Реферат Курсовая Конспект
Теория вероятностей - раздел Математика, Теория Вероятностей ...
|
Теория вероятностей
Введение
Теория вероятностей (ТВ) возникла в XVII веке в связи с попыткой поставить на научную основу теорию азартных игр. Но по-настоящему ТВ как наука сформировалась в XIX веке.
Основные понятия
Условимся называть испытанием (опытом) осуществление на практике какого-либо комплекса условий. Результат испытания (опыта) будем называть исходом испытания (событием).
Различают достоверные, невозможные, случайные события.
· Достоверное – событие, которое в результате осуществляемого комплекса условий обязательно произойдет;
· Невозможное – обязательно не произойдет;
· Случайное - событие, которое в результате осуществляемого комплекса условий может произойти, а может и нет.
Случайное событие зависит от бесконечного множества условий, которые заранее нельзя предусмотреть.
Пусть рассматривается n случайных событий :
A1, A2, … , An .
Случайные события (СС) называются несовместными, если в результате каждого испытания никакие из них не могут произойти вместе.
СС называются равновероятными (равновозможными), если из условий симметрии опыта следует, что ни одно из этих событий не является более возможным, чем другие.
Пример:
Рассмотрим подбрасывание игральной кости. Игральная кость не шулерская.
A1, A2 , A3, A4, A5, A6 – события, означающие появление 1, … , 6 очков на выпавшей грани.
События не совместны и равновероятны.
СС A1, A2, … , An образуют полную группу событий, если в результате каждого испытания появится одно из них, и только одно.
Это означает, что A1, A2, … , An не совместны и событие, состоящее в том, что произойдет или A1 или A2 или An будет достоверным.
Условимся называть СС, которые не могут быть разложены на более простые, элементарными событиями (исходами).
Пример:
A1, A2, … , A6
B1 – четное число очков, В1 может быть либо А2, либо А4, либо А6 ,
B2 – нечетное, A2 может быть либо A1 либо A3 либо A5 . В этом случае случайные события А1, А2, А3, А4, А5, А6 – элементарные исходы.
Введем понятие вероятности события.
Классическое определение вероятности события.
Рассмотрим испытания, в результате которых может произойти событие А. Среди возможных исходов испытания выделяем полную группу элементарных исходов. Предположим, что все элементарные исходы равновозможны, и что их – конечное число. Те элементарные исходы, которые приводят к появлению события А, будем называть исходами, благоприятствующими появлению события А.
Вероятностью события А называется отношение числа m элементарных исходов, благоприятствующих событию А, к общему числу n равновозможных элементарных исходов, образующих полную группу событий.
(1)
Пусть u – достоверное событие, тогда m=n , значит
Пусть v – невозможное событие, тогда m=0, значит .
Пусть А – случайное событие, тогда 0 < m < n, значит 0 < < 1.
В общем случае – 0 1.
Если число возможных испытаний бесконечно (полная группа возможных исходов состоит из бесконечного числа элементов), то воспользоваться классическим определением вероятности нельзя. Предполагается, что все исходы равновозможны.
Тогда применим понятие геометрической вероятности.
Пусть каждому исходу сопоставляется некоторая точка области wn, а благоприятствующим исходам – точки, лежащие в некоторой области wm wn .
Тогда вероятность попадания точки в облость wm определяется как отношение мер этих областей
.
Статистическое определение вероятности.
В случае, когда элементарные исходы, образующие полную группу событий, не равновозможны, нельзя воспользоваться ни классическим, ни геометрическим определением вероятности. В этом случае используется статистическое определение вероятности.
Пусть произведено n испытаний, в результате которых событие А произошло m раз, тогда число m называется частотой события А в данной серии испытаний, а величина p*(A) – относительной частотой (частостью) в данной серии испытаний. При малом n частость сильно отличается для каждой серии испытаний.
При увеличении числа n разброс частости не исчезает, но уменьшается. Это указывает на то, что при увеличении n относительная частота p*(A) обладает свойством устойчивости – в смысле уменьшения разброса.
Определение: вероятностью события А называется число, вокруг которого колеблется относительная частота события p*(A) при повторении длинных серий испытаний.
Замечание: благодаря близости и устойчивости частости к вероятности, величина p*(A) может служить приближенным значением вероятности p(A)
p*(A) p(A) (при больших n)
Формула Байеса
Предположим, что событие А произошло. Найдем вероятность того, что оно произошло с событием Нк.
?
P(AHk) = p(A)
- формула Байеса.
Схема испытаний Бернулли
При практическом применении ТВ часто приходится иметь дело с серией повторяющихся испытаний, для которых:
1) число испытаний n конечно;
2) в ходе каждого испытания возможно только 2 исхода: событие А произошло или не произошло;
3) все испытания независимы друг от друга, т.е вероятность появления события А в каждом испытании не зависит от того, какие исходы были в предыдущих испытаниях и какие будут в последующем;
4) вероятность появления p(A) = p – const.
Во многих задачах требуется найти вероятность появления события А ровно m раз в серии из n испытаний. Эта вероятность определяется по формуле:
, где q = 1 – p - формула Бернулли
Т.к событие А может появиться ровно m раз в разных последовательностях или комбинациях, чередуясь с противоположным событием , то таких возможностей будет .
В том случае, когда число испытаний n велико n 9, воспользоваться формулой Бернулли затруднительно. Например,
пусть p = 1/4, q = 3/4, n = 50, m = 20.
. Поэтому были получены приближенные (асимптотические) формулы. Впервые такая формула была получена Муавром для p = q = 1/2 , а затем обобщена для любого 0 < p < 1 Лапласом.
Теорема: (локальная теорема Муавра-Лапласа)
Если вероятность появления события А в каждом повторном испытании постоянна и отлична от 0 и 1, то , где , .
Функция четная = и для значений функции приведена таблица значений. Для принято .
Без доказательства.
Теорема:(интегральная теорема Лапласа)
, где .
Формула содержит интеграл, который не вычисляется в элементарных функциях, упростим эту формулу. Введем в рассмотрение функцию Лапласа .
Замечание:
Иногда рассматривается функция Лапласа в виде: . Поэтому при пользовании таблицей значений необходимо обращать внимание на формулу задания.
Эта функция нечетная = ; для значения x 5 (больше 5) рассматривается, что , а для 0 < x < 5 приведена таблица значений.
Тогда
-
- = .
Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
Известна постоянная вероятность р. Пусть произведено n испытаний и событие проявилось ровно m раз.
- относительная частота события d в данной серии независимых испытаний.
Найдем:
Примеры законов распределения
Зависимые и независимые СВ
СВ X, Y называются независимыми, если функция распределения вероятностей двумерной СВ (X;Y) может быть представлена в виде произведения F(x;y) = F1(x) F2(y) (3), где F1(x) - функция распределения вероятностей компоненты X, а F2(y) - компоненты Y.
Теорема 1:
X и Y независимые СВ тогда и только тогда, когда выполняется условие (4).
(4)
Теорема 2:
Для того, чтобы X и Y были независимыми СВ, при условии, что существуют f1(x), f2(y), f(x;y), необходимо и достаточно, чтобы выполнялось условие:
f(x;y) = f1(x) f2(y) (5)
– Конец работы –
Используемые теги: Теория, вероятностей0.054
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Теория вероятностей
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов