Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Статистическое определение вероятности.Стр 1 из 2Следующая ⇒
Лекция 1. Основные понятия теории вероятности. (ТВ)- СС-1 ТВ – это раздел математики изучающий закономерности случайных явлений. «ТВ объединяет точность математических доказательств с неопределённостью случая и примеряет эти противоречивые элементы». Испытание - модель реального действия, реализация определённого комплекса условий, который может быть воспроизведён сколько угодно раз. Задать испытание в т/в это значит задать множество его элементарных (неделимых на более мелкие) исходов W. W= . Случайное событие - событие которое может наступить или не наступить в результате испытания. Для любого события “А” множество W элементарных событий разделяется на два подмножества W: А+ и А– . А+ - подмножество благоприятных исходов вместе с каждым из которых наступает событие А+. А– - подмножество неблагоприятных исходов, при реализации которых событие А не происходит. Задать событие– это значит задать подмножество А+ благоприятных исходов на множестве W. Невозможное событие - событие которое никогда ни происходит в результате испытания. Достоверное событие - событие которое всегда происходит при испытании. Два события называются несовместными, если появление одного исключает появление другого. События совместны, если они могут произойти одновременно. Вероятность случайного события - это количественная мера степени уверенности в его наступлении. Классическое определение вероятности: Для испытания с конечным числом равновозможных исходов вероятность случайного события “A” обозначается Р(А) и определяется как отношение числа благоприятных исходов m к общему числу n элементарных исходов испытания: Р(А) = m/n. Вероятность случайного события принимает значения от 0 до 1. 0 Р(А) 1 Вероятность невозможного события равна 0. Вероятность достоверного события равна 1. Формула полной вероятности. Пусть появление некоторого события А возможно лишь при наступлении одного n из попарно несовместных событий Вi, образующих полную группу и называемых гипотезами. Тогда вероятность события А равна сумме попарных произведений вероятности каждой из этих гипотез Вi на соответствующую условную вероятность появления события А. Формулы Байеса. Пусть появление в некотором испытании события А возможно лишь при наступлении одного n из попарно несовместных событий Вi, образующих полную группу и называемых гипотезами.
Тогда, зная вероятности гипотез Р(Вi) до проведения испытания, мы можем переоценить их после проведения испытания, в результате которого появилось событие А. , где - вероятности гипотез, вычисленные после проведения испытания, при условии, что событие А произошло (апостериорные вероятности гипотез); Р(А) – полная вероятность события А, Р(Вi) – вероятности гипотез, известные до испытания (априорные вероятности гипотез), — вероятность наступления события А при истинности гипотезы Вi. Теорема Байеса — одна из основных теорем элементарной теории вероятностей, которая определяет вероятность наступления события в условиях, когда на основе наблюдений известна лишь некоторая частичная информация о событиях. По формуле Байеса можно более точно пересчитывать вероятность, принимая во внимание как ранее известную информацию (априорные данные), так и данные новых наблюдений (апостериорные данные). Вычисление вероятностей событий в серии независимых испытаний. Схема Бернулли - последовательность независимых испытаний (т.е. таких испытаний, вероятность исходов которых не зависит ни от номера испытания, ни от результатов предшествующих испытаний) с двумя возможными исходами. Вероятность первого исхода - А, называемого успехом, в каждом испытаний равна р, тогда вероятность второго исхода – неуспеха, равна разности единицы и р: Р(А)=р Р()=1-р=q. Формула Бернулли Вероятность, что в серии из n испытаний по схеме Бернулли,событие А, произойдёт ровно k раз: , где число сочетаний из “n” элементов по “k” элементов в каждом. р – вероятность наступления события А в одном испытании, –вероятность не наступления события А в одном испытании, n – общее число испытаний, k – число успехов в серии из n испытаний. Теорема Лапласа: применяется при больших значениях n, когда формулу Бернулли использовать сложно. Пусть Р(А)=р – вероятность проявления события А в одном испытании, тогда вероятность, что в серии из n независимых испытаний событие А произойдёт точно k раз приблизительно вычисляется по формуле Лапласа:
, где ; где , . Интегральная теорема Лапласа. – позволяет определить вероятность того, что событие А в n независимых испытаниях произойдёт не менее и не более раз. , где , ; Значения функций и приводятся в таблицах (см тб. 1 и 2) Закон Пуассона распределения вероятностей массовых и редких событий. -вероятность того, что в серии из n испытаний «успех» произойдёт ровно k раз. где , n – общее число независимых испытаний, р – вероятность «успеха» в одном испытании. Формула Пуассона применяется, когда n – очень велико, а р – достаточно мало. Лекция 4. Случайные величины. СВ-1. Случайная величина это функция, определённая на множестве случайных событий. Случайная величина в результате эксперимента принимает те или иные числовые значения, зависящие от случайных причин. Примеры: кубик, 2 монеты, рост, вес, количество успехов и т.д.. Различают дискретные и непрерывные случайные величины. Дискретная случайная величина это случайная величина, все возможные значения которой изолированы друг от друга. Множество значений ДСВ – конечное или счётное множество. Непрерывная случайная величина – это СВ, возможные значения которой заполняют некоторый конечный или бесконечный интервал. Множество её значений имеет мощность континуума. Дискретные СВ. Закон распределения дискретной случайной величины – соответствие между всеми возможными значениями данной случайной величины и их вероятностями. Способы задания: графический, аналитический () и табличный.
Значения СВ , , … соответствуют полной группе событий и, , =1. (при n , этот ряд сходится к единице) Функция распределения случайной величины – равна вероятности, что случайная величина примет значение меньше, чем данное. График – ступенчатая возрастающая функция. , Свойства дисперсии. 1) Постоянный множитель можно вынести за знак дисперсии, возводя его в квадрат. 2) Дисперсия разности двух независимых случайных величин равна сумме дисперсий этих величин. 2) , если , то эта случайная величина равна константе почти наверняка (с вероятностью 1) Дисперсия постоянной величины равна 0. Доказательство: Д(С) = М((С۰М(С))2) = М(С – С)2 = М(02) = М(0) = 0 3) Дисперсия суммы двух зависимых случайных величин: D()=D()+D()+ 2M( -M())( -M()) Ковариация двух случайных величин: M(( -M())( -M()))
Коэффициент корреляции - = -безразмерная величина, показатель «тесноты» зависимости между случайными величинами.
Ковариация и корреляция с : M( -M )( -M )=D(); = Лекция 6а. Примеры дискретных распределений: СВ2 1) Равномерное дискретное распределение на множестве натуральных чисел ; ; М()= 2) Геометрическое распределение с параметром р (0<p<1). , ; М()= ; М()= . 3) Биномиальное распределение: , ; М( )=np, а дисперсия: D( )= np(1-p)
4) Распределение Пуассона: , ; М()= ; М() Теорема Ляпунова. Если случайная величина равна сумме очень большого числа взаимно независимых случайных величин, влияние каждой из которых на сумму ничтожно мало, то эта случайная величина имеет распределение, близкое к нормальному. На практике, нормально распределённой считают величину, равную сумме более чем 10 случайных величин с произвольными законами распределения.
