Теория ве. Теоремы сложения и умножения вероятностей, формулы. Простейшие понятия теории вероятностей

Теория вероятностей – это раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Долгое время теория вероятностей не имела четкого определения. Оно было сформулировано лишь в 1929 году. Возникновение теории вероятностей как науки относят к средним векам и первым попыткам математического анализа азартных игр (орлянка, кости, рулетка). Французские математики XVII века Блез Паскаль и Пьер Ферма, исследуя прогнозирование выигрыша в азартных играх, открыли первые вероятностные закономерности, возникающие при бросании костей.

Теория вероятности возникла как наука из убеждения, что в основе массовых случайных событий лежат определенные закономерности. Теория вероятности изучает данные закономерности.

Теория вероятностей занимается изучением событий, наступление которых достоверно неизвестно. Она позволяет судить о степени вероятности наступления одних событий по сравнению с другими.

Например: определить однозначно результат выпадения «орла» или «решки» в результате подбрасывания монеты нельзя, но при многократном подбрасывании выпадает примерно одинаковое число «орлов» и «решек», что означает, что вероятность того, что выпадет «орел» или «решка», равна 50%.

Испытанием в этом случае называется реализация определенного комплекса условий, то есть в данном случае подбрасывание монеты. Испытание может воспроизводиться неограниченное количество раз. При этом комплекс условий включает в себя случайные факторы.

Результатом испытания является событие . Событие бывает:

  1. Достоверное (всегда происходит в результате испытания).
  2. Невозможное (никогда не происходит).
  3. Случайное (может произойти или не произойти в результате испытания).

Например, при подбрасывании монеты невозможное событие - монета станет на ребро, случайное событие - выпадение «орла» или «решки». Конкретный результат испытания называется элементарным событием . В результате испытания происходят только элементарные события. Совокупность всех возможных, различных, конкретных исходов испытаний называется пространством элементарных событий .

Основные понятия теории

Вероятность - степень возможности происхождения события. Когда основания для того, чтобы какое-нибудь возможное событие произошло в действительности, перевешивают противоположные основания, то это событие называют вероятным, в противном случае - маловероятным или невероятным.

Случайная величина - это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Например: число на пожарную станцию за сутки, число попадания при 10 выстрелах и т.д.

Случайные величины можно разделить на две категории.

  1. Дискретной случайной величиной называется такая величина, которая в результате испытания может принимать определенные значения с определенной вероятностью, образующие счетное множество (множество, элементы которого могут быть занумерованы). Это множество может быть как конечным, так и бесконечным. Например, количество выстрелов до первого попадания в цель является дискретной случайной величиной, т.к. эта величина может принимать и бесконечное, хотя и счетное количество значений.
  2. Непрерывной случайной величиной называется такая величина, которая может принимать любые значения из некоторого конечного или бесконечного промежутка. Очевидно, что количество возможных значений непрерывной случайной величины бесконечно.

Вероятностное пространство - понятие, введенное А.Н. Колмогоровым в 30-х годах XX века для формализации понятия вероятности, которое дало начало бурному развитию теории вероятностей как строгой математической дисциплине.

Вероятностное пространство - это тройка (иногда обрамляемая угловыми скобками: , где

Это произвольное множество, элементы которого называются элементарными событиями, исходами или точками;
- сигма-алгебра подмножеств , называемых (случайными) событиями;
- вероятностная мера или вероятность, т.е. сигма-аддитивная конечная мера, такая что .

Теорема Муавра-Лапласа - одна из предельных теорем теории вероятностей, установлена Лапласом в 1812 году. Она утверждает, что число успехов при многократном повторении одного и того же случайного эксперимента с двумя возможными исходами приблизительно имеет нормальное распределение. Она позволяет найти приближенное значение вероятности.

Если при каждом из независимых испытаний вероятность появления некоторого случайного события равна () и - число испытаний, в которых фактически наступает, то вероятность справедливости неравенства близка (при больших ) к значению интеграла Лапласа.

Функция распределения в теории вероятностей - функция, характеризующая распределение случайной величины или случайного вектора; вероятность того, что случайная величина X примет значение, меньшее или равное х, где х - произвольное действительное число. При соблюдении известных условий полностью определяет случайную величину.

Математическое ожидание - среднее значение случайной величины (это распределение вероятностей случайной величины, рассматривается в теории вероятностей). В англоязычной литературе обозначается через , в русской - . В статистике часто используют обозначение .

Пусть задано вероятностное пространство и определенная на нем случайная величина . То есть, по определению, - измеримая функция. Тогда, если существует интеграл Лебега от по пространству , то он называется математическим ожиданием, или средним значением и обозначается .

Дисперсия случайной величины - мера разброса данной случайной величины, т. е. ее отклонения от математического ожидания. Обозначается в русской литературе и в зарубежной. В статистике часто употребляется обозначение или . Квадратный корень из дисперсии называется среднеквадратичным отклонением, стандартным отклонением или стандартным разбросом.

Пусть - случайная величина, определенная на некотором вероятностном пространстве. Тогда

где символ обозначает математическое ожидание.

В теории вероятностей два случайных события называются независимыми , если наступление одного из них не изменяет вероятность наступления другого. Аналогично, две случайные величины называют зависимыми , если значение одной из них влияет на вероятность значений другой.

Простейшая форма закона больших чисел – это теорема Бернулли, утверждающая, что если вероятность события одинакова во всех испытаниях, то с увеличением числа испытаний частота события стремится к вероятности события и перестает быть случайной.

Закон больших чисел в теории вероятностей утверждает, что среднее арифметическое конечной выборки из фиксированного распределения близко к теоретическому среднему математическому ожиданию этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти наверняка.

Общий смысл закона больших чисел - совместное действие большого числа одинаковых и независимых случайных факторов приводит к результату, в пределе не зависящему от случая.

На этом свойстве основаны методы оценки вероятности на основе анализа конечной выборки. Наглядным примером является прогноз результатов выборов на основе опроса выборки избирателей.

Центральные предельные теоремы - класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы (ни одно из слагаемых не доминирует, не вносит в сумму определяющего вклада), имеет распределение, близкое к нормальному.

Так как многие случайные величины в приложениях формируются под влиянием нескольких слабо зависимых случайных факторов, их распределение считают нормальным. При этом должно соблюдаться условие, что ни один из факторов не является доминирующим. Центральные предельные теоремы в этих случаях обосновывают применение нормального распределения.

Мама мыла раму


Под занавес продолжительных летних каникул пришло время потихоньку возвращаться к высшей математике и торжественно открыть пустой вёрдовский файл, чтобы приступить к созданию нового раздела – . Признаюсь, нелегко даются первые строчки, но первый шаг – это пол пути, поэтому я предлагаю всем внимательно проштудировать вводную статью, после чего осваивать тему будет в 2 раза проще! Ничуть не преувеличиваю. …Накануне очередного 1 сентября вспоминается первый класс и букварь…. Буквы складываются в слоги, слоги в слова, слова в короткие предложения – Мама мыла раму. Совладать с тервером и математической статистикой так же просто, как научиться читать! Однако для этого необходимо знать ключевые термины, понятия и обозначения, а также некоторые специфические правила, которым и посвящён данный урок.

Но сначала примите мои поздравления с началом (продолжением, завершением, нужное отметить) учебного года и примите подарок. Лучший подарок – это книга, и для самостоятельной работы я рекомендую следующую литературу:

1) Гмурман В.Е. Теория вероятностей и математическая статистика

Легендарное учебное пособие, выдержавшее более десяти переизданий. Отличается доходчивостью и предельной простой изложения материала, а первые главы так и вовсе доступны, думаю, уже для учащихся 6-7-х классов.

2) Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике

Решебник того же Владимира Ефимовича с подробно разобранными примерами и задачами.

ОБЯЗАТЕЛЬНО закачайте обе книги из Интернета или раздобудьте их бумажные оригиналы! Подойдёт и версия 60-70-х годов, что даже лучше для чайников. Хотя фраза «теория вероятностей для чайников» звучит довольно нелепо, поскольку почти всё ограничивается элементарными арифметическими действиями. Проскакивают, правда, местами производные и интегралы , но это только местами.

Я постараюсь достичь той же ясности изложения, но должен предупредить, что мой курс ориентирован на решение задач и теоретические выкладки сведены к минимуму. Таким образом, если вам нужна развёрнутая теория, доказательства теорем (теорем-теорем!), пожалуйста, обратитесь к учебнику. Ну, а кто хочет научиться решать задачи по теории вероятностей и математической статистике в самые короткие сроки , следуйте за мной!

Для начала хватит =)

По мере прочтения статей целесообразно знакомиться (хотя бы бегло) с дополнительными задачами рассмотренных видов. На странице Готовые решения по высшей математике будут размещаться соответствующие pdf-ки с примерами решений. Также значительную помощь окажут ИДЗ 18.1 Рябушко (попроще) и прорешанные ИДЗ по сборнику Чудесенко (посложнее).

1) Суммой двух событий и называется событие которое состоит в том, что наступит или событие или событие или оба события одновременно. В том случае, если события несовместны , последний вариант отпадает, то есть может наступить или событие или событие .

Правило распространяется и на бОльшее количество слагаемых, например, событие состоит в том, что произойдёт хотя бы одно из событий , а если события несовместны – то одно и только одно событие из этой суммы: или событие , или событие , или событие , или событие , или событие .

Примеров масса:

События (при броске игральной кости не выпадет 5 очков) состоит в том, что выпадет или 1, или 2, или 3, или 4, или 6 очков.

Событие (выпадет не более двух очков) состоит в том, что появится 1 или 2 очка .

