
- •Випадкові події та ймовірності
- •§ 1.1. Випадкові події. Класичне визначення ймовірності
- •2. Алгебра подій.
- •4. Застосування елементів комбінаторики до знаходження ймовірностей.
- •§ 1.2. Геометрична ймовірність. Статистичне й аксіоматичне визначення ймовірності
- •Властивості ймовірності
- •1.Теорема складання ймовірностей несумісних подій.
- •2.Теорема множення ймовірностей.
- •3.Теорема множення ймовірностей одночасних подій.
- •4.Формула повної ймовірності.
- •1.4. Випадкові події в фізиці , хімії, біології
- •Розділ іі випадкові величини
- •§ 2.1. Дискретні випадкові величини
- •1. Поняття «випадкові величини».
- •§ 2.2. Математичне сподівання дискретної випадкової величини
- •2. Властивості математичного сподіванняя дискретної випадкової величини.
- •§ 2.3. Дисперсія дискретної випадкової величини
- •3. Середнє квадратичне відхилення.
- •4. Поняття прo моменти розподілу.
- •§2.4. Основні закони розподілу дискретних випадкових величин.
- •§ 2.5. Неперервні випадкові величини
- •2.6. Математичне сподівання і дисперсія нескінченої випадкової величини
- •2.7.Основні закони розподілу нескінченних випадкових величин
- •2.8.Закон великих чисел
- •1.Нерівність Чебишева.
- •§ 2.9. Граничні теореми теорії ймовірності
- •§ 3.1. Поняття про двовимірну випадкову величину
- •§ 3.2. Функція розподілу двовимірної випадкової величини
- •Визначення функції розподілу двовимірної випадкової величини і її властивості.
- •2. Ймовірність попадання випадкової точки в напівсмугу і прямокутник.
- •§ 3.3. Щільність ймовірності двовимірної випадкової величини
- •Двовимірна щільність ймовірності і її властивості.
- •2. Знаходження функції розподілу двовимірної випадкової величини за допомогою двовимірної щільності імовірності.
- •§ 3.4. Знаходження щільності імовірності складових двