Similar presentations:
Теория вероятностей
1.
ТЕОРИЯ ВЕРОЯТНОСТЕЙКлассификация различных видов событий
1) Невозможное событие – событие, которое не
может произойти.
2) Достоверное событие – событие,
которое обязательно произойдет.
3) Случайное событие – событие, которое
может произойти, а может не
произойти.
Пример: Бросают 2 кубика:
Невозможное событие – сумма цифр = 1, > 13 и т.п.
Достоверное событие – сумма цифр > 1 и < 13.
Случайное событие – сумма цифр меньше 5, сумма
цифр больше 7 и т.п.
2.
Опр-е Несовместными называются события, в которыхпоявление одного исключает появление другого
Пример Бросают кубик. «2» и «5» - несовместны. «1»,
«2», «3» и т.д. несовместны. А, например, «3» и «<5» –
совместны.
Опр-е События образуют полную группу, если в
результате испытания появляется хотя бы одно из них
Пример Бросают кубик. 2 события, что выпадет
четное и нечетное число образуют полную группу соб.
Опр-е События называются равновозможными, если
при большом числе испытаний частота их появления
одинакова
3.
Примеры1. Орел – решка при подбрасывании монеты;
выпадения 1, 2, 3, 4, 5, 6 при подбрасывании
кубика.
2. <5 и >4 при бросании монеты, сдать экзамен на
2,3,4,5, попасть и не попасть под машину при
переходе улицы. (Не равновозможные)
Элементарное событие - основное понятие теории
вероятностей. (оно неразделимо на более простые )
Примеры
1. Оценки 2,3,4,5 на экзамене – простые события, а >3
- нет.
2. 1, 2, 3, 4, 5, 6 при подбрасывании кубика
4.
Определение Множество всех элементарных событий,которые могут появиться в испытаниях, называется
пространством элементарных событий
все элементарные события попарно несовместны
Пример пространством элементарных событий на
экзамене ={2,3,4,5}
5.
Аксиомы теории вероятностей1. Каждому событию A поставлено в соответствие
некоторое число p(A) 0, которое называется
вероятностью этого события
2. Вероятность достоверного события равна 1
(p( )=1)
3. Вероятность наступления хотя бы одного из
попарно несовместных событий равна сумме
вероятностей этих событий
Из 2 и 3 аксиом следует, что если элементарные
события равновозможны, то вероятность каждого из
них
p 1 , где N - число элементарных событий
N
6.
КомбинаторикаПерестановки
Опр-е Перестановки – это комбинации из одних и тех
же элементов, отличающиеся порядком их следования.
Число всех возможных перестановок n элементов равно
P n n ! 1 2 3 ... n
Первый элемент может занять n мест. Если первый
элемент уже занимает некоторое место, то второй
элемент может занять n-1 место. И т.д.
7.
РазмещенияОпределение Размещениями называют комбинации,
составленные выбором из n различных элементов m
элементов, отличающиеся либо составом элементов,
либо порядком их следования.
Число всех возможных размещений m элементов из n
n!
A
(n m )!
m
n
Первое место может быть заполнено n способами.
Второе место может быть заполнено n-1 способом. И
т.д.
n (n 1)(n 2 )
n!
(n m 2 )(n m 1)
(n m )!
8.
СочетанияОпределение Сочетаниями называются комбинации,
составленные выбором m элементов из n различных
элементов, отличающиеся только составом (но не
порядком следования).
Число всех возможных сочетаний m элементов из n
n!
C
(n
m
)!m
!
В размещениях выделим группы, отличающиеся
m
n
составом. Количество элементов в каждой группе равно
числу перестановок из m элементов. Следовательно
m
n
A
n!
C
Pm n m ! m !
m
n
9.
Выбор с возвращениемОпределение Выбор с возвращением представляет
собой комбинации m элементов из n различных
элементов, отличающиеся составом или порядком
следования, причем выбранный элемент возвращается на
место (может участвовать в дальнейшем выборе)
Число возможных вариантов выбора с возвращением m
элементов из n равно n
m
Первый элемент может быть выбран n способами,
второй – тоже n способами. Следовательно два
элемента могут быть выбраны n n способами. И т.д.
10.
1. Крыловский квартетПримеры
N Pn n ! 4 ! 1 2 3 4 24
2. В группе 20 студентов. Наугад выбирают 4-х.
Каждый из них сдает 1 экзамен. Затем всей группе
проставляются те же самые оценки
20 !
N A
17 18 19 20 116280
16 !
m
n
3. В группе 20 студентов. Наугад выбирают 4-х. Если
все вместе они весят меньше 220 кг, всей группе
ставится зачет по физкультуре
20 !
17 18 19 20
N C
4845
16 ! 4 !
2 3 4
m
n
11.
4. Группа из 20 студентов должна сдавать 4 экзамена.Преподаватель каждой дисциплины наугад
выбирает 1студента. Затем всей группе по данной
дисциплине проставляется оценка, полученная
этим студентом
N 20 160000
4
5. В правительстве работает 7 министров. Каждый
день производится ротация. Как долго такое
правительство сможет «работать» без повторов в
расстановке министров?
N Pn 7 ! 5040 дн ей 13 л ет 295 дн ей
12.
