Определение вероятностного пространства.

Вероятностным пространством называется тройка (W , s , P), где

W - пространство элементарных событий, построенное для данного испытания;

s - s -алгебра, заданная на W - системе возможных событий, которая интересует исследователя, в результате проводимых испытаний;

P - s - аддитивная мера, т.е. s - аддитивная неотрицательная функция, аргументами которой являются аргументы из s - алгебры и удовлетворяющая трем аксиомам теории вероятности. P(A) - называется вероятностью наступления события A.Вероятность достоверного события равна 1 P(W )=1.
Вероятность суммы несовместных событий равна сумме вероятностей

k - возможно бесконечное число.

Следствие:

Вероятность невозможного события равна 0.

По определению суммы имеет место неравенство W +V=W . W и V несовместные события.
По третей аксиоме теории вероятности имеем:

P(W +V)=P(Q)=P(U)=1
P(W )+P(V)=P(W )
1+P(V)=1
P(V)=1

Пусть W состоит из конечного числа элементарных событий W ={E₁, E₂,..., E_m} тогда по определению . Элементарные события несовместны, тогда по третей аксиоме теории вероятности имеет место
Пусть некоторое событие AÌ W состоит из k элементарных событий, тогда {E_i1, E_i2,..., E_ik}

Доказать: Если AÌ B, то P(B)³ P(A), B=A+C, A и C несовместны.
Пусть B=A+C, A и B несовместны. Тогда по третей аксиоме теории вероятности P(B)=P(A+C)=P(A)+P(C) т.к. 1³ P(C)³ 0 - положительное число, то P(B)³ P(A).

Условная вероятность.

P(A/B)
Условной вероятностью наступления события A, при условии события B, называется вероятность наступления события A в результате испытаний, если известно, что в это испытании произошло событие B.
Вывод формулы условной вероятности для случая равновероятных элементарных событий
Действительно, в данном испытании произошло одно из t событий, входящих в B. Все элементарные события равновероятны, следовательно, для данного испытания вероятность наступления произвольного элементарного события, входящего в B равна 1/t. Тогда по классическому определению вероятности, в данном испытании событие A произойдет с вероятностью r/t.
В общем случае доказать эту формулировку невозможно, в теории вероятности она вводится как правило. Существует лишь толкование этой формулы.

Обоснование формулы условной вероятности в общем случае.

Пусть в n_B испытаниях произошло событие B, а в n_A испытаниях произошло событие A. Найдем условную частость наступления события A при условии, что произошло событие B. Мы можем сделать это для обоснования формулы, т.к. под вероятностью наступления события понимается предел частости наступления события при условии, что серия испытаний достаточно длинная.

Условная частость
Рассматривая AB как одно событие D имеем: с другой стороны
Рассмотрим систему событий A₁, A₂,...,A_k. Покажем, что вероятность их совместного
наступления равна: Доказательство проведем по мат индукции.
Формула равна для 2 и 3 (см. ранее)
Пусть формула верна для k-1.
Введем событие B.P(A₁A₂...A_k-1)=P(B)P(A₁A₂...A_k)=P(A_kB)=P(B)× P(A_kB)

Математическая статистика

Математи́ческая стати́стика — наука, разрабатывающая математические методы систематизации и использования статистических данных для научных и практических выводов.

Во многих своих разделах математическая статистика опирается на теорию вероятностей, позволяющую оценить надёжность и точность выводов, делаемых на основании ограниченного статистического материала (напр., оценить необходимый объём выборки для получения результатов требуемой точности при выборочном обследовании)

Математическая статистика — раздел математики, разрабатывающий методы регистрации, описания и анализа данных наблюдений и экспериментов с целью построения вероятностных моделей массовых случайных явлений^[1]. В зависимости от математической природы конкретных результатов наблюдений статистика математическая делится на статистику чисел, многомерный статистический анализ, анализ функций (процессов) и временных рядов, статистику объектов нечисловой природы.

Выделяют описательную статистику, теорию оценивания и теорию проверки гипотез. Описательная статистика есть совокупность эмпирических методов, используемых для визуализации и интерпретации данных (расчет выборочных характеристик, таблицы, диаграммы, графики и т. д.), как правило, не требующих предположений о вероятностной природе данных. Некоторые методы описательной статистики предполагают использование возможностей современных компьютеров. К ним относятся, в частности, кластерный анализ, нацеленный на выделение групп объектов, похожих друг на друга, и многомерное шкалирование, позволяющее наглядно представить объекты на плоскости.

Методы оценивания и проверки гипотез опираются на вероятностные модели происхождения данных. Эти модели делятся на параметрические и непараметрические. В параметрических моделях предполагается, что характеристики изучаемых объектов описываются посредством распределений, зависящих от (одного или нескольких) числовых параметров. Непараметрические модели не связаны со спецификацией параметрического семейства для распределения изучаемых характеристик. В математической статистике оценивают параметры и функции от них, представляющие важные характеристики распределений (например, математическое ожидание, медиана, стандартное отклонение, квантили и др.), плотности и функции распределения и пр. Используют точечные и интервальные оценки.

Большой раздел современной математической статистики — статистический последовательный анализ, фундаментальный вклад в создание и развитие которого внес А. Вальдво время Второй мировой войны. В отличие от традиционных (непоследовательных) методов статистического анализа, основанных на случайной выборке фиксированного объема, в последовательном анализе допускается формирование массива наблюдений по одному (или, более общим образом, группами), при этом решение об проведении следующего наблюдения (группы наблюдений) принимается на основе уже накопленного массива наблюдений. Ввиду этого, теория последовательного статистического анализа тесно связана с теорией оптимальной остановки.

В математической статистике есть общая теория проверки гипотез и большое число методов, посвящённых проверке конкретных гипотез. Рассматривают гипотезы о значениях параметров и характеристик, о проверке однородности (то есть о совпадении характеристик или функций распределения в двух выборках), о согласии эмпирической функции распределения с заданной функцией распределения или с параметрическим семейством таких функций, о симметрии распределения и др.

Большое значение имеет раздел математической статистики, связанный с проведением выборочных обследований, со свойствами различных схем организации выборок и построением адекватных методов оценивания и проверки гипотез.