Теория вероятности

Независимые события. Теорема умножения

Рассматривается определение независимых событий через условную вероятность и свойства их вероятностных характеристик. Анализируется теорема умножения для независимых и зависимых событий, включая случаи с несколькими событиями. Приводятся примеры применения теоремы для решения задач, связанных с совместным наступлением событий.

Опр Событие А называется независимым от события В, если вероятность появления события А не зависит от того, произошло событие В или нет.

Свойство независимости взаимно.

Теорема Если случайные события независимы, то вероятность их совмещения есть P(AB)=P(A)⋅P(B)P( { AB } )=P( A )\cdot P( B ) Опр Несколько событий называются попарно-независимыми, если каждые два из них независимы.

Замечание Если события А и В - независимы, то независимы так же события A‾\overline A и BB , AA и B‾\overline B, A‾\overline A и B‾\overline B.

Опр Группа событий - A_1A_2…A_nA\_1 A\_2 \ldots A\_n называется независимой в совокупности, если любые события этой группы не зависят от произведения любого числа оставшихся P(A_1,A_2,…A_n)=P(A_1)⋅P(A_2)⋅…⋅P(A_n)P( { A\_1 ,A\_2 ,\ldots A\_n } )=P( { A\_1 } )\cdot P( { A\_2 } )\cdot \ldots \cdot P( { A\_n } )

Замечание Понятие о независимости и о несовместности - близки, но это не одно и тоже. Несовместные события A∩B=∅A\cap B=\emptysetбудут независимы, если P(A)≠0P( A )\ne 0 и P(B)≠0P( B )\ne 0

Пример: Вероятность того, что студент сдаст первый экзамен, равна 0,9, второй - 0,9, третий - 0.8. Найти вероятность того, что студент сдаст все три экзамена.

Решение. Введем события:

A_1=A\_1 = { студент сдаст 1 - й экзамен } ,

A_2=A\_2 = { студент сдаст 2 - й экзамен } ,

A_3=A\_3 = { студент сдаст 3 - й экзамен } ,

B=B = { студент сдаст все три экзамена } .

Учитывая, что события A_1,A_2,A_3A\_1 ,A\_2 ,A\_3 независимы получим B=A_1⋅A_2⋅A_3B=A\_1 \cdot A\_2 \cdot A\_3. Вероятность того, что студент сдаст все три экзамена, найдем как вероятность независимых событий P(B)=P(A_1⋅A_2⋅A_3)=P(A_1)⋅P(A_2)⋅P(A_3)=0,9⋅0,9⋅0,8=0,648.P(B)=P(A\_1 \cdot A\_2 \cdot A\_3 )=P(A\_1 )\cdot P(A\_2 )\cdot P(A\_3 )=0,9\cdot 0,9\cdot 0,8=0,648.

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться