Дополнительные вопросы курса теории вероятностей
Методические указания к выполнению домашнего задания
Покупка
Новинка
Год издания: 2011
Кол-во страниц: 76
Дополнительно
Вид издания:
Учебно-методическая литература
Уровень образования:
ВО - Бакалавриат
Артикул: 841721.01.99
Кратко изложены основные определения и теоремы курса теории вероятностей. Подробно рассмотрены многомерные распределения, в том числе нормальный закон и его свойства. Изложены примеры на вычисление плотности вероятностей функции от случайной величины (случайного вектора), включая нахождение композиции законов распределения. Приведено 30 вариантов типового расчета. Для студентов II и III курсов машиностроительных и приборостроительных специальностей, изучающих теорию вероятностей. Рекомендовано Учебно-методической комиссией НУК «ФН» МГТУ им. Н.Э. Баумана.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 12.03.01: Приборостроение
- 15.03.01: Машиностроение
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Московский государственный технический университет имени Н. Э. Баумана О. В. Михайлова, Т. В. Облакова, Д. А. Приказчиков Дополнительные вопросы курса теории вероятностей Методические указания к выполнению домашнего задания Москва Издательство МГТУ им. Н. Э. Баумана 2011
УДК 519.92 ББК 22.171 М69 Михайлова О. В. М69 Дополнительные вопросы курса теории вероятностей : методические указания к выполнению домашнего задания / О. В. Михайлова, Т. В. Облакова, Д. А. Приказчиков. — М. : Изд-во МГТУ им. Н. Э. Баумана, 2011. — 73, [3] с. : ил. Кратко изложены основные определения и теоремы курса теории вероятностей. Подробно рассмотрены многомерные распределения, в том числе нормальный закон и его свойства. Изложены примеры на вычисление плотности вероятностей функции от случайной величины (случайного вектора), включая нахождение композиции законов распределения. Приведено 30 вариантов типового расчета. Для студентов II и III курсов машиностроительных и приборостроительных специальностей, изучающих теорию вероятностей. Рекомендовано Учебно-методической комиссией НУК «ФН» МГТУ им. Н. Э. Баумана. УДК 519.92 ББК 22.171 c ⃝МГТУ им. Н. Э. Баумана, 2011
1. Общие вопросы § 1. Вероятностная модель i Ai ∈A. i Ai либо Вероятностной моделью, или вероятностным пространством, называют совокупность трех объектов (Ω, A, P). I. Множество (пространство) элементарных событий Ω— совокупность элементов w, представляющих собой элементарные исходы опыта (элементарные события). Пример 1: 1) при однократном подбрасывании игральной кости элементарным исходом считают выпадение на верхней грани определенного числа очков; 2) при работе датчика случайных чисел элементарный исход — выпавшее число; 3) контролер готовой продукции измеряет некоторые параметры изделия, при этом результат (совокупность нескольких чисел) также можно считать элементарным исходом. II. Совокупность подмножеств A множества Ωудовлетворяет ряду условий. Элементы A называют событиями и обозначают большими латинскими буквами. Таким образом, события — это множества, и с ними можно проводить обычные действия, такие, как пересечение, объединение, дополнение и др. Это накладывает на совокупность подмножеств A дополнительные условия, которые превращают его в объект, называемый -алгеброй событий. Приведем эти условия: 1) ∅∈A, Ω∈A (пустое множество ∅, или невозможное событие, должно принадлежать A, все множество Ω, или достоверное событие, также должно принадлежать A); 2) A ∈A ⇒A ∈A (наряду с A его дополнение A = Ω\ A, или противоположное событие, также должно быть элементом A); 3) если Ai ∈A, n = 1, 2, ..., то S i Ai ∈A и T i Ai или Пересечение конечного или счетного числа множеств T i Ai должны быть элементами A. произведение событий Q i Ai, а также их объединение S 3 сумма событий P
Приведем еще несколько определений: 1) если w ∈A, то говорят, что элементарный исход w благоприятствует событию A; 2) A и B называются несовместными событиями, если A ∩B = = ∅; 3) определим разность событий A и B как разность соответствующих множеств A \ B ≡A ∩B; согласно условиям 2 и 3 разность событий является событием; 4) говорят также, что событие A влечет событие B (наступление события A влечет наступление события B), если A ⊆B. В случае конечного вероятностного пространства в качестве алгебры событий A обычно рассматривают систему всех подмножеств множества Ω. Если же Ωсовпадает с множеством всех действительных чисел или его подмножеством, то рассматривают так называемую борелевскую -алгебру, порожденную полуинтервалами вида (−∞, a) с помощью операций их конечного и бесконечного пересечения и объединения. Эта -алгебра включает все виды интервалов и полуинтервалов, отдельные точки и другие «обычные» множества. III. Функция множества P, определенная на A, т. е. ставящая в соответствие каждому A ∈A действительное число P(A), называемое вероятностью события A. Эта функция должна удовлетворять аксиомам Колмогорова: 1) ∀A ∈A P(A) ⩾0 — аксиома неотрицательности вероятности; 2) P(Ω) = 1 — аксиома нормировки; 3) P P i Ai = P i P(Ai), если AiAj = ∅— аксиома -аддитивности. Из аксиом легко устанавливаются следующие свойства вероятности: 1) если A ⊆B, то P(B \ A) = P(B) −P(A); 2) если A ⊆B, то P(A) ⩽P(B) (свойство монотонности); 3) ∀A ∈A 0 ⩽P(A) ⩽1; 4) ∀A ∈A P(A) = 1 −P(A); 5) ∀A,B∈A P(A+B)=P(A)+P(B)−P(AB) (теорема сложения); 4
