где п! = 1 . 2 . 3 . . . . . п, 1! = 1, о! = 1.

Пример Составить различные размещения по 2 из элементов мно­жества D = {а, b, с}; подсчитать их число.

Из трех элементов можно образовать следующие размещения по два элемента: (а, b), (b, а), (а, с), (с, а), (b, с), (с, b). Согласно формуле (1.4) их число: Дисперсией случайной величины называется число - student2.ru = 3 * 2 = 6. .

Перестановкой из n элементов называется размещение из n эле­ментов по n элементов.

Из определения вытекает, что перестановки - это выборки (комбинации), состоящие из n элементов и отличающиеся друг от друга только порядком следования элементов. Число перестановок из n элементов обозначается символом Дисперсией случайной величины называется число - student2.ru и вычисляется по формуле

Дисперсией случайной величины называется число - student2.ru =n!

Пример. Составить различные перестановки из элементов мно­жества Е = {2, 7, 8}; подсчитать их число.

Из элементов данного множества можно составить следующие пе­рестановки: (2,7,8); (2,8,7); (7,2,8); (7,8,2); (8,2,7); (8,7,2). По формуле (1.6) имеем: РЗ == 3! = 1 *2 *3 = 6. .

Пример 1.11. Сколькими способами можно расставить на полке 5 различных книг?

Искомое число способов равно числу перестановок из 5 элементов

(книг), т. е. Р5 = 5! = 1*2*3*4*5 = 120.

Сочетанuем из n элементов по m элементов называется любое подмножество, которое содержит m элементов данного множества.

Из определения вытекает, что сочетания - это выборки (комбинации), каждая из которых состоит из m элементов, взятых из данных n элементов, и которые отличаются друг от друга хотя бы одним эле­ментом, т. е. отличаются только составом элементов.

Число сочетаний из n элементов по m элементов обозначается сим­волом Дисперсией случайной величины называется число - student2.ru и вычисляется по формуле Дисперсией случайной величины называется число - student2.ru

Су.ммой А + В двух событий А и В – называют событие, состоящее в появлении события А, или события В, или обоих этих событий.

Например, если из орудия произведены два выстрела и А - попадание при пером выстреле, В - попадание при втором выстреле. То А+ В - попадание при первом выстреле, или при втором, или В обоих выстрелах.

В частности, если два события А и В – несовместные, то А + В-событие, состоящее в появлении одного из этих событий, безразлично какого.

Суммой нескольких событий называют событие, которое состоит в появлении хотя бы одного из этих событий.

Теорема. Вероятность появления одного из двух несовместных событий, безразлично какого, равна сумме веро­ятностей этих событий:

Р(А+В)=Р (А)+Р(В).

Следствие. Вероятность появления одного из нeскольких попарно нecoвмecmных событий, безразлично, какого, равна сумме вероятностей этих событий:

Р (А1 + А2 + . . . + Аn) = Р (А1) + P (А2) + . . . + Р (An).

Пример 1. Стрелок стреляет по мишени, разделенной на 3 области. Вероятность попадания в первую область равна 0,45, во вторую- 0,35. Найти вероятность того, что стрелок при одном выстреле попадет либо в первую, либо во вторую область.

Решение. События А - «стрелок попал в первую область» и В - «стрелок попал во вторую область» - несовместны (попадание в одну область исключает попадание в другую), поэтому теорема сложения применима.

Искомая вероятность

Р (А+В)=Р (А) +Р (B)=0,45+0,35=0,80.

Теорема. Сумма вероятностей событий А1, А2,…., Ап, образующих полную группу, равна единице: Р (А1) + Р (А2) + . . . + Р (Ап) = 1.

Пример. Консультационный пункт института получает пакеты с контрольными работами из городов А, В и С. Вероятность получения пакета из города А равна 0,7, из города В - О,2. Найти веро­ятность того, что очередной пакет будет получен из города С.

Решение. События «пакет получен из гopoда А», «пакет получен из города В», «пакет получен из города С» образуют полную группу, поэтому сумма вероятностей этих событий равна единице: 0,7+0,2+p=1.Отсюда искомая вероятность p=0,I.

Противоположными называют два единственно возможных события, образующих полную группу. Если одно из двух противоположных событий обозначено через А, то другое принято обозначать Дисперсией случайной величины называется число - student2.ru .

Пример. Попадание и промах при выстреле по цели - противоположные события. Если А-попадание, то Дисперсией случайной величины называется число - student2.ru -промах.

Теорема. Сумма вероятностей противоположных событий равна единице.

Произведением двух событий А и В называют событие АВ, состоящее в совместном появлении (совмещении) этих событий. Например, если А-деталь годная, В-деталь окрашенная, то АВ - деталь годна и окрашена.

Произведением нескольких событий называют событие, состоящее в совместном появлении всех этих событий. Например, если А, В, С-появление «герба» соответственно в первом, втором и третьем бросаниях монеты, то АВС выпадение «герба» во всех трех испытаниях.

Условной вероятностью Р А (В) называют вероятность события В, вычисленную в предположении, что событие А уже наступило.

Пример. В урне 3 белых и 3 черных шара. Из урны дважды вынимают по одному шару, не возвращая их обратно. Найти вероятность появления белого шара при втором испытании (событие В), если при первом испытании был извлечен черный шар (событие А).

Решение. После первого испытания в урне осталось 5 шаров из них 3 белых. Искомая условная вероятность Р А (В) =3/5.

Этот же результат можно получить по формуле

РА (В)=Р (АВ)/Р (А) (*)

Рассмотрим два события: А и В; пусть вероятности Р(А) и Р А (В) известны. Как найти вероятность совмещения этих событий, т. е. вероятность того, что появится и событие А и событие В. Ответ на этот вопрос дает теорема умножения.

Теорема. Вероятность совместного появления двух событий равна nпроизведению вероятности одного из них на условную вероятность другого, вычисленную в nредnоложении,. что первое событие уже наступило:

Р (АВ) = Р (А) Р А (В).

С л е дс т в и е. Вероятность совместного появления нескольких событий равна nпроизведению вероятности одного из них на условные вероятности всех остальных, nпричем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились.

В частности, для трех событий

Р(АВС) = Р (А) Р А (В) Р АВ (С).

3аметим, что порядок, в котором расположены события, может быть выбран любым, т. е. безразлично какое событие считать первым, вторым и т. д.

Пример 1. У сборщика имеется 3 конусных и 7 эллиптических валиков. Сборщик взял один валик, а затем второй. Найти вероятность того, что первый из взятых валиков-конусный, а второй эллиптический.

Решение. Вероятность того, что первый валик окажется конусным (событие А).

Р (А) =3/10.

Вероятность того, что второй валик окажется эллиптическим (событие В) вычисленная в предположении, что первый валик конусный, т. е. условная вероятность

Р А (В) = 7/9.

По теореме умножения, искомая вероятность

Р (АВ) =Р (А) Р А (В) =(3/10)*(7/9)=7/30.

Пусть вероятность события В не зависит от появления события А.

Событие В называют независимым от события А, если появление события А не изменяет вероятности события В т. е. если условная вероятность события В равна безусловной вероятности:

Р А (В) = Р (В).

Для независимых событий теорема умножения имеет вид

Р (АВ) = Р (А) Р (В), т. е. вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий.

Два события называют независимыми, если вероятность их совмещения равна произведению вероятностей этих событий; в противном случае события называют зависи­мыми.

На практике о независимости событий заключают по смыслу задачи. Например, вероятности поражения цели каждым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события «первое орудие поразило цель» и «второе орудие поразило цель» независимы.

Пример. Найти вероятность совместного поражения цели двумя орудиями, если вероятность поражения цели первым орудием (событие А) равна 0,8. а вторым (событие В)-0,7.

Решение. События А и В независимые, поэтому, по теореме умножения, искомая вероятность

Р (АВ) = Р (А) Р (В) = 0,7*0,8 = 0,56.

Несколько событий называют попарно независимыми, если каждые два из них независимы. Например, события А, В, С попарно независимы, если независимы события А и В, А и С, В и С.

Несколько событий называют независимыми в совокупности (или просто незавucимыми), если независимы каждые два из них и независимы каждое событие и все возможные произведения остальных.

Следствие. Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий:

Р(А1, А2, …Аn)= P(A1) P(A2)…P(An)

Пусть в результате испытания могут появиться n событий, независимых в совокупности, либо некоторые из них (в часности только одно или ни одного), причем вероятности появления каждого из событий известны. Как найти вероятность того, что наступит хотя бы одно из этих событий? Например, если в результате испытания могут появиться три события, то появление хотя бы одного из этих событий означает наступление либо одного, либо двух, либо трех событий. Ответ на поставленный вопрос дает следующая теорема.

Теорема. Вероятность появления хотя бы одного из событий А1 , А2 ..., Аn, независимых в coвoкупности, равна разности между единицей и произведением вероятностей противоположных событий Дисперсией случайной величины называется число - student2.ru :

P(A)=I-qlq2 ... qn. (*)

Частный случай. Если события А1 , А2 ..., Аn имеют одинаковую вероятность, равную р, то вероят­ность появления хотя бы одного из этих событий

Р (А) = l-qn.