Событие (будет чётное число очков) состоит в том, что выпадет или 2 или 4 или 6 очков.

Событие заключается в том, что из колоды будет извлечена карта красной масти (черва или бубна), а событие – в том, что будет извлечена «картинка» (валет или дама или король или туз).

Чуть занятнее дело с совместными событиями:

Событие состоит в том, что из колоды будет извлечена трефа или семёрка или семёрка треф. Согласно данному выше определению, хотя бы что-то – или любая трефа или любая семёрка или их «пересечение» – семёрка треф. Легко подсчитать, что данному событию соответствует 12 элементарных исходов (9 трефовых карт + 3 оставшиеся семёрки).

Событие состоит в том, что завтра в 12.00 наступит ХОТЯ БЫ ОДНО из суммируемых совместных событий , а именно:

– или будет только дождь / только гроза / только солнце;
– или наступит только какая-нибудь пара событий (дождь + гроза / дождь + солнце / гроза + солнце);
– или все три события появятся одновременно.

То есть, событие включает в себя 7 возможных исходов.

Второй столп алгебры событий:

2) Произведением двух событий и называют событие , которое состоит в совместном появлении этих событий, иными словами, умножение означает, что при некоторых обстоятельствах наступит и событие , и событие . Аналогичное утверждение справедливо и для бОльшего количества событий, так, например, произведение подразумевает, что при определённых условиях произойдёт и событие , и событие , и событие , …, и событие .

Рассмотрим испытание, в котором подбрасываются две монеты и следующие события:

– на 1-й монете выпадет орёл;
– на 1-й монете выпадет решка;
– на 2-й монете выпадет орёл;
– на 2-й монете выпадет решка.

Тогда:
и на 2-й) выпадет орёл;
– событие состоит в том, что на обеих монетах (на 1-й и на 2-й) выпадет решка;
– событие состоит в том, что на 1-й монете выпадет орёл и на 2-й монете решка;
– событие состоит в том, что на 1-й монете выпадет решка и на 2-й монете орёл.

Нетрудно заметить, что события несовместны (т.к. не может, например, выпасть 2 орла и в то же самое время 2 решки) и образуют полную группу (поскольку учтены все возможные исходы броска двух монет) . Давайте просуммируем данные события: . Как интерпретировать эту запись? Очень просто – умножение означает логическую связку И , а сложение – ИЛИ . Таким образом, сумму легко прочитать понятным человеческим языком: «выпадут два орла или две решки или на 1-й монете выпадет орёл и на 2-й решка или на 1-й монете выпадет решка и на 2-й монете орёл »

Это был пример, когда в одном испытании задействовано несколько объектов, в данном случае – две монеты. Другая распространенная в практических задачах схема – это повторные испытания , когда, например, один и тот же игральный кубик бросается 3 раза подряд. В качестве демонстрации рассмотрим следующие события:

– в 1-м броске выпадет 4 очка;
– во 2-м броске выпадет 5 очков;
– в 3-м броске выпадет 6 очков.

Тогда событие состоит в том, что в 1-м броске выпадет 4 очка и во 2-м броске выпадет 5 очков и в 3-м броске выпадет 6 очков. Очевидно, что в случае с кубиком будет значительно больше комбинаций (исходов), чем, если бы мы подбрасывали монету.

…Понимаю, что, возможно, разбираются не очень интересные примеры, но это часто встречающиеся в задачах вещи и от них никуда не деться. Помимо монетки, кубика и колоды карт вас поджидают урны с разноцветными шарами, несколько анонимов, стреляющих по мишени, и неутомимый рабочий, который постоянно вытачивает какие-то детали =)

Вероятность события

Вероятность события – это центральное понятие теории вероятностей. …Убийственно логичная вещь, но с чего-то надо было начинать =) Существует несколько подходов к её определению:

;
Геометрическое определение вероятности ;
Статистическое определение вероятности .

В данной статье я остановлюсь на классическом определении вероятностей, которое находит наиболее широкое применение в учебных заданиях.

Обозначения . Вероятность некоторого события обозначается большой латинской буквой , а само событие берётся в скобки, выступая в роли своеобразного аргумента. Например:


Также для обозначения вероятности широко используется маленькая буква . В частности, можно отказаться от громоздких обозначений событий и их вероятностей в пользу следующей стилистики::

– вероятность того, что в результате броска монеты выпадет «орёл»;
– вероятность того, что в результате броска игральной кости выпадет 5 очков;
– вероятность того, что из колоды будет извлечена карта трефовой масти.

Данный вариант популярен при решении практических задач, поскольку позволяет заметно сократить запись решения. Как и в первом случае, здесь удобно использовать «говорящие» подстрочные/надстрочные индексы.

Все уже давно догадались о числах, которые я только что записал выше, и сейчас мы узнаем, как они получились:

Классическое определение вероятности :

Вероятностью наступления события в некотором испытании называют отношение , где:

– общее число всех равновозможных , элементарных исходов этого испытания, которые образуют полную группу событий ;

– количество элементарных исходов, благоприятствующих событию .

