
- •7. Теорема сложения вероятностей.
- •8. Теорема умножения вероятностей
- •9. Условная вероятность.
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез. ( Формула Байеса)
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения случайной величины
- •15. Интегральная Функция распределения Св и ее св-ва:
- •17.Мат. Ожидание и его свойства.
- •18.Мат. Ожидание непрерывной св
- •19.Мода и медиана
- •20.Дисперсия случайной величины
- •21.Свойства дисперсии
- •22. Система случайных величин. Свойства распределения двумерного случайного вектора
- •23. Функция распределения дискретного двумерного случайного вектора.
- •24. Интегральная функция распределения непрерывного двумерного случайного вектора.
- •25.Условные законы распределения. Зависимые и независимые св
- •29. Функция одной непрерывной случайной величины
- •30,31. Корреляционный момент св х и у и его св-ва.
- •29. Формула Бернулли
- •30. Наивероятнейшим числом наступления события
- •31. Асимптотические формулы вычисления вероятностей
- •32. Биномиальный закон распределения
- •33. Закон распределения Пуассона
- •34. Равномерный закон распределения
- •35. Показательный закон распределения
- •36. Нормальный закон распределения
- •37. Математическое ожидание нормального закона распределения.
- •38. Дисперсия нормального закона распределения.
- •39. Функция Лапласа и ее связь с функцией распределе- ния нормальной случайной величины
- •40. Правило 3 сигм
- •43. Теорема Чебышева
- •44. Теорема Бернулли
- •45. Теорема Ляпунова
- •46. Интегральная теорема Лапласа
- •Виды статистических наблюдений:
- •49. Виды измерений
- •Количественные измерения
- •Порядковые (ранговые) измерения
- •Номинальные измерения
- •Статистические таблицы
- •50. Методы ранжирования
- •51. Группировка и табулирование количественных данных
- •52. Графическое изображение вариационных рядов
- •53. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •54. Показатели вариации
- •55. Ассиметрия и эксцесс
- •56. Оценка показателей альтернативного признака
- •57. Доверительные интервалы(точечные и интервальные оценки показателей распределения)
12. Теорема гипотез. ( Формула Байеса)
Следствием теоремы умножения и формулы полной вероятности является так называемая гипотез, или формула Байеса. Поставим следующую задачу.
Имеется
полная группа несовместных гипотез
.
Вероятности этих гипотез до опыта
известны и равны соответственно
.
Произведен опыт, в результате которого
наблюдено появление некоторого события
.
Спрашивается, как следует изменить
вероятности гипотез в связи с появлением
этого события?
Здесь,
по существу, речь идет о том, чтобы найти
условную вероятность
для каждой гипотезы.
Из теоремы умножения имеем:
или,
отбрасывая левую часть,
откуда
,
Выражая Р(А) с помощью формулы полной вероятности, имеем
,
Пример. Два стрелка независимо один от другого стреляют по одной мишени, делая каждый по одному выстрелу. Вероятность попадания в мишень для первого стрелка 0,8, для второго 0,4. После стрельбы по мишени обнаружена одна пробоина. Найти вероятность того, что эта пробоина принадлежит первому стрелку.
Решение. До опыта возможны следующие гипотезы:
ни
первый, ни второй не попадут;
оба попадут;
первый попадет, второй
нет;
первый не попадет, второй попадет.
Вероятность этих гипотез:
=0,20,6=0,12;
=0,32;
=0,80,6=0,48;
=0,20,4=0,08.
Условные вероятности наблюденного события при этих гипотезах:
;
;
;
.
После опыта невозможные гипотезы и .
.
13. Дискретные и непрерывные случайные величины
Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, не известно заранее, какое именно. Различают величины дискретного и непрерывного типа. Возможные значения дискретной величины могут быть заранее перечислены.
Возможные значения непрерывной величины не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.
Примеры дискретных случайных величин:
число появлений герба при 3-х бросаниях монеты: 0, 1, 2, 3;
число отказавших элементов в приборе, состоящем из пяти элементов0,1,2,3,4,5;
число попаданий в самолет, достаточное для вывода его из строя1,2,3,…, ,…;
число сбитых в воздушном бою самолетов0,1,2,…,
; где общее число боевых самолетов.
Примеры непрерывных случайных величин:
абсцисса (ордината) попадания при выстреле;
расстояние от точки попадания до центра мишени;
ошибка измерителя высоты;
время безотказной работы радиолампы.
Будем
обозначать случайные величины большими
буквами
,
а их возможные значения
соответствующими малыми буквами.
Например,
число попаданий при 3-х выстрелах;
возможные значения -
.
Рассмотрим
дискретную случайную величину
с возможными значениями
.
может принимать любое из этих значений
с некоторой вероятностью. В результате
опыта произойдет одно из полной группы
событий
.
Вероятности этих событий обозначим
буквой
с соответствующими индексами –
.
Т.к.
эти несовместные события образуют
полную группу, то
.
Эта суммарная вероятность каким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана, с вероятностной точки зрения, если мы зададим это распределение, т.е. в точности укажем, какой вероятностью обладает каждое из событий . Этим мы установим так называемый закон распределения случайной величины.