Аддитивность: вероятность наступления хотя бы одного (то есть суммы) из попарно несовместных событий равна сумме вероятностей этих событий; другими словами, если {\displaystyle A_{i}A_{j}=\varnothing }A_{i}A_{j}=\varnothing при {\displaystyle i\neq j}i\neq j, то {\displaystyle P\left(\sum _{i}A_{i}\right)=\sum _{i}\mathbf {P} (A_{i})}{\displaystyle P\left(\sum _{i}A_{i}\right)=\sum _{i}\mathbf {P} (A_{i})}.
В случае если элементарных событий X конечно, то достаточно указанного условия аддитивности для произвольных двух несовместных событий, из которого будет следовать аддитивность для любого конечного количества несовместных событий. Однако, в случае бесконечного (счётного или несчётного элементарных событий этого условия оказывается недостаточно. Требуется так называемая счётная или сигма-аддитивность, то есть выполнение свойства аддитивности для любого не более чем счётного семейства попарно несовместных событий. Это необходимо для обеспечения «непрерывности» вероятностной меры.
Вероятностная мера может быть определена не для всех подмножеств множества {\displaystyle X}X. Предполагается, что она определена на некоторой сигма-алгебре {\displaystyle \Omega }\Omega подмножеств[6]. Эти подмножества называются измеримыми по данной вероятностной мере и именно они являются случайными событиями. Совокупность {\displaystyle (X,\Omega ,P)}(X,\Omega ,P) — то есть множество элементарных событий, сигма-алгебра его подмножеств и вероятностная мера — называется вероятностным Свойства вероятности
Основные свойства вероятности проще всего определить, исходя из аксиоматического определения вероятности.
1) вероятность невозможного события (пустого множества {\displaystyle \varnothing }\varnothing ) равна нулю:
Это следует из того, что каждое событие можно представить как сумму этого события и невозможного события, что в силу аддитивности и конечности вероятностной меры означает, что вероятность невозможного события должна быть равна нулю.
2) если событие A включается («входит») в событие B, то есть {\displaystyle A\subset B}A\subset B, то есть наступление события A влечёт также наступление события B, то:
Это следует из неотрицательности и аддитивности вероятностной меры, так как событие {\displaystyle B}B, возможно, «содержит» кроме события {\displaystyle A}A ещё какие-то другие события, несовместные с {\displaystyle A}A.
3) вероятность каждого события {\displaystyle A}A находится от 0 до 1, то есть удовлетворяет неравенствам:
Первая часть неравенства (неотрицательность) утверждается аксиоматически, а вторая следует из предыдущего свойства с учётом того, что любое событие «входит» в {\displaystyle X}X, а для {\displaystyle X}X аксиоматически предполагается {\displaystyle \mathbf {P} \{X\}=1}{\mathbf {P}}\{X\}=1.
4) вероятность наступления события {\displaystyle B\setminus A}B\setminus A, где {\displaystyle A\subset B}A\subset B, заключающегося в наступлении события {\displaystyle B}B при одновременном ненаступлении события {\displaystyle A}A, равна:
Это следует из аддитивности вероятности для несовместных событий и из того, что события {\displaystyle A}A и {\displaystyle B\setminus A}B\setminus A являются несовместными по условию, а их сумма равна событию {\displaystyle B}B.
Это следует из предыдущего свойства, если в качестве множества {\displaystyle B}B использовать всё и учесть, что {\displaystyle \mathbf {P} \{X\}=1}{\mathbf {P}}\{X\}=1.
6) (теорема сложения вероятностей) вероятность наступления хотя бы одного из (то есть суммы) произвольных (не обязательно несовместных) двух событий {\displaystyle A}A и {\displaystyle B}B равна:
1) у=kx+b, где х - независимая переменная а k и b числа - это линейная функция. 2) Графиком линейной функции является прямая. Для построения прямой достаточно знать две её точки. Следовательно, чтобы построить график линейной функции, нужно найти две любые точки, через которые он проходит. Абсциссу, то есть координату x, для каждой точки выбираем сами. Удобно брать первой x=0. Следующую абсциссу желательно брать на расстоянии, не меньшем 2 единиц, например, x=2, или x=-2. Чем дальше друг от друга расположены точки, тем точнее получится график. Если k и b — дроби, следует (по возможности) подбирать x таким образом, чтобы обе координаты (x;y) являлись целыми числами. 3) С осью абсцисс график функции может иметь любое количество общих точек (или ни одной). С осью ординат — не более одной (так как по определению функции каждому значению аргумента ставится в соответствие единственное значение функции). Чтобы найти точки пересечения графика функции y=f(x) с осью абсцисс, надо решить уравнение f(x)=0 (то есть найти нули функции).Чтобы найти точку пересечения графика функции с осью ординат, надо в формулу функции вместо каждого x подставить нуль, то есть найти значение функции при x=0: y=f(0). 4) у=0 в тех точках, где график пересекает ось х, у больше 0, там где график выше оси х, у меньше 0 там, где график ниже оси х. 5) Если функция задана формулой y=f(x), чтобы найти значение функции по данному значению аргумента, надо в формулу функции вместо каждого икса подставить это значение и вычислить значение y. 6) Всё просто, значение аргумента - это x, а значение функции - это y, так что если у тебя есть y, смотри на ось y(вертикальная), и ищи точку, которая соответствовала бы значению y, теперь смотри на значение точки по оси x(горизонтальной), это и есть x. 7) k>0 график проходит в 1 и 3ч (прямая наклонена вправа)k<0 график проходит во 2 и 4ч (прямая наклонена влева)b>0 график пересекает ось оу выше оси охb<0 график пересекает ось оу ниже оси ох к - коэффициент 8) х=а это прямая, параллельная оси ординат х=0 это ось ординат у=0 это прямая, параллельная оси абсцисс 9) при равенстве коэффициентов прямые совпадут при равенстве к и разных в будут параллельны. при разных к пересекутся для общей формулы: у=кх+в 10) Чтобы найти координаты точки пересечения графиков двух линейных функций, следует приравнять выражения у в этих функциях. Решив уравнение найдем абсциссу точки пересечения, а подставив значение х в любую из формул, найдем у. Для проверки подставляй в обе формулы, чтобы увидеть, что результаты одинаковые. 11) График функции проходит через точку, если координаты этой точки обращают формулу функции в верное числовое равенство. Таким образом, чтобы выяснить, принадлежит ли графику функции точка, надо подставить координаты точки в формулу функции. Если получится верное числовое равенство, точка лежит на графике. 12) Прямая пропорциональность — функциональная зависимость, при которой некоторая величина зависит от другой величины таким образом, что их отношение остаётся постоянным. Иначе говоря, эти переменные изменяются пропорционально, в равных долях, то есть, если аргумент изменился в два раза в каком-либо направлении, то и функция изменяется тоже в два раза в том же направлении. 13) График прямой пропорциональности представляет собой прямую, проходящую через начало координат. 14) График прямой пропорциональности проходит через начало координат. График прямой пропорциональности есть прямая. Прямая задается двумя точками. Таким образом при построении графика прямой пропорциональности достаточно определить положение двух точек. Но одну из них мы всегда знаем – это начало координат. Осталось найти вторую. 15) при k<0 график расположен в 2 и 4 четвертях при k>0 график расположен в 1 и 3 четвертях
{
Вероятностью (вероятностной мерой) называется мера (числовая функция) {\displaystyle \mathbf {P} }\mathbf {P} , заданная на множестве событий, обладающая следующими свойствами:
Неотрицательность: {\displaystyle \forall A\subset X\colon \mathbf {P} (A)\geqslant 0}\forall A\subset X\colon {\mathbf P}(A)\geqslant 0,
Аддитивность: вероятность наступления хотя бы одного (то есть суммы) из попарно несовместных событий равна сумме вероятностей этих событий; другими словами, если {\displaystyle A_{i}A_{j}=\varnothing }A_{i}A_{j}=\varnothing при {\displaystyle i\neq j}i\neq j, то {\displaystyle P\left(\sum _{i}A_{i}\right)=\sum _{i}\mathbf {P} (A_{i})}{\displaystyle P\left(\sum _{i}A_{i}\right)=\sum _{i}\mathbf {P} (A_{i})}.
