Цель и значение теории вероятности

Размещено на http://www.allbest.ru/

Контрольная работа по «Теории вероятностей »

Цель и значение теории вероятности

Выполнила: Казанина Н.В.

Научный руководитель: Гришина Н.А.

Москва 2012г



Содержание

теория вероятность событие случайность

Введение

1. Основное положение теории вероятности

2. Абстракция событий

3. Случайное событие и его вероятность

4. Примеры разно возможных событий

5. Определение случайной величины

6. Дискретные и непрерывные случайные величины

7. Закон распределения вероятностей дискретной случайной величины

8. Биномиальное распределение

Заключение

Список литературы



Введение

Как наука теория вероятности зародилась в 17в. Возникновение понятия вероятности было связано как с потребностями страхования, получившего значительное распространение в ту эпоху, когда заметно росли торговые связи и морские путешествия, так и в связи с запросами азартных игр. Слово «азарт», под которым обычно понимается сильное увлечение, горячность, является транскрипцией французского слова hazard, буквально означающего «случай», «риск».

Азартными называют те игры, а которых выигрыш зависит главным образом не от умения игрока, а от случайности. Схема азартных игр была очень проста и могла быть подвергнута всестороннему логическому анализу. Первые попытки этого рода связаны с именами известных учёных--алгебраиста Джероламо Кардана (1501- 1576) и Галилео Галилея (1564--1642). Однако честь открытия этой теории, которая не только даёт возможность сравнивать случайные величины, но и производить определенные математические операции с ними, принадлежит двум выдающимися ученым -- Блезу Паскалю (1623--1662) и Пьеру Ферма. Ещё в древности было замечено, что имеются явления, которые обладают особенностью: при малом числе наблюдений над ними не наблюдается никакой правильности, но по мере увеличения числа наблюдений всё яснее проявляется определенная закономерность. Всё началось с игры в кости.

Теория вероятностей является одним из классических разделов математики. Она имеет длительную историю. Вероятностные и статистические методы в настоящее время глубоко проникли в приложения. Они используются в физике, технике, экономке, биологии и медицине. Особенно возросла их роль в связи с развитием вычислительной техники. Например, для изучения физических явлений производят наблюдения или опыты. Их результаты обычно регистрируют в виде значений некоторых наблюдаемых величин. При повторении опытов мы обнаруживаем разброс их результатов.

Например, повторяя измерения одной и той же величины одним и тем же прибором при сохранении определенных условий (температура, влажность и т.п.), мы получаем результаты, которые хоть немного, но все же отличаются друг от друга. Даже многократные измерения не дают возможности точно предсказать результат следующего измерения. В этом смысле говорят, что результат измерения есть величина случайная.

Случай, случайность -- с ними мы встречаемся повседневно: случайная встреча, случайная поломка, случайная находки, случайная ошибка. Этот ряд можно продолжать бесконечно. Казалось бы, тут лет места для математики--какие уж законы в царстве Случая! Но и здесь наука обнаружила интересные закономерности--они позволяют человеку уверенно чувствовать себя при встреча со случайными событиями.



1. Основное положение теории вероятности

Теория вероятности - это наука, занимающаяся изучением закономерностей массовых случайных явлений. Такие же закономерности, только в более узкой предметной области социально-экономических явлений, изучает статистика. Между этими науками имеется общность методологии и высокая степень взаимосвязи. Практически любые выводы сделанные статистикой рассматриваются как вероятностные. Особенно наглядно вероятностный характер статистических исследований проявляется в выборочном методе, поскольку любой вывод сделанный по результатам выборки оценивается с заданной вероятностью. С развитием рынка постепенно сращивается вероятность и статистика, особенно наглядно это проявляется в управлении рисками, товарными запасами, портфелем ценных бумаг и т.п. За рубежом теория вероятности и математическая статистика применятся очень широко. В нашей стране пока широко применяется в управлении качеством продукции, поэтому распространение и внедрение в практику методов теории вероятности актуальная задача. Как уже говорилось, понятие вероятности события определяется для массовых явлений или, точнее, для однородных массовых операций. Однородная массовая операция состоит из многократного повторения подобных между собой единичных операций, или, как говорят, испытаний. Каждое отдельное испытание заключается в том, что создается определенный комплекс условий, существенных для данной массовой операции. В принципе должно быть возможным воспроизводить эту совокупность условий неограниченное число раз.

