1. Случайные события. Пространство элементарных событий.

Сумма, произведение, разность

событий. Классификация событий. Равносильные, противоположные, достоверные, невозможные
события.

Событие называется случайным, если в результате испытания оно может, как произойти, так и не произойти,
при этом должен иметь место принципиальный критерий случайности: случайное событие – есть следствие
случайных факторов, воздействие которых предугадать невозможно или крайне затруднительно.
Множество всех взаимоисключающих исходов эксперимента называется Пространством элементарных
событий. Взаимоисключающие исходы — это те, которые не могут наступить одновременно.
Ω = {ω1, ω2 … ωn}
Ω = {a≤ω≤b}
Если в некоторой ситуации произошло по крайней мере одно из двух событий А или В, то говорят, что
произошло событие А+В, которое называют суммой событий А и В.

Если произошли оба события, и А, и В, то говорят, что произошло событие АВ, которое называют
произведением событий А и В.

Событие С называется разностью событий А и В (С = А – В), если событие С происходит тогда и только тогда,
когда происходит событие А, и не происходит событие В.

Различают события совместные и несовместные. События называются совместными, если наступление

одного из них не исключает наступления другого. В противном случае события называются несовместными.
Например, подбрасываются две игральные кости. Событие A — выпадание трех очков на первой
игральной кости, событие B — выпадание трех очков на второй кости. A и B — совместные события.
Пусть в магазин поступила партия обуви одного фасона и размера, но разного цвета. Событие A —
наудачу взятая коробка окажется с обувью черного цвета, событие B — коробка окажется с обувью
коричневого цвета, A и B — несовместные события.
Событие называется достоверным, если оно обязательно произойдет в условиях данного опыта.
Событие называется невозможным, если оно не может произойти в условиях данного опыта. Например,
событие, заключающееся в том, что из партии стандартных деталей будет взята стандартная
деталь, является достоверным, а нестандартная — невозможным.
Событие называется возможным, или случайным, если в результате опыта оно может появиться, но может и
не появиться. Примером случайного события может служить выявление дефектов изделия при контроле
партии готовой продукции, несоответствие размера обрабатываемого изделия заданному, отказ одного
из звеньев автоматизированной системы управления.
События называются равновозможными, если по условиям испытания ни одно из этих событий не является
объективно более возможным, чем другие. Например, пусть магазину поставляют электролампочки
(причем в равных количествах) несколько заводов-изготовителей. События, состоящие в покупке
лампочки любого из этих заводов, равновозможны.

Важным понятием является полная группа событий. Несколько событий в данном опыте образуют полную
группу, если в результате опыта обязательно появится хотя бы одно из них.
Например, в урне находится десять шаров, из них шесть шаров красных, четыре белых, причем пять
шаров имеют номера. A — появление красного шара при одном извлечении, B — появление белого шара, C
— появление шара с номером. События A,B,C образуют полную группу совместных событий.
Если событие А не произошло, то говорят, что произошло противоположное событие А

2. Свойства операций над событиями. Понятие вероятности. Классическое определение вероятности.

Некоторые элементы комбинаторики (перестановки, размещения, сочетания)

Произведением событий A и B называется событие С которое происходит тогда когда происходит и A и B,

обозначается: C=A∩B.
Произведением группы из n - событий - A1,A2…An есть событие A, обозначается A=A1∩A2∩A3…An.
Суммой событий A и B называется третье событие С которое происходит при наступлении хотя бы одного из
событий A или B, обозначается C=A∪B.
Суммой группы событий A1…An называется событие C=A1∪A2∪…∪An.
Разностью событий A и B называется третье событие С которое происходит тогда когда A происходит, а B не
происходит: C=A/B.
Событие А называется противоположным событию A, если оно происходит тогда, когда A не происходит.
Говорят, что событие A влечет событие B, если при наступлении события A обязательно происходит событие
B, обозначается: A⊂B.
События A и B называются равносильными или тождественными, если A⊂B и B⊂A т.е. при наступлении
одного, второе обязательно происходит.
События A и B называются несовместными, если они одновременно происходить не могут A∩B=∅.
Группа событий называется полной, если хотя бы одно из событий происходит обязательно A1∪A2∪A3∪…
∪An=Ω
Полная группа событий называется полной группой попарно-несовместных событий, если любые два события
этой группы одновременно произойти не могут.
Свойства операций над событиями
A∩A=A
A∩A¯¯¯¯=∅
A∩Ω=A
A∩∅=∅
A∩B=B∩A
A∩(B∩C)=(A∩B)∩C
A∪A=A
A∪A¯¯¯¯=Ω
A∪Ω=Ω
A∪∅=A
A∪B=B∪A
A∪(B∪C)=(A∪B)∪C
A∩(B∪C)=(A∩B)∪(A∩C)
A∪(B∩C)=(A∪B)∩(A∪C)

Вероятность некоторого события — это число 0 ≤ Р(А) ≤ 1

Вероятностью события называется число, являющееся выражением меры объективной возможности
появления события. Вероятность события A равна отношению числа случаев m, благоприятствующих ему, из
m
общего числа n единственно возможных, равновозможных и несовместных случаев к числу n, т. е. Р(А)=
n
n– общее число всех равновозможных, элементарных исходов этого испытания, которые образуют полную
группу событий;
m – количество элементарных исходов, благоприятствующих событию .
Таким образом, для нахождения вероятности события необходимо, рассмотрев различные исходы
испытания, найти совокупность единственно возможных, равновозможных и несовместных случаев,
подсчитать общее их число n, число случаев m, благоприятствующих данному событию, и затем выполнить
расчет по формуле.
Перестановками называют комбинации, состоящие из одних и тех же различных объектов и отличающиеся
только порядком их расположения. Количество всех возможных перестановок выражается формулой Pn=n!
Отличительной особенностью перестановок является то, что в каждой из них участвует ВСЁ множество, то
есть, все n-объектов.
Сочетаниями называют различные комбинации из m-объектов, которые выбраны из множества n различных
объектов, и которые отличаются друг от друга хотя бы одним объектом. Иными словами, отдельно взятое
сочетание – это уникальная выборка из элементов, в которой не важен их порядок (расположение). Общее же
n!
количество таких уникальных сочетаний рассчитывается по формуле C=
( n−m) ! ×m !
Размещениями называют различные комбинации из m-объектов, которые выбраны из множества n
различных объектов, и которые отличаются друг от друга как составом объектов в выборке, так и их
m n!
порядком. Количество размещений рассчитывается по формуле An =
( n−m) !
Знак «плюс» следует понимать и читать как союз ИЛИ, знак «умножить» следует понимать и читать как союз
И.

3. Геометрическая вероятность (определение, примеры). Формулы сложения и умножения

вероятностей.

Геометрическая вероятность – вероятность попадания точки в определенно заданную область –

отрезок или плоскость.
Длина l
А) Линейная вероятность – вероятность попадания точки на отрезок P=
Длина L
Б) Пусть, например, плоская фигура g составляет часть плоской фигуры G. На фигуру G наудачу бросается
точка. Это означает, что все точки области G «равноправны» в отношении попадания туда брошенной
случайной точки. Полагая, что вероятность события А - попадания брошенной точки на фигуру g -
пропорциональна площади этой фигуры и не зависит ни от ее расположения относительно G, ни от формы g,
Sg
найдем Р(А) =
SG
Фигуру g называют благоприятной событию А. Область, на которую распространяется понятие
геометрической вероятности, может быть одномерной (прямая, отрезок) и трехмерной (некоторое
тело в пространстве). Обозначая меру (длину, площадь, объем) области через mes, приходим к
следующему определению. Геометрической вероятностью события А называется отношение меры
mes g
области, благоприятствующей появлению события А, к мере всей области, т.е. Р(А) =
mes G

