1_Вероятн (Алексахин С.В., Балдин А.В., Николаев А.Б., Строганов В.Ю. - Прикладной статистический анализ)
Описание файла
Файл "1_Вероятн" внутри архива находится в папке "Алексахин С.В., Балдин А.В., Николаев А.Б., Строганов В.Ю. - Прикладной статистический анализ". Документ из архива "Алексахин С.В., Балдин А.В., Николаев А.Б., Строганов В.Ю. - Прикладной статистический анализ", который расположен в категории "". Всё это находится в предмете "математический анализ" из 8 семестр, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "книги и методические указания", в предмете "высшая математика" в общих файлах.
Онлайн просмотр документа "1_Вероятн"
Текст из документа "1_Вероятн"
19
Глава | 1. | ТЕОРИЯ ВЕРОЯТНОСТЕЙ |
Успех вероятностных идей в науке непрерывно связан с тем, что они позволяют ввести в исследования соответствующих процессов математический образ мышления, опирающийся на развитый математический аппарат. Развитие вероятностных представлений демонстрирует прежде всего силу математики. И именно математическая природа вероятностей во многом определяет ее успех.
Теория вероятностей - одна из наиболее увлекательных и вместе с тем доходчивых отраслей математики. Истоки теории вероятностей, как и многих других наук, были очень скромными, и основатели этой дисциплины, по-видимому не подозревали все значение, которое новую науку ожидало в будущем. Поводом для установления основ теории вероятностей послужили для Паскаля и Ферма задачи, поставленные игроками в азартные игры, в частности, в играх в кости.
В данной главе приводятся необходимые справочные данные по теории вероятностей.
1.1 Случайные величины
Теория вероятностей является основой для статистических процедур. Основные понятия и характеристики теории вероятностей используются в дальнейшем при рассмотрении статистических методов анализа.
1.2 Статистический подход к описанию случайных величин
Опытом называется наблюдение какого-нибудь явления при выполнении некоторого комплекса условий и действий, который каждый раз должен строго выполняться при повторении данного опыта. Наблюдение того же явления при другом комплексе условий и действий будет уже другим опытом.
Количественная характеристика опыта состоит в регистрации какого-либо факта, т.е. в определении того, обладают результаты опыта каким-либо свойством или нет. Любой такой факт называется событием.
Количественная характеристика опыта состоит в определении значений некоторых величин, полученных в результате опыта. Такие величины, которые могут принимать в результате опыта различные значения, причем до опыта невозможно предвидеть, какими именно они будут, называются случайными величинами.
Частотой события называется отношение числа его появлений к числу всех произведенных опытов. Если при n опытах событие A появилось m раз, то его частота в данной серии опытов равна m/n.
Свойства частот:
1) частота достоверного события равна 1;
2) частота невозможного события равна 0;
3) Если события попарно несовместимы, то
Согласно Мизесу частота по мере увеличения числа опытов все меньше и меньше уклоняется от вероятности p и в пределе выполняется соотношение:
Это равенство Мизес предлагает считать определением понятия вероятности.
1.3 Аксиоматическое построение теории вероятностей
Аксиоматическое построение основ теории вероятностей отправляется от основных свойств вероятностей, определенных в классическом и статистическом подходе. Аксиоматическое определение вероятностей, таким образом, как частные случаи включает в себя классическое и статистическое определения и преодолевает недостатки каждого из них.
Отправным пунктом аксиоматики Колмогорова является множество , элементы которого называются элементарными событиями. Наряду с рассматривается система множеств A - подмножеств элементарных событий. Множество подмножеств A называется алгеброй событий A, если выполнены следующие требования:
1) A A где - пустое множество;
3) AA BA ABA ABA.
Под операциями над случайными событиями понимаются операции над соответствующими множествами. В результате имеется соответствие, приведенное в табл.1.
Таблица | 1.1. |
Терминологическое соответствие
Обозначение | Теория множеств | Теория вероятностей |
| Множеств, пространство | Про-во элементарных событий |
| Элемент множества | Элементарное событие |
A, B | Подмножество A, B | Случайное событие A, B |
A+B = AB | Объединение множеств | Сумма событий |
AB | Пересечение множеств | Произведение событий |
Дополнение множества | Противоположное событие | |
A/B | Разность множеств | Разность событий |
Пустой множество | Невозможное событие | |
Множества не пересекаются | События несовместны | |
A=B | Множества равны | События равносильны |
AB | A есть подмножество B | Событие A влечет событие B |
Перечислим основные аксиомы:
Аксиома 1. Каждому случайному событию A поставлено в соответствие неотрицательное число P(A)>0, называемое вероятностью.
Аксиома 2. Условие нормировки.
Аксиома 3. (аксиома сложения). Если события A1,A2,...,An попарно несовместны, то
-
Непосредственно из аксиом вытекают следующие следствия:
-
Вероятность невозможного события равна 0.
-
Каково бы ни было случайное событие A 0P(A)1.
-
Если событие A влечет за собой событие B, то P(A) P(B).
-
Теорема сложения для произвольных событий P(A+B)=P(A)+P(B)-P(AB).
-
Неотрицательность P(AB) дает P(A+B) P(A)+P(B).
Определение. Действительная функция =(), определенная на пространстве элементарных событий (,A,P) называется случайной величиной, если т.е. является измеримой функцией.
1.4 Условная вероятность
Если никаких ограничений при вычислении вероятности P(A) события A, то такие вероятности называются безусловными. Если рассматривается вероятность события A при дополнительном условии, что произошло некоторое событие B, то такие вероятности называются условными и обозначаются P(A|B).
Определение. Условной вероятностью события B при условии A (P(A)>0) называется вероятность:
Для независимых событий имеет место соотношение:
P(AB)=P(A) P(B)
При P(A) P(B)>0 получим P(AB)=P(A) P(B|A)=P(B) P(A|B).
Предположим, что событие B может осуществиться с одним и только одним из n несовместных событий H1,H2, ... ,Hn , образующих полную группу событий. В результате получим .
События BH1 также несовместимы. В результате по аксиоме сложения вероятностей получим:
Использую теорему умножения вероятностей, получим равенство:
которое называется формулой полной вероятности.
Использование условных вероятностей дает основу построения процедур классификации в виде формулы Байеса.
Назовем вероятности
P(Hi) - априорными вероятностями;
P(Hi|B) - апостериорными вероятностями.
Согласно теореме умножения вероятностей справедливо равенство:
P(HiB)=P(B) P(Hi|B)=P(Hi) P(B|Hi),
которое устанавливает связь между априорными и апостериорными вероятностями:
Подставляя в последнее равенство выражение P(B) из формулы полной вероятности, получим:
Последнее выражение носит название формулы Байесса.
Общая схема применения этих формул к решению практических задач такова. Пусть событие B может протекать в различных условиях, относительно характера которых может быть сделано n гипотез: H1, H2, ... ,Hn. По тем или иным причинам известны вероятности P(Hi) (априорные) этих гипотез до испытаний. Известно также, что гипотеза Hi дает событию B вероятность P(B|Hi). Проведен опыт, в котором событие B наступило. Это должно вызвать переоценку вероятностей гипотез Hi. Формула Байеса решает этот вопрос количественно.
1.5 Функция распределения
Для задания случайной величины необходимо знать не только, какие значения она может принимать, но и как часто, т.е. с какой вероятностью она принимает эти значения.
Разнообразие случайных величин весьма велико. Число принимаемых значений может быть конечным, счетным или несчетным; значения могут быть расположены дискретно или заполнять интервалы сплошь. Для того чтобы задавать вероятности значений случайных величин, столь различных по своей природе, и притом задавать их одним и тем же способом, в теории вероятностей вводится понятие функции распределения случайной величины.
Пусть =() - случайная величина и x - произвольное действительное число.
Определение. Вероятность того, что случайная величина примет значение, меньшее чем x, называется функцией распределения случайной величины