Пример1. При бросании игральной кости "наудачу" существенным условием является только то, что кость бросается на стол, а все остальные обстоятельства (начальная скорость, давление и температура воздуха, окраска стола и т. д.) в расчет не принимаются.

Пример 2. Стрелок многократно стреляет в определенную мишень с данного расстояния из положения "стоя"; каждый отдельный выстрел является испытанием в массовой операции стрельбы в данных условиях. Если же стрелку разрешено при разных выстрелах менять положение ("стоя", "лежа", "с колена"), то предыдущие условия существенно изменяются и следует говорить о массовой операции стрельбы с данного расстояния.

2. Абстракция событий

В математике событие - это любой объект или явление, которое может появиться или не появиться при определенных условиях. Причем создание этих условий не является обязательной причиной появления ожидаемого явления.

Различают невозможные, возможные и достоверные события.

Невозможные события - никогда не появляются при данных условиях (правильнее говорить, что вероятность появления такого события бесконечно мала).

Достоверные события - появляются всегда, если имеют место соответствующие условия. В данном случае между условиями и событиями однозначная причинно - следственная связь.

Возможные события - события, которые при одних и тех же условиях могут появляться, а могут не появляться, то есть создание условий в данном случае не гарантирует наступления события, что свидетельствует о неоднозначных или не прямых причинно - следственных связях между условиями и ожидаемыми событиями.

При изучении возможных событий возникает понятие частоты появления таких событий при многократном повторении наблюдений.

Частота события - это число случаев появления возможного события при определенных условиях. Очевидно, что это число f = 0,1,2,3…,n, где f - обозначение частоты, а n - ее максимально возможное значение.

Также очевидно, что если f = n, то событие является достоверным, то есть наступает всегда.

Частота является простой малоточной мерой возможности. Более точной мерой возможности наступления события является относительная частоты (частость) - p=f/n

Так как 0?f?n, то 0?p?1, в данном случае n - общее число наблюдений или испытаний (иногда говорят шансов), а f - число случаев наступления возможного события.

3. Случайное событие и его вероятность

Любая наука, развивающая общую теорию какого-нибудь круга явлений, содержит ряд основных понятий, на которых она базируется. Таковы, например, в геометрии понятия точки, прямой, линии; в механике - понятия силы, массы скорости, ускорения. Естественно, что не все основные понятия могут быть полностью определены, ибо "определить" понятие - это значит свести его к другим, более известным. Очевидно, процесс определения одних понятий через другие должен где-то кончаться, дойдя до самых первичных понятий, к которым сводятся все остальные и которые сами не определяются, а только поясняются. Такие понятия существуют и в теории вероятностей. Здесь мы рассмотрим некоторые из них.

Под опытом (экспериментом, испытанием) мы будем понимать некоторую воспроизводимую совокупность условий, в которых наблюдается то или другое явление, фиксируется тот или другой результат. Заметим, что "опыт" не обязательно должен быть поставлен человеком; он может протекать независимо от него; при этом человек выступает в роли наблюдателя или фиксатора происходящего. от него зависит только решение: что именно наблюдать и какие явления фиксировать.

Если результат опыта варьируется при его повторении, говорят об опыте со случайным исходом. Именно такие опыты мы будем здесь рассматривать и добавление "со случайным исходом" для краткости опускать. Тот факт, что при повторении опыта его основные условия сохраняются, и, значит, мы вправе ожидать устойчивости частот, тоже не будет каждый раз оговаривать.

Случайным событием ( или, короче, просто событием ) называется всякий факт, который в опыте со случайным исходом может произойти или не произойти. События мы будем обозначать большими буквами латинского алфавита.