Теорема сложения вероятностей несовместных событий: вероятность появления одного из двух

несовместных событий A или B (без разницы какого), равна сумме вероятностей этих событий:
P(A+B)=P(A)+P(B)
Следствие: Вероятность появления одного из нескольких попарно несовместных событий , безразлично
какого, равна сумме вероятностей этих событий.
Теорема умножения вероятностей независимых событий: Вероятность совместного появления двух событий
равна произведению вероятности одного из них на условную вероятность другого, вычисленную в
предположении, что первое событие уже наступило: P(AB) = P(A)xPA(B)
В частности для независимых событий P(AB) = P(A)xP(B), т.е. вероятность совместного появления двух
независимых событий равна произведению вероятностей этих событий
Следствие: Вероятность совместного появления нескольких событий равна произведению вероятности
одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события
вычисляют в предложении, что все предыдущие события уже наступили.

4. Условная вероятность, независимость событий

Условная вероятность – это вероятность наступления события В при условии, что событие А уже произошло.
События А и В являются НЕзависимыми, если вероятность любого из них не зависит от появления либо
непоявления другого события.
Событие В является зависимым, если помимо случайных факторов его вероятность зависит от появления либо
непоявления события А. Вероятность события В, вычисленная в предположении того, что событие А уже
произошло, называется условной вероятностью наступления события В и обозначается через Р(А/В). При этом
события А и В называют зависимыми событиями (хотя, строго говоря, зависимо только одно из них).
P(AB) = P(A) x PA(B)
Для независимых событий – PA(B) = P(B)

5. Формула полной вероятности, формула Бейеса.

Пусть есть некоторое событие А, которое может произойти в результате появления одного из независимых
событий (гипотез) В1, В2, … Bn
Полная вероятность для события А:

Важным следствием формулы Байеса является формула полной вероятности события, зависящего от
нескольких несовместных гипотез

С помощью следствия можно определить вероятность наступления события B, зависящего от ряда

гипотез AI, если известны степени достоверности этих гипотез (например, измерены экспериментально); 
Вероятность события А, которое может наступить лишь при появлении одного из несовместных
событий(гипотез) В1, В2, … Bn, образующих полную группу, равна сумме произведений вероятностей каждой
из гипотез на соответствующую условную вероятность события А
P(A) = P(B1)xP(B1/A)+P(B2)xP(B2/A)+…+P(Bn)xP(Bn/A)

6. Последовательность независимых испытаний (схема Бернулли). Формула Бернулли

Схемой Бернулли (англ. Bernoulli scheme) называется последовательность независимых испытаний, в каждом
из которых возможны лишь два исхода — «успех» и «неудача», при этом успех в каждом испытании
происходит с одной и той же вероятностью p∈(0,1) , а неудача — с вероятностью q=1−p.

Если вероятность р наступления события А в каждом испытании постоянна, то вероятность того, что событие А
m m n−m
наступит т раз в n независимых испытаниях, равна Pm,n= C n p q
n – число независимых испытаний
p - вероятность
m - количество раз, при которых наступит событие А в n-испытаниях

7. Локальная и интегральная теоремы Муавра-Лапласа

Локальная теорема. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность
появления события равна p(0<p<1), событие наступит ровно k раз (безразлично, в какой последовательности),
приближенно равна (тем точнее, чем больше n)
2
−x
1 1 k−np
Pn(k) = φ (x) здесь φ ( x )= e 2
x=
√ npq √2 π √ npq
Интегральная теорема. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность
появления события равна p(0<p<1), событие наступит не менее ki раз и не более k2 раз, приближенно
равна P(ki, k2) = Ф (х’’) - Ф (х’)
2
х −z
1 (k 1−np) (k 2−np)
Здесь Ф (х) = ∫e
√2 π 0
2
dz х’ =
√ npq
х’’ =
√ npq
8. Случайные величины. Функция распределения случайной величины, ее свойства. Вероятность
попадания случайной величины на заданный участок.

