Категории: ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника |
Формула полной вероятности и формула БайесаЕсли событие А может произойти только при выполнении одного из событий , которые образуют полную группу несовместных событий, то вероятность события А вычисляется по формуле . Эта формула называется формулой полной вероятности. Вновь рассмотрим полную группу несовместных событий , вероятности появления которых . Событие А может произойти только вместе с каким-либо из событий , которые будем называть гипотезами. Тогда по формуле полной вероятности Если событие А произошло, то это может изменить вероятности гипотез . По теореме умножения вероятностей , откуда . Аналогично, для остальных гипотез Полученная формула называется формулой Байеса (формулой Бейеса). Вероятности гипотез называются апостериорными вероятностями, тогда как - априорными вероятностями. Пример. В магазин поступила новая продукция с трех предприятий. Процентный состав этой продукции следующий: 20% - продукция первого предприятия, 30% - продукция второго предприятия, 50% - продукция третьего предприятия; далее, 10% продукции первого предприятия высшего сорта, на втором предприятии - 5% и на третьем - 20% продукции высшего сорта. Найти вероятность того, что случайно купленная новая продукция окажется высшего сорта. Решение. Обозначим через В событие, заключающееся в том, что будет куплена продукция высшего сорта, через обозначим события, заключающиеся в покупке продукции, принадлежащей соответственно первому, второму и третьему предприятиям. Можно применить формулу полной вероятности, причем в наших обозначениях: Подставляя эти значения в формулу полной вероятности, получим искомую вероятность: Пример. Один из трех стрелков вызывается на линию огня и производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго - 0,5; для третьего - 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком. Решение. Возможны три гипотезы: - на линию огня вызван первый стрелок, - на линию огня вызван второй стрелок, - на линию огня вызван третий стрелок. Так как вызов на линию огня любого стрелка равновозможен, то В результате опыта наблюдалось событие В - после произведенных выстрелов мишень не поражена. Условные вероятности этого события при сделанных гипотезах равны: по формуле Байеса находим вероятность гипотезы после опыта: Пример. На трех станках-автоматах обрабатываются однотипные детали, поступающие после обработки на общий конвейер. Первый станок дает 2% брака, второй – 7%, третий – 10%. Производительность первого станка в 3 раза больше производительности второго, а третьего – в 2 раза меньше, чем второго. а) Каков процент брака на конвейере? б) Каковы доли деталей каждого станка среди бракованных деталей на конвейере? Решение. Возьмем с конвейера наудачу одну деталь и рассмотрим событие А – деталь бракованная. Оно связано с гипотезами относительно того, где была обработана эта деталь: – взятая наудачу деталь обработана на -ом станке, . Условные вероятности (в условии задачи они даны в форме процентов): Зависимости между производительностями станков означают следующее: . А так как гипотезы образуют полную группу, то . Решив полученную систему уравнений, найдем: . а) Полная вероятность того, что взятая наудачу с конвейера деталь – бракованная: . Другими словами, в массе деталей, сходящих с конвейера, брак составляет 4%. б) Пусть известно, что взятая наудачу деталь – бракованная. Пользуясь формулой Байеса, найдем условные вероятности гипотез: , , . Таким образом, в общей массе бракованных деталей на конвейере доля первого станка составляет 33%, второго – 39%, третьего – 28%.
8. Рассматриваются теорема Муавра-лапласса и формулы Бернулли и Пуассона. Рассмотрим пример. Пусть Некто бросил монетку два раза. Считая каждый исход "орел" - "решка" равновероятным и независимым от предыдущего результата, получим следующие варианты результатов: . где обозначено появление - "решки" и - "орла". Понятно, что при этом , так как появление "орла" или "решки" события равновероятные. Для удобства введем обозначение . Очевидно, что . Пусть теперь монету кидают 3 раза. Теперь возможны разных вариантов исходов: Можно убедиться самостоятельно, что, если монетку кидать 4 раза, то получится различных вероятных комбинаций. Рассуждая далее, имеем, что в случае испытаний Некто получит одну из комбинаций исходов. Так как испытания независимые, то, применяя теорему умножения вероятностей найдем вероятности каждого из проведенных испытаний (табл. 5.1 для ; табл. 5.2 для ).
Проанализируем табл. 5.2 более подробно. Заметим, что не появление события А во всех трех испытаниях имеет вероятность , соответствующую только одному единственному исходу . Тогда вероятность, появления события А один раз соответствует (см. табл. 3) Аналогично, вероятность появления 2-х раз А будет равна . И, наконец, если событие А состоялось все три раза, то Можно убедиться, что эти события образуют полную группу, т.е. Если рассмотреть вероятность , вероятность появления собы-тия А m раз в n испытаниях, то, рассуждая так, как это было представлено ранее получим формулу
которая известна как формула Бернулли.Эта формула определяет вероятность появления события А раз в испытаниях. В формулу входит коэффициент , который читается как число сочетаний из исходов по раз. Более коротко число сочетаний из по . Вычисляется по простой формуле: Пример 1. В ящике лежат 20 белых и 10 черных шара. 4 раза извлекали шар, причем после каждого раза взятый шар возвращался в ящик и все шары тщательно перемешивались. Найти вероятность того, что 2 раза из 4-х был извлечен белый шар. Решение. Решим задачу двумя способами. 1 способ. Обозначим событие – "вытащили белый шар", - "вытащили черный шар". Тогда рассмотрим все возможные комбинации появления шаров. Таких комбинаций будет : Нас интересуют только те исходы, в которых появляются по 2 раза белые и черные шары. Всего таких исходов 6. Вероятность вытащить белый шар в каждом из испытаний, так как по условию задачи шарик после испытания возвращается в ящик. Аналогично вычисляем вероятность извлечения черного шарика . Подсчитаем теперь искомую вероят-ность: , где 6 - количество благоприятных исходов; - вероят-ность появления белого шара в любых 2-х испытаниях; - вероятность появления черного шара в любых 2-х испытаниях. 2 способ. Для решения воспользуемся формулой Бернулли (1): Как видим ответы совпадают, однако первый способ не всегда удобен в применении. Особенно, если речь идет о значительном количестве испытаний. Пример 2. Вероятность попадания стрелка в цель 0,8. Стрелок делает 10 выстрелов. Найти вероятность, что цель будет поражена 8 раз. Решение. Для решения задачи воспользуемся формулой Бернулли: Можно легко убедиться в справедливости следующих равенств: Все эти формулы являются частным случаем формулы (1). При испытаниях некоторое событие, имеющее вероятность может появиться несколько раз, однако, если обозначить - наименьшее количество раз появление некоторого события при испытаниях, то получим
Очевидно, что выполняется при , т.е. - это гарантированное число появлений события при испытаниях. Иными словами, появление события большее количество раз или меньшее будет менее вероятным, чем . Если и , тогда можно записать
где - наивероятнейшее число появления события А при испытаниях; - вероятность появления события А при одном испытании; . Если и не целые числа, то тогда они округляются до ближайшего целого, но так, чтобы интервал не увеличивался. Пример 3. В ящике лежат 100 отшлифованных поделочных камня и 80 не шлифован-ных. Из ящика извлекают 20 камней. Какое наивероятнейшее число шлифованных камней будет извлечено при этом. Решение. Определим и - вероятности извлечения и шлифованного, и не шлифованного поделочного камня. Так как общее число камней в ящике 180, то эти вероятности просто подсчитать: Тогда определим по формуле (3): Округлим левую границу с избытком, а правую с недостатком получим, что Т.е. среди 20 извлеченных камней не меньше 11 будут шлифованными. Часто на практике приходиться решать обратную задачу, когда известно количество , а нужно определить сколько раз необходимо провести испытания. Пример 4. В ящике лежат 100 шлифованных поделочных камня и 80 не шлифованных. Мастеру необходимо 11 шлифованных камней. Сколько камней, не выбирая, ему надо взять, чтобы среди взятых было нужное количество шлифованных камней? Решение. Эта задача обратная задаче, рассмотренной в примере 3. Теперь известно , нужно найти . Для этого выполним простейшее преобразо-вание неравенства (3): отнимем от всех его частей и , получим Умножим последнее неравенство на (- 1) и разделим на , тогда (при умножении на -1 знаки неравенства меняются на противоположные):
Воспользуемся полученной формулой (4) для решения нашего примера. откуда или Округляя до целых, получим, что мастеру надо достать 19 либо 20 камней, чтобы среди них гарантиро-ванно было 11 шлифованных. Пример 5. Вероятность попадания стрелка в цель равна 0,8. Стрелок делает 20 выстре-лов. определить наивероятнейшее количество попаданий. Решение. Для решения задачи воспользуемся формулой (3): откуда Следовательно, стрелок скорее всего попадет 16 раз. Если число испытаний большое, , а вероятность появления события при каждом испытании мала, , то для отыскания вероятности что при испытаниях некоторое событие случится раз используют приближенную формулу Пуассона, которая является обобщением формулы Бернулли:
где
Формулу ( 5) часто называют локальной теоремой Муавра-Лапласса. Здесь функция . Существуют специальные таблицы, позволяющие вычислить значение данной функции по ее аргументу. На практике вычисляют , а затем по таблицам определяют значение функции. Если аргумент получился отрицательным, то значение функции будет такое же, как и при положительном аргументе. Т.е. . Если вероятность появления события мала ( ), то для отыскания того, что испытание состоится раз, можно воспользоваться формулой Пуассона:
где - среднее число появления событий. Если вероятность появления события меняется от испытания к испытанию, но сами испытания независимы, то тогда используется производящая функция , представляющая собой произведение вероятностных биномов. Эта функция обладает интересным свойством, которое просто проведем здесь без доказательства. После перемножения всех биномов и приведения подобных при коэффициенты при степенях представляют собой вероятность того, что событие появится раз в испытаниях, т.е.
Пример 6. Связь с шестью дальними партиями была организована через радио посред-ством радиостанций. Каждый отряд в течение дня имеет возможность в любое время связаться с базой, где радиостанция работает круглосуточно. Если вероятность связи с каждым из отрядов 0,8, найти вероятность того, что в данный момент не менее четырех партий вышли на связь. Решение. Для решения задачи воспользуемся производящей функцией. Определим па-раметры функции: . Построим функцию Сумма всех коэффициентов равна 1, в чем можно убедиться самостоятельно. По условию задачи нам не-обходимо учесть коэффициенты при членах . Тогда искомая вероятность будет равна Пример 7. Два специалиста сортируют алмазы, которые затем собирают по размерам. Вероятность ошибки первого 0,1, а второго - 0,3. Из отсортированных алмазов одного размера взяли 2. Най-ти вероятность того, что оба алмаза будут одного размера. Решение. Для решения задачи воспользуемся производящей функцией. Определим па-раметры функции: для первого специалиста . Построим функцию: . По условию задачи нам необходимо учесть коэффициент при , т.е. искомая вероятность будет равна . Пример 8. Статистикой установлено, что из каждой 1000 родившихся детей в среднем рождается 485 девочек, а остальные - мальчики. В семье 5 детей. Найти вероятность того, что среди этих детей: 3 мальчика. Решение. Для решения задачи воспользуемся локальной теоремой Муавра – Лапласа, для которой определим необходимые переменные: . Воспользуемся формулами (5) и (6): . Из таблицы находим значение функции Теперь полученные значения подставим в формулу (5), получим: Теорему Бернулли часто используют тогда, когда необходимо оценить вероятность наибольшего отклонения появления событий от ее ожидаемого значения. Случайной величиной в этом случае является число появлений событий и независимых испытаниях. В этом случае теорема Бернулли записывается так:
Пример 9. Из 1000 изделий, изготовленных цехом, проверили 200 случайно отобранных изделий. Среди них оказалось 25 изделий с браком. Приняв долю бракованных изделий среди отобранных за вероятность изготовления бракованного изделия, оценить вероятность того, что во всей партии бракованных изделий окажется не более 10%. Решение. Определим вероятность изготовления бракованного изделия: . Отклонение частости появлений бракованных изделий от вероятности по абсолютной величине равно Число испытаний 1000. Используем формулу (9) и находим искомую вероятность: откуда - получаем ответ. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-08-11 lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда... |