Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Основы теории вероятностей и математической статистики

Покупка
Артикул: 841920.01.99
Доступ онлайн
800 ₽
В корзину
Представлен подробный конспект лекций по дисциплине «Основы теории вероятностей и математической статистики» с примерами и иллюстрациями. Издание содержит необходимые сведения о случайных событиях и способах вычисления их вероятностей, дискретных и абсолютно непрерывных случайных величинах и их числовых характеристиках, двумерных случайных векторах. Рассмотрены базовые сведения о законе больших чисел и центральной предельной теореме, а также введение в математическую статистику. Наряду с классическими результатами материал содержит информацию о современном уровне исследований в данной области. Для студентов 2‒3 курсов технических специальностей, приступающих к изучению теории вероятностей и математической статистики.
Меженная, Н. М. Основы теории вероятностей и математической статистики : курс лекций / Н. М. Меженная. - Москва : Издательство МГТУ им. Баумана, 2016. - 110 с. - ISBN 978-5-7038-4521-9. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2168977 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Московский государственный технический университет 
имени Н.Э. Баумана 
Н.М. Меженная 
Основы теории вероятностей  
и математической статистики 
Курс лекций  
 
 
 
 
 
 
 
 
 
 
 
 
 


УДК 511.7 
ББК 22.13 
 
М43 
Издание доступно в электронном виде на портале ebooks.bmstu.ru 
по адресу: http://ebooks.bmstu.ru/catalog/93/book1530.html 
Факультет «Фундаментальные науки» 
Кафедра «Прикладная математика» 
Рекомендовано Редакционно-издательским советом  
МГТУ им. Н.Э. Баумана в качестве учебного пособия 
 
 
Меженная, Н. М. 
М43  
 Основы теории вероятностей и математической статистики : курс лекций / Н. М. Меженная. — Москва : Издательство 
МГТУ им. Н. Э. Баумана, 2016. — 108, [4] с. : ил.  
ISBN 978-5-7038-4521-9 
Представлен подробный конспект лекций по дисциплине «Основы теории вероятностей и математической статистики» с примерами и иллюстрациями. Издание содержит необходимые сведения о случайных событиях и 
способах вычисления их вероятностей, дискретных и абсолютно непрерывных случайных величинах и их числовых характеристиках, двумерных случайных векторах. Рассмотрены базовые сведения о законе больших чисел и 
центральной предельной теореме, а также введение в математическую статистику. Наряду с классическими результатами материал содержит информацию о современном уровне исследований в данной области. 
Для студентов 2‒3 курсов технических специальностей, приступающих 
к изучению теории вероятностей и математической статистики. 
 
 
   УДК 511.7 
 
   ББК 22.13 
 
 
 
 
 
 
© МГТУ им. Н.Э. Баумана, 2016 
 
© Оформление. Издательство  
ISBN 978-5-7038-4521-9 
 
МГТУ им. Н.Э. Баумана, 2016 


Предисловие 
Учебное пособие представляет собой курс лекций по дисциплине 
«Основы теории вероятностей и математической статистики», предусмотренный учебным планом МГТУ им. Н.Э. Баумана. В пособии подробно изложен материал по указанной дисциплине с примерами и 
иллюстрациями, который является дополнением к курсу «Основы 
теории вероятностей и математической статистики». 
Пособие состоит из 5 глав, каждая глава посвящена отдельной теме, содержит необходимые сведения теоретического характера и 
примеры, иллюстрирующие возможность их применения. Сведения о 
случайных событиях и способах вычисления их вероятностей содержит глава 1, дискретных и абсолютно непрерывных случайных величинах и их числовых характеристиках — глава 2, двумерных случайных векторах — глава 3, базовые сведения о законе больших чисел и 
центральной предельной теореме — глава 4. Введение в математическую статистику изложено в главе 5.  
Каждый пример заканчивается символом ▲. В конце доказательств стоит символ ■. 


