فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف


در حال بارگذاری
10 جولای 2025
فایل فشرده
20870
1 بازدید
۹۹,۰۰۰ تومان
خرید

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف دارای ۲۰ اسلاید می باشد و دارای تنظیمات کامل در Power Point می باشد و آماده پرینت یا چاپ است

فایل پاور پوینت فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف :

فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف

در ریاضیات می توانیم مبحثی را با چند قانون شروع کنیم سپس با استفاده از این قوانین اولیه، قوانین دیگری به وجود آوریم. معمولاً این قوانین اولیه از نظر ریاضی بدیهی (self evident) هستند.به این قوانین اولیه فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف می‌گویند. نظریه احتمالات نیز چنین روندی را دنبال می کند و به قوانین اولیه آن فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف (به انگلیسی: probability axioms) می گویند.

در اینجا به فایل کامل مطالعه اصول احتمال با بررسی مبانی ریاضی، کاربردهای آماری و نقش آن در علوم مختلف کولموگروف (Kolmogorov axioms) می‌پردازیم. این اصول عبارتند از:

اگر F {\displaystyle F} F فضای نمونه و E {\displaystyle E} E پیشامدی از فضای نمونه باشد آنگاه
P ( E ) ∈ R , P ( E ) ≥ 0 ∀ E ⊆ F {\displaystyle P(E)\in \mathbb {R} ,\ P(E)\geq 0\qquad \forall E\subseteq F} {\displaystyle P(E)\in \mathbb {R} ,\ P(E)\geq 0\qquad \forall E\subseteq F}
اگر F {\displaystyle F} F فضای نمونه باشد آنگاه
P ( F ) = 1 {\displaystyle P(F)=1} {\displaystyle P(F)=1}
اگر E1 و E2 و … پیشامدهایی ناسازگار شمارش‌پذیر از فضای نمونه F {\displaystyle F} F باشند آنگاه
P ( E 1 ∪ E 2 ∪ ) = ∑ i = 1 ∞ P ( E i ) . {\displaystyle P(E_{1}\cup E_{2}\cup \cdots )=\sum _{i=1}^{\infty }P(E_{i}).} {\displaystyle P(E_{1}\cup E_{2}\cup \cdots )=\sum _{i=1}^{\infty }P(E_{i}).}

حال با استفاده از این سه اصل به استخراج نتایجی می پردازیم.

محتویات

احتمال زیرمجموعه‌های یک پیشامد
احتمال مجموعه تهی
کران بالا و پایین احتمال پیشامدهای فضای نمونه
احتمال متمم یک پیشامد
احتمال اجتماع دو پیشامد
منابع

احتمال زیرمجموعه‌های یک پیشامد

گزاره: اگر A ⊆ B {\displaystyle \quad A\subseteq B\quad } {\displaystyle \quad A\subseteq B\quad } آنگاه P ( A ) ≤ P ( B ) {\displaystyle P(A)\leq P(B)} {\displaystyle P(A)\leq P(B)}

اثبات: چون A ⊆ B {\displaystyle \quad A\subseteq B\quad } {\displaystyle \quad A\subseteq B\quad } است پس می توان B {\displaystyle B} B را به صورت B = A ∪ ( A ′ ∩ B ) {\displaystyle B=A\cup (A”\cap B)} {\displaystyle B=A\cup (A”\cap B)} نوشت و چون این دو پیشامد ناسازگار هستند بنا بر اصل ۳ داریم:

P ( B ) = P ( A ) + P ( A ′ ∩ B ) {\displaystyle P(B)=P(A)+P(A”\cap B)} {\displaystyle P(B)=P(A)+P(A”\cap B)}

و بنا بر اصل ۱ چون P ( A ′ ∩ B ) ≥ 0 {\displaystyle P(A”\cap B)\geq 0} {\displaystyle P(A”\cap B)\geq 0} نتیجه به دست می آید (منظور از A ′ {\displaystyle A”} {\displaystyle A”} متمم A {\displaystyle A} Aاست).
احتمال مجموعه تهی

گزاره: اگر F {\displaystyle F} F فضای نمونه و ∅ {\displaystyle \emptyset } {\displaystyle \emptyset } نشان دهنده پیشامد تهی باشد آنگاه

P ( ∅ ) = 0 {\displaystyle P(\emptyset )=0} {\displaystyle P(\emptyset )=0}

اثبات: می دانیم F ∪ ∅ = F {\displaystyle F\cup \emptyset =F} {\displaystyle F\cup \emptyset =F} و دو پیشامد ناسازگار هستند پس بنا بر اصل ۲و ۳ داریم

P ( F ∪ ∅ ) = P ( F ) + P ( ∅ ) = 1 ⇒ P ( ∅ ) = 0 {\displaystyle P(F\cup \emptyset )=P(F)+P(\emptyset )=1\Rightarrow \;P(\emptyset )=0} {\displaystyle P(F\cup \emptyset )=P(F)+P(\emptyset )=1\Rightarrow \;P(\emptyset )=0}

کران بالا و پایین احتمال پیشامدهای فضای نمونه

گزاره: اگر A {\displaystyle A} A پیشامدی از فضای نمونه F {\displaystyle F} F باشد آنگاه داریم

۰ ≤ P ( A ) ≤ 1 {\displaystyle 0\leq P(A)\leq 1} {\displaystyle 0\leq P(A)\leq 1}

اثبات:

∅ ⊆ A ⊆ F ⇒ P ( ∅ ) ≤ P ( A ) ≤ P ( F ) ⇒ 0 ≤ P ( A ) ≤ 1 {\displaystyle \emptyset \subseteq A\subseteq F\Rightarrow \;P(\emptyset )\leq P(A)\leq P(F)\Rightarrow \;0\leq P(A)\leq 1} {\displaystyle \emptyset \subseteq A\subseteq F\Rightarrow \;P(\emptyset )\leq P(A)\leq P(F)\Rightarrow \;0\leq P(A)\leq 1}

احتمال متمم یک پیشامد

گزاره:اگر A {\displaystyle A} A پیشامدی از فضای نمونه F {\displaystyle F} F و A ′ {\displaystyle A”} {\displaystyle A”} متمم پیشامد A {\displaystyle A} A باشد آنگاه

P ( A ′ ) = 1 − P ( A ) {\displaystyle P(A”)=1-P(A)} {\displaystyle P(A”)=1-P(A)}

اثبات:

A ∪ A ′ = F ⇒ P ( A ∪ A ′ ) = P ( F ) ⇒ P ( A ) + P ( A ′ ) = 1 ⇒ P ( A ′ ) = 1 − P ( A ) {\displaystyle A\cup A”=F\Rightarrow \;P(A\cup A”)=P(F)\Rightarrow \;P(A)+P(A”)=1\Rightarrow \;P(A”)=1-P(A)} {\displaystyle A\cup A”=F\Rightarrow \;P(A\cup A”)=P(F)\Rightarrow \;P(A)+P(A”)=1\Rightarrow \;P(A”)=1-P(A)}

احتمال اجتماع دو پیشامد

گزاره: اگر A {\displaystyle A} A و B {\displaystyle B} B دو پیشامد از فضای نمونه F {\displaystyle F} F باشد آنگاه

P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A ∩ B ) {\displaystyle P(A\cup B)=P(A)+P(B)-P(A\cap B)} {\displaystyle P(A\cup B)=P(A)+P(B)-P(A\cap B)}

اثبات:

( A ∪ B ) = A ∪ ( A ′ ∩ B ) ⇒ P ( A ∪ B ) = P ( A ) + P ( A ′ ∩ B ) {\displaystyle (A\cup B)=A\cup (A”\cap B)\Rightarrow \;P(A\cup B)=P(A)+P(A”\cap B)} {\displaystyle (A\cup B)=A\cup (A”\cap B)\Rightarrow \;P(A\cup B)=P(A)+P(A”\cap B)}
B = ( A ∩ B ) ∪ ( A ′ ∩ B ) ⇒ P ( B ) = P ( A ∩ B ) + P ( A ′ ∩ B ) ⇒ P ( A ′ ∩ B ) = P ( B ) − P ( A ∩ B ) {\displaystyle B=(A\cap B)\cup (A”\cap B)\Rightarrow \;P(B)=P(A\cap B)+P(A”\cap B)\Rightarrow \;P(A”\cap B)=P(B)-P(A\cap B)} {\displaystyle B=(A\cap B)\cup (A”\cap B)\Rightarrow \;P(B)=P(A\cap B)+P(A”\cap B)\Rightarrow \;P(A”\cap B)=P(B)-P(A\cap B)}

با استفاده از نتایج به دست آمده در دو سطر بالا داریم

P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A ∩ B ) {\displaystyle P(A\cup B)=P(A)+P(B)-P(A\cap B)} {\displaystyle P(A\cup B)=P(A)+P(B)-P(A\cap B)}

  راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.