теория по терверу (Лекции DOC), страница 2

где l – длина отрезка l, а L – длина отрезка L.

Можно дать аналогичную постановку задачи для точки, брошенной на плоскую область S и вероятности того, что она попадет на часть этой области s:

где s – площадь части области, а S – площадь всей области.

В трехмерном случае вероятность того, что точка, случайным образом расположенная в теле V, попадет в его часть v, задается формулой:

где v – объем части тела, а V – объем всего тела.

Пример 1. Найти вероятность того, что точка, наудачу брошенная в круг, не попадет в правильный шестиугольник, вписанный в него.

Решение. Пусть радиус круга равен R , тогда сторона шестиугольника тоже равна R. При этом площадь круга а площадь шестиугольника Следовательно,

Пример 2. На отрезок АВ случайным образом брошены три точки: С, D и М. Найти вероятность того, что из отрезков АС, АD и АМ можно построить треугольник.

Решение. Обозначим длины отрезков АС, АD и АМ через x, y и z и рассмотрим в качестве возможных исходов множество точек трехмерного пространства с координатами (х, у, z). Если принять длину отрезка равной 1, то эти множество возможных исходов представляет собой куб с ребром, равным 1. Тогда множество благоприятных исходов состоит из точек, для координат которых выполнены неравенства треугольника: x + y > z, x + z > y, y + z > x. Это часть куба, отрезанная от него плоскостями x + y = z, x + z = y, y + z = x

х Рис.1.

(одна из них, плоскость x + y = z, проведена на рис.1). Каждая такая плоскость отделяет от куба пирамиду, объем которой равен . Следовательно, объем оставшейся части

. Тогда

Задача о встрече:

Вопорс№5

Условная вероятность.

P(A/B)

Условной вероятностью наступления события A, при условии события B, называется вероятность наступления события A в результате испытаний, если известно, что в это испытании произошло событие B.

Вывод формулы условной вероятности для случая равновероятных элементарных событий

Действительно, в данном испытании произошло одно из t событий, входящих в B. Все элементарные события равновероятны, следовательно, для данного испытания вероятность наступления произвольного элементарного события, входящего в B равна 1/t. Тогда по классическому определению вероятности, в данном испытании событие A произойдет с вероятностью r/t.

В общем случае доказать эту формулировку невозможно, в теории вероятности она вводится как правило. Существует лишь толкование этой формулы.

Теорема умножения вероятностей.

Определение 2.2. Назовем условной вероятностью р(В/А) события В вероятность события В при условии, что событие А произошло.

Замечание. Понятие условной вероятности используется в основном в случаях, когда осуществление события А изменяет вероятность события В.

Примеры:

1. пусть событие А – извлечение из колоды в 32 карты туза, а событие В – то, что и вторая вынутая из колоды карта окажется тузом. Тогда, если после первого раза карта была возвращена в колоду, то вероятность вынуть вторично туз не меняется: Если же первая карта в колоду не возвращается, то осуществление события А приводит к тому, что в колоде осталась 31 карта, из которых только 3 туза. Поэтому

Теорема 2.3 (теорема умножения). Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого при условии, что первое событие произошло:

р (АВ) = р (А) · р (В/А). Доказательство.

Воспользуемся обозначениями теоремы 2.1. Тогда для вычисления р(В/А) множеством возможных исходов нужно считать т_А (так как А произошло), а множеством благоприятных исходов – те, при которых произошли и А, и В ( т_АВ ). Следовательно,

откуда следует утверждение теоремы

Независимые события

Определение 2.3. Событие В называется независимым от события А, если появление события А не изменяет вероятности В, то есть р (В/А) = р (В).

Замечание. Если событие В не зависит от А, то и А не зависит от В. Действительно, из р (А) · р (В/А) = р (В) · р (А/В) следует при этом, что р (А) · р (В) = р (В) · р (А/В), откуда

р (А/В) = р (А). Значит, свойство независимости событий взаимно.

Формула полной вероятности

Определение 3.1. Пусть событие А может произойти только совместно с одним из событий Н₁, Н₂,…, Н_п, образующих полную группу несовместных событий. Тогда события Н₁, Н₂,…, Н_п называются гипотезами.

Теорема 3.1. Вероятность события А, наступающего совместно с гипотезами Н₁, Н₂,…, Н_п, равна:

(3.1)

где p(H_i) – вероятность i- й гипотезы, а p(A/H_i) – вероятность события А при условии реализации этой гипотезы. Формула (3.1) носит название формулы полной вероятности.

Доказательство.

Можно считать событие А суммой попарно несовместных событий АН₁, АН₂,…, АН_п. Тогда из теорем сложения и умножения следует, что

что и требовалось доказать.

Пример. Имеются три одинаковые урны с шарами. В первой из них 3 белых и 4 черных шара, во второй – 2 белых и 5 черных, в третьей – 10 черных шаров. Из случайно выбран-ной урны наудачу вынут шар. Найти вероятность того, что он белый.

Решение. Будем считать гипотезами Н₁, Н₂ и Н₃ выбор урны с соответствующим номером. Так как по условию задачи все гипотезы равновозможны, то Найдем условную вероятность А при реализации каждой гипотезы:

Тогда

Формула Байеса (теорема гипотез).

Пусть известен результат опыта, а именно то, что произошло событие А. Этот факт может изменить априорные (то есть известные до опыта) вероятности гипотез. Например, в предыдущем примере извлечение из урны белого шара говорит о том, что этой урной не могла быть третья, в которой нет белых шаров, то есть р (Н₃/А) = 0. Для переоценки вероятностей гипотез при известном результате опыта используется формула Байеса:

(3.2)

Действительно, из р (А) · р (В/А) = р (В) · р (А/В). получим, что откуда следует справедливость формулы (3.2).

Случайные величины

Определение 4.1. Случайной величиной называется величина, принимающая в результате опыта одно из своих возможных значений, причем заранее неизвестно, какое именно.

Будем обозначать случайные величины заглавными буквами латинского алфавита (Х, Y,Z,…), а их возможные значения – соответствующими малыми буквами (x_i, y_i,…).

Примеры: число очков, выпавших при броске игральной кости; число появлений герба при 10 бросках монеты; число выстрелов до первого попадания в цель; расстояние от центра мишени до пробоины при попадании.

Можно заметить, что множество возможных значений для перечисленных случайных величин имеет разный вид: для первых двух величин оно конечно ( соответственно 6 и 11 значений), для третьей величины множество значений бесконечно и представляет собой множество натуральных чисел, а для четвертой – все точки отрезка, длина которого равна радиусу мишени. Таким образом, для первых трех величин множество значений из отдельных (дискретных), изолированных друг от друга значений, а для четвертой оно представляет собой непрерывную область. По этому показателю случайные величины подразделяются на две группы: дискретные и непрерывные.

Функция распределения случайной величины

Определение 4.4. Функцией распределения F(x) случайной величины Х называется вероятность того, что случайная величина примет значение, меньшее х:

F (x) = p (X < x).

Свойства функции распределения.

1. 0 ≤ F(x) ≤ 1. Действительно, так как функция распределения представляет собой вероятность, она может принимать только те значения, которые принимает вероятность.

2. Функция распределения является неубывающей функцией, то есть F(x₂) ≥ F(x₁) при х₂ > x₁. Это следует из того, что F(x₂) = p(X < x₂) = p(X < x₁) + p(x₁ ≤ X < x₂) ≥ F(x₁).

3. В частности, если все возможные значения Х лежат на интервале [a, b], то F(x) = 0 при х ≤ а и F(x) = 1 при х ≥ b. Действительно, X < a – событие невозможное, а X < b – достоверное.

4. Вероятность того, что случайная величина примет значение из интервала [a, b], равна разности значений функции распределения на концах интервала:

p ( a < X < b ) = F(b) – F(a).

Справедливость этого утверждения следует из определения функции распределения (см. свойство 2).

Для дискретной случайной величины значение F(x) в каждой точке представляет собой сумму вероятностей тех ее возможных значений, которые меньше аргумента функции.

Пример. Найдем F(x) для предыдущего примера: