- •1. Основные понятия теории вероятностей
- •2. Кл. Опр. Вероятности.
- •3. Основы комбинаторики.
- •5. Формула полной вероятности
- •6. Повторение опытов
- •7. Случайные величины и законы их распределения
- •8. Биномиальное распределение.
- •9. Математическое ожидание случайной величины.
- •10. Дисперсия
- •12. Функция распределения случайной величины.
- •13. Плотность распр. Вер-ти непрерывной случ. Величины.
- •14. Числ. Хар-ки непр. Случ. Величин.
- •15. Закон равномерной плотности
- •16. Нормальный закон распределения (закон Гаусса)
- •17. Показательное (экспоненциальное) распределение
- •18. Мат. Статистика.
- •19. Эмпирическая ф-я распределения.
- •21. Расчёт доверительного интервала для оценки мат. Ожид. И дисп.
5. Формула полной вероятности
Пусть событие А может появиться вместе с одним из образующих полную группу попарнонесовместных событий Н1,Н2…Нn называемых гипотезами, тогда вероятность события А вычисляется как сумма произведений вероятностей каждой гипотезы на вероятность события А при этой гипотезе
Формула Бейеса. Пусть имеется полная группа попарно несовместных гипотез Н1,Н2…Нn с известными вероятностями появления. В результате проведения опыта появилось некоторое события А, требуется переоценить вероятности гипотез при условии, что событие А произошло
6. Повторение опытов
Несколько опытов называются независимыми, если вероятность одного или иного из исходов каждого их опытов не зависит от того какие исходы имели другие опыты. Теорема. Если производится n независимых опытов в каждом из которых событие А появляется с одинаковой вероятностью р, причем то тогда вероятность того, что событие А появится ровно m раз определяется по формуле. Формула Бернулли
Формула Бернулли применяется в тех случаях, когда число опытов невелико, а вероятности появления достаточно велики. Если число испытаний n стремится к 0, а вероятность появления события А в каждом из опытов р стремится к 0, то для определения вероятности появления события А ровно m раз применяют формулу Пуассона
a=n*p
Если число опытов достаточно велико но не бесконечно, а вероятность появления события А в каждом опыте не стремится к 0, применяют локальную и интегральную теоремы Лапласа. Локальная теорема Лапласа. Вероятность того, что в n независимых испытаниях в каждом из которых вероятность появления события А равно р причем 1>р>0, то это событие наступает ровно m раз приблизительно равна
Интегральная теорема Лапласа. Вероятность того, что в n независимых испытаниях в каждом из которых вероятность появления события А равно р, причем 1>р>0, то событие А наступит не менее m1 раз и не более m2 раза приблизительно равно
7. Случайные величины и законы их распределения
Опытом называется всякое осуществление определенных условий и действий при которых наблюдается изучаемое случайное явление. Опыты можно характеризовать качественно и количественно. Случайной называется величина, которая в результате опыта может принимать то или иное значение., причем заранее не известно какое именно. Случайные величины принято обозначать (X,Y,Z), а соответствующие им значения (x,y,z) Дискретными называются случайные величины принимающие отдельные изолированные друг от друга значения, которые можно переоценить. Непрерывными величины возможные значение которых непрерывно заполняют некоторый диапазон. Законом распределения случайной величины называется всякое соотношение устанавливающее связь между возможными значениями случайных величин и соответствующими им вероятности. Ряд и многоугольник распределения. Простейшей формой закона распределения дискретной величины является ряд распределения.
x |
x1 |
x2 |
x3 |
P |
P1 |
P2 |
P3 |
Графической интерпретацией ряда распределения является многоугольник распределения.