1) вероятность суммы двух событий А и В можно найти по формуле:
, (9)
если события несовместны, то
; (4)
2) вероятность суммы n событий:
(11)
Терема умножения вероятностей
1) вероятность произведения двух событий
; (12)
если события А и В независимы, то
; (5)
2) вероятность произведения n событий
;
если события независимы в совокупности (т.е. каждое событие из совокупности попарно независимо с остальными, а также со всевозможными произведениями остальных событий), то
.
Формула полной вероятности
Пусть задана полная группа событий: { H 1, H 2, …, Hn }. Для них выполняется: . Тогда вероятность некоторого события А, зависимого от H 1, H 2, …, Hn можно найти по формуле:
. (6)
Формула Байеса
1) для событий А и В:
;
2) для полной группы событий (гипотез) вероятность гипотезы при условии, что событие А произошло, равна:
. (7)
Формула Бернулли
Пусть при проведении серии n независимых испытаний в каждом из них событие А происходит с вероятностью р и не происходит с вероятностью . Пусть при этом событие В заключается в том, что событие А в серии n независимых испытаний произошло m раз. Тогда вероятность события В можно найти по формуле:
. (8)
Локальная формула Муавра-Лапласа (предельная теорема Муавра-Лапласа):
. (17)
Формула даёт наиболее точное значение при n > 100, а npq > 20.
Исходя из формулы Муавра-Лапласа, вероятность события В (в серии n независимых испытаний событие А произошло m раз) можно также получить, используя функцию Гаусса (её значения приведены в приложении Б): , тогда
. (9)
Интегральная формула Муавра-Лапласа
При большом числе испытаний в качестве события В рассматривают событие, заключающееся в том, что число успехов (наступлений события А) лежит в некотором интервале. Тогда справедлива интегральная предельная теорема Муавра-Лапласа:
(19)
Так как значения функции (функции Лапласа) известны (приложение Б), то вероятность события В, исходя из интегральной формулы Муавра-Лапласа, находят следующим образом:
(10)
Формула Пуассона
Нахождение вероятности события B (в серии n независимых испытаний событие А произошло m раз) по формуле Бернулли при больших затруднителен. Но в случае малой вероятности
успеха, можно оценить вероятность B следующим образом: если
и
, то
. Обозначив
, получим:
. (11)
Параметр равен среднему числу успехов в серии из
испытаний, т.е. ожидаемому числу успехов, где под
понимается частота успеха.
Случайные величины
Случайная величина – переменная величина, которая принимает значения в зависимости от исходов испытания, т.е. случайным образом. Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены, [1, с. 57].
Дискретная случайная величина – случайная величина, принимающая конечное или счётное множество значений.
Непрерывная случайная величина – случайная величина, принимающая значения из некоторого промежутка.
Закон распределения дискретной случайной величины – соответствие между значениями этой величины и их вероятностями
. Закон распределения дискретной случайной величины задаётся таблично или аналитически:
1) табличное задание (табл.1)
Таблица 1 – Закон распределения дискретной случайной величины Х
Х | ![]() | ![]() | ![]() | ![]() | ![]() |
Р | ![]() | ![]() | ![]() | ![]() | ![]() |
2) аналитическое:
, при этом
, [3, c. 52].