Конечность (ограниченность единицей): {\displaystyle \mathbf {P} (X)=1}{\mathbf P}(X)=1,
В случае если элементарных событий X конечно, то достаточно указанного условия аддитивности для произвольных двух несовместных событий, из которого будет следовать аддитивность для любого конечного количества несовместных событий. Однако, в случае бесконечного (счётного или несчётного элементарных событий этого условия оказывается недостаточно. Требуется так называемая счётная или сигма-аддитивность, то есть выполнение свойства аддитивности для любого не более чем счётного семейства попарно несовместных событий. Это необходимо для обеспечения «непрерывности» вероятностной меры.
Вероятностная мера может быть определена не для всех подмножеств множества {\displaystyle X}X. Предполагается, что она определена на некоторой сигма-алгебре {\displaystyle \Omega }\Omega подмножеств[6]. Эти подмножества называются измеримыми по данной вероятностной мере и именно они являются случайными событиями. Совокупность {\displaystyle (X,\Omega ,P)}(X,\Omega ,P) — то есть множество элементарных событий, сигма-алгебра его подмножеств и вероятностная мера — называется вероятностным Свойства вероятности
Основные свойства вероятности проще всего определить, исходя из аксиоматического определения вероятности.
1) вероятность невозможного события (пустого множества {\displaystyle \varnothing }\varnothing ) равна нулю:
{\displaystyle \mathbf {P} \{\varnothing \}=0;}{\mathbf {P}}\{\varnothing \}=0;
Это следует из того, что каждое событие можно представить как сумму этого события и невозможного события, что в силу аддитивности и конечности вероятностной меры означает, что вероятность невозможного события должна быть равна нулю.
2) если событие A включается («входит») в событие B, то есть {\displaystyle A\subset B}A\subset B, то есть наступление события A влечёт также наступление события B, то:
{\displaystyle \mathbf {P} \{A\}\leqslant \mathbf {P} \{B\};}{\mathbf {P}}\{A\}\leqslant {\mathbf {P}}\{B\};
Это следует из неотрицательности и аддитивности вероятностной меры, так как событие {\displaystyle B}B, возможно, «содержит» кроме события {\displaystyle A}A ещё какие-то другие события, несовместные с {\displaystyle A}A.
3) вероятность каждого события {\displaystyle A}A находится от 0 до 1, то есть удовлетворяет неравенствам:
{\displaystyle 0\leqslant \mathbf {P} \{A\}\leqslant 1;}0\leqslant {\mathbf {P}}\{A\}\leqslant 1;
Первая часть неравенства (неотрицательность) утверждается аксиоматически, а вторая следует из предыдущего свойства с учётом того, что любое событие «входит» в {\displaystyle X}X, а для {\displaystyle X}X аксиоматически предполагается {\displaystyle \mathbf {P} \{X\}=1}{\mathbf {P}}\{X\}=1.
4) вероятность наступления события {\displaystyle B\setminus A}B\setminus A, где {\displaystyle A\subset B}A\subset B, заключающегося в наступлении события {\displaystyle B}B при одновременном ненаступлении события {\displaystyle A}A, равна:
{\displaystyle \mathbf {P} \{B\setminus A\}=\mathbf {P} \{B\}-\mathbf {P} \{A\};}{\mathbf {P}}\{B\setminus A\}={\mathbf {P}}\{B\}-{\mathbf {P}}\{A\};
Это следует из аддитивности вероятности для несовместных событий и из того, что события {\displaystyle A}A и {\displaystyle B\setminus A}B\setminus A являются несовместными по условию, а их сумма равна событию {\displaystyle B}B.
5) вероятность события {\displaystyle {\bar {A}}}{\bar {A}}, противоположного событию {\displaystyle A}A, равна:
{\displaystyle \mathbf {P} \{{\bar {A}}\}=1-\mathbf {P} \{A\};}{\mathbf {P}}\{{\bar {A}}\}=1-{\mathbf {P}}\{A\};
Это следует из предыдущего свойства, если в качестве множества {\displaystyle B}B использовать всё и учесть, что {\displaystyle \mathbf {P} \{X\}=1}{\mathbf {P}}\{X\}=1.
6) (теорема сложения вероятностей) вероятность наступления хотя бы одного из (то есть суммы) произвольных (не обязательно несовместных) двух событий {\displaystyle A}A и {\displaystyle B}B равна:
{