6.1. Элементы комбинаторики:
Определение:
Соединения, содержащие элементов из данных и отличающиеся друг от друга либо сами элементами, либо порядком их расположения в соединениях называются размещениями.
Формула вычисления:
Определение:
Соединения, содержащие все данные элементов и отличающиеся друг от друга только порядком расположения элементов, называются перестановками из элементов.
Формула вычисления:
Определение:
Соединения, содержащие элементов из данных и отличающиеся друг от друга хотя бы одним элементом назвыаются сочетаниями из элементов по .
Формула вычисления: .
В частности, если , то .
6.2. Основные понятия теории вероянтостей:
Изначальные понятия: событие и вероятность.
Под событием понимают всякий факт, относительно которого уместно говорить: произойдет оно или нет.
События делят на: случайные, достоверные и невозможные.
Определение:
Случайным событием называют всякое явление, которое в результате ОКУ может произойти или не произойти.
|
|
Обозначение:
Определение:
Событие называется достоверным, если оно заведомо происходит при ОКУ.
Обозначение: .
Определение:
Событие называется невозможным, если оно заведомо не происходит при ОКУ.
Обозначение:
Определение:
Несколько событий называются равновозможными, если ни одно из них не является объективно более возможным, чем любое другое.
Определение:
Несколько событий называются несовместными, если появление одного из них исключает появление любого другого и совместными, если не исключает.
Определение:
Несколько событий образуют полную группу, если в результате ОКУ обязательно происходит хотя бы одно из данных событий.
Определение (классическое определение вероятностей):
Если в результате ОКУ всевозможные исходы составляют полную группу и равновозможных и несовместных случаев, из которых благоприятствуют появлению события , то вероятность этого события равна отношению числа благоприятствующих событий к их общему числу.
Т.о. .
Определение:
Два события называются противоположными, если в результате ОКУ обязательно происходит одно и только одно из них.
Теорема: .
6.3. Теоремы сложения и умножения:
Определение:
Произведением двух событий называется событие, состоящее в их одновременном появлении.
Обозначение: .
Определение:
Два события называются независимыми, если вероятность любого из них не зависит от того, произошло или не произошло другое событие и зависимыми, если зависит.
Определение:
Вероятность события , вычисленная при условии, что событие произошло, называется условной вероятностью события .
|
|
Обозначение: или .
Определение:
Вероятность события , вычисленная без учета появления, или не появления называется безусловной вероятностью события .
Обозначение: .
Теорема умножения:
Замечание: теорема остается справедливой и для большего количества событий.
Определение:
Суммой двух событий и называется событие, состоящее в том, что появится хотя бы одно из этих событий.
Обозначение: .
Теорема сложения:
.
Замечание: теорема остается справедливой и для большего количества событий.
Следствия:
- Сумма вероятностей несовместных событий, образующих полную группу, равна единице, т.е. ;
- - формула расчета вероятности появления хотя бы одного из совместных событий.
Теорема (формула полной вероятности):
Если случайные гипотезы образуют полную группу несовместных событий и событие может произойти только после наступления одной из гипотез, то вероятность появления события рассчитывается по формуле
.
Теорема (гипотез или формула Бейеса):
Пусть случайные гипотезы образуют полную группу несовместных событий, известны вероятности появления этих гипотез , событие уже произошлою, то .
Повторение испытаний:
- Если , то ;
- В независимых испытаниях событие появится хотя бы один раз с вероятностью .
Теорема (формула Бернулли):
Если проводится независимых испытаний, в результате каждого из которых событие может появится с вероятностью и не появится с вероятностью ,то вероятность того, что в испытаниях событие появится ровно раз рассчитывается по формуле
Эта формула целесообразна при небольших .
Теорема (локальная теорема Муавра-Лапласа):
Если вероятность появления события в результате каждого из независимых испытаний постоянна и отлична от 0 и 1, то при достаточно больших вероятность того, что в испытаниях событие появится ровно раз имеет представление
, где .
Функция - непрерывная и положительная при любых , четная и .
.
При полагают .
Закон Пуассона:
Если достаточно велико, - достаточно мало, то с наименьшей погрешностью
, где .
Интегральная теорема Лапласа:
Если вероятность появления события в результате каждого из независимых испытаний постоянна и отлична от нуля и единицы, то при достатолчно больших вероятность того, что событие наступит от до раз имеет слудующее представление , где ; .
- функция Лапласа.
- непрерывна при любых , нечетная .
При полагают .
.
6.4. Случайные величины:
Определение:
Случайной величиной называется величина, которая в результате ОКУ заведомо принимает одно и только одно из своих возможных числовых значений, причем заранее неизвестно какое именно.
Определение:
Случайная величина, возможные значения которой изолированы друг от друга называется дискретной (ДСВ).
Определение:
Случайная величина, возможные значения которой непрерывно заполняют некоторый интервал, конечный или бесконечный, называется непрерывной (НСВ).
Определение:
Всякое соответствие, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями называется законом распределения случайной величины.
Простейшей формой закона распределения ДСВ является ряд распределения, т.е. таблица, в которой перечислены все возможные значения случайной величины и соответствующие им вероятности, т.е.
Где
Определение:
Ломаная, соединяющая точки с координатами , называется многоугольником или полигоном распределения ДСВ.
Определение:
Возможное значение случайной величины, имеющее наибольшую вероятность, называется модой этой случайной величины.
Определение:
Функцией распределения случайной величины называется вероятность того, что эта случайная величина примет значение меньшее, чем , т.е. .
|
|
Основные свойства :
- значения функции распределения принадлежат отрезку ;
- функция распределения неубывающая;
- если , то и ;
- если возможные значения НСВ принадлежат , то при , а при
.
- вероятность попадания НСВ в интервал любого типа.
Определение:
Предел средней плотности распределения вероятности НСВ в , при условии, что длина этого интервала , называется плотностью распределения вероятности данной случайной величины в точке .
Обозначение: .
для .
Теорема:
Вероятность попадания НСВ в интервал равна определенному интервалу на соответствующем отрезке от плотности распределения, т.е. .
Связь между функцией распределения и плотностью распределения НСВ:
для и .
Свойства плотности распределения:
- при ;
- ;
6.4. Числовые характеристики случайных величин:
1) Математическое ожидание
Для дискретной случайной величины
Определение:
Сумма произведений всех возможных значений ДСВ на соответствующие им вероятности называется математическим ожиданием этой случайной величины.
Т.о. .
Математическое ожидание – константа, имеющая размерность случайной величины.
Математическое ожидание приближенно равно среднему арифметическому всех возможных значений данной случайной величины.
Свойства математического ожидания:
- ;
- ;
- для независимых ДСВ;
- для независимых ДСВ;
- .
Для непрерывной случайной величины
.
Вероятностный смысл и свойства ДСВ остаются справедливыми.
2 ) Дисперия
Определение:
Математическое ожидание квадрата отклонения случайной величины от своего математического ожидания называется дисперсией.
Т.о или .
Дисперсия – константа, имеющая размерность квадрата случай величины.
Дисперсия характеризует степень разброса возможных значений случайной величины относительно ее центра, т.е. МО.
- для ДСВ.
- для НСВ.
Теорема: .
Свойства дисперсии:
- ;
- ;
- для независимых ДСВ;
- для независимых ДСВ.
3) Среднее квадратическое отклонение:
.
СКО имеет размерность СВ, вероятностный смысл тот же, что и у .
Теорема:
Если проводится независимых испытаний, в результате каждого из которых событие может появится в вероятностью и не появится с вероятностью , то , .
|
|