Монета и игральная кость в теории вероятностей

Кратко: монета и игральная кость — фундаментальные примеры вероятностного моделирования. Ниже — основные модели, формулы и типичные задачи, полезные для экзамена. 1) Базовые идеи и объекты - Случайный эксперимент: подбрасывание монеты или бросок кости. - Пространство элементарных исходов: для монеты {ОРЕ, ОТКР}, для кости {1,2,3,4,5,6}. - Независимость: при повторных подбрасываниях монеты (или бросках костей) обычно считаем результаты независимыми. 2) Монета - Справедливая монета: P(орёл) = P(решка) = 1/2. - Образующие величины: - Bernoulli(p): бернуллиевская величина X ∈ {0,1}, P(X=1)=p (1 означать «успех»). - Binomial(n, p): число орлов в n независимых подбрасываниях. X ~ Binomial(n, p). - PMF: P(X = k) = C(n, k) p^k (1−p)^{n−k}, k = 0,1,...,n. - Ожидание и дисперсия: E[X] = np, Var(X) = np(1−p). - Если p = 1/2 (честная монета): формулы упрощаются. - Типичные задачи: - Вероятность ровно k орлов: P(X=k) по формуле выше. - Вероятность хотя бы одного орла: P(X ≥ 1) = 1 − (1−p)^n. - Пример: в 10 подбрасываниях честной монеты вероятность ровно 5 орлов: C(10,5)/2^10 = 252/1024 ≈ 0.246. - Принимаем как базовую: X ~ Binomial(n, 1/2), когда n фиксировано. 3) Игральная кость - Одиночный бросок: Y ∈ {1,2,3,4,5,6}, равновероятно (для обычной кости). - Ожидание: E[Y] = (1+2+3+4+5+6)/6 = 3.5. - Дисперсия: Var(Y) = (6^2−1)/12 = 35/12 ≈ 2.9167. - Несколько бросков: - Набор из n независимых бросков одной кости: сумма S = Y1 + ... + Yn. - S имеет распределение суммы независимых дискретных равномерных величин. Для единицы: S ~ Irwin–Hall в дискретной версии. - Ожидание и дисперсия суммы: E[S] = n·3.5, Var(S) = n·(35/12). - Распределение S можно получить свёрткой PMF каждой кости; для больших n нормализация даёт приближённое нормальное распределение (центральная предельная теорема). - Два одинаковых раза — пример: сумма двух костей. - Возможные суммы 2…12, количество способов получить сумму s — это треугольная последовательность: 1,2,3,4,5,6,5,4,3,2,1. - Вероятность суммы s = количество способов / 36. Например, P(сумма=7) = 6/36 = 1/6. 4) Совместные результаты и полезные техники - Независимость: при независимости P(A∩B) = P(A)P(B). Часто используем для сочетания независимых бросков монеты и костей. - Линейность математического ожидания: E[∑ Xi] = ∑ E[Xi] — удобно считать ожидания суммы нескольких величин. - Закон больших чисел и нормальное приближение: - При большом n сумма S костей примерно нормально распределена с μ = 3.5n и σ^2 = (35/12)n. - для биномиального X с p = 0.5 можно пользоваться нормализацией: Z = (X − np)/sqrt(np(1−p)). - Моменты и распределения: - Бернулли: один испытание, два исхода. - Биномиальное: повторения Бернулли. - Равномерное дискретное на 1…6: одна кость. - Свёртка распределений даёт распределение суммы независимых величин. 5) Примеры задач (решения по шагам) - Пример 1: Честная монета подбрасывается 8 раз. Найдите вероятность ровно 5 орлов. - X ~ Binomial(8, 1/2). - P(X=5) = C(8,5) (1/2)^5 (1/2)^3 = C(8,5)/2^8 = 56/256 ≈ 0.21875. - Пример 2: В 5 бросках двух костей найдите вероятность, что сумма выпала 7. - Подсчитать число исходов: в две кости 36 равновероятных исходов; сумма 7 достигается 6 способами. P(sum=7) = 6/36 = 1/6. - Если нужна общая вероятность для всех 5 бросков пар костей, используйте свёртку по шагам (или используйте генераторную функцию). - Пример 3: Вероятность хотя бы одного орла в 12 подбрасываниях честной монеты. - P(хотя бы один орёл) = 1 − P(нет орла) = 1 − (1/2)^12 = 1 − 1/4096 ≈ 0.999755. - Если хотите, можно посчитать более подробно для варианта p ≠ 0.5. 6) Что полезно помнить на экзамене - Задавайте модель явно: X = число успехов (орлов) в n независимых повторениях; или S = сумма N бросков костей. - Выбирайте подходящую распределение: Bernoulli, Binomial, Uniform, сумма независимых величин. - Применяйте формулы ожидания и дисперсии, и при необходимости используйте нормализацию для больших n. - Проверяйте независимость и используйте закон умножения вероятностей там, где нужно. Если хочешь, могу подобрать конкретные задачи под твой курс или разобрать решение твоих примеров. Скажи, по каким темам нужен ударный разбор: биномиальное распределение, сумма костей (Ирвин–Холл), нормальное приближение, или задачи на независимость и условные вероятности?