Пример 1. Вероятности попадания в цель при стрельбе из трех орудий таковы: р1=0,8; р2=0,7; рз=0,9. Найти вероятность хотя бы одного попадания (событие А) при одном залпе из всех орудий.

Решение. Вероятность попадания в цель каждым из орудий не зависит от результатов стрельбы из других орудий, поэтому рассматриваемые события А1 (попадание первого орудия), А2 (попадание второго орудия) и Аз (попадание третьего орудия) независимы в совокупности. Вероятности событий, противоположных событиям А1, А2 и А3.

(т. е. вероятности промахов), соответственно равны:

q1= l - рl= 1-0,8=0,2; q2= 1 – p2= 1-0,7=0,3;

q3= l-рз= 1-0,9=0,1.

Искомая вероятность

Р (А) = 1 -q1q2qз= 1-0,2*0,3*0,1 =0,994.

Была рассмотрена теорема сложения ля несовместных событий. Здесь будет изложена теорема сложения для совместных событий.

Два события называют совместными, если появление одного из них не исключает появления другого в одном и том же испытании.

Пример 1. А-появление четырех очков при бросании игральной кости; В-появление четного числа очков. События А и В совместны.

Пусть события А и В совместны, причем даны вероятности этих событий и вероятности их совместного появления. Как найти вероятность события А+В, состоящего в том, что появится хотя бы одно из событий А и В? Ответ на этот вопрос дает теорема сложения вероятностей совместных событий.

Теорема Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:

Р (А + В) = Р (А) + Р (В) - Р (АВ).

Формула полной вероятности

Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2, …Вn, которые образуют полную группу. Пусть известны вероятности этих событий и условные вероятности Дисперсией случайной величины называется число - student2.ru события А. Как найти вероятность события А? Ответ на этот вопрос дает следующая теорема.

Теорема. Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий В1, В2, …Вn, образующих полную группу, равна сумме nроизведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:

Р (А) = Дисперсией случайной величины называется число - student2.ru

Эту формулу называют «формулой полной вероятности».

Пример 1. Имеется два набора деталей. Вероятность того, что деталь первого набора стандартна, равна 0,8, а второго -0,9. Найти вероятность того, что взятая наудачу деталь (из наудачу взятого набора) - стандартная.

Решение. Обозначим через А событие «извлеченная деталь стандартна».

Деталь можeт быть извлечена либо из первого набора (событие В1) либо из второго (событие В2). .

Вероятность того, что деталь вынута из первого набора, Р (В1 )=1/2. . .

Вероятность того, что деталь вынута из второго набора, Р (В2)= 1/2.

Условная вероятность того, что из первого набора будет извле­чена стандартная деталь,

Дисперсией случайной величины называется число - student2.ru (А) =0,8.

Условная вероятность того, что из второго набора будет извлечена стандартная деталь,

Дисперсией случайной величины называется число - student2.ru (А) =0,9.

Искомая вероятность того, что извлеченная наудачу деталь - стандартная, по формуле полной вероятности равна

Р (А) = Дисперсией случайной величины называется число - student2.ru = 0,5*0,8 + 0,5*0,9 = 0,85.

Вероятность гипотез. Формулы Бейеса

Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2, …Вn, образующих полную группу. Поскольку заранее не из­вестно, какое из этих событий наступит, их называют гипотезами. Вероятность появления события А определяется по формуле полной вероятности

Р (А) = Дисперсией случайной величины называется число - student2.ru

Допустим, что произведено испытание, в результате которого появилось событие А. Поставим своей задачей определить, как изменились (в связи с тем, что событие А уже наступило) вероятности гипотез. Другими словами, будем искать условные вероятности

Дисперсией случайной величины называется число - student2.ru

Найдем сначала условную вероятность Дисперсией случайной величины называется число - student2.ru По теореме умножения имеем

Р(АВ1)=Р(А) РА1)=Р(В1) Дисперсией случайной величины называется число - student2.ru

Отсюда

Дисперсией случайной величины называется число - student2.ru

Заменим здесь Р(А) формулой полной вероятности, получим

Дисперсией случайной величины называется число - student2.ru

Аналогично выводятся формулы, определяющие условные вероятности остальных гипотез, т.е. условная вероятность любой гипотезы Вi (i=1, 2, …n) может быть вычислена по формуле

Дисперсией случайной величины называется число - student2.ru

Полученные формулы называют формулами Бейеса (по имени английского математика, который их вывел; опубликованы в 1764 го). Формулы Бейеса позволяют переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого nоявuлось событuе А.