Введение 
Теория вероятностей — это наука, изучающая случайные явления, т. е. такие явления, при изучении которых нужно учитывать фактор неопределенности.  
В основе теории вероятностей лежит свойство статистической 
устойчивости частот. Пусть в результате случайного эксперимента 
событие A может произойти или не произойти. Эксперимент проводится n раз, причем каждый раз в одних и тех же условиях и независимо (в дальнейшем будем говорить, что проведено n испытаний). 
Обозначим через n(A) — число появлений события A в n независимых 
испытаниях. Число n(A) называется частотой события A в n испытаниях, а отношение n(A)/n — относительной частотой события A. 
При больших n относительная частота n(A)/n обычно колеблется около некоторого числа 
,
A
p
 называемого статистической вероятностью события A. Отсутствие устойчивости частот в серии испытаний 
указывает скорее всего на то, что условия проведения испытаний не 
остаются постоянными.  
Результаты теории вероятностей разумно относить к тем явлениям, которые носят массовый характер, т. е. к экспериментам, которые 
на практике могут быть повторены неограниченное число раз при одних и тех же условиях.  
Первые работы по теории вероятностей относятся к середине 
XVII в. Б. Паскаль, П. Ферма и Х. Гюйгенс провели исследования в 
связи с изучением различных закономерностей в азартных играх.  
В 1713 г. Я. Бернулли опубликовал закон больших чисел для схемы 
независимых испытаний с двумя исходами. Такие испытания впоследствии получили название испытаний Бернулли. С этого момента 
теория вероятностей развивалась очень динамично, что было обусловлено применением ее результатов в естествознании, на первом 
этапе главным образом в астрономии, геодезии и теории стрельбы.  
Сейчас трудно представить себе область человеческого знания, в 
которой не использовались бы результаты теории вероятностей.  
В последнее время все большее значение приобретает использование 
теории вероятностей на практике. 


1. Случайные события 
1.1. Пространство элементарных исходов.  
Операции над случайными событиями 
Элементарным исходом будем называть любой простейший 
(неразложимый) исход некоторого случайного эксперимента, а совокупность всех возможных исходов — пространством элементарных исходов. В теории вероятностей пространство элементарных исходов принято обозначать буквой , a его элементы (элементарные исходы) — 
1
2
,
,


 
Пример 1.1. Рассмотрим случайный эксперимент — однократное подбрасывание игральной кости. Исход, состоящий в выпадении , 1
6
i
i

 очков в результате эксперимента, нельзя представить через какие-либо более элементарные события, поэтому он 
является элементарным. Пусть 
,
1,
, 6,
i i



 — выпадение i очков. Тогда пространство элементарных исходов — это множество, 
содержащее все элементарные исходы 
1
6
{
,
,
}.

 ▲ 
Пример 1.2. Пусть подбрасывают две симметричные монеты. 
Если монеты считать неразличимыми, то возможные элементарные 
исходы, такие как 
1
 — выпадение двух гербов, 
2
 — выпадение 
двух решеток, 
3
 — выпадение герба и решетки. В этом случае 
пространство элементарных исходов состоит из этих трех точек.  
Если монеты считать различимыми, то элементарные исходы 
будут выглядеть следующим образом: исходы 
1
 и 
2
 останутся 
без изменения, 
3
 — выпадение герба на первой монете, решетки — на второй, 
4
 — выпадение решетки на первой монете, 
герба — на второй. Здесь пространство элементарных исходов 
состоит уже из четырех точек. ▲ 
Так какую же из двух моделей следует использовать на практике? Экспериментальные данные показывают, что реальному 
эксперименту с подбрасыванием монет лучше соответствует вторая модель. 


Исторически первым был рассмотрен случай конечного пространства элементарных исходов. И мы остановимся сначала на 
нем. Пусть 
|
|.

n
  
Случайным событием называется любое подмножество пространства элементарных исходов . Для обозначения событий 
обычно используются заглавные латинские буквы 
,
,
,
A B C   
Будем говорить, что в результате эксперимента наступило событие A, если он закончился элементарным исходом A  (исход 
 благоприятствует событию A). В противном случае будем говорить, что наступило событие, противоположное событию A (будем его обозначать 
).
A  Очевидно, что 
.
A
A

 
Пример 1.1 (продолжение). Рассмотрим тот же эксперимент с 
бросанием игральной кости. Примерами случайных событий будут: A — выпадение числа очков, не превосходящего 4, B — выпадение четного числа очков, C — выпадение числа очков, кратного 3. Эти события можно представить в виде объединения элементарных исходов: 
1
2
3
4
2
4
6
3
6
{
,
,
,
},
{
,
,
},
{
,
}.
A
B
C






 
▲ 
Событие, которое происходит всегда, будем называть достоверным и обозначать так же, как и пространство элементарных исходов . Событие, которое никогда не наступает в результате проведения опыта, будем называть невозможным и обозначать 
.
 
Поскольку в случае конечного пространства элементарных 
исходов  случайные события — это любые его подмножества, 
то к ним применимы операции теории множеств. В дальнейшем 
будем считать, что если речь идет о нескольких случайных событиях, то все они лежат в одном и том же пространстве элементарных исходов, т. е. связаны с одним и тем же случайным экспериментом. 
Объединением событий A и B называется событие  
{
:
 или 
}.




C
A
B
A
B
 
Пересечением  A и B называется событие  
{
:
  
}.




C
A
B
A и
B
 
Обычно для упрощения записи символ  опускают и вместо 

A
B  пишут AB. 


Разностью событий A и B называется событие  
\
{
:
   
}.



C
A B
A и
B
 
Говорят, что событие A влечет за собой B (будем обозначать 
это как 
),

A
B  если всякий раз, когда происходит событие A, 
происходит и B. 
Указанные соотношения между событиями, которые при- 
нято называть диаграммами Эйлера — Венна, иллюстрирует 
рис. 1.1, а–в. 
  
Рис. 1.1. Диаграммы Эйлера — Венна 
События A и B называются несовместными, если 
.


A
B
 
Теорема 1.1. Принцип двойственности для двух событий, 
или правило де Моргана. Пусть 
,
.

A B
 Тогда 
1) 
;


AB
A
B  
2) 
.


A
B
AB  
Пример 1.3. Пусть 
, ,

A B C
 — случайные события. Записать выражения для событий: D — произошло хотя бы одно событие из A, B, C; E — произошло два события из A, B, C. Так как 
D  — из трех событий не произошло ни одного, то 
.

D
ABC  Тогда, пользуясь принципом двойственности (теорема 1.1), имеем 
.




D
ABC
A
B
C  
Перебирая возможные случаи, когда произошло ровно два события, получим 
.
E
ABC
ABC
ABC



 ▲ 
1.2. Основные формулы комбинаторики  
При подсчете числа элементарных исходов, обладающих заданными свойствами, используются формулы комбинаторики.  
В их основе лежат следующие принципы. 


Пусть имеются две группы по 
n  и 
n  элементов. Очевидно, 
что один элемент из i-й группы можно выбрать 
i
n  способами, 
1, 2.
i 
 Значит, число способов, которыми можно выбрать один 
элемент из двух групп, равно 
1
2

n
n  (принцип сложения).  
Число способов выбрать два элемента, по одному из каждой 
группы, будет равно 
1
2.
n n  Действительно, каждому выбору элемента первой группы соответствует 
2
n  способов выбрать элемент 
второй группы. Остается просуммировать по числу элементов в 
первой группе и получить требуемый результат. Этот результат 
можно обобщить на случай m групп элементов. Описанное правило носит название основной формулы комбинаторики, или принципа умножения. 
Рассмотрим следующую постановку задачи. Пусть имеется n 
различимых элементов, которые будем называть генеральной совокупностью. Без ограничения общности, различимые элементы 
можно считать пронумерованными числами 1, 2,
, .
n

 Из них выбираем m элементов. Выбранные элементы принято называть выборкой объема m из n элементов. Часто для краткости говорят: 
выборка из n по m (элементов). 
Существуют следующие наиболее простые и часто используемые правила выбора элементов. 
1. Выбор с возвращением — каждый раз выбранный элемент 
возвращается обратно в генеральную совокупность (в выборке при 
этом может быть любое число повторений). 
2. Выбор без возвращения — после выбора элемент удаляется 
из генеральной совокупности (в выборке все элементы будут различны). 
Кроме того, есть следующие правила построения выборок:  
• упорядоченный выбор — элементы извлекаются по одному и 
их номера фиксируются в порядке следования; 
• неупорядоченный выбор — номера элементов фиксируются 
без учета порядка их следования. 
Выборку, в которой учитывается порядок следования элементов, принято называть размещением, а выборку, в которой порядок 
следования не учитывается, — сочетанием. 
Каждому правилу выбора может отвечать любой из двух способов построения выборок. 
Число различных выборок из n элементов по m приведено в 
таблице. 


Выборка из n элементов по m 
Выборка 
Без возвращения 
С возвращением 
Размещения 
!
(
1)
(
1)
(
)!
m
n
n
A
n n
n
m
n
m







 
m
m
n
A
n

 
Сочетания 
!
!
!(
)!
m
n
m
n
A
n
C
m
m n
m



 
1
m
m
n
n m
C
C 


 
 
Пользуясь основной формулой комбинаторики, выясним, почему это так. При упорядоченном выборе m элементов из n с возвращением каждый элемент выбирается n способами. Значит, общее число различных выборок объема m будет 
.
m
m
n
A
n

 При размещениях без возвращения первый элемент выбирается из n 
элементов, после чего он удаляется из генеральной совокупности. 
Значит, второй элемент выбирается из совокупности в 
1

n
 элемент и т. д. Согласно основной формуле комбинаторики, число 
различных выборок объема m будет  
!
(
1)
(
1)
.
(
)!
m
n
n
A
n n
n
m
n
m







 
Из этой формулы следует, что число способов перестановки n 
элементов между собой 
(
1)
1
!.
n
n
A
n n
n




 Поэтому упорядоченную выборку из n элементов по n без возвращения принято 
называть перестановкой из n элементов. 
Каждому сочетанию без возвращения соответствует 
!
m  различных размещений без возвращения. Значит, общее число сочетаний будет в 
!
m  меньше, чем размещений, и 
 
!
.
!
!(
)!
m
n
m
n
A
n
C
m
m n
m



 
(1.1) 
Числа 
m
n
C
 называются биномиальными коэффициентами, так 
как они равны коэффициентам в разложении бинома Ньютона 
(
) .

n
a
b
 Из определения (1.1) можно вывести следующие свойства: 
0
1
,
1,
.
m
n m
n
n
n
n
C
C
C
C
n




 


В случае сочетаний с возвращением выборка может быть 
представлена следующим образом. Обозначим через j  частоту 
появления элемента с номером j в выборке, 
1,
,
j
n


 (если j-й 
элемент в выборке не встречается, то естественно считать 
0).
j

 
Тогда 
1



n
m  и 
0.
j

 Значит, выборка представляется в 
виде вектора 
1
(
,
,
).
n



 Запишем последовательность из единиц и 
нулей следующего вида:  
 


n
единиц
единиц
единиц






 
(1.2) 
1
2
11
1 0 1
11 0
0 11
1
В ней сформированы группы по j  единиц. Если 
0,
j

 то на соответствующем месте ничего не пишем. Нули стоят для разделения групп из единиц. В такой последовательности m единиц и 
1

n
 нуль, число различных сочетаний с возвращением совпадает 
с числом различных последовательностей вида (1.2), т. е. 
1.
m
n m
C 
 
Отсюда следует, что число целых неотрицательных решений 
диофантова уравнения 
1



n
m  будет 
1.
m
n m
C 
 
Пример 1.4. Сколько можно записать восьмизначных последовательностей, используя цифры 0–9? 
При записи последовательностей имеет значение не только состав цифр, но и их порядок, при этом цифры могут повторяться. 
Поэтому число различных чисел равно числу размещений с возвращениями из 10 элементов по 8: 
8
8
10
10 .

A
 ▲ 
Пример 1.5. Сколько существует фишек домино? 
Каждая фишка разделена на две половинки, на каждой из которых имеется от 1 до 6 точек или она пустая. Естественно, половинки не упорядочены между собой. Значит, общее число фишек 
равно числу сочетаний с возвращением из 7 (число точек от 0 до 6) 
элементов по 2 (число половинок) 
2
2
2
7
7 2 1
8
8!
28.
2!6!
C
C
C





 ▲ 
Пример 1.6. В урне находится 5 белых и 4 черных шара. 
Сколькими способами можно выбрать а) три шара; б) три шара, 
чтобы в выборке присутствовали оба цвета? Считается, что шары 
выбираются без возвращения, а шары одно и того же цвета неразличимы. 


Доступ онлайн
800 ₽
В корзину