Вычисление вероятностейЕсли пр-во элементарных событий дискретно, а сами
элементарные события равновозможны, вероятность
события А определяют как отношение
NA
p A
N
где N A ..., N ...
Примеры
1. Из колоды карт (36 шт) вынули 3 карты. Какова
вероятность, что все красной масти?
A
NA A , N A p
A
16 17 18
0 ,11
34 35 36
3
18
3
36
3
18
3
36
18 ! 33 !
15 ! 36 !
13.
2. Найти вероятность того, что группе из 30 студентовнет студентов с совпадающими днями рождения
NA A
30
365
365 !
365 364 363
( 365 30 )!
30
N 365
30
336
NA
p
N
365 1 365 2 365 3
365
365
365
29
365 29
0 , 29
365
14.
Если пространство событий не является дискретным,вероятность события А определяют как отношение
меры части пространства элементарных событий,
благоприятствующей наступлению события А, к мере
всего пространства элементарных событий
Примеры (стрелок и мишень, молекула азота в
комнате с кислородом)
15.
Сложение вероятностей несовместных событийПротивоположные события
Определение Суммой А+В двух событий А и В
называют событие, состоящее в появлении хотя бы
одного из этих событий
Аналогично определяется сумма трех, четырех и более
событий
Теорема. Вероятность появления хотя бы одного из
нескольких попарно несовместных событий равна
сумме вероятностей этих событий
P A1 A 2
A n P A1 P A 2
P An
Доказательство: Следует из третьей аксиомы
16.
Теорема. Сумма вероятностей попарнонесовместных событий А1 , А2 ,…, Аn, образующих
полную группу, равна единице, то есть
P (A 1) P (A 2) P (A n ) 1
Док-во. А1+А2 +…+ Аn= след. по 2 аксиоме
P A 1 A 2 ... A n 1
По предыдущей теореме получим
P (A 1) P (A 2)
P (A n ) 1
17.
Определение Противоположными событияминазывают два несовместных события, образующих
полную группу событий
A, A
Теорема. Сумма вероятностей противоположных
событий равна единице, то есть
P A P A 1
Док-во. Следует из определения противоположных
событий и предыдущей теоремы
Пример В рассмотренной выше задаче про дни
рождения P
A 0 ,2 9 ; P A 0 ,7 1
18.
Умножение вероятностейУсловная вероятность
Определение Произведением AВ двух событий A и В
называют событие, состоящее в совместном появлении
этих событий
Произведением нескольких событий называется
событие, состоящее в появлении всех событий
Определение Условной вероятностью PA(В)
называют вероятность события В, вычисленную в
предположении, что событие A уже наступило
Пример Вероятность вытянуть второй карту красной
масти, если первая карта красная.
Экзамен с передачей шпаргалок
19.
Теорема. Вероятность совместного появления двухсобытий равна произведению вероятности одного из
них на условную вероятность другого, вычисленную в
предположении, что первое уже наступило
P A B P A PA B P B PB A
Без доказательства
Следствие Вероятность совместного появления
нескольких событий равна произведению вероятности
одного из них на условные вероятности всех
остальных, причем вероятность каждого
последующего события вычисляется в
предположении, что все предыдущие уже наступили
P A 1A 2 A 3
A n P A 1 P A 1 A 2 P A 1A 2 A 3
P A 1A 2 A n 1 A n
20.
Пример Найти вероятность вынуть 10 пронумерованных шаров в порядке возрастания номера.Комбинаторное решение задачи дает P=1/10!. Тот
же ответ получится, если применить посл. теорему
P P A 1 PA1 A 2
P A 1 ,A 2 ,A 3 , ,A 9 A 10
1 1 1 1 1 1 1 1 1
1
1
10 9 8 7 6 5 4 3 2
n!
21.
Пример Из колоды (36 шт) вынули 3 карты. Каковавероятность, что все 3 красные?
3
Комбинаторное решение: N C ;
NA C
NA
18 ! 33 ! 3 ! 16 17 18
p
0 , 11
N 15 ! 3 ! 36 !
34 35 36
36
3
18
По теореме вероятности произведения событий
p P A 1 P A 1 A 2 P A 1A 2 A 3
1 17 16
0 ,11
2 35 34
22.
Пример Задача про дни рождения. Группа состоит из30 студентов. Какова вероятность, что нет студентов с
совпадающими днями рождения? Комбинаторное
решение задачи дает
365 1 365 2 365 3
p
365
365
365
365 29
0 , 29
365
29
По теореме вероятности произведения событий
364 363 362
336
p 1
...
0 , 29
365 365 365
365
23.
Независимые события.Теорема умножения для независимых событий
Определение Событие В называют независимым от
события А, если появление события А не изменяет
вероятности появления события В
Примеры …
Если В не зависит от А,
PA B P B
P A B P A PA B P B A P B PB A
Если
PA B P B PB A P A
то есть если В не зависит от А, то А не зависит от В
24.
Теорема. Вероятность совместного появления двухнезависимых событий равна произведению
вероятностей каждого из них
P AB P A P B
Доказательство: Следует из определения
независимых событий и теоремы умножения
Пример Какова вероятность, что бросая монету 6 раз
мы получим чередование орла и решки?
