
- •Ответы на вопросы.
- •1 Способ непосредственного подсчета вероятностей событий.
- •2 Статистический способ определения вероятностей событий.
- •3 Геометрический способ определения вероятностей событий.
- •4 Теорема сложения вероятностей для совместимых событий.
- •5 Теорема сложения вероятностей для несовместимых событий.
- •6 Зависимые и независимые события. Условные вероятности событий.
- •7 Теорема умножения вероятностей.
- •8 Формула полной вероятности.
- •9 Теорема гипотез (Формулы Бейеса).
- •10 Повторение испытаний. Формулы Бернулли.
- •11 Понятие случайной величины. Виды законов распределения.
- •12 Функция распределения случайной величины и ее свойства.
- •13 Плотность распределения случайной величины и ее свойства.
- •14 Вероятность попадания случайной величины на заданный участок.
- •15 Математическое ожидание случайной величины и ее свойства.
- •16 Дисперсия случайной величины и ее свойства. Среднее квадратичное отклонение.
- •17 Закон равномерной плотности.
- •18 Нормальный закон распределения.
- •19 Экспоненциальный закон распределения.
- •20 Вероятность попадания случайной величины на заданный участок.
- •21 Теорема Чебышева.
- •22 Теорема Бернулли.
- •23 Элементы математической статистики. Генеральная и выборочная совокупности. Статистическое распределение выборки.
- •24 Эмпирическая функция распределения, ее построение по опытным данным.
- •25 Гистограмма частот и относительных частот.
- •26 Статистические оценки параметров распределения. Несмещенные, эффективные и состоятельные оценки.
- •27 Интервальные оценки параметров распределения. Доверительный интервал.
- •28 Интервальная оценка математического ожидания нормального распределения при известном среднем квадратичном отклонении.
- •29 Интервальная оценка среднеквадратического отклонения нормального распределения.
- •30 Функция распределения системы случайных величин и ее свойства.
- •31 Плотность распределения системы случайных величин и ее свойства.
- •32 Законы распределения отдельных случайных величин, входящих в систему.
- •33 Условные законы распределения случайных величин.
- •34 Числовые характеристики системы двух дискретных случайных величин.
- •35 Числовые характеристики системы двух непрерывных случайных величин.
- •36 Условное математическое ожидание. Уравнение линии регрессии.
- •37 Корреляционный момент. Коэффициент корреляции.
- •38 Теорема сложения математических ожиданий.
- •39 Теорема сложения дисперсий.
- •40 Математическое ожидание линейной функции случайных аргументов.
- •44 Закон распределения суммы двух случайных величин.
- •45 Композиция одномерных нормальных законов.
- •46 Понятие о центральной предельной теореме.
- •47 Понятие о случайной функции.
- •48 Закон распределения случайной функции.
- •49 Математическое ожидание и дисперсия случайной функции.
- •50 Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция.
- •51 Определение характеристик случайной функции по опытным данным.
- •52 Сложение случайных функций.
- •53 Сложение случайной функции со случайной величиной.
- •54 Умножение случайной функции на неслучайную функцию.
- •55 Стационарная случайная функция и свойства ее характеристик.
7 Теорема умножения вероятностей.
Вероятность произведения двух событий равна произведению вероятности появления одного из них на условную вероятность появления другого события.
Доказательство.
Пусть опыт сводится к схеме случаев.
Пусть опыт имеет n элементарных равновозможных исходов, из которых событию A благоприятными являются m исходов, событию B - k исходов, а событию AB - l исходов, тогда
Из m исходов, в которых наступает событие A, благоприятных событию B, будет l исходов, поэтому условная вероятность события B равна
Аналогично из k исходов, в которых наступает событие B, благоприятных событию A, также будет l исходов, поэтому условная вероятность события A равна
Отсюда произведения вероятностей
Из этих выражений следует справедливость теоремы.
Следствие. Вероятность совместного появления нескольких событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились:
Частный случай теоремы умножения вероятностей: если события независимы, то вероятность произведения событий равна произведению вероятностей этих событий
Доказательство:
Пусть события A и B независимы между собой, тогда
но
Следовательно,
8 Формула полной вероятности.
Постановка задачи.
Пусть событие A
может произойти
только совместно с одним из следующих
событий:
которые являются несовместными между
собой и составляют полную группу.
Поскольку заранее неизвестно, какое из
этих событий наступит, их называют
гипотезами.
Требуется определить вероятность появления события A.
Решение.
По условию задачи событие A можно считать суммой произведений событий
Откуда вероятность события A будет равна сумме вероятностей этих событий
В компактной форме записи формула полной вероятности имеет вид
Пример 1: Приемник обнаруживает сигнал в условиях помех с вероятностью 0,5, а при отсутствии помех с вероятностью 0,8. Определить вероятность приема сигнала, если вероятность появления помех при приеме равна 0,4.
Решение.
Обозначим: через A
– событие приема сигнала приемником;
- событие появления помехи при приеме
сигнала;
- событие отсутствия помехи при приеме
сигнала.
Тогда вероятности
гипотез
и
будут равны:
а условные вероятности события A
при условии
гипотез
и
равны:
Согласно формуле полной вероятности вероятность события A
9 Теорема гипотез (Формулы Бейеса).
Постановка задачи. Пусть событие A может произойти только совместно с одним из следующих событий: которые являются несовместными между собой и составляют полную группу. Поскольку заранее неизвестно, какое из этих событий наступит, их называют гипотезами.
Провели испытание, и событие A произошло. Какая из гипотез вероятнее всего реализовалась?
Чтобы ответить на
поставленный вопрос, необходимо
определить условную вероятность гипотезы
где i
– 1,2,…,n.
Согласно теореме умножения вероятностей
.
Откуда условная вероятность гипотезы
будет равна
,
где P(A)
– полная
вероятность.
В общем случае формула Байеса запишется в виде
,
где
- вероятность гипотезы после испытания,
давшего событие A;
- вероятность гипотезы
до испытания.
Формула Байеса
применяется при решении практических
задач, когда событие A
произошло и требуется произвести
количественную переоценку вероятностей
событий
.
Априорные (до опыта) вероятности известны, и требуется вычислить апостериорные (после опыта) вероятности .
Пример 2: Неисправность в первом блоке передатчика влечет понижение выходной мощности с вероятностью 0,6, а неисправность во втором блоке - с вероятностью 0,2. Надежность работы первого (второго) блока характеризуется вероятностью 0,7 (0,3).
Какой из блоков необходимо проверить на исправность в первую очередь, если зафиксировано падение выходной мощности?
Решение.
Для ответа на этот
вопрос необходимо вычислить условные
вероятности гипотез:
,
,
где A – событие падения выходной мощности;
- событие неисправности в первом блоке;
- событие неисправности во втором блоке.
Из условия задачи априорные вероятности гипотез будут равны
а
условные вероятности события A
-
.
Тогда апостериорные вероятности определяются по формуле Байеса, т.е.
,
.
Вывод: в первую очередь необходимо проверить первый блок передатчика, так как больше, чем .