- •Конспект лекцій з курсу « Теорія ймовірності та випадкові процеси» Розділ 1 Вступ. Поняття ймовірності.
- •Коротка історична довідка.
- •Непарні
- •Властивості ймовірності подій
- •2. Основні формули комбінаторики.
- •Статистичне визначення ймовірності подій
- •1. Для лінійного випадку
- •2. Для плоского випадку
- •1.Умовна ймовірність.
- •Л) незалежні події. Теорема множення незалежних подій.
- •Часто ймовірність події ā позначають
- •0) Наслідки із додавання і множення.
- •1)Теорема додавання ймовірностей сумісних подій.
- •Р(в) – ймовірність попадання другого.
- •Розділ 2: послідовності незалежних випробовувань. Формула бернуллі
- •Вивід формули Бернуллі:
- •Б) Локальна теорема Лапласа (без доведення)
- •Розділ 3. Основні поняття математичної статистики. Випадкові величини та їх числові характеристики. А. Поняття випадкової величини. Дискретні та неперервні випадкові величини.
- •В. Приклади: біноміальний закон розподілу. Закон розподілу Пуассона.
- •1) Біноміальний закон.
- •2) Розподіл Пуассона.
- •Г. Інтегральна та диференціальна функції розподілу випадкової величини, їх властивості та функція розподілу (крива розподілу).
- •Математичне сподівання та дисперсія випадкових величин.
- •Математичне сподівання має властивості:
- •Властивості дисперсії.
- •Сталий множник можна виключити
- •Якщо ξ: η- незалежні випадкові величини, то
- •Моменти к-того порядку.
- •Є. Ймовірність попадання випадкової величини в заданий інтервал. Нормальний закон розподілу неперервної випадкової величини
- •Правило трьох „σ”.
- •Ж. Поняття про функції випадкового аргументу і її закон розподілу.
- •Дискретна випадкова величина.
- •Неперервні випадкові величини
- •З. Закон великих чисел. Нерівність Чебишева , теореми Чебишева та Бернулі. Поняття про теорему Ляпунова.
- •Теорема Бернулі.
- •Теорема Ляпунова. (Поняття).
- •Теореми Чебишева, Бернулі. Та теорема Ляпунова складають закон великих чисел.
- •Вибірка з генеральної сукупності. Розподіл вибірки. Вибіркові характеристики. Загальні поняття математичної статистики.
- •Надійний інтервал для математичного сподівання ознаки γ нормальним законом розподілу і відомим середньоквадратичним відхиленням.
- •Приклад.
- •Інтервал надійності для оцінки математичного сподівання з нормальним розподілом випадкової величини та не відомим значенням σ.
- •Довірчий інтервал, інтервал надійності оцінки середньоквадратичного відхилення з нормальним законом розподілу.
- •В) .Поняття про умовні варіанти. Метод добутків для знаходження вибіркових середніх і дисперсії.
- •Дисперсія вибірки , де
- •Складаємо наступну розрахункову таблицю
- •Г)Багатовимірні випадкові величини.
- •Розділ 5. Елементи теорії кореляції. А. Функціональна та статистична залежності.
- •Б) Знаходження кореляційного зв‘язку між випадковими величинами у вигляді рівняння лінії регресії.
- •В. Додавання дисперсій
- •Перевірка статистичних гіпотез.
Властивості ймовірності подій
Ймовірність достовірної події, тобто яка обов’язково відбувається, рівна 1. Наприклад, є 10 чорних кульок, визначити ймовірність витягнути чорну (А).
Ймовірність неможливої події рівна “0”. В корзині лише чорні шарфи. Визначити ймовірність витягнути білий (В)
Ймовірність випадкової події (С) є додатне число, що задовольняє нерівність
2. Основні формули комбінаторики.
При обчисленні ймовірності дискретних подій необхідно користуватись формулами, що дані в одному із розділів “Дискретної математики ”. Цей розділ має назву “Комбінаторика”.