1 1 1 1 1 1
P 1
2 2 2 2 2 32
25.
Определение Несколько событий называютсянезависимыми в совокупности (или просто
независимыми), если независимы каждые два из них и
независимы каждое из них и все возможные
произведения остальных
Вероятность совместного появления нескольких
независимых событий равна произведению
вероятностей этих событий
P A 1A 2
A n P A1 P A 2
P An
Замечание Если события A 1 , A 2 , , A n - независимые,
то и противоположные им события A 1 , A 2 , , A n
- независимы
26.
Замечание Если события A 1 , A 2 , , A n - независимыв совокупности, то из определения следует их
попарная независимость, то есть любые два из них
независимы. Обратное, вообще говоря, неверно, то
есть из попарной независимости не следует их не
зависимость в совокупности.
Пусть три грани тетраэдра раскрашены в красный,
зеленый и синий цвета, а четвертая содержит все три
цвета.
P (К ) P (З ) P (С ) 1 / 2
P (К З ) 1 / 4 P (К З ) P (К )P (З )
P (К З С ) 1 / 4 P (К )P (З )P (С )
27.
Теорема. Вероятность появления хотя бы одногособытия из независимых в совокупности событий
равна разности между единицей и произведением
вероятностей противоположных событий
P A 1 A 2 ... A n
1 P A 1 P A 2 ... P A n
Примеры Студент сдает 5 экзаменов. Вероятности их
сдать равны 0,8; 0,9; 0,7; 0,6; 0,8. Какова
вероятность не сдать хотя бы один экзамен?
P 1 0 ,8 0 ,9 0 ,7 0 ,6 0 ,8 0 ,7 6
28.
Имеется 30 экзаменационных билетов. Привытягивании не выученного билета разрешается
вторая попытка. Сколько билетов нужно выучить,
чтобы вероятность сдать экзамен была не меньше 0,9?
30 n 29 n
P A 0 ,1 P A
0 ,1
30
29
59 349
2
n 59 n 783 0 n 1 , 2
2
n 1 2 0 ,1 5 9 ; n 2 3 8 , 8 n 2 1
29.
Два стрелка стреляют по одной мишени. У одноговероятность попадания 0,7, у другого – 0,4. Какова
вероятность поражения цели?
P A1 A 2 1 P A1 P A 2
1 0 ,3 0 ,6 0 ,8 2
Вероятность что Петя сдаст экзамен при одной
попытке равна 0,2. Сколько попыток сдать экзамен
ему должно быть предоставлено деканатом, чтобы
вероятность сдать экзамен была не менее 0,99?
P 1 0 ,8 0 ,9 9 0 ,8 0 ,0 1
n
n
ln 0 , 01
n ln 0 , 8 ln 0 , 01 n
20 , 6 ln 0 ,8 0
ln 0 , 8
30.
Теорема сложения вероятностей совместныхсобытий
Теорема. : Вероятность появления хотя бы одного из
совместных событий равна сумме вероятностей этих
событий минус вероятность их совместного появления
P A B P A P B P AB
Без доказательства
Замеч. В случае несовместных событий p(AB)=0 и
мы получаем формулу для вероятности суммы
несовместных событий
31.
Примеры Даются 2 задачи. Зачет ставится прирешении хотя бы одной. Какова вероятность получить
зачет, если вероятность решить первую задачу – 0,4;
вторую – 0,7?
p 0 , 4 0 ,7 0 , 4 0 ,7 0 ,8 2
p 1 0,6 0,3 0,82
Вероятность сдать экзамен 0,5. Какова вероятность его
сдать с двух попыток?
p 0,5 0,5 0,5 0,5 0,75
32.
Формула полной вероятности и формулы БайесаПусть имеется полная группа несовместных событий
B1, B2,…Bn вероятности которых известны. Пусть
событие А может наступить при условии появления
одного из этих событий с известными условными
вероятностями
P B 1 ( A ) , P B 2 ( A ) , ..., P B n ( A )
Возникает вопрос, как вычислить безусловную
вероятность события А
33.
Теорема (формула полной вероятности) ПустьB1,B2,…Bn – полная группа несовместных событий.
Тогда, если известны условные вероятности
P B 1 ( A ) , P B 2 ( A ) , ..., P B n ( A ) ,
безусловная вероятность наступления события А
может быть вычислена по формуле
P(A) P B j PB j A
n
j 1
P B1 PB1 A P B 2 PB 2 A
P B n PBn A
Без доказательства
34.
Примеры Вам надо купить определенную книгу.Всего 3 магазина. Вероятность того, что книга будет
куплена в первом магазине – 50%, во втором – 30%, в
третьем – 20%. В первом магазине 40% книг
пиратского издания, во втором 50% пиратских книг и в
третьем – 20%. Какова вероятность, что купленная
вами книга окажется пиратского издания?
P B 1 0 , 5; P B 2 0 , 3; P B 3 0 , 2
PB1 ( A ) 0 , 4; PB 2 ( A ) 0 , 5; P B 3 ( A ) 0 , 2
P ( A ) PB1 A P B 1 PB 2 A P B 2 PB 3 A P B 3
0,5 0,4 0,3 0,5 0,2 0,2 0,39
35.
Лена сдает экзамен по математике в среду, а Катя вчетверг. Вероятность у Лены сдать экзамен 0,7. Если
Лена сдаст экзамен, она отдаст свои шпаргалки Кате, у
которой их нет. У Кати вероятность сдать экзамен без
шпаргалок – 0,8, со шпаргалками –0,1. Какова
вероятность у Кати сдать экзамен?
В1 – Катя сдает без шпаргалок, В2 – со шпаргалками
P B 1 0 , 3; P B 2 0 , 7
P B 1 ( A ) 0 , 8 ; P B 2 ( A ) 0 ,1
P ( A ) PB1 A P B 1 PB 2 A P B 2
0 , 3 0 , 8 0 , 7 0 ,1 0 , 3 1
36.
К больному с приступом аппендицита приехала скораяпомощь. В городе четыре больницы (№1, №2, №3,
№4). Вероятность попасть в первую больницу – 10%,
во вторую – 20%, в третью – 30% , в четвертую – 40%.
В первой больнице вероятность послеоперацион-ного
осложнения – 50%, во второй – 30%, в третьей – 20%,
в четвертой – 5%. Какова вероятность, что у больного
операция пройдет без осложнений?
P ( A ) P B j PB j A 0 , 1 0 , 5
4
j 1
0 , 2 0 ,7 0 ,3 0 ,8 0 , 4 0 ,9 5 0 ,8 1
37.
Теорема (формулы Байеса ) Пусть А может наступитьпри условии появления одного из несовместных
событий B1,B2,…Bn, образующих полную группу.
Допустим, что произведено испытание, в результате
которого произошло событие А. Тогда вероятность
того, что при этом было реализовано событие Bi
равна
PA B i
P B i PB i A
P A
P B i PB i A
P B P A
n
j 1
j
Bj
38.
Док-во. По теореме умножения вероятностейP A B i P A PA B i P B i PBi A
PA B i
PA B i
P B i PB i A
P A
Выражая знаменатель
по формуле полной
вероятности получим
P B i PB i A
P B i PB i A
P A
P B P A
n
j 1
j
Bj
39.
Примеры. Допустим, в задаче с аппендицитомизвестно, что некоторый человек был отвезен скорой в
некоторую клинику и прооперирован удачно. Какова
вероятность того, что операция производилась в 1,2,3
и 4 клиниках? Сохраняя прежние обозначения, и
используя найденное выше Р(А)=0,81 получим
PA (B 1 )
PA (B 2 )
P (B 1 )PB 1 ( A )
P(A )
P (B 2 )PB 2 ( A )
P(A )
0 ,1 0 , 5
0 , 062
0 , 81
0, 2 0, 7
0 ,173
0 , 81
40.
PA (B 3 )P (B 3 )PB 3 ( A )
P A (B 4 )
P (B 4 )PB 4 ( A )
P(A )
P(A )
0, 3 0,8
0 , 296
0 , 81
0 , 4 0 , 95
0 , 469
0 , 81
41.
Допустим, в задаче со сдачей экзамена Леной и Катейизвестно, что Катя экзамен сдала. Какова вероятность
того, что экзамен днем раньше сдала (не сдала) Лена?
PA (B 2 )
P (B 2 )PB 2 ( A )
PA (B 1 )
P (B 1 )PB 1 ( A )
P(A )
P(A )
0 , 7 0 ,1
0 , 225
0 , 31
0, 3 0,8
0 , 774
0 , 31
42.
Допустим, в задаче с книжными магазинами Выкупили книгу пиратского издания в одном из трех
магазинов. Какова вероятность, что в 1-ом магазине, 2ом, 3-ем?
PA (B 1 )
P (B 1 )PB 1 ( A )
PA (B 2 )
P (B 2 )PB 2 ( A )
PA (B 3 )
P (B 3 )PB 3 ( A )
P(A )
P(A )
P(A )
0, 5 0, 4
0 , 513
0 , 39
0, 3 0, 5
0 , 385
0 , 39
0, 2 0, 2
0 ,103
0 , 39
43.
Повторение испытаний. Формула БернуллиA ; p P A ; q 1 p; n; k
Pn k C p q
k
n
k
n k
n!
k n k
p q
k !(n k )!
Пусть проводится n испытаний 1,2,3,…,n. Сколько
способов осуществления k раз события А? C
Какова вероятность каждого осуществления?
p p q
k
n k
Поэтому полная вероятность есть
Pn k C p q
k
n
k
n k
k
n
44.
n! nn
1 . k n; Pn n C p q
p p
n !0 !
n
n
n
0
n! n
n
2 . k 0 ; Pn 0 C p q
q q
0 !n !
0
n
0
n
3 . k 1; P n 1 C p q
n 1
1
n
n!
n 1
n 1
pq npq
n 1 !1!
45.
Пример Какова вероятность, что при игре в бильярд сравным противником вы выиграете 5 партий из 10?
p 0 , 5; q 1 p 0 , 5
10 !
10
P10 5 C 0 , 5 0 , 5
0 , 5 0 , 25
5 !5 !
5
10
5
5
Тест состоит из 10 вопросов, по 4 варианта ответа на
каждый вопрос. Один ответ верный. Какова
вероятность случайно ответить верно на 2 вопроса
p 0 , 2 5; q 1 p 0 , 7 5
10 !
2
8
P10 2 C 0 , 25 0 , 75
0 , 25 0 , 75 0 , 282
8!2!
2
10
2
8
46.
Вычисления по формулам Бернулли сложны прибольшом числе испытаний.
Имеет место приближенная формула Лапласа
Pn k
1
e
2 npq
k np
2
2 npq
В задаче с тестированием по ф-ле Бернулли
P1 0 2 0 , 2 8 2
По формуле Лапласа
P10 2
2 2 ,5 2
1
e 2 10 0 , 25 0 ,75 0 , 273
2 10 0 , 25 0 , 75
47.
Интегральная теорема ЛапласаТеорема (Интегральная теорема Лапласа). Если
вероятность удачи p в каждом из n независимых
испытаний с двумя исходами постоянна и отлична от
нуля и единицы, то вероятность появления от k1 до k2
удач приближенно равна (тем точнее, чем больше n):
x2
1
x 2 /2
Pn k1 , k 2
e
dx
2 x1
x1 (k1 np) / npq
x 2 (k 2 np) / npq
x
1
x 2 /2
(x)
e
dx
2 0
Функция Лапласа
48.
( x) (x)(x 5) 0,5
x2
x2
x1
1
1
1
x /2
x /2
x 2 /2
e
dx
e
dx
e
dx (x 2 ) (x1 )
2 x1
2 0
2 0
2
2
Pn k1 , k 2 (x 2 ) (x1 )
x1 (k1 np) / npq
x 2 (k 2 np) / npq
49.
x0,0
0,1
0,2
0,3
0,4
0,5
Ф(х)
0,00
0,04
0,08
0,12
0,16
0,19
х
0,6
0,7
0,8
0,9
1,0
1,1
Ф(х)
0,23
0,26
0,29
0,32
0,34
0,36
х
1,2
1,3
1,4
1,5
2,0
2,5
5
Ф(х)
0,38
0,40
0,42
0,43
0,48
0,49
0,499997
50.
Пример 1. Вероятность того, что деталь будет забракованаравна 0,2. Найти вероятность того, что среди 1000
случайно отобранных деталей окажется от 100 до 200
бракованных.
P1000 100, 200 (x 2 ) (x1 )
k1 np 100 1000 0, 2
x1
7,9
npq
1000 0, 2 0,8
k 2 np 200 1000 0, 2
x2
0
npq
1000 0, 2 0,8
P1000 100, 200 (0) ( 7,9) 0,5
51.
Если р<0,1, а n велико, вместо формулы Лапласаиспользуют формулу Пуассона
np e
Pn k
k
np
k!
Пример 100 рыбаков 1 час ловят рыбу. Р=0,01.
Какова вероятность, что они вместе поймают не более
5 рыб?
P1 0 0 k 5 P1 0 0 0 P1 0 0 1 P1 0 0 2
P1 0 0 3 P1 0 0 4 P1 0 0 5 0 , 9 9 9
52.
Случайные величиныСлучайная величина: Величина, которая в результате
испытаний может принимать одно из множества
значений.
Пример 1 Бросают кубик. Случайная величина Х –
выпавшее число. Х может принимать значения
1,2,3,4,5,6.
Пример 2 Бросают 2 кубика. Случайная величина Х
– разность чисел на первом и на втором кубиках. Х
может принимать значения -5,-4,-3,-2,-1,0,1,2,3,4,5.
Пример 3 Группа из 30 студентов сдает экзамен.
Случайная величина Х – сумма полученных баллов.
Х – натуральное число от 60 до 150.
53.
Пример 4 Стреляют из пушки. Случайная величинаХ – дальность полета снаряда.
Дискретные и непрерывные случайные величины
Закон распределения дискретной случайной
величины – соответствие между значением величины
и вероятностью появления этого значения.
Х
x1
x2
x3
x4
…
xn
p1+p2+p3+…
P
p1
p2
p3
p4
…
pn
…+pn=1
X
1
2
3
4
5
6
P
1/6
1/6
1/6
1/6
1/6
1/6
1 кубик
54.
2 кубика разность чисел-5
-4
-3
-2
-1
0
1
2
3
4
5
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Бросают 3 кубика. Х – количество выпавших шестерок
X
0
1
2
3
P
125/216
75/216
15/216
1/216
55.
Биномиальное распределениеПусть проводится n испытаний. Событие А. p(A),
q=1-p. Случ. вел-на X – количество появлений
события А при n испытаниях.
Pn k C p q
k
n
k
n k
n!
k n k
p q
k !(n k )!
Распределение Пуассона
При больших n и малых p (p≤0,1)
np e
Pn k
k
k!
np
56.
Геометрическое распределениеПусть проводятся испытания до первого
появления события А. p(A), q=1-p. Случ. вел-на X
– номер испытания при котором впервые
появилось событие А.
X: 1, 2, 3, 4, 5, 6, …
P: p, qp, q2p, q3p, q4p, q5p, q6p …
q p 1
i
i 0
57.