Пример. Детали, изготовляемые цехом завода, попадают для проверки их на стандартность к одному из двух контролеров. Веро­ятность того, что деталь попадает к первому контролеру равна 0,6, а ко второму – 0,4. Вероятность того, что годная деталь будет признана стандартной первым контролером равна 0,94, а вторым - 0,98. Годная деталь при проверке была признана стандартной. Найти вероятность тoгo, что эту деталь проверил первый контролер.

Р е ш е н и е. Обозначим через А событие, состоящее в том, что годная деталь признана стандартной. Можно сделать два предположения:

1) деталь проверил первый контролер (гипотеза В1);

2) детальпроверил второй контролер (гипотеза В2).

Искомую вероятность того, что детальпроверил первый контролер найдем по формуле Бейеса:

Дисперсией случайной величины называется число - student2.ru

По условию задачи имеем:

Р (В1) = 0,6 (вероятность того, что деталь попадает к первому конт­ролеру);

Р (В2) = 0,4 (вероятность того, что деталь попадет ко второму контролеру);

Дисперсией случайной величины называется число - student2.ru (А)=0,94(вероятность того, что годная деталь будет признана первым контролером стандартной);

Дисперсией случайной величины называется число - student2.ru (А) =0,98 (вероятность того, что годная деталь будет признана вторым контролером стандартной).

Искомая вероятность

Р А (В1) = (0,6*0,94)/(0,6*0,94+0,4*0,98) Дисперсией случайной величины называется число - student2.ru 0,59.

Случайная величина и закон ее распределения. Числовые характеристики дискретной случайной величины М(Х), Д(Х), Дисперсией случайной величины называется число - student2.ru . Формула Бернулли.

Если производится несколько испытаний, причем вероятность события А в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимыми относительно события А.

В разных независимых испытаниях событие А может иметь либо различные вероятности, либо одну и ту же вероятность. Будем далее рассматривать лишь такие независимые испытания, в которых событие А имеет одну и ту же вероятность.

Ниже воспользуемся понятием сложного события, понимая под ним совмещение нескольких отдельных событий, которые называют простыми.

Пусть производится n независимых испытаний, в каждом из которых событие А может появиться либо не появиться. Условимся считать, что вероятность события А в каждом испытании одна и та же, а именно равна р. Следовательно, вероятность не наступления события А в каждом испытании также постоянна и равна q= 1-p.

Поставим перед собой задачу вычислить вероятность того, что при n испытаниях событие А осуществится ровно k раз и, следовательно, не осуществится n-k раз. Важно подчеркнуть, что не требуется чтобы событие А повторилось ровно k раз в определенной последовательности.

Вывод формулы Бернулли. Вероятность одного сложного события, состоящего в том, что в n испытаниях событие А наступит k раз и не наступит n – k раз, можно вычислить используя формулу

Дисперсией случайной величины называется число - student2.ru

Или Дисперсией случайной величины называется число - student2.ru

Полученную формулу называют формулой Бернулли.

Пример. Вероятность того, что расход электроэнергии в продолжении одних суток не превысит установленной нормы, равна p=0,75. Найти вероятность того, что в ближайшие 6 суток расход электроэнергии в течение 4 суток не превысит нормы.

Решение. Вероятность нормального расхода электроэнергии в продолжении каждые из 6 суток постоянна и равна р=0,75. следовательно, вероятность перерасхода электроэнергии в каждые сутки также постоянна и равна q=1-p=1-0,75=0,25.

Искомая вероятность по формуле Бернулли равна

Р6(4)= Дисперсией случайной величины называется число - student2.ru = Дисперсией случайной величины называется число - student2.ru

Локальная теорема Лапласа

Выше была выведена формула Бернулли позволяющая вычислить вероятность того, что событие появится в n испытаниях ровно k раз. При выводе мы предполагали, что вероятность появления события в каждом испытании постоянна. Легко видеть что пользоваться формулой Бернулли при больших значениях n достаточно трудно, так как формула требует выполнения действий над громадными числами.

Локальная теорема Лапласа. Если вероятность р появления события А в каждом испытании постоянна и отлична от нуля и единицы, то верояmность Р п (k) того, что событие А появится в n испытаниях ровно k раз, приближенно равна (тем точнее, чем больше n) значению функции

Дисперсией случайной величины называется число - student2.ru при Дисперсией случайной величины называется число - student2.ru

Наши рекомендации