Рассмотрим несколько примеров событий. 1. Опыт - бросание монеты; событие A - появление герба. 2. Опыт - бросание трех монет; событие B - появление трех гербов. 3. Опыт передача группы из n сигналов; событие C - искажение хотя бы одного из них. 4. Опыт - выстрел по мишени; событие D - попадание. 5. Опыт - вынимание наугад одной карты из колоды; событие Е - появление туза. 6. Тот же опыт, что в примере 5; событие F - появление карты червонной масти.

Рассматривая перечисленные в наших примерах события A,B,C, видим, что каждое из них обладает какой-то степенью возможности - одни большей, а другие меньшей, причем для некоторых из них мы сразу можем решить, какое из них более, а какое менее возможно. Например событие A более возможно (вероятно), чем B, а событие F более возможно, чем Е.

Любое случайное событие обладает какой-то степенью возможности, которую в принципе можно измерить численно. Чтобы сравнивать события по степени их возможности, нужно связать с каждым из них какое-то число, которое тем больше, чем больше возможность события. Это число мы и назовем вероятностью события.

Отметим, что сравнивая между собой по степени возможности различные события, мы склонны считать более вероятными те события, которые происходят чаще, менее вероятными - те, которые происходят реже; маловероятными - те, которые вообще не происходят. Например, событие "выпадение дождя в Москве 1-го июня предстоящего года" более вероятно, чем "выпадение снега в Москве тот же день", а событие "землетрясения в Москве, превышающее по интенсивности 3 балла, в течение предстоящего года" крайне мало вероятно (хотя такое землетрясение и наблюдалось в 1977 г., и статистика говорит, что подобные события происходят раз в 100 лет). Таким образом, понятие вероятности события с самого начала тесно увязывается с понятием его частоты.

Характеризуя вероятности событий числами, нужно установить какую-то единицу измерения. В качестве такой единицы естественно взять вероятность достоверного события, т.е. такого события, которое в результате опыта неизбежно должно произойти. Пример достоверного события - выпадение не более шести очков при бросании игральной кости. Другой пример достоверного события: " камень, брошенный вверх рукой вернется на Землю, а не станет её искусственным спутником ".

Противоположностью достоверного события является невозможное событие - то, которое в данном опыте вообще не может произойти. Пример: " выпадение 12 очков при бросании одной игральной кости ".

Если приписать достоверному событию вероятность, равную единице, а невозможному - равную нулю, то все другие события - возможные, но не достоверные будут характеризоваться вероятностями, лежащими между нулем и единицей, составляющими какую то долю единицы.

Таким образом, установлены единица измерения вероятности - вероятность достоверного события и диапазон вероятностей - числа от нуля до единицы.

Очень большую роль в применении вероятностных методов играют практически достоверные и практически невозможные события.

Опыт: 32 буквы разрезной азбуки смешали между собой; наугад вынимается одна карточка, стоящая на ней буква записывается, карточка возвращается обратно и смешивается с другими. Такой опыт производится 25 раз. Событие A состоит в том, что после 25 выниманий мы запишем первую строчку "Евгения Онегина":

"Мой дядя самых честных правил". Событие A не является физически невозможным, но вероятность его настолько мала, что событие с такой вероятностью можно смело считать практически невозможным.

Аналогично, практически достоверным является событие, вероятность которого не в точности равна единице, но очень близка к единице:

Введем новое важное понятие: противоположное событие. Противоположным событию А называется событие А, состоящее в непоявлении события А.

Пример. Опыт: Один выстрел по мишени. Событие А - попадание в десятку. Противоположное событие А - непопадание в десятку.

Вернемся к практически невозможным и практически достоверным событиям. Если какое-то событие А практически невозможно, то противоположное ему событие А практически достоверно и наоборот.

