Теория вероятностей

Выбор вероятностного эксперимента, зависимость испытаний и конечные цепи Маркова: от условия события к переходам между состояниями.

Из коробки с тремя синими и двумя оранжевыми жетонами достают два без возвращения. Вероятность одного оранжевого нельзя получить как для независимых бросков монеты: первый выбор меняет состав коробки. Начинать нужно с описания опыта, а уже потом выбирать формулу.

Доступные темы связывают условную вероятность, выборки, ожидание успеха и конечные цепи Маркова. В более сложных моделях обсуждаются зависимость и случайные процессы. При переходе между ними сохраняйте единицу наблюдения, условие остановки и вопрос: распределение в конкретный момент и долгосрочное поведение не совпадают автоматически.

Основные идеи

Условная вероятность

P(A|B)=P(A∩B)/P(B) при P(B)>0. Условие B меняет пространство, относительно которого считается доля; оно не является просто дополнительной подписью к прежней вероятности.

После первого оранжевого жетона остаются три синих и один оранжевый, поэтому вероятность синего вторым равна 3/4.

Выбор с возвращением и без него

Биномиальная модель требует независимых испытаний с постоянной вероятностью успеха. При равновероятном выборе фиксированного числа предметов без возвращения естественно считать сочетания из конечной совокупности.

При выборе двух из пяти жетонов есть C(5,2)=10 равновероятных неупорядоченных пар, если все отдельные жетоны различимы.

Стационарность цепи Маркова

Матрица переходов описывает вероятности следующего состояния при данном текущем. Стационарный закон π удовлетворяет πP=π. Само это равенство не доказывает, что любой начальный закон к нему сходится.

Цепь, каждый шаг меняющая 0 на 1 и 1 на 0, имеет стационарный закон (1/2,1/2), но из состояния 0 распределение попеременно сосредоточено в разных точках.

Темы направления

Вероятностная модель: отбор без возврата и ожидание успеха

Обзор модуля

Выберите модель по устройству опыта: условная вероятность, фиксированное число независимых попыток, выборка без возврата или остановка на заданном успехе.

Конечные цепи Маркова: переходы и стационарность

Обзор модуля

От стохастической таблицы к нескольким шагам и стационарному распределению; периодичность объясняет, почему найденный закон не всегда является пределом.

Зависимость и случайные процессы: что сохраняет условие

Обзор модуля

Взаимная информация, хвостовые события, максимумы, смеси, сопряжения и прореживание пуассоновского потока.

Разобранный пример

Ровно один жетон нужного цвета

В коробке три синих и два оранжевых жетона. Равновероятно выбирают два без возвращения. Найдите вероятность ровно одного оранжевого.

  1. Всего неупорядоченных пар C(5,2)=10.
  2. Благоприятная пара содержит один из двух оранжевых и один из трёх синих: 2·3=6 пар.
  3. Делим 6 на 10 и получаем 3/5. Различимость отдельных жетонов нужна для равновероятности пар, а не для различения цветов.

Ответ: 3/5, или 0,6.

Проверка: По порядку цветов: P(оранжевый,синий)=2/5·3/4=3/10; P(синий,оранжевый)=3/5·2/4=3/10. Несовместные случаи дают ту же сумму 3/5.

Проверьте понимание

Что нарушено, если считать два выбора без возвращения независимыми?

Вопросы по направлению

События с одинаковой вероятностью обязательно независимы?

Нет. Независимость требует P(A∩B)=P(A)P(B). Равенство отдельных вероятностей ничего не говорит об их совместном наступлении.

Почему среднее число успехов не обязано быть целым?

Ожидание — взвешенное среднее возможных результатов, а не обещанный результат одного опыта. Например, ожидание 1,2 не требует возможности наблюдать ровно 1,2 предмета.

Зачем задавать правило остановки?

Фиксированное число попыток и ожидание второго успеха определяют разные случайные величины. Даже при одной вероятности успеха у них различаются возможные значения и формулы распределения.