Случайной называют величину, которая в результате испытания примет одно и только одно числовое
значение, зависящее от случайных факторов и заранее непредсказуемое.
Случайная величина, принимающая конкретные значения, называется дискретной.
Случайная величина, принимающая любые значения из интервала (a;b), называется непрерывной

Каждая случайная величина полностью определяется своей функцией распределения.

Если ε - случайная величина, то функция F(x) = F ε (x) = P(x < x) называется функцией распределения
случайной величины ε . Здесь P(ε < x) - вероятность того, что случайная величина ε принимает значение,
меньшее x.
Важно понимать, что функция распределения является “паспортом” случайной величины: она содержит всю
информация о случайной величине и поэтому изучение случайной величины заключается в исследовании ее
функции распределения, которую часто называют просто распределением.
Функция распределения любой случайной величины обладает следующими свойствами:
 1) F(x) определена на всей числовой прямой R;
2) F(x) не убывает, т.е. если x1≤x2, то F(x1)≤F(x2);

3) lim F ( x )=0 и lim F ( x )=1

F(-∞ ¿=0, F(+∞ )=1, т.е. x→−∞ x→+∞

lim F ( x )=F( x0 )
4) F(x) непрерывна справа, т.е. x→ x +0
0

9. Плотность распределения для непрерывной случайной величины. Свойства плотности

распределения.

Плотностью распределения вероятностей непрерывной случайной величины называют первую производную

от функции распределения f(x) = F’(x)
Вероятность того, что непрерывная случайная величина Х примет значение, принадлежащее интервалу (a, b),
b
определяется равенством P(a < X < b) = ∫ f ( x ) dx
a

Функция распределения непрерывной случайной величины применяется для вычисления вероятностей

попадания случайной величины в заданный промежуток:
P(a < X < b)=F(b) - F(a)
причем для непрерывной случайной величины не имеет значения, включаются в этот промежуток его
границы или нет:
P(a < X < b) = P(a ≤ X < b) = P(a ≤ X ≤ b)
Свойства плотности распределения
1. Плотность распределения случайной величины неотрицательна (f(x) ≥ 0) при всех значениях x.
2. Условие нормировки:
∞

∫ f ( x ) dx=1
−∞

Геометрический смысл условия нормировки: площадь под кривой плотности распределения равна единице.
3. Вероятность попадания случайной величины X в промежуток от α до β может быть вычислена по формуле
β

P(α < X < β ) = ∫ f ( x ) dx

α

Геометрически вероятность попадания непрерывной случайной величины X в промежуток (α, β) равна

площади криволинейной трапеции под кривой плотности распределения, опирающейся на этот промежуток.
4. Функция распределения выражается через плотность следующим образом:
x

F(x) = ∫ f ( t ) dt
−∞

Значение плотности распределения в точке x не равно вероятности принять это значение, для непрерывной
случайной величины речь может идти только о вероятности попадания в заданный интервал. Пусть [x, x + Δx)
— интервал произвольно малой длины Δx > 0. Вероятность попадания случайной величины в этот интервал
приближенно равна произведению значения плотности распределения в точке x на длину этого интервала:
f(x)Δx, то есть вероятность пропорциональна длине интервала, причем коэффициент пропорциональности
равен значению плотности распределения в точке x (рис.).

Вероятность попадания случайной величины в интервал длины Δx

Числовые характеристики непрерывной случайной величины находятся по формулам, похожим на формулы

для дискретной случайной величины, но везде знак суммы заменяется на знак интеграла, а вероятность pi на
дифференциальный элемент вероятности f(x)dx.
∞
Математическое ожидание непрерывной случайной величины равно M(X) = ∫ xf ( x ) dx
−∞

∞
Дисперсия непрерывной случайной величины есть D(X) = ∫ ( x−M ( x ) )2 f (x)dx
−∞

Все свойства математического ожидания и дисперсии, сформулированные для дискретных случайных

величин, сохраняются и для непрерывных случайных величин.

10. Числовые характеристики случайной величины (мат ожидание, мода, медиана, начальные и
центральные моменты, дисперсия, среднее квадратичное отклонение)
 11. Равномерное распределение случайной величины, его основные числовые характеристики.
Нормальное распределение случайной величины., его основные числовые характеристики.
Показательное распределение случайной величины, его основные числовые характеристики.
Распределение Симпсона.
Биноминальное распределение случайной величины, его основные числовые характеристики.
Распределение Пуассона случайной величины, его основные числовые характеристики.

Равномерным называется распределение таких случайных величин, все значения которых лежат на
некотором отрезке AB, и имею постоянную плотность вероятности на этом отрезке.
Это означает, что если плотность вероятности одинакова для всех точек отрезка AB, то вероятность попадания
точки в некоторую часть этого отрезка — равновероятна.
 ∞
a+b
M(x) = ∫ xf ( x ) dx = 2
−∞
2
(b−a)
D(x) = 12

b−a
σ x=
2 √3

Нормальным называется распределение вероятностей непрерывной случайной величины Х, плотность

которого имеет вид

μ – мат ожидание
σ – среднее квадрастическое отклонение
2
D - σ – дисперсия

Свойство 1. Функция плотности нормального распределения в точке х = а имеет максимум, равный

Свойство 2. График функции плотности f(x) симметричен относительно прямой, проходящей через точку а: х =
а.
Из этого свойства следует равенство для нормально распределенной случайной величины моды, медианы и
математического ожидания.
Свойство 3. Кривая распределения имеет две точки перегиба с координатами и

Показательным или экспоненциальным называют распределение, которое характеризуется следующей

функцией плотности:

где лямбда – постоянная положительная величина

Вероятность попадания в интервал (a, b) непрерывной случайной величины Х, распределенной по

показательному закону, P (a<X<b) = e− λa−e−λb
1
M(X) =σ (X )= λ
1
D(X) = λ2

Cлучайная величина распределена по треугольному распределению, если

Такое распределение наблюдается тогда, когда суммируются две или

вычитаются две случайные величины, которые имеют равномерный закон распределения.

Дискретная случайная величина X имеет биномиальный закон распределения с параметрами n и р, если она
принимает значения 0, 1, 2, …, m,… n с вероятностями
Как видим, вероятности P(X=m) находятся по формуле Бернулли. Следовательно, биномиальный закон
распределения представляет собой закон распределения числа Х=m наступлений события А в n независимых
испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью р. Ряд распределения
биномиального закона имеет вид:

Дискретная случайная величина Х имеет закон распределения Пуассона с параметром λ > 0, если она
принимает значения 0, 1, 2,.., m... (бесконечное, но счетное множество значений) с вероятностями

12. Функция распределения системы двух случайных величин (определение, некоторые свойства).
Двумерная плотность распределения. Плотности распределения составляющих двумерной
случайной величины.

Функцией распределения системы двух случайных величин (X, Y) называется вероятность совместного
выполнения двух неравенств X<x и Y<y
 13. Числовые характеристики системы двух случайных величин. Начальные и центральные моменты,
корелляционный момент, коэффициент корелляции. Связь независимости и некореллированности
случайных величин.

Корреляционным моментом случайных величин X и У называют математическое ожидание произведения

отклонений этих величин.
Для вычисления корреляционного момента дискретных величин используют формулу:

а для непрерывных величин:

14. Нормальный закон распределения для двух случайных величин

 15. Законы распределения и числовые характеристики функций случайных величин

11 вопрос +

16. Закон распределения функции двух случайных величин. Плотность распределения суммы двух
случайных величин.
17. Неравенство Чебышева. Закон больших чисел в форме теоремы Чебышева

18. Центральная предельная теорема для суммы одинаково распределенных независимых случайных
величин.
19. Характеристическая функция. Примеры применения характеристической функции. Основные
свойства характеристических функций.
20. Понятие о случайных векторах