Практически невозможные ( и сопутствующие им практически достоверные) события играют большую роль в теории вероятностей: на них основана вся её познавательная ценность. Ни один прогноз в области случайных явлений не является и не может являться полностью достоверным; он может быть только практически достоверным, т. е. осуществляться с очень большой вероятностью.

В основе применения всех выводов и рекомендаций, добываемых с помощью теории вероятностей, лежит принцип практической уверенности, который можно сформулировать следующим образом:

Если вероятность события А в данном опыте весьма мала, то (при однократном выполнении опыта) можно вести себя так, как будто событие А вообще невозможно, т. е. не рассчитывать на его появление.

В повседневной жизни мы постоянно (хотя и бессознательно) пользуемся этим при принципом. Например выезжая куда-то на такси, мы не рассчитываем на возможность погибнуть в дорожной катастрофе, хотя некоторая (весьма малая) вероятность этого события все же имеется. Отправляясь летом на Кавказ или в Крым, мы не захватываем с собой зимней верхней одежды, хотя какая-то (очень малая) вероятность того, что нас настигнет мороз, всё-таки не равна нулю.

Переходим к самому тонкому и трудному вопросу: насколько мала должна быть вероятность события, чтобы его можно было считать практически невозможным ?

Ответ на вопрос выходит за рамки математической теории и в каждом отдельном случае решается из практических соображений, в соответствии с той важностью, которую имеет желаемый для нас результат опыта. Чем опаснее для нас возможная ошибка предсказания, тем ближе к нулю должна быть вероятность события, чтобы его считать практически невозможным.

Существует класс опытов, для которых вероятности их возможных исходов можно вычислить, исходя непосредственно из самих условий опыта. Для этого нужно, чтобы различные исходы опыта обладали симметрией и в силу этого были объективно одинаково возможными.

Рассмотрим, например, опыт, состоящий в бросании игральной кости. Если кубик выполнен симметрично, "правильно" (центр тяжести не смещен ни к одной из граней), естественно предположить, что любая из граней будет выпадать так же часто, как каждая из остальных. Так как достоверное событие "выпадает какая-то из граней" имеет вероятность, равную единице, и распадается на шесть одинаково равных вариантов (1, 2, 3, 4, 5 или 6 очков), то естественно приписать каждому из них вероятность, равную 1/6.

Для всякого опыта, обладающего симметрией возможных исходов, можно применить аналогичный прием, который называется непосредственным подсчетом вероятностей.

Перед тем как дать способ непосредственного подсчёта вероятностей, введём некоторые вспомогательные понятия.

Говорят, что несколько событий в данном опыте образуют полную группу, если в результате опыта неизбежно должно появиться хотя бы одно из них.

Примеры событий, образующих полную группу:

1) Появление "1", "2", "3", "4", "5", "6" очков при бросании игральной кости;

2) Два попадания, два промаха и одно попадание, один промах при двух выстрелах по мишени.

Несколько событий в данном опыте называются несовместимыми если никакие два из них не могут появиться вместе. Примеры несовместимых событий:

1) Выпадение герба и выпадение решки при бросании монеты;

2) Два попадания и два промаха при двух выстрелах;

3) Выпадение двух, выпадение трех и выпадение пяти очков при однократном бросании игральной кости. Несколько событий называются равновозможными, если по условиям симметрии есть основание считать, что ни одно из них не является более объективно возможным чем другое.

Заметим, что равновозможные события не могут проявляться иначе, чем в опытах, обладающих симметрией возможных исходов; наше незнание о том, какое из них вероятнее, не есть основание для того, чтобы считать события равновозможными.

4. Примеры равновозможных событий

1) Выпадение герба и выпадение решки при бросании симметричной, "правильной монеты";

2) Появление карты "червонной", "бубновой", "трефовой" или "пиковой" масти при вынимании карты из колоды.

С опытами, обладающими симметрией исходов, связываются особые группы событий: они образуют полную группу, несовместимы и равновозможны.

События, образующие такую группу, называются случаями. Примеры случаев:

1) Появление герба и решки при бросании монеты;

2) Появление "1", "2", "3", "4", "5" и "6" очков при бросании игральной кости.

Если опыт обладает симметрией возможных исходов, то случаи представляют собой набор его равновозможных и исключающих друг друга исходов. Про такой случай говорят, что он сводится к схеме случаев. Для таких опытов возможен непосредственный подсчет вероятностей, основанный на подсчете доли так называемых благоприятных случаев в общем их числе.

Случай называется благоприятным ( или "благоприятствующим") событию A, если появление этого случая влечет за собой появление данного события.

Если опыт сводится к схеме случаев, то вероятность события A в данном опыте можно вычислить как долю благоприятных случаев в общем их числе:

P(A)=m/n,

где m - число случаев, благоприятных событию A; n - общее число случаев.

Данная формула, так называемая "классическая формула" для вычисления вероятностей, предложенная еще в XVII веке, когда главным полем приложения теории вероятностей были азартные игры ( в которых симметрия возможных исходов обеспечивается специальными мерами), долгое время ( вплоть до XIX века ) фигурировала в литературе как " определение вероятности "; те задачи, в которых схема случаев отсутствует, искусственными приемами сводились к ней. В настоящее время формального определения вероятности не дается, т. к. это понятие считается первичным и не определяется.

В данное время для вычисления вероятностей применяется закон распределения Пуассона.

Распределением Пуассона описываются :

а) показания счетчика, снимаемые через каждый интервал времени Т;

б) число зарегистрированных событий.

Распределение Пуассона играет большую роль в практическом применении теории вероятностей: многие физические явления приводят именно к такому распределению вероятностей.

5. Определение случайной величины

Уже в первой части приводились события, состоящие в появлении того или иного числа. Например, при бросании игральной кости могли появиться числа 1, 2, 3, 4, 5 и 6. Наперед определить число выпавших очков невозможно, поскольку оно зависит от многих случайных причин, которые полностью не могут быть учтены. В этом смысле число очков есть величина случайная; числа 1, 2, 3, 4, 5 и 6 есть возможные значения этой величины.

Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед не известное и зависящее от случайных причин, которые заранее не могут быть учтены.

Пример 5.1. Число родившихся мальчиков среди ста новорожденных есть случайная величина, которая имеет следующие возможные значения: 0, 1, 2, ..., 100.

Пример 5.2. Расстояние, которое пролетит снаряд при выстреле из орудия, есть случайная величина. Действительно, расстояние зависит не только от установки прицела, но и от многих других причин (силы и направления ветра, температуры и т.д.), которые не могут быть полностью учтены. Возможные значения этой величины принадлежат некоторому промежутку (а,b).

Будем далее обозначать случайные величины прописными буквами X,Y,Z, а их возможные значения -- соответствующими строчными буквами . Например, если случайная величина X имеет три возможных значения, то они будут обозначены так: x1, x2, x3.

6. Дискретные и непрерывные случайные величины

Вернемся к примерам, приведенным выше. В первом из них случайная величина X могла принять одно из следующих возможных значений: 0,1,2,…,100.

Эти значения отделены одно от другого промежутками, в которых нет возможных значений X. Таким образом, в этом примере случайная величина принимает отдельные, изолированные возможные значения. Во втором примере случайная величина могла принять любое из значений промежутка (a,b). Здесь нельзя отделить одно возможное значение от другого промежутком, не содержащим возможных значений случайной величины.

Уже из сказанного можно заключить о целесообразности различать случайные величины, принимающие лишь отдельные, изолированные значения, и случайные величины, возможные значения которых сплошь заполняют некоторый промежуток.

Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Очевидно, число возможных значений непрерывной случайной величины бесконечно.

7. Закон распределения вероятностей дискретной случайной величины

На первый взгляд может показаться, что для задания дискретной случайной величины достаточно перечислить все ее возможные значения. В действительности это не так: случайные величины могут иметь одинаковые перечни возможных значений, а вероятности их -- различные. Поэтому для задания дискретной случайной величины недостаточно перечислить все возможные ее значения, нужно еще указать их вероятности.

Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями; его можно задать таблично, аналитически (в виде формулы) и графически.

При табличном задании закона распределения дискретной случайной величины первая строка таблицы содержит возможные значения, а вторая -- их вероятности:

X	x1	x2	……	xn
p	P1	P2	……	pn

Приняв во внимание, что в одном испытании случайная величина принимает одно и только одно возможное значение, заключаем, что события X=x1, X=x2, …, X=xn образуют полную группу; следовательно, сумма вероятностей этих событий, т.е. сумма вероятностей второй строки таблицы, равна единице.

Если множество возможных значений бесконечно (счетно), то ряд сходится и его сумма равна единице.

8. Биномиальное распределение

Пусть производится независимых испытаний, в каждом из которых событие может появиться либо не появиться. Вероятность наступления события во всех испытаниях постоянна и равна (следовательно, вероятность не появления)- Рассмотрим в качестве дискретной случайной величины число появлений события в этих испытаниях.

Поставим перед собой задачу: найти закон распределения величины . Для ее решения требуется определить возможные значения и их вероятности. Очевидно, событие в испытаниях может либо не появиться, либо появиться 1 раз, либо 2 раза, ..., либо раз. Таким образом, возможные значения таковы: . Остается найти вероятности этих возможных значений, для чего достаточно воспользоваться формулой Бернулли:

где эта формула и является аналитическим выражением искомого закона распределения.

Биномиальным называют распределение вероятностей, определяемое формулой Бернулли. Закон назван «биномиальным» потому, что правую часть равенства можно рассматривать как общий член разложения бинома Ньютона:

(a + b)n = an + C1n an - 1 b + C2n an - 2 b2 +...+Ckn an - k bk +... + Cn - 1n abn - 1 + Cnnbn

Таким образом, первый член разложения определяет вероятность наступления рассматриваемого события раз в независимых испытаниях; второй член определяет вероятность наступления события раз; последний член определяет вероятность того, что событие не появится ни разу.



Заключение

Таким образом, рассмотрев теорию вероятности, ее историю и положения и возможности, можно утверждать, что возникновение данной теории не было случайным явлением вы науке, а было вызвано необходимостью дальнейшего развития технологии и кибернетики, поскольку существующее программное управление не может помочь человеку в создании таких кибернетических машин, которые, подобно человеку, будут мыслить самостоятельно.

И именно теория вероятности может способствовать появлению искусственного разума.

Процессы управления, где бы они ни протекали - живых организмах, машинах или обществе,- происходят по одним и тем же законам», - провозгласила кибернетика. А значит, и те, пусть еще не познанные до конца, процессы, что протекают в голове человека и позволяют ему гибко приспосабливаться к изменяющейся обстановке, можно воспроизвести искусственно в сложных автоматических устройствах.



Список литературы

1. Баврин И.И. Теория вероятностей и математическая статистика - М.: Высш. шк., 2005.-- 160 с.

2. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 2005.-- 200 с.

3. Боровков А.А. Математическая статистика. М.: Наука, 2004. -- 440 с.

5. Вуколов Э.А., Ефимов А.В., Земсков В.Н., Поспелов А.С. Сборник задач по математике для втузов. В 4-х ч. ч. 4. - М., Физматлит, 2004- 432 с.

6. Гмурман В. Е. Теория вероятностей и математическая статистика - М., Высш.шк., 2003.- 479 с.

7. Кибзун и др. Теория вероятностей и математическая статистика. базовый курс с примерами и задачами. М.: Физматлит, 2007. - 224 с.

9. Феллер В. Введение в теорию вероятностей и ее приложения. М.: Мир, Т.2, 2004.

10. Теория вероятностей: Учеб. для вузов. - 3-е изд., испр. / А.В. Печинкин, О.И. Тескин, Г.М. Цветкова и др.; Под ред. B.C. Зарубина, А.П. Крищенко. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2004. -456 с.

Размещено на Allbest.ru

...