1). Розміщення з повторами.
Нехай у нас задано деякий алфавіт. Це деякий базовий набір елементів, наприклад, список студентів 2-го курсу ІТФ. Без повторів елементів.
Нехай у нас є “n” предметів (алфавіт) різного виду x={x1… xn} з яких складаються набори довжиною “m”, m < n. Наприклад, по 3 x 1,x 2,x 5; x 1,x6,x7 ; і т. д. Такі набори називають розміщенням з повторами із “n” по “m”.
2).Розміщення без повторів.
Якщо є x {x1,…xn} “n” елементів і ми вибираємо вибірки розміром “m” без повторів то:
бо 1 – вибраний на першому місці
3). Перестановки.
Нехай є множина x, |x|=N. Розглянемо вибірки – перестановки із “n” елементів по ”n” такі, які відрізняються лише розміщенням елементів.
Звертаю увагу !
Що всі елементи множини X різні!
і т.д. Всього “b”=3!=1*2*3
3'). Перестановки з повтореннями.
Де - штук елементів 1-го виду
Де - штук елементів 2-го виду
Де - штук елементів 3-го виду
4). Комбінації без повторень.
Нехай дано сукупність різних елементів множини X={x1… xn}.Нас буде цікавити склад набору із ”m” елементів в яких порядок не суттєвий. Тобто наші набори відрізняються один від іншого лише складом не порядком загальне число комбінацій буде
Ясно,що кількість вибірок буде значно відрізнятися від ,причому на число перестановок елементів.
Адже вибірки (x1 x2 x3 ) , (x1 x3 x2) в “розміщенні” є різними а в комбінаціях однакові. Таких різних розміщень є “m”! Отже :
Д). Відносна частота. Стійкість відносної частоти появи подій
Існує ряд визначення неймовірності.
Якщо може відбутись в принципі “n” наслідків, причому події А сприяє “m” спроб, тоді:
;
Ясно, що результати події незалежні і може при випробуванні відбутись лише одна . Тобто існує повний набір різних елементарних подій w1…wn, n- елементів.
Відмітимо, що ймовірність обчислюється до досліду!
Події типу А сприяє із заданого набору (w1…wn) лише набір
тоді:
Введемо поняття відносна частота подій. Нехай у нас відбулось N подій, причому подія А реалізувалась у M випадках. Тоді частота події А виражається відношенням
; ясно, що
Що ж буде робитись з W(A) якщо N ? Виявляється, що відносна частота володіє стійкістю , це дуже важливо.
Тобто, при багаторазовому повторенні дослідів відносна частота наближається до ймовірності даної події.
Статистичне визначення ймовірності подій
Класичне визначення ймовірності передбачає дискретне число різних подій. Однак виникають ряд задач для визначення ймовірності випадкової події, коли число елементарних подій необмежене. Наприклад, набір результатів вимірювання розміру (одного і того ж) деталі, віддалі. Результати вимірювання миттєвого значення температури, тиску, і інших величин. Тобто є події, для яких неможливо вказати повний набір елементарних подій. В цьому випадку саме класичне визначення „U” є проблемою.
Відмічений недолік можна подолати, якщо використати геометричне представлення визначення ймовірності, або, чи скористатись статистичним визначенням ймовірності: в якості статистичного визначення ймовірності визначають відносну частоту появи події або число, яке близьке до даної частоти. Все це є вірним, якщо число елементарних подій дуже велике. Тут обов'язково необхідно проводити досліди.
Недоліком такого визначення є його ж однозначність. Адже для певного конкретного набору елементарних подій дане число різне. Тільки в границі воно дає ймовірність, якщо число елементарних випробувань → ∞.
Ж). Геометричні ймовірності
Якщо випадкова величина неперервна і займає певний відрізок частини площини, даний об’єм, то можна ввести геометричну ймовірність , як відношення довжини відрізку (частини поверхні, об’єму) який сприяє появі події А до всеможливих значень параметру.