Классическое определение вероятности события. Случаи равновероятных исходов
Классическое определение вероятности связано с определением благоприятствующего исхода. Исход называется благоприятствующим данному событию, если его появление влечет за собой наступление этого события. Вероятность события равна отношению числа равновозможных благоприятствующих элементарных исходов к общему числу всех равновозможных и единственно возможных элементарных исходов данного испытания:
,
где – число благоприятствующих событию исходов;
– общее число возможных исходов.
Из определения вероятности события следует, что , поэтому всегда выполняются неравенства , т.е. вероятность любого события есть неотрицательное число, не превышающее единицы.
Если , то событие невозможное.
Если , то событие достоверное.
Равновозможные элементарные события являются равновероятными, т.е. обладают одной и той же вероятностью.
Теорема. Эквивалентные события имеют одинаковые вероятности, т.е. если , то .
Доказательство. Действительно, каждый элементарный исход события является таким же элементарным исходом для события и наоборот. В силу формулы справедливо равенство .
Если событие происходит всякий раз после того, как произошло событие , то говорят, что из события следует событие ( ). Например, для любых двух событий и справедливо и .
Теорема. Если , то .
Доказательство. Пусть события и включены в общую систему равновероятных элементарных исходов, причем и – число благоприятных элементарных исходов соответственно для событий и , а – общее число элементарных исходов. Так как каждый элементарный исход для события является также элементарным исходом для события , то и, следовательно, .
(дополнение множества A до ) – противоположное событие. Это событие, состоящее в том, что A не происходит (логическое отрицание). Следовательно:
– достоверное событие;
– невозможное событие.
Теорема. Вероятность события , противоположного событию равна дополнению вероятности данного события до 1, т.е. .
Доказательство. Пусть полная система равновозможных элементарных исходов содержит событий, из которых ( ), благоприятны событию . Тогда исходов неблагоприятны событию , т.е. благоприятствуют событию . Таким образом:
.
Классическое определение вероятности предполагает, что:
число элементарных исходов конечно;
эти исходы равновозможны.
Однако, на практике встречаются испытания с бесконечным числом возможных исходов. Кроме того, нет общих методов, позволяющих результат испытания, даже с конечным числом исходов, представить в виде суммы равновозможных элементарных исходов. Поэтому применение классического определения вероятности весьма ограничено.
- Тема 1. Вероятностные пространства 30
- Тема 2. Основные вероятностные схемы испытаний 60
- Тема 3. Случайные величины 87
- Тема 4. Математическая статистика 140
- Введение Место теории вероятностей и математической статистики в современной математической науке и их роль в экономических исследованиях
- Особенности изучения теории вероятностей и математической статистики менеджером
- Краткие сведения
- Тема 1. Вероятностные пространства Лекция 1. Пространство случайных событий
- Основные понятия теории вероятностей
- Случайные события
- Понятие случайного эксперимента
- Пространство элементарных событий
- Наступление события, благоприятствующие исходы
- Совместные (совместимые), несовместные (несовместимые) события
- Достоверное и невозможное события
- Алгебра событий Операции над событиями (сумма, разность, произведение)
- Свойства операций над событиями
- Алгебра и сигма-алгебра событий
- Общее определение вероятности
- Классическое определение вероятности события. Случаи равновероятных исходов
- Статистическое определение вероятности события. Случаи неравновероятных исходов
- Геометрические вероятности
- Аксиоматическое построение теории вероятностей
- , Т.Е. Вероятность достоверного события равна единице;
- Вероятность события , заключающееся в том, что наступит одно из попарно несовместных событий ( ), составляет
- Полная группа событий
- Условная вероятность
- Формула умножения вероятностей
- Формула сложения вероятностей
- Независимость событий
- Простейшие свойства вероятностей
- Свойства условных вероятностей
- Формула полной вероятности. Формула Байеса
- Контрольные вопросы к теме №1
- Тема 2. Основные вероятностные схемы испытаний Лекция 2. Основные формулы вычисления вероятностей
- Классическая вероятностная схема
- Правила суммы и произведения
- Схемы выбора. Основные понятия комбинаторики
- Выбор без возвращения, с учетом порядка
- Выбор без возвращения, без учета порядка
- Выбор с возвращением и с учетом порядка
- Выбор с возвращением и без учета порядка
- Урновая схема
- Наивероятнейшее число наступления событий в схеме Бернулли
- Предельные теоремы для схемы Бернулли
- Локальная теорема Муавра–Лапласа
- Интегральная теорема Муавра – Лапласа
- Теорема Пуассона
- Понятие потока событий
- Полиномиальная схема
- Понятие цепи Маркова
- Однородные цепи Маркова
- Равенство Маркова
- Предельные вероятности
- Контрольные вопросы к теме №2
- Тема 3. Случайные величины Лекция 3. Одномерные случайные величины
- Непрерывные и дискретные случайные величины
- Закон распределения случайной величины
- Функция распределения случайной величины и ее свойства
- Свойства функции распределения
- Числовые характеристики непрерывных случайных величин Математическое ожидание случайной величины, его вероятностный смысл и свойства
- Свойства математического ожидания
- Дисперсия случайной величины и ее свойства
- Среднеквадратическое отклонение
- Начальные и центральные моменты
- Основные примеры распределений дискретной случайной величины
- Биномиальное распределение, его математическое ожидание, дисперсия
- Распределение Пуассона
- Геометрическое распределение
- Непрерывные случайные величины Функция и плотность распределения вероятностей
- Числовые характеристики непрерывных случайных величин
- Основные примеры распределений непрерывной случайной величины Равномерное распределение
- Показательное распределение
- Нормальное распределение
- Свойства функции Гаусса
- Центральная предельная теорема
- Вероятность попадания нормальной случайной величины в заданный интервал
- Функция Лапласа и ее свойства
- Вычисление вероятности заданного отклонения. Правило «трех сигм»
- Лекция 4. Многомерные случайные величины
- Закон распределения вероятностей двумерной случайной величины
- Совместная функция распределения двумерной случайной величины
- Свойства совместной функции распределения двумерной случайной величины
- Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- Свойства двумерной плотности вероятности
- Условное математическое ожидание
- Независимые случайные величины
- Числовые характеристики системы двух случайных величин
- Корреляционный момент
- Коэффициент корреляции
- Свойства коэффициента корреляции
- Линейная регрессия. Метод наименьших квадратов
- Распределение 2
- Распределение Стьюдента
- Распределение Фишера
- Предельные теоремы теории вероятностей Закон больших чисел. Неравенство Чебышева. Теорема Чебышева
- Контрольные вопросы к теме №3
- Тема 4. Математическая статистика Лекция 5. Основы математической статистики
- Выборочный метод и его основные понятия
- Способы отбора
- Вариационный ряд для дискретных и непрерывных случайных величин
- Полигон и гистограмма
- Эмпирическая функция распределения и ее свойства
- Свойства эмпирической функции распределения
- Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок
- Выборочные среднее и дисперсия
- Надежность и доверительный интервал
- Определение доверительных интервалов Доверительный интервал для математического ожидания нормального распределения при известной дисперсии
- Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- Проверка статистических гипотез
- Статистический критерий
- Критическая область. Область принятия гипотезы. Критические точки
- Критерий согласия Пирсона о виде распределения
- Элементы теории корреляции
- Выборочные уравнения регрессии
- Линейная регрессия
- Множественная линейная регрессия
- Нелинейная регрессия
- Логарифмическая модель
- Обратная модель
- Степенная модель
- Показательная модель
- Цепи Маркова Цепи Маркова с дискретным временем
- Однородные цепи Маркова
- Переходные вероятности. Матрица перехода
- Равенство Маркова
- Цепи Маркова с непрерывным временем
- Уравнения Колмогорова
- Финальные вероятности состояний системы
- Предельные вероятности
- Контрольные вопросы к теме №4
- Экзаменационные вопросы
- Литература
- Теория вероятностей и математическая статистика
- Технический редактор т.В. Жибуль
- 220007, Г. Минск, ул. Московская, 17.