Лекция 1. Основные понятия теории вероятности. (ТВ)- СС-1 ТВ – это раздел математики изучающий закономерности случайных явлений. «ТВ объединяет точность математических доказательств с неопределённостью случая и примеряет эти противоречивые элементы». Испытание - модель реального действия, реализация определённого комплекса условий, который может быть воспроизведён сколько угодно раз. Задать испытание в т/в это значит задать множество его элементарных (неделимых на более мелкие) исходов W. W= . Случайное событие - событие которое может наступить или не наступить в результате испытания. Для любого события “А” множество W элементарных событий разделяется на два подмножества W: А+ и А– . А+ - подмножество благоприятных исходов вместе с каждым из которых наступает событие А+. А– - подмножество неблагоприятных исходов, при реализации которых событие А не происходит. Задать событие– это значит задать подмножество А+ благоприятных исходов на множестве W. Невозможное событие - событие которое никогда ни происходит в результате испытания. Достоверное событие - событие которое всегда происходит при испытании. Два события называются несовместными, если появление одного исключает появление другого. События совместны, если они могут произойти одновременно. Вероятность случайного события - это количественная мера степени уверенности в его наступлении. Классическое определение вероятности: Для испытания с конечным числом равновозможных исходов вероятность случайного события “A” обозначается Р(А) и определяется как отношение числа благоприятных исходов m к общему числу n элементарных исходов испытания: Р(А) = m/n. Вероятность случайного события принимает значения от 0 до 1. 0 Р(А) 1 Вероятность невозможного события равна 0. Вероятность достоверного события равна 1. Статистическое определение вероятности. Относительная частота события А -отношение числа наступления события А в серии изn испытаний к общему числу испытаний n. Если в различных сериях из n испытаний относительная частота m(А)/n события мало изменяется и близка некоторому числу Р, то это число считают статистической вероятностью. Геометрическое определение вероятности - Применяется к испытанию с бесконечным числом равновозможных исходов. Пусть дан отрезок длины “L” и на нём отрезок “L1” Под геометрической вероятностью принимается вероятность попадания точки на отрезок L1, равная отношению длин этих отрезков Р(А) = L1/L
Комбинаторика – это раздел математики в которой изучаются расположения (комбинации) объектов составленные по определённым правилам и способам подсчёта этих комбинаций. Основными расположениями объектов являются: перестановки размещения и сочетания. Основное правило комбинаторики: если элемент а1 можно выбрать “n1” способами и при каждом таком выборе, выбор элемента а2 может быть произведён n2 способами, то общее число пар (а1;а2) равно N = n1۰n2. Перестановками называют упорядоченное множество составленное из всех элементов “A”. Перестановки отличаются друг от друга порядком элементов. Рn – число перестановок множества из n элементов = n۰(n – 1)۰(n – 2)…1 = n!; (0! = 1; 1! = 1; 2! = 2; 3! = 6…). Размещения. Ank упорядоченныеk- элементные подмножества n элементного множества. Число размещений: Ank=n(n-1)(n-2)۰…۰(n – k + 1)= Сочетания Cnk - “k” элементные подмножества “n” элементного множества. Два сочетания отличаются друг от друга только составом элементов, но не их порядком. Связь между числом сочетаний, размещений и перестановок. Ank = Cnk۰Pk Число сочетаний: Cnk =Ank/Pk = Свойства числа сочетаний: 1). Cnk = Cnn – k; 2). Cnk = Cn – 1 k – 1 + C k n – 1 Лекция 2. Основные теоремы теории вероятности. СС-2 События “A” и “B” связанные с одним и тем же испытанием, называются эквивалентными, если их множества благоприятных исходов А+ и В+ совпадают. Вероятности эквивалентных событий равны Р(А) = Р(В). – Операции над событиями – Противоположным событием для события “A” называется новое событие - , состоящее в том, что событие “A” не произошло. (Событие происходит тогда и только тогда, когда не происходит событие А). Суммой или объединением двух событий А и В называется новое событие С=А+В =А В, которое состоит в том, что произошло хотя бы одно из этих событий (или событие А, или В или А и В одновременно). Если события А и В несовместные, то сумма А+В заключается в появлении одного из них. Произведением или пересечением двух событий А и В называется новое событие С=А۰В =А∩В, заключающееся в одновременном наступлении событий А и В. – Свойства операций над событиями – 1). Коммутативность сложения А + В = В + А. 2). Ассоциативность сложения (А + В) + С = А + (В + С). 3). Коммутативность умножения А۰В = В۰А. 4). Ассоциативность умножения (А۰В)С = А(В۰С). 5). Сумма противоположных событий – достоверное событие. 6). Произведение противоположных событий, есть невозможное событие.
|
|||||||||||||||||||||||||
Последнее изменение этой страницы: 2017-01-19; просмотров: 299; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.224.0.25 (0.058 с.) |