1.Аксиоматическое определение вероятности.

Свойства
вероятностей. Примеры. Задача о разорении игрока
В математическом подходе вероятность задается аксиоматикой Колмогорорва.
Предполагается, что задано некоторое пространство элементарных событий X.
Подмножества этого пространства интерпретируются как случайные события.
Объединение (сумма) некоторых подмножеств (событий) интерпретируется как
событие, заключающееся в наступлении хотя бы одного из этих событий. Пересечение
(произведение) подмножеств (событий) интерпретируется как событие, заключающееся в
наступлении всех этих событий. Непересекающиеся множества интерпретируются как
несовместные события (их совместное наступление невозможно). Соответственно,
пустое множество означает невозможное событие.

Именно эти три свойства лежат в основе аксиоматического определения

вероятности. При этом свойство 2 постулируется для суммы счетного множества попарно
несовместных событий.

Определение 1. Совокупность А подмножества множества Ω называется алгеброй событий,

если выполнены следующие условия:

1) Ω∈А (событие А принадлежит подмножеству множества Ω).

2) Если А∈A и B∈A, то A+B∈A (их сумма также принадлежит A).

3) Если А∈ A , то Á ∈ A .
ПРИМЕР: Пусть Ω=( 0 , 1 ] . Тогда на отрезке [0,1)все множества, состоящие из конечного числа
интервалов вида [a,b), образуют алгебру.
 Условий 1) – 3) достаточно для того, чтобы другие операции над событиями из A не выводили
бы нас за пределы алгебры A. Это вытекает из следующего утверждения:

Определение 2. Совокупность множества A называется σ-алгеброй, если выполнены условия 1), 3)

∞
из определения алгебры и 2’) если Ai ∈ A , i=1,2,…, то ∑ A i ∈ A (если события A1 , A 2 , A3 … An
i=1
∞
принадлежит Ω, то Ω принадлежит также сумма ∑ A i, то Ω называется σ-алгеброй (сигма-
i=1
алгебра)). Условие 2’) сильнее, чем 2), поскольку из 2’) вытекает 2).

Определение 3. Если каждому множеству из A сопоставлено некоторое число, то можно

сказать, что на A задана функция множеств.

Определение 4. Вероятностью называется функция множеств, заданная на σ-алгебре A

подмножеств из Ω и удовлетворяющая следующим условиям:

1) Аксиома неотрицательности: P ( A ) ≥ 0 для любого A∈Ω

2) Аксиома нормированности: P ( Ω )=1
∞ ∞
3) Аксиома аддитивности: P ( )
∑ A i =∑ P ( A i ) (вероятность суммы несовместных
i=1 i=1

событий равна сумме вероятностей этих событий, т. е. если Ai∗A j =∅ (i= j), то
… формула.)
Условия 1), 2’), 3) в определении σ-алгебры A и условия 1), 2), 3) в определении вероятности
составляют Аксиомы теории вероятностей. Тройка (Ω – пространство элементарных событий, A –
алгебра событий, P – числовая функция), удовлетворяющая этим аксиомам, называется
вероятностным пространством случайного эксперимента.

Свойства вероятностей:

1) P ( Ω )=1 (Это свойство входит в определение вероятности)

2) P ( ∅ )=0
 3) Если A ⊂B, то P ( A ) ≤ P ( B )
4) 0 ≤ P ( A ) ≤ 1 для любого события А.
5) P ( Á )=1−P ( A )
6) (Формула сложения вероятностей) для любых событий А и В
P ( A +B )=P ( A ) + P ( B ) −P ( AB )

Условной вероятностью события А при условии, что произошло событие B с P ( B ) ≠ 0,

называется число P ( A∨B ), которое определяется формулой:

P ( AB )
P ( A∨B )=
P ( B)
Использование этого определения и свойств вероятности можно сказать, что условная
вероятность обладает всеми свойствами вероятности.

Примеры:

Задача 1. Двое поочередно бросают монету. Выигрывает тот, у которого первого выпадет герб.
Найти вероятность выигрыша для каждого.

Решение: Пусть A и B - события, состоящие в том, что выиграет 1-й и 2-й игрок соответственно.
Представим события A и B в следующем виде:

A = Г + РРГ + РРРРГ + .... ,

B = РГ + РРРГ + РРРРРГ + ... .

В каждом из этих равенств слагаемые попарно несовместны. Следовательно,

1 1 3 1 5 1/2 2
P ( A )= +
2 2 ()()
+
2
+…= 2
1−( 1/2 ) 3
=

1 2 1 4 1 6 (1 /2 )2 1
() ()()
P ( B )=
2
+
2
+
2
+ …= 2
1−( 1/2 ) 3
=
 Обратим внимание, что P ( B )=1−P ( A ). Но это ещё не означает, что B= Á . Логически
данная игра не исключает ничейного исхода (РРРР... - выпадают только "решки"); с другой
стороны, вероятность такого исхода равна 0.

Задача «О разорении игрока»

Рассмотрим игру в «орлянку», когда игрок выбирает «герб» или «решетку», после чего
бросается монета. Если выпадает сторона монеты, названная игроком, то он выигрывает и
получает 1 руб; в противном случае столько же проигрывает. Пусть начальный капитал игрока
составляет x руб. и игрок ставит себе целью довести его до некоторой сумы s руб. большей чем x
руб. Игра продолжается до тех пор, пока либо игрок наберет заранее определенную сумму s ,
либо разорится, проиграв весь имеющийся у него капитал. Какова вероятность того, что игрок
разорится?
 2.Числовые характеристики случайных величин. Математическое
ожидание. Свойства математического ожидания. Примеры
• Для изучения распределения случайных величин пользуются рядом числовых
характеристик: мер положения и мер рассеивания.
• К характеристикам положения относятся: математическое ожидание, мода, медиана.
Математическое ожидание случайной величины называют также средним значением
случайной величины.
• Величины, в сжатой форме выражающие наиболее существенные черты распределения
случайных величин, называются числовыми характеристиками распределения. Все
числовые характеристики определяются законом распределения, если он известен.
• При экспериментальном изучении СВ оценки ЧХ могут быть вычислены непосредственно
по результатам наблюдений без построения законов распределения.
Для дискретных случайных величин.

Смысл математического ожидания.

• Математическое ожидание – это одно из важнейших понятий

в математической статистике и теории вероятностей, характеризующее распределение
значений или вероятностей случайной величины. Обычно выражается как
средневзвешенное значение всех возможных параметров случайной величины.
• Математическое ожидание имеет простой физический смысл: если на прямой разместить
единичную массу, поместив в точки ai массу pi (для дискретного распределения), или
«размазав» её с плотностью f(x) (для абсолютно непрерывного распределения), то точка
математического ожидания будет координатой «центра тяжести» прямой.
Свойства математического ожидания.

Следствия.

Пример:

Для случайных величин, имеющих плотность вероятности.

Пример:
 3.Экспоненциальное (показательное) распределение. Примеры
• Экспоненциальное (показательное) распределение — абсолютно непрерывное
распределение, моделирующее время между двумя последовательными свершениями
одного и того же события.

• параметр λ описывает среднее число наступлений события в единицу времени. Обычно с

помощью этого закона описывают: продолжительность обслуживания покупателя, время
жизни оборудования до отказа, промежуток времени между поломками и т.п.