Теория вероятности 1.Пространство элементарных событий Пространство элементарных событий — множество всевозможных исходов одного эксперимента. Исход—результат эксперимента. Случайный эксперимент—процесс, который мы наблюдаем согласно четко определенной процедуре, но который может привести к неизвестному заранее результату. Испытание—единичное осуществление какого –либо эксперимента. Любой исход эксперимента—элементарное событие. Ω –все пространство элементарных событий. 2.Классификация событий. Достоверное событие– все пространство элементарных событий. Невозможное событие – событие соответствующее исходу, который невозможен при осуществлении эксперимента. Пространство элементарных событий – множество всевозможных исходов одного эксперимента. Элементарное событие – любой исход эксперимента. 3.Понятие об σ- алгебре. σ-алгебра – сумма всех возможных событий, построенных на объединении, пересечении событий, которые принадлежат элементарным событиям. – алгебра События: 1 – упала решка; 2 – упал орел; ( 1 и 2 ) – и то и то упало; 0 – кинул – “нет”. {1 , 2 , 1и 2 , 2 или 3, 0}. 4.Аксиомы теории вероятности. 1. Р(ø) 0; Р() 1 ; 2. А ; 0 Р( А) 1; 3. А, В; А В ø; Р( А В) Р( А) Р( В) ; 4. Р ( А В ) = n A nB n A nB Р( А) Р( В) n n n Вероятность – это мера случайного процесса. Вероятность – неотрицательная величина. Вероятность суммы двух событий равна сумме вероятностей. 5.Классический метод задания вероятности. Вероятность – степень возможности наступления случайного события, которое соизмеряется с тем, какую часть от единицы оно составляет. «Классическое определение вероятностей» – подсчет вероятностей произвольных событий в пространстве равных вероятностей. Вероятность произвольного события А в пространстве равных вероятностей – есть отношение числа элементарных событий, благоприятствующих событию А к числу элементарных событий во всем пространстве . Р( А) nА n 6.Условная вероятность. Условная вероятность–это вероятность события А, при условии, что событие В произошло. Р( А ) РВ ( А). В 7.Формула полной вероятности. Р( А) Р( А Е1 ) Р( Е1 ) ... Р( А Еn ) Р( Е n ) Например, имеется 3 метода измерений, тогда: Р(Е1) – вероятность грубых ошибок в методе 1; Р(Е2) – вероятность проявления таких же ошибок в методе 2; Р(Е3) – вероятность проявления таких же ошибок в методе 3; Р(А/Е1) – вероятность качественного исполнения работ при 1методе; Р(А/Е2) – вероятность качественного исполнения работ при 2методе; Р(А/Е3) – вероятность качественного исполнения работ при 3методе; Вероятность качественного исполнения работ – полная вероятность: Р А Р( А Е1 ) Р( Е1 ) Р( А Е2 ) Р( Е 2 ) Р( А Е3 ) Р( Е3 ). 8.Формула Байеса. Р( Еi А) Р ( А Е i ) Р( Еi ) . Р( А Е1 ) Р( Е1 ) ... Р( А Еi ) Р( Еi ) 9.Понятие случайной величины. Случайная величина – это есть функция случайного события. Вероятностное пространство – это ( Ω, F, P) 1. Ω –алгебра событий 2. F – множество элементарных событий 3. P – вероятность каждого из событий 10.Функция распределения. F(X)=P(X≤x) Функцией распределения называется вероятность того, что случайная величина Х принимает значение, меньшее некоторого ее заданного значения х. 11.Дискретные и непрерывные случайные величины. Случайная величина – это величина, которая при проведении опытов принимает числовое значение, заранее неизвестно какое. Дискретная случайная величина – такая случайная величина, возможное значение которой можно заранее указать. Непрерывная случайная величина – такая случайная величина, возможные значения которой заполняют некоторый промежуток на числовой оси и не могут быть перечислены заранее . 12.Плотность распределения вероятности. Плотность распределения вероятности– это производная функции распределения. f ( x) F F . X X 13. Распределение функций одномерных случайных величин Вероятность попадания точки iх в интервал Х равна вероятности попадания точки iу в интервал У. у – плотность функции ; х – плотность аргумента Х. f x x f y y f ( y ) f x x y x x y ( ) 1 y y x y f y f x ( ) 1 x y (x) x 1 ( y) f y f ( 1 ( y )) ( y 1 ) x 14. Числовые характеристики одномерной случайной величины. Е – математическое ожидание: ЕХ хf ( х)dx Д – дисперсия: ДХ Е ( Х ЕХ ) 2 ( х ЕХ ) – среднее квадратическое отклонение: ДХ 2 f ( х)dх 15. Определение многомерной случайной величины. х1, х2 ,…, хn –случайные величины х1 х Х 2 .... х n 16. Функция распределения и плотность распределения непрерывной многомерной случайной величины. Х1,Х2 – появляются совместно; Функция распределения: F(Х1,Х2) = Р(Х1 х1 х2 Х2); Плотность распределения: Р( х1 Х 1 x1 x1 ... X к xк хк ) x 0 х1 х2 ... хк f ( Х 1 ,..., Х к ) lim f ( x1 , x 2 ,..., x к ) к F ( x1 , x 2 ,..., x n ) x1 x 2 ... x к 17.Числовые характеристики многомерных случайных величин. М – математическое ожидание; К – корреляционная матрица; К у АК х АТ 18.Центральная предельная теорема. Если случайная величина состоит из суммы Хк , то ее распределение приближается к нормальному распределению.