Математическое ожидание дискретной случайнойвеличины
M X x 1 p 1 x 2 p 2 ... x n p n л и б о M X x i p i
i 0
Пример Найти мат. ожидание числа появлений
события А в одном испытании, если вероятность
А есть р.
M X 1 p 1 0 q p
Математическое ожидание числа появлений
события в одном испытании равно вероятности
этого события.
58.
Вероятностный смысл математического ожиданияПусть проведено n испытаний в результате
которых значения равные x1 принимались m1 раз,
x2 – m2 раз и так далее. Тогда
x 1 m 1 x 2 m 2 ... x k m k
X
n
m1
m2
mk
x1
x2
... x k
n
n
n
mi
wi
Относительная частота появления xi.
n
При большом числе испытаний w i p i следовательно
X x 1p 1 x 2 p 2 ... x k p k M X
Чем больше n, тем точнее формула.
59.
Свойства математического ожидания1). Мат. ожидание постоянной величины равно
самой величине
X : C ; P : 1; M X C 1 C
2). Пост. множ. можно выносить за знак мат.
ожидания
M C X C x 1 p 1 C x 2 p 2 . . .C x n p n
C x 1 p 1 x 2 p 2 . . .x n p n C M X
Опр. Две случ. вел. наз. независимыми, если закон
распределения одной из них не зависит от того,
какие значения приняла другая величина.
60.
Опр. Произв. незав. сл. вел. X и Y (XY) наз-ся сл-явел-на возможные значения которой равны пр-ю
каждого возможного зн-я X на каждое воз-е зн-е Y.
Вероятности равны соответственно xi – pi, yj – gj,
xiyj - pigj
Св-во. Мат. ож. произв. двух независимых величин
равно произведению их мат. ожиданий
M(XY)=M(X)M(Y)
Опр. Суммой двух сл. вел. X и Y (XY) наз-ся сл-я
вел-на возможные значения которой равны сумме
каждого возможного зн-я X с каждым воз-ным зн-ем
Y. Вероятности для нез. сл. вел. равны
соответственно xi – pi, yj – gj, xi+yj - pigj
61.
Св-во. Мат. ож. суммы двух величин равно сумме ихмат. ожиданий M(X+Y)=M(X)+M(Y)
Теорема Мат. ож. M(X) числа появлений события
А в n испытаниях равно M(X)=np
Дисперсия случайной величины
Пример. Петя за 5 лет обучения сдал 40 экзаменов
получив 40 четверок, Вася получил 20 троек и 20
пятерок. У обоих M(X)=4.
M(X-M(X))=0
D(X)=M((X-M(X))2)
62.
Теорема D(X)=M(X2)-(M(X))2Док-во D(X)= M((X-M(X))2) =M(X2-2XM(X)+
+(M(X))2)=M(X2)-2M(X)M(X)+(M(X))2=
=M(X2)-(M(X))2
Св-ва
1). D(C)=0
2). D(CX)=C2D(X)
3). D(X+Y)=D(X)+D(Y) (X,Y – незав. сл. вел.)
Теорема Дисперсия числа появлений события А в
n испытаниях равна В(X)=npq
63.
Поток событий – посл. событий, наст. вслуч. моменты времени.
Стационарный - p(k) зависит только от k
и ∆t.
Интенсивность потока - среднее число
событий в единицу времени.
e t
Pt k t
k!
k
64.
Непрерывная случайная величинаПусть X – непрерывная случайная величина,
возможные значения которой заполняют
интервал (a,b). Для дискретной случ. вел.
распределение задается таблицей
Х
x1
x2
x3
x4
…
xn
P
p1
p2
p3
p4
…
pn
Для непрерывной случ. величины X вводится
понятие функции распределения.
65.
Непрерывная случайная величинаОпределение.
Функцией
распределения
непрерывной
случайной
величины
X
называют функцию F(x), определяющую
вероятность того, что случайная величина X в
результате испытания примет значений,
меньшее x, т.е. F(x)=P(X<x).
Геометрическая интерпретация
,1,00
,0,90
,0,80
,0,70
,0,60
,0,50
,0,40
,0,30
,0,20
,0,10
,0,00
,0,00
,0,50
,1,00
,1,50
,2,00
,2,50
66.
Непрерывная случайная величинаОпределение. Случайную величину X
называют непрерывной, если ее функция
распределения есть непрерывная кусочнодифференцируемая функция с непрерывной
производной.
Свойства функции распределения
0 F x 1
Доказательство. F x P X x , P 0,1
Свойство 1
Свойство 2
F x Неубывающая функция
67.
Непрерывная случайная величинаДоказательство. Пусть x2 x1
A X x2 A X x1 A x1 X x2
Поскольку A X x1 è A x1 X x2
несовместны
P X x2 P X x1 P x1 X x2
F x2 F x1 P x1 X x2 0 F x2 F x1
68.
Непрерывная случайная величинаСледствие 1. Вероятность того, что случ.
величина Х примет значение в диапазоне
(a,b), равна приращению функции на этом
интервале.
P a X b F b F a
(напоминает формулу Ньютона-Лейбница)
Пример
Найти
0, x 0
F x 0,05 x, 0 x 20
1, 20 x
P 2 X 6
69.
Непрерывная случайная величина1.2
1
0.8
0.6
0.4
0.2
0
-1
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
P 2 X 6 F 6 F 2 0,3 0,1 0,2
Следствие 2.
Вероятность того, что
непрерывная случ. Величина Х примет одно
предельное значение равна 0.
70.
Непрерывная случайная величинаПоложив в формуле P a X b F b F a
a x1; b x1 x получим
P x1 X x1 x F x1 x F x1
x 0 Так как F(x) – непрерывна, то
F x1 x F x1 0 при x 0
Замечание 1. Равенство 0 вероятности не
означает невозможности события.
Замечание 2. Нет смысла говорить о
вероятности одного значения. Надо говорить
о вероятности попадания в интервал.
71.
Непрерывная случайная величинаСвойство 3 Если возможные значения случайной
величины Х принадлежат интервалу (a,b), то
1. F x 0 , x a
2. F x 1 , x b
Доказательство. Пусть x1 a, тогда событие.
X x1 невозможное P X x1 0 F x1 0
Пусть x1 b, тогда событие X x2 достоверное
P X x2 1 F x2 1
Следствие. Если возможные значения Х – вся
числовая ось, то
lim F x 0; lim F x 1
x
x
72.
Непрерывная случайная величина1.2
1
0.8
0.6
0.4
0.2
0
-10
-5
0
5
10
График функции распределения
1
0
-1
1
3
5
7
9
73.
Непрерывная случайная величинаДля дискретной случайной величины график
функции распределения – ступенчатая
функция
Задача 1. P 2 X 3 ?
1
0, x 2
x 2
F x
, 2 x 4
2
1, 4 x
0.5
P 2 X 3 F 3 F 2
1
1
0
2
2
0
1
2
3
4
5
74.
Непрерывная случайная величинаЗадача 2. P 0 X 1 ?
0, x 1
x 1
F x
, 1 x 2
3
1, 2 x
P 0 X 1 F 1 F 0
2 1 1
3 3 3
1
0.5
0
-2
-1
0
1
2
3
75.
Непрерывная случайная величинаЗадача 3.
Х
Р
2
0,5
6
0,4
10
0,1
Построить функцию распределения
76.
Плотность рапределения вероятностейнепрерывной случайной величины
Определение. Плотностью распределения
вероятностей
непрерывной
случайной
величины называют функцию
f x F x
Из определения следует, что F x первообразная к f x Первообразная
определяется с точностью да константы, а она
задается условием xlim
F x 0
Замечание. Для дискр. сл. вел. F x
построить, а f x нет.
можно
77.
Вероятность попадания непрерывной случайнойвеличины в заданный интервал
b
Теорема. P a X b f x dx
a
Доказательство. По св-ву F x можно написать, что P a X b F b F a
Используя основную теорему интегрального
исчисления (ф-лу Ньютона-Лейбница)
получим
b
F b F a f x dx
a
b
P a X b f x dx
a
78.
Геометрическая интерпретацияПример 1.
0,
f x 2 x,
0,
1
x 0
0 x 1
1 x
1
P 0,5 X 1 f x dx 2 xdx x
0,5
0,5
P 0,5 X 1 ?
21
0,5
1 0,25 0,75
79.
x 00 x 1
0,
x,
2
Пример 2. f x x ,
0,
5
1 x
2
5
x
2
3
3
P 0,5 X 3 2 ?
3
1,357
2
1
3
0,5
0,5
1
2
P 0,5 X 3 2 f x dx xdx x 2dx
1
1 2
1 3 32 1
1
0,75 1 4,25
x
x
0,75 2 1
2 0,5 3 1
2
3
2
3
6
80.
Свойства плотности распределения1) f x 0
2)
f x dx 1
Нахожнение F x по f x
x
F x f x dx
81.
Примерx a
0,
1
f x
, a x b
b a
b x
0,
x a
0,
x
x a
F x f x dx
, a x b
b a
b x
1,
82.
Пример0,
x,
2
f x x ,
0,
x 0
0 x 1
5
1 x
2
3
5
x
2
3
1,357
x 0
0,
2
x ,
0 x 1
2
x
F x f x dx 1 x3
5
3
6 3 , 1 x 2
5
3
x
1,357
1,
2
83.
Вероятностный смысл плотностираспределения
F x f x dF x F x dx f x dx
F x x F x
P x X x x
f x x
f x x
84.
Математическое ожиданиенепрерывной случайной величины
Для дискретной случайной величины
X x1
P p1
x2
p2
x3 x4 … xn
p3 p4 … pn
M x xi pi
Для непрерывной случайной величины X
n
i 1
a, b , xi , xi
n
x p x f x x
i 1
n
i
i
i 1
b
i
i
M X x f x dx
a
i
Переходя к пределу получим
85.
Математическое ожиданиенепрерывной случайной величины
b
Определение.
M X x f x dx
a
Если возможные значения от минус до плюс бесконечности
M X x f x dx
Предполагается, что несобственный интеграл
абсолютно, что означает существование интеграла
M X x f x dx x f x dx
сходится
86.
Математическое ожиданиенепрерывной случайной величины
Пример 1.
0,
f x 2 x,
0,
1
Решение.
x 0
0 x 1
1 x
M X ?
1
1
2 31 2
M X x f x dx x 2 xdx 2 x dx x
3 0 3
0
0
0
2
87.
Математическое ожиданиенепрерывной случайной величины
Пример 2.
0,
x,
2
f x x ,
0,
3
Решение.
x 0
0 x 1
M X ?
1 x 3
5
2
5
x
2
1,357
3
5
2
1
5
2
0
0
1
3
M X x f x dx x xdx x x 2dx
4
4
1 1 5 3 1 1 5 3
1
12 4 2
3 4 2
3 1
4
3
5
2
x
x
3 0 41
88.
Дисперсия непрерывной случайнойвеличины
Для дискретной случайной величины
X x1
P p1
x2
p2
x3 x4 … xn
p3 p4 … pn
D X M X M X
2
n
xi M x pi
2
i 1
Для непрерывной случайной величины X по аналогии
Определение. D X M X M X
2
89.
Дисперсия непрерывной случайнойвеличины
Если возможные значения X принадлежат [a,b]
b
D X x M x f x dx
2
a
Если возможные значения от минус до плюс бесконечности
D X x M x f x dx
2
Как и для дискретной случайной величины можно получить
формулу
90.
Дисперсия непрерывной случайнойвеличины
Если возможные значения X принадлежат [a,b]
b
D X M X M X x 2 f x dx M 2 X
2
a
Если возможные значения от минус до плюс бесконечности
D X M X M X x 2 f x dx M 2 X
2
Как и для дискретной случайной
квадратичное отклонение есть
X D X
величины
среднее
91.
Дисперсия непрерывной случайнойвеличины
Пример 1.
Решение.
0,
f x 2 x,
0,
x 0
0 x 1
1 x
D X ?
1
1
1
0
0
0
M X x f x dx x 2 xdx 2 x 2dx
1
2 31 2
x
3 0 3
1
4
D X x f x dx M X x 2 xdx
9
0
0
2
4 1
1
2
4
x
4 1 4 1
2 x dx 2
9
4 0 9 2 9 18
0
3
2
1
1
X D X
18 3 2
92.
Равномерное распределениеОпределение.
0, x a
f x C , a x b
0, b x
Найдем значение константы С.
f x dx 1 C b a 1 C
1
b a
0, x a
1
f x
, a x b
b a
0, b x
93.
Равномерное распределениеx
F x f x dx
x a
0,
x
x a
F x f x dx
, a x b
b a
b x
1,
P x1 X x2 F x1 F x1
P x1 X x2
x2 x1
b a
94.
Равномерное распределениеb
x
x
b2 a 2 b a
M X x f x dx
dx
b a
2 b a a 2 b a
2
a
a
b
b
2
b
D X x 2 f x dx M 2 X
a
b
D X x2
a
1
1 b a b a
b a
dx
b a
2 b a 3
2
2
3
3
b a
b ab a b 2ab a
3
4
12
2
2
2
2
2
b a
b a
X D X
12
2 3
2
2
95.
Показательное распределениеОпределение.
0, x 0,
f x
x
e
, x 0,
f x dx 1
- параметр показательного распределения
1
96.
Показательное распределениеx
F x f x dx
x 0
0,
F x f x dx
x
1 e , x 0
x
P x1 X x2 F x1 F x1
P x1 X x2 e x1 e x2
97.
Показательное распределение0, x 0,
f x 5 x
5 e , x 0
Пример 1.
P 1 X 2 ?
P 1 X 2 5 e 5 e 10 0,0067
Решение
0
M X x f x dx xe
x
1
dx
D X x f x dx M X x e
2
0
2
2
0
Интегрируя по частям получим
x
1
dx 2
D X
1
2
X D X
1
98.
Нормальное распределениеОпределение.
1
f x
e
2
2
x a
2
2
0
f x dx 1
a, - параметры нормального распределения
a 1
2
99.
Нормальное распределениеНормированным называется нормальное распределение с
a 0, 1
1
f x
e
2
x2
2
Если имеется нормально распределенная случайная
величина X с параметрами a и , то Y X a - нормированная нормально распределенная случайная величина.
Функция распределения для нормально распределенной
случайной величины X имеет вид
x
F x f x dx
x
1
e
2
2
x a
2 2
dx
100.
Нормальное распределениеДля нормированной нормально распределенной случайной
величины a 0, 1
F0 x
x
1
e
2
2
x
2
dx
x a
Для F0 x имеется таблица, а F x F0
, поэтому можно
вычислить по этой таблице.
M X x f x dx
z
1
xe
2
x a
x z a dx dz
x a 2
2 2
dx
Замена переменной
101.
Нормальное распределениеM X
e
z2
2
z a e
2
dz 2
z2
2
dz
1
ze
2
z2
2
dz
a
e
2
z2
2
dz
M X a
- Интеграл Пуассона
D X x a f x dx
2
Замена переменной
z
D X
1
2
x
a
e
2
2
x a
2 2
x a
x z a dx dz
dx
102.
Нормальное распределениеz2
2
2
D X
ze
2
2
D X 2
dz
Интегрируя по частям получим
X D X