6) если B1⊇B2⊇B3⊇... так, что Q i Bi=∅, то lim n→∞P(Bn)=0 (свойство непрерывности). Ниже приведены примеры вероятностных моделей. К ла с с и ч е с ка я ве роя т н о с т н а я м од е л ь. Множество элементарных исходов Ωконечно, и все исходы считаются равновероятными, т. е. каждому элементарному исходу приписывается вероятность 1 n , где n = |Ω|. При этом A содержит все подмножества Ω. Тогда wi∈A P( wi) = 1 n |A| = |A| |Ω| P(A) = X и получаем классическое определение вероятности как отношения мощностей множеств A и Ω, или числа благоприятных исходов к общему числу исходов. Пример 2. Рассмотрим опыт, заключающийся в двукратном подбрасывании игральной кости. Если кость правильная, т. е. грани выпадают одинаково часто, то пары (i, j), где i — число очков, выпавшее в первый раз, а j — число очков, выпавшее во второй раз, можно считать равновозможными. Число таких пар составляет 36, так что вероятность каждого элементарного исхода будет 1 36. Вычислим вероятность события A = {сумма выпавших очков меньше 6}. Для этого перечислим все исходы, благоприятствующие этому событию: (1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (4, 1). Тогда, согласно классическому определению вероятности, 36 = 5 18. P(A) = |A| |Ω| = 10 Ге ом е т ри ч ес к и е ве роя т н о с т и. Пусть Ω— какая-либо геометрическая фигура, имеющая меру, т. е. длину, площадь или объем. В качестве A выступает совокупность измеримых подмножеств Ω. Вероятностью события A ∈A в этой модели полагают отношение мер множеств A и Ω, т. е. P(A) def = = mes A mes Ω. 5
Пример 3 (игла Бюффона). На плоскость, разлинованную прямыми, параллельными оси Ox и отстоящими одна от другой на расстоянии L, наудачу бросается игла длиной l (l < L) (рис. 1). С какой вероятностью игла пересечет какую-либо линию? Рис. 1 Решение. Пусть p — расстояние от центра иглы до ближайшей 2 прямой, а a — угол между иглой и прямыми. Тогда p ∈ h 0, L p 2 i , а a ∈ h 0, i , причем считаем, что все эти значения равновозможны. Множеством элементарных исходов Ωздесь будет прямоугольник, изображенный на рис. 2. Выделим теперь благоприятные исходы A, т. е. такие значения p и a, при которых игла пересечет одну из прямых. Рис. 2 Это произойдет, если l 2 sin a ⩾p (см. заштрихованное множество на рис. 2). Тогда искомая вероятность равна отношению плоl щадей, т. е. P(A) = 4 p 2 ] pL 2 sin a d a = 2l pL. 0 6
Пример 4. Три раза запускается датчик случайных чисел, выбирающий числа из интервала [0, 1]. Результатом этого опыта (элементарным исходом) можно считать тройку чисел (x, y, z) — точку в кубе со стороной 1. Вероятность выбора точки из какой-либо части куба, очевидно, пропорциональна объему этой части. Поэтому применяем модель геометрических вероятностей. Рассмотрим события A = {z < x + y} и B = {x > y > z} и вычислим их вероятности (на рис. 3 и 4 изображены соответствующие части куба). Так как mes Ω= 1, то P(A) = mes A = ]]] A dx dy dz = = ]] x+y⩽1 x+y>1 x+y ] 0 dz dx dy + ]] 1 ] 0 dz dx dy = = 1 ] 1 ] 1 ] 1−x ] x+y ] 1 ] 0 dz = 0 dx 0 dy 0 dz + 0 dx 1−x dy = 1−x ] 1 ] 1 ] 1 ] 0 (x + y) dy + 0 dx 0 dx 1−x dy = = 1 ] 1 ] 0 x dx = 0 2 (1 −x)2 dx + x(1 −x) + 1 = 1 1 ] 2 2 = 1 2 3 2 = 5 6 . 0 (1 −x)(x + 1) dx + 1 1 −1 + 1 x ] 1 ] x ] y ] P(B) = mes B = ]]] 1 ] 0 y dy = 0 dx 0 dy 0 dz = 0 dx B dx dy dz = x2 = 1 ] 2 dx = x3 6 6 . 0 = 1 0 1 Аб с ол ют н о н е п ре ры в н а я ве роя т н о с т н ая м од ел ь. В качестве множества элементарных исходов Ωрассматривается действительная прямая R, событиями считаем борелевские подмножества R. Вероятность событий в этой модели задается с помощью функции плотности вероятностей p(x), т. е. неотрицательной 7
Рис. 3 Рис. 4 функции, интегрируемой на всем R так, что +∞ ] −∞ p(x) dx = 1. Вероятность события A ∈A полагают равной P(A) = ] A p(x) dx. Пример 5. Рассмотрим функцию плотности нормального (гауссовского) распределения fa, (x) = 1 √ 2 2 2 p exp −(x −a)2 , зависящую от двух параметров a ∈R и > 0. В случае a = 0, = 1 плотность называют стандартной гауссовской. Проверим широкоизвестное правило «трех »: вероятность выпадения значения, по модулю отстоящего от a далее 3 , мала и равна 0,003. Решение. Согласно определению, искомая вероятность равна x −a = y ] dx 1 √ 2 2 2 p exp −(x −a)2 dx = |x−a|>3 = dy = = ] 1 √ 2 2 p exp −y2 dy = 2Φ(−3) ≈0,003. |y|>3 8