Файл: Березкин А.М. Задачи по стрельбе и их решения учебное пособие.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 04.04.2024
Просмотров: 90
Скачиваний: 0
дело с совместными или несовместными, зависимыми или независимыми событиями.
Общее правило сложения вероятностей случайных собы тий: вероятность случайного события С = А + В ра:вна сумме
вероятностей случайных событий А я В минус произведение вероятности одного события на условную вероятность второ го события (см. формулу 0.13).
Общее правило умножения вероятностей случайных со бытий: вероятность случайного события С = АВ равна произ ведению вероятности одного из событий на условную вероят ность второго события (см. формулу 0.11).
Полезно помнить, что произведение вероятностей несовме стных событий равно .нулю.
Формула полной вероятности. Если случайные события
В [, В 2,...,Вп попарно несовместны и образуют полную группу
событий |
2^ |
\ |
|
1 и если событие А может осуществить- |
|||
|
.1-1 |
|
|
ся только с каким-нибудь одним из этих событий, |
то |
||
Р(А) = |
Р(ВХ) P(A/Bt) -!- Р(В2) Р (А/В2) + ... -у Р ( В п) Р (А/Вп) ~ |
||
|
|
П |
|
|
|
^ ^ P i B J P i A / B , ) . |
(0.15) |
|
|
i =1 |
|
Эта формула носит название формулы полной вероятно сти события А. Она дает возможность вычислить вероятность осуществления события А независимо от того, с каким из со бытий Б; оно осуществилось. Эта формула является след ствием одновременного приложения правил сложения и ум ножения вероятностей случайных событий.
События В, называют гипотезами относительно А, а их вероятности Р(В;)— вероятностями .гипотез.
Вероятности P(A/B t) называют вероятностями события А при данной гипотезе.
10
Д о к а з а т е л ь с т в о При высказанных условиях событие А
равносильно совмещению событий ( В и В2,...,Вп) и А, а так как события образуют полную группу событий, то это означает, что событие А обязательно произойдет совместно с какимлибо из событий By. т. е.
П |
|
А = ВУА + ВгА + ... + ВпА = У^АВ}. |
(0.16) |
i=i |
|
Из несовместности гипотез By (по условию) вытекает не совместность комбинаций
В\А, В2А,...,Вп А.
Поэтому, применив к выражению для А правило сложе ния для вероятностей несовместных событий (0.4), получим
II |
|
В(А) = Р{ВуА) 4 Р(В,А) + -. + Р(ВпА) - 2 р( М ) |
(°->7) |
i=i |
|
и, применив к/каждому из событий Ву А правило умножения вероятностей в общем /виде (0.11), получим
Р(ВуА) = Р(Ву)Р(А/Ву). |
(0.18) |
Подставив выражение (0.18) в (0.17), получим конечный результат
П
Р(А) = '^Р(Ву)Р(А/Ву). i=l
Кроме понятия случайного события, к основным'понятиям теории вероятностей относится случайная величина. Случай ной величиной называется такая переменная величина, кото рая при осуществлении /некоторых фиксированных условий может принимать различные заранее неизвестные численные значения.
11
Случайные величины могут быть дискретными и непре рывными. Удобство пользования случайными величинами за ключается в том, что они просто могут быть связаны со слу чайными событиями и характеризовать их. Например, если случайную величину X связать со случайным событием попа дания и промаха при одном выстреле и положить У =1 при получении одного попадания и 1 = 0 при получении нуля по паданий (промаха), то указание на то, что в результате опы та (выстрела) случайная величина X может принять значе ния 1 и 0, равносильно указанию, что случайное событие А может наступить, а может и не наступить.
Случайные величины, связываемые со случайными явле ниями (событиями) и характеризующие их, называются -ха рактеристическими. ■
Широкое внедрение в теорию вероятностей случайные ве личины получили посредством трудов Чебышева, Маркова, Ляпунова.
Законы распределения случайных величин
Пусть некоторая случайная величина X па некотором ин тервале может принять к значений, т. е.
Х = хй Х = х2\ Х = х3\ ...\Х —хк. |
(0.19) |
, Однако знать только все численные значения, |
которые мо |
жет принять случайная величина X в результате опыта, явно ■ недостаточно для всесторонней ее оценки. Так, повседневный
опыт показывает, что одни значения случайная |
величина X |
|
принимает чаще, другие |
реже. Если говорить |
об ошибках |
измерения, где в качестве случайной величины будет высту пать ошибка измерения, то опыт показывает, что малые ошибки измерения будут чаще встречаться, чем большие, т. е. малые ошибки измерений более вероятны, чем большие.
Таким образом, полное представление о случайной вели чине X. мы получим, если будем знать не только все ее част ные значения, но и то, ка/к часто будет их принимать случай ная величина, т. е. вероятности этих частных значений.
■ Связь между частными значениями случайной величины и отвечающими им вероятностями называют законом распреде-
12
ления вероятностей случайной величины, или распределени ем случайной величины.
Xi 'II X2 | Xз
Pi Pi P2 1P\i
Этот закон распределения для дискретных случайных ве личин называют рядом распределения.
Сумма вероятностей всех частных значений случайной ве
личины равна 1 как вероятность |
того, что случайная величи |
|
на X обязательно примет какое-либо одно из X t |
значений: |
|
К |
|
|
2 е = |
ь |
(о.20) |
i=l |
|
|
Из этой формулы видно, что суммарная вероятность как-то распределена между частными значениями случайной вели чины X.
Ряд распределения не может применяться для характери стики непрерывной случайной величины, так как нельзя фи зически написать ряд распределения для всего множества возможных значений случайной величины, всюду плотно за полняющих весь интервал. Однако и в этом случае можно утверждать, что различные области возможных значений слу чайной величины не являются равновероятными. Для харак теристики непрерывной случайной величины используется не
вероятность Р(Х = х), как для |
дискретной |
случайной |
вели |
чины, а Р ( Х < х ) вероятность |
неравенства |
А < х . Эта |
веро |
ятность зависит от значения х, т. е. является , функцией х и обозначается F (х) = Я (А < х ).
Функция F (х) называется функцией распределения слу чайной величины X.
Функцию F (х) также называют законом распределения случайной величины, или интегральной функцией распреде ления случайной величины, или интегральным законом рас пределения случайной величины..
13
F(x) является универсальной характеристикой случайных величин, так как она относится и к дискретным, и к непре
рывным случайным величинам. |
|
||
Ее основные характеристики: |
|
||
1. |
Функция распределения F (х) есть неубывающая функ |
||
ция своего аргумента: F(xt) > F(xl ) при а'2>Лт. |
|||
2. |
F(— о~.) = |
0 — невозможность |
события. |
3. |
F ( со) — 1 |
— достоверность события. |
|
На |
рис. 0.1 |
и 0.2 даны графики |
функции F (х) для дис |
кретных и непрерывных случайных |
величин соответственно. |
Рис. 0.1 |
Рис. |
0.2 |
Интегральную функцию |
распределения |
случайной вели |
чины удобно использовать для определения вероятности по падания случайной величины на некоторый участок.
Пусть событие А заключается в том, что |
X < [3; |
||
—»— |
В |
—»— |
X < а |
—»— |
С |
—»— |
а< ^Х < [3. |
Тогда имеем А = В + С и Р(А) = Р(В) + Р(С),
Р(Х < ,3) = Р(Х < а) + Р(Я < Х < ?),
14
т |
= |
f (*) |
+ |
р ( * < х < ,з), |
|
|||
Р ( я < Х < |
3) |
= F([3) - |
F(a), |
|
||||
Я(Х = |
a) = |
lim P (a |
: X < |
3) = lim ^ (З )—F(a.)], |
||||
|
|
|
|
|
|
|
;3^ct |
|
t . e. вероятность |
P(a < |
X < 8) равна |
.приращению |
интеграла |
||||
ной функции распределения на этом интервале. |
|
|||||||
Если F (х) |
при х = а терпит разрыв, то Р (Х = а) |
будет рав |
||||||
на величине скачка F (х) |
при х = а, |
а если F (х) непрерывна в |
||||||
точке х = я, то Р (Х = 7.) = 0. Это |
и |
означает, что вероятность |
отдельного частного значения непрерывной случайной величи ны равна нулю.
Подобно тому, как ряд распределения вероятностей И (X хi) характеризует случайную дискретную величину или плотность распределения единичной массы (суммарной веро ятности) в дискретных точках на числовой оси, вводят спе циальную характеристику для плотности распределения не прерывной случайной величины вдоль числовой оси.
Для этого запишем вероятность попадания случайной ве личины на участок А х\
Р(х < X < .г Л л) = F(x + А х) — F(x).
Средняя вероятность на участке А х будет
F(x + А х) -F(x)
А х
Если теперь взять предел при Ам->0, то получим
F(x -}- А х) — F(x) |
= F (х) = f(x), |
(0 .21) |
|
lim -А------ |
-L------- |
||
Ах-,0 |
Ьх |
|
|
т. е. в пределе средняя вероятность на интервале Ат, когда Ах-^0, равна производной от'функции распределения в точке
Х = х.
15