При броске монеты может выпасть либо орёл, либо решка – данные события образуют полную группу , таким образом, общее число исходов ; при этом, каждый из них элементарен и равновозможен . Событию благоприятствует исход (выпадение орла). По классическому определению вероятностей: .

Аналогично – в результате броска кубика может появиться элементарных равновозможных исходов, образующих полную группу, а событию благоприятствует единственный исход (выпадение пятёрки). Поэтому: .ЭТОГО ДЕЛАТЬ НЕ ПРИНЯТО (хотя не возбраняется прикидывать проценты в уме).

Принято использовать доли единицы , и, очевидно, что вероятность может изменяться в пределах . При этом если , то событие является невозможным , если – достоверным , а если , то речь идёт о случайном событии.

! Если в ходе решения любой задачи у вас получилось какое-то другое значение вероятности – ищите ошибку!

При классическом подходе к определению вероятности крайние значения (ноль и единица) получаются посредством точно таких же рассуждений. Пусть из некой урны, в которой находятся 10 красных шаров, наугад извлекается 1 шар. Рассмотрим следующие события:

в единичном испытании маловозможное событие не произойдёт .

Именно поэтому Вы не сорвёте в лотерее Джек-пот, если вероятность этого события, скажем, равна 0,00000001. Да-да, именно Вы – с единственным билетом в каком-то конкретном тираже. Впрочем, бОльшее количество билетов и бОльшее количество розыгрышей Вам особо не помогут. ...Когда я рассказываю об этом окружающим, то почти всегда в ответ слышу: «но ведь кто-то выигрывает». Хорошо, тогда давайте проведём следующий эксперимент: пожалуйста, сегодня или завтра купите билет любой лотереи (не откладывайте!). И если выиграете... ну, хотя бы больше 10 килорублей, обязательно отпишитесь – я объясню, почему это произошло. За процент, разумеется =) =)

Но грустить не нужно, потому что есть противоположный принцип: если вероятность некоторого события очень близка к единице, то в отдельно взятом испытании оно практически достоверно произойдёт. Поэтому перед прыжком с парашютом не надо бояться, наоборот – улыбайтесь! Ведь должны сложиться совершенно немыслимые и фантастические обстоятельства, чтобы отказали оба парашюта.

Хотя всё это лирика, поскольку в зависимости от содержания события первый принцип может оказаться весёлым, а второй – грустным; или вообще оба параллельными.

Пожалуй, пока достаточно, на уроке Задачи на классическое определение вероятности мы выжмем максимум из формулы . В заключительной же части этой статьи рассмотрим одну важную теорему:

Сумма вероятностей событий, которые образуют полную группу, равна единице . Грубо говоря, если события образуют полную группу, то со 100%-й вероятностью какое-то из них произойдёт. В самом простом случае полную группу образуют противоположные события, например:

– в результате броска монеты выпадет орёл;
– в результате броска монеты выпадет решка.

По теореме:

Совершенно понятно, что данные события равновозможны и их вероятности одинаковы .

По причине равенства вероятностей равновозможные события часто называют равновероятными . А вот и скороговорка на определение степени опьянения получилась =)

Пример с кубиком: события противоположны, поэтому .

Рассматриваемая теорема удобна тем, что позволяет быстро найти вероятность противоположного события. Так, если известна вероятность того, что выпадет пятёрка, легко вычислить вероятность того, что она не выпадет:

Это гораздо проще, чем суммировать вероятности пяти элементарных исходов. Для элементарных исходов, к слову, данная теорема тоже справедлива:
. Например, если – вероятность того, что стрелок попадёт в цель, то – вероятность того, что он промахнётся.

! В теории вероятностей буквы и нежелательно использовать в каких-то других целях.

В честь Дня Знаний я не буду задавать домашнее задание =), но очень важно, чтобы вы могли ответить на следующие вопросы:

– Какие виды событий существуют?
– Что такое случайность и равновозможность события?
– Как вы понимаете термины совместность/несовместность событий?
– Что такое полная группа событий, противоположные события?
– Что означает сложение и умножение событий?
– В чём суть классического определения вероятности?
– Чем полезна теорема сложения вероятностей событий, образующих полную группу?

Нет, зубрить ничего не надо, это всего лишь азы теории вероятностей – своеобразный букварь, который довольно быстро уложится в голове. И чтобы это произошло как можно скорее, предлагаю ознакомиться с уроками

Курс математики готовит школьникам массу сюрпризов, один из которых - это задача по теории вероятности. С решением подобных заданий у учащихся возникает проблема практически в ста процентах случаев. Чтобы понимать и разбираться в данном вопросе, необходимо знать основные правила, аксиомы, определения. Для понимания текста в книге, нужно знать все сокращения. Всему этому мы и предлагаем обучиться.

