Вы находитесь на странице: 1из 14

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. (Элементарные события – это исходы случайного
эксперимента, из которых в эксперименте происходит ровно один). Подмножества этого пространства
интерпретируются как случайные события. (Событие называется случайным, если оно может произойти в
результате испытания, а может и не произойти.)

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). алгебра событий содержит


достоверное событие)
2) Если А∈A и B∈A, то A+B∈A (их сумма также принадлежит A). (вместе с любыми двумя
событиями алгебра содержит их объединение).
3) Если А∈ A , то Á ∈ A . месте с любым событием алгебра содержит противоположное событие);
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-алгебра)).
i=1
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 (вероятность любого события


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

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.

Случайный эксперимент – эксперимент, который может закончиться любым из совокупности известных


результатов, но до осуществления эксперимента нельзя предсказать какой именно. (Бросание монеты,
стрельба по цели)

Свойства вероятностей:

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


2) P ( ∅ )=0 (Вероятность невозможного события = 0)

3) Если A ⊂B , то P ( A ) ≤ P ( B ) (т.е. если событие A влечет за собой событие В, то)


4) 0 ≤ P ( A ) ≤ 1 для любого события А. (вер-ь любого соб-ия не превосходит 1)
5) P ( Á )=1−P ( A ) сумма вероятностей противоположных событий равна 1)
6) (Формула сложения вероятностей) для любых событий А и В
P ( A +B )=P ( A ) + P ( B ) −P ( AB )
7) (Общая формул сложения вероятностей) для любых событий Аi,i=1,2…,n
n n ❑ ❑ n
P (∑ ) ∑
i=1
Ai =
i=1
P ( A i )−∑ P ( Ai A j )+ ∑ P ( Ai A j Ak ) −…+ (−1 )
i<j i< j<k
n −1
P (∏ )
i=1
Ai

8) Свойства непрерывности:

Если A1 ⊂ A 2 ⊂ A 3 ⊂ …, то lim P ( A n )=P
n→∞ (∑ )
k=1
Ak ;


Если A1 ⊃ A 2 ⊃ A 3 ⊃ …, то lim P ( A n )=P
n→∞ (∏ )
k=1
Ak .

Лемма1. Пусть события Ω m таковы, что P ( Ω m ) =1 для любого натурального m. Тогда:



P (∏ )
m=1
Ωm =1.

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.

Свойства условных вероятностей:

1) P ( Ω∨B )=1
2) P ( ∅∨B )=0
3) 0 ≤ P ( A∨B ) ≤ 1
Свойства 1), 2), 3) следуют из определения.

4) Если A ⊂ C , то P ( A∨B ) ≤ P ( C∨B )


5) P ( Á∨B ) =1−P ( A∨B )
6) (Формула сложения вероятностей) для любых событий А и C
P ( A +C∨B )=P ( A∨B ) + P ( C∨B )−P ( AC ∨B )
7) (Общая формул сложения вероятностей) для любых событий Аi,i=1,2…,n
P ( AB ) =P ( A ) P ( B∨ A )=P ( AB ) P ( A∨B )
Формула следует из определения условной вероятности.

8) (Общая формула умножения вероятностей) для любых событий A1 , A 2 ,… A n


P ( A 1 , A 2 , … An ) =P ( A 1 ) P ( A2 ∨A 1 ) P ( A 3∨A 1 A 2 ) … P ( A n∨A 1 A 2 … A n−1)

Формула выведена в вопр.7. Все определения, связанные с независимостью событий из вопр. 7


сохраняются.

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. 1. К мерам положения относятся различные средние значения. 1.

Мода Мо. 2. Медиана Ме. 3.   Средняя арифметическая простая  4. Средняя арифметическая


взвешенная 
5. Средняя геометрическая. 6. Средняя гармоническая. 7. Средняя квадратичная. 8. Средняя
кубическая.
Меры рассеяния характеризуют разброс числовых значений вариантов в генеральной или
выборочной совокупности относительно средних значений. 1. Вариационный размах R; 2.
Индивидуальное отклонение d; 3. Дисперсия σ2, s2; 4. Стандартное отклонение (среднее
квадратическое отклонение) σ, s  ; 5. Коэффициент вариации
• 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.

Случайная величина называется дискретной, если множество ее возможных значений


конечно или счетно

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. Случайная величина - это величина, которая принимает в результате опыта
одно из множества значений, причём появление того или иного значения этой величины до её
измерения нельзя точно предсказать.
• 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.