Наука и ее применение

Так как мы предлагаем ускоренный курс «теория вероятности для чайников», то сначала необходимо ввести основные понятия и буквенные сокращения. Для начала определимся с самим понятием «теория вероятности». Что же это за наука и для чего она нужна? Теория вероятности - это один из разделов математики, который изучает случайные явления и величины. Так же она рассматривает закономерности, свойства и операции, совершаемые с этими случайными величинами. Для чего она нужна? Широкое распространение наука получила в изучении природных явлений. Любые природные и физические процессы не обходятся без присутствия случайности. Даже если во время опыта были максимально точно зарегистрированы результаты, при повторе того же испытания, результат с большой вероятностью не будет таким же.

Примеры задач по мы обязательно рассмотрим, вы сами сможете в этом убедиться. Исход зависит от множества различных факторов, которые практически невозможно учесть или зарегистрировать, но тем не менее они оказывают огромнейшее влияние на исход опыта. Яркими примерами могут служить задачи определения траектории движения планет или определение прогноза погоды, вероятность встретить знакомого человека во время пути на работу и определение высоты прыжка спортсмена. Так же теория вероятности оказывает большую помощь брокерам на фондовых биржах. Задача по теории вероятности, с решением которой раньше возникало много проблем, станет для вас сущим пустяком после трех-четырех примеров, приведенных ниже.

События

Как уже говорилось ранее, наука изучает события. Теория вероятностей, примеры решения задач мы рассмотрим немного позже, изучает только один вид - случайные. Но тем не менее необходимо знать, что события могут быть трех видов:

  • Невозможные.
  • Достоверные.
  • Случайные.

Предлагаем немного оговорить каждый из них. Невозможное событие никогда не произойдет, ни при каких условиях. Примерами могут служить: замерзание воды при плюсовой температуре, вытягивание кубика из мешка с шарами.

Достоверное событие происходит всегда со стопроцентной гарантией, если выполнены все условия. Например: вы получили заработную плату за проделанную работу, получили диплом о высшем профессиональном образовании, если добросовестно учились, сдали экзамены и защитили диплом и так далее.

Со все немного сложнее: в ходе опыта оно может произойти или нет, например, вытащить туз из карточной колоды, сделав не более трех попыток. Результат можно получить как с первой попытки, так и, вообще, не получить. Именно вероятность происхождения события и изучает наука.

Вероятность

Это в общем смысле оценка возможности удачного исхода опыта, при котором наступает событие. Вероятность оценивается на качественном уровне, особенно если количественная оценка невозможна или затруднительна. Задача по теории вероятности с решением, точнее с оценкой подразумевает нахождение той самой возможной доли благополучного исхода. Вероятность в математике - это числовая характеристики события. Она принимает значения от нуля до единицы, обозначается буквой Р. Если Р равняется нулю, то событие произойти не может, если единице, то событие произойдет со стопроцентной вероятностью. Чем больше Р приближается к единице, тем сильнее вероятность благополучного исхода, и наоборот, если близко к нулю, то и событие произойдет с малой вероятностью.

Сокращения

Задача по теории вероятности, с решением которой вы вскоре столкнетесь, может содержать следующие сокращения:

  • Р и Р(Х);
  • А, В, С и т. д;

Возможны и некоторые другие: по мере необходимости будут вноситься добавочные объяснения. Предлагаем, для начала, пояснить представленные выше сокращения. Первым в нашем списке встречается факториал. Для того чтобы было понятно, приведем примеры: 5!=1*2*3*4*5 или 3!=1*2*3. Далее, в фигурных скобках пишут заданные множества, например: {1;2;3;4;..;n} или {10;140;400;562}. Следующее обозначение - это множество натуральных чисел, довольно часто встречается в заданиях по теории вероятности. Как уже говорилось ранее, Р - это вероятность, а Р(Х) - это вероятность происхождения события Х. Большими буквами латинского алфавита обозначаются события, например: А - попался белый шар, В - синий, С - красный или соответственно, . Маленькая буква n - это количество всех возможных исходов, а m - количество благополучных. Отсюда и получаем правило нахождения классической вероятности в элементарных задачах: Р=m/n. Теория вероятности «для чайников», наверное, и ограничивается данными знаниями. Теперь для закрепления переходим к решению.

Задача 1. Комбинаторика

Студенческая группа насчитывает тридцать человек, из которых необходимо выбрать старосту, его заместителя и профорга. Необходимо найти количество способов сделать данное действие. Подобное задание может встретиться на ЕГЭ. Теория вероятности, решение задач которой мы сейчас рассматриваем, может включать задачи из курса комбинаторики, нахождение классической вероятности, геометрической и задачи на основные формулы. В данном примере мы решаем задание из курса комбинаторики. Переходим к решению. Это задание простейшее:

  1. n1=30 - возможных старост студенческой группы;
  2. n2=29 - те, кто могут занять пост заместителя;
  3. n3=28 человек претендует на должность профорга.

Все, что нам остается сделать, это найти возможное количество вариантов, то есть перемножить все показатели. В результате мы получаем: 30*29*28=24360.

Это и будет ответом на поставленный вопрос.

Задача 2. Перестановка

На конференции выступают 6 участников, порядок определяется жеребьевкой. Нам нужно найти количество возможных вариантов жеребьевки. В данном примере, мы рассматриваем перестановку из шести элементов, то есть нам нужно найти 6!

В пункте сокращений мы уже упоминали, что это такое и как вычисляется. Итого получается, что существует 720 вариантов жеребьевки. На первый взгляд тяжелое задание имеет вполне короткое и простое решение. Это и есть задания, которые рассматривает теория вероятности. Как решать задачи более высокого уровня, мы рассмотрим в следующих примерах.

Задача 3

Группу студентов из двадцати пяти человек необходимо разбить на три подгруппы по шесть, девять и десять человек. Мы имеем: n=25, k=3, n1=6, n2=9, n3=10. Осталось подставить значения в нужную формулу, мы получаем: N25(6,9,10). После несложных вычислений мы получаем ответ - 16 360 143 800. Если в задании не говорится о том, что необходимо получить числовое решение, то можно дать его в виде факториалов.

Задача 4

Три человека загадали числа от одного до десяти. Найдите вероятность того, что у кого-то числа совпадут. Сначала мы должны узнать число всех исходов - в нашем случае это тысяча, то есть десять в третей степени. Теперь найдем количество вариантов, когда все загадали разные числа, для этого перемножаем десять, девять и восемь. Откуда взялись эти числа? Первый загадывает число, у него есть десять вариантов, второй имеет уже девять, а третьему надо выбирать из восьми оставшихся, таким образом получаем 720 возможных вариантов. Как уже мы посчитали ранее, всего вариантов 1000, а без повторений 720, следовательно, нас интересуют оставшиеся 280. Теперь нам нужна формула нахождения классической вероятности: Р= . Мы получили ответ: 0,28.

но и всех дальнейших

наблюдённые частоты стабилизируются,

При

Какового практическое применение методов теории вероятностей?

Практическое применение методов теории вероятностей заключается в пересчёте вероятностей «сложных» событий через вероятности «простых событий».

Пример. Вероятность выпадения герба при однократном подбрасывании правильной монеты равна ½ (к этому числу стремится наблюдённая частота выпадения герба при большом количестве бросаний). Требуется найти вероятность того, что при трёх бросаниях правильной монеты выпадет 2 герба.

Ответ: на этот вопрос даёт формула Берулли:

0.375 (т.е такое событие бывает в 37,5 % случаев при 2 –ух бросаниях правильной монеты).

Характерной особенностью современной теории вероятностей является тот факт, что несмотря на свою практическую направленность, в ней используют новейшие разделы почти всех разделов математики.

Основные понятия: генеральная и выборочная совокупность.

Привем таблицу соотнесения основных понятий генеральной совокупности и выборки.

Генеральная совокупность Выборочная совокупность
Случайная величина (x, h, z) Признак (x, y, z)
Вероятность p, p ген Относительная частота p, p выб
Распределение вероятностей Частотное распределение
Параметр (характеристика вероятностного распределения) Статистика (функция от выборочных значений признаков), служит для оценки того или иного параметра генерального вероятностного распределения
Примеры параметров и отвечающих им статистик
Одномерные случайные величины (одномерные распределения)
Математическое ожидание (m, Мx) Среднее арифметическое (m, )
Мода (Мо) Мода (Мо)
Медиана (Ме) Медиана (Ме)
Среднее квадратическое отклонение (s)
Дисперсия (s 2 , Dx) Дисперсия (s 2 , Dx)
Двумерные случайные величины (двумерные распределения)
Коэффициент корреляции r(x, h) Коэффициент корреляции r (x, y)
Многомерные случайные величины (многомерные распределения)
Коэффициенты уравнения регрессии b 1 ,b 2 ,…,b n Коэффициенты уравнения регрессии b 1 , b 2 , … , b n

Дисперсионный анализ

План лекции.

1. Однофакторный дисперсионный анализ.

Вопросы лекции.

Коэффициент корреляции

Принимает значения в диапазоне от -1 до +1

Безразмерная величина

Показывает тесноту связи (связь как синхронность, согласованность ) между признаками

Коэффициент регрессии

Может принимать любые значения

Привязан к единицам измерения обоих признаков

Показывает структуру связи между признаками: характеризует связь как зависимость, влияние, устанавливает причинно-следственные связи.

Знак коэффициента говорит о направлении связи

Усложнение модели

Совокупное влияние всех независимых факторов на зависимую переменную не может быть представлено как простая сумма нескольких парных регрессий.

Это совокупное влияние находится более сложным методом - методом множественной регрессии.

Этапы проведения корреляционного и регрессионного анализа:

· Выявление наличия взаимосвязи между признаками;

· Определение формы связи;

· Определение силы, тесноты и направления связи.

Задачи,решаемые после прочтения данной лекции:

Можно выписывать уравнения прямой и обратной регрессий для данных величин. Строить соответствующие графики. Находить коэффициент корреляции рассматриваемых величин. По критерию Стьюдента проверять гипотезу о существенности корреляционной связи. Пользуемся командами: ЛИНЕЙН и Мастер диаграмм в Excel.

Литература.

1. Конспект лекций.

  1. Гмурман, В.Е. Теория вероятностей и математическая статистика. - М.: Высшая школа, 2003. - 479 с.

1.8. Основные понятия планирования эксперимента и некоторые рекомендации

План лекции.

1. Планирование эксперимента: основные этапы и принципы.

2. Понятие эксперимента, отклика, поверхности отклика, факторного пространства.

3. Определение цели планирования эксперимента.

4. Основные этапы планирования:

Вопросы лекции:

1. Основные понятия. Постановка задачи.

Планирование эксперимента – это оптимальное (наиболее эффективное) управление ходом эксперимента с целью получения максимально возможной информации на основании минимально допустимого количества данных. Под самим же экспериментом понимаем систему операций, действий или наблюдений, направленных на получение информации об объекте.

Теория планирования эксперимента предполагает наличие определенных знаний и условно можно выделить следующие этапы планирования:

1) сбор и первичная обработка статистических данных

2) определение точечных и интервальных оценок распределения

3)и последующая их обработка, что предполагает знание статистических методов измерений случайной величины, теории проверки статистических гипотез, методов планирования эксперимента, в частности, пассивного эксперимента, методов дисперсионного анализа, методов поиска экстремума функции отклика;

2) составление плана эксперимента, проведение самого эксперимента, проведение обработки результатов эксперимента, оценка точности эксперимента.

Итак, дадим понятие самого эксперимента.

Эксперимент. Эксперимент является основным и наиболее совершенным методом познания, который может быть активным или пассивным.

Активный – основной вид эксперимента, который проводится в контролируемых и управляемых условиях, имеющих следующие преимущества:

1) результаты наблюдений независимые нормально распределенные случайные величины;

2) дисперсии равны друг другу (вследствие того, что выборочные оценки являются однородными);

3) независимые переменные измеряются с малой погрешностью в сравнении с погрешностью значения y ;

4) активный эксперимент лучше организован: оптимальное использование факторного пространства позволяет при минимальных затратах получить максимум информации про изучаемые процессы или явления.

Пассивный эксперимент не зависит от экспериментатора, который в данном случае выступает сторонним наблюдателем.

При планировании эксперимента исследуемый объект представляется в виде «черного ящика», на который воздействуют управляемые и неуправляемые факторы:

тут - управляемые факторы; - неуправляемые факторы, - параметры оптимизации, которые могут охарактеризовать работу объекта.

Факторы. Каждый фактор может принимать определенное количество значений называемых уровнями факторов. Множество возможных уровней фактора называется областью определения фактора, которые могут быть непрерывными или дискретными, ограниченными и неограниченными. Факторы могут быть:

- совместимыми: предполагается допустимость любой комбинации факторов, которая не должна влиять на сохранение изучаемого процесса;

- независимыми: между факторами должна отсутствовать корреляционная связь, то есть имеется возможность изменять значение каждого из рассматриваемых в системе факторов независимо друг от друга. Нарушение хотя бы одно­го из этих требований приводит либо к невозможности применения планирования эксперимента, либо к весьма серьезным трудностям. Правильный выбор факторов позволяет четко задавать условия опыта.

Исследуемые параметры должны удовлетворять ряду требований:

- эффективность, способствующая скорейшему достижению цели;

- универсальность, характерная не только для исследуемого объекта;

- статистическая однородность, предполагающая соответствие с точностью до погрешности эксперимента определенному набору значений факторов определенного значения фактора ;

- количественное выражение одним числом;

- простота вычислений;

- существование при любом состоянии объекта.

Модель . Зависимость между выходным параметром (откликом) и входными параметрами (факторами) называется функцией откли­ка и имеет следующий вид:

(1)

Тут - отклик (результат эксперимента); - незави­симые переменные (факторы), которые можно варьировать при постановке экспериментов.

Отклик. Отклик – это результат опыта в соответствующих условиях, который также называют функцией цели, критерием эффективности, критерием оптимальности, параметром оптимизации и др.

В теории планирования эксперимента к параметру оптимизации предъявляются требования, выполнение которых необходимо для успешного решения задачи. Выбор параметра оптимизации должен базироваться на четко сформулированной задаче, на ясном понима­нии конечной цели исследования. Параметр оптими­зации должен быть эффективным в статистическом смысле, то есть определяться с достаточной точностью. При большой ошибке его определения необходимо увеличивать число параллельных опытов.

Желательно, чтобы параметров оптимизации было как можно меньше. Однако не следует добиваться уменьшения числа параметров оптимизации за счет полноты характеристики системы. Желатель­но также, чтобы система во всей полноте характеризовалась просты­ми параметрами оптимизации, имеющими ясный физический смысл. Естественно, что простой, с ясным физическим смыслом параметр оптимизации защищает экспериментатора от многих ошибок и избавляет его от многих трудностей, связанных с решением различных методических вопросов экспериментирования и технологиче­ской интерпретации полученных результатов.

Геометрический аналог параметра (функции отклика), соответствующий уравнению (1), называется поверхностью отклика, а пространство, в котором строят указанную поверхность,- факторным пространством. В простейшем случае, когда исследу­ется зависимость отклика от одного фактора, поверхность откли­ка представляет собой линию на плоскости, то есть в двухмерном пространстве. В общем случае, когда рассматриваются факто­ров, уравнение (1) описывает поверхность отклика в - мерном пространстве. Так, например, при двух факторах факторное пространство представляет собой факторную плоскость.

Целью планирования эксперимента является получение математической модели исследуемого объекта или процесса. При весьма ограниченных знаниях о механизме процесса аналитическое выражение функции отклика неизвестно, поэтому обычно используют полиномиальные математические модели (алгебраические полиномы) называемые уравнениями регрессии, общий вид которых:

(2)

где – выборочные коэффициенты регрессии, которые можно получить, пользуясь результатами эксперимента.

4. К основным этапам планирования эксперимента можно отнести:

1.Сбор, изучение, анализ всех данных об объекте.

2. Кодирование факторов.

3. Составление матрицы планирования эксперимента.

4. Проверка воспроизводимости опытов.

5. Расчет оценок коэффициентов регрессионного уравнения.

6. Проверка значимости коэффициентов регрессии.

7. Проверка адекватности полученной модели.

8. Переход к физическим переменным.

Литература

1. Конспект лекций.

4.1 Цепи Маркова. Случайные функции. Метод Монте - Карло. Имитационное моделирование. Сетевое планирование. Динамическое и целочисленное программирование

План лекции.

1. Методы Монте-Карло.

2. Метод статистических испытаний (методы Монте-Карло)

Вопросы лекции.

Что изучает теория вероятностей?

Теория вероятностей изучает так называемые случайные события и устанавливает закономерности в проявлении таких событий, можно сказать, что теория вероятностей является разделом математики, в котором изучаются математические модели случайных экспериментов, т.е. экспериментов, исходы которых нельзя определить однозначно условиями проведения опыта.

Для введения понятия случайного события необходимо рассмотреть некоторые примеры реальных экспериментов.

2. Дать понятие случайного эксперимента и привести примеры случайных экспериментов.

Приведем примеры случайных экспериментов:

1. Однократное подбрасывание монеты.

2.Однократное подбрасывание игральной кости.

3. Случайный выбор шара из урны.

4. Измерение времени безотказной работы электрической лампочки.

5. Измерение числа вызовов, поступающих на АТС за единицу времени.

Эксперимент является случайным, если нельзя предсказать исход не только первого опыта, но и всех дальнейших . Например, проводится некоторая химическая реакция, исход которой неизвестен. Если её один раз провести и получить определённый результат, то при дальнейшем проведении опыта в одних и тех же условиях случайность исчезает.

Примеров такого рода можно привести сколь угодно много. В чём же состоит общность опытов со случайными исходами? Оказывается, несмотря на то, что результата каждого из перечисленных выше экспериментов предсказать невозможно, на практике для них уже давно была замечена закономерность определённого вида, а именно: при проведении большого количества испытаний наблюдённые частоты появления каждого случайного события стабилизируются, т.е. всё меньше отличаются от некоторого числа, называемого вероятностью события.

Наблюдённой частотой события А () называется отношение числа появлений события А () к общему числу испытаний (N):

Такое свойство устойчивости частоты позволяет, не имея возможности предсказать исход отдельного опыта достаточно точно прогнозировать свойства явлений, связанных с рассматриваемым опытом. Поэтому методы теории вероятностей в современной жизни проникли во все сферы деятельности человека, причём не только в естественнонаучные, экономические, но и гуманитарные, такие, как история, лингвистика и т.д. На этом подходе основано статистическое определение вероятности .

При (наблюденная частота события стремится к его вероятности при росте количества опытов, то есть при n ).

Однако определение вероятности через частоту не является удовлетворительным для теории вероятностей как математической науки. Это связано с тем, что практически нельзя провести бесконечное число испытаний и наблюдённая частота меняется от опыта к опыту. Поэтому А.Н. Колмогоров предложил аксиоматическое определение вероятности, которое принято в настоящее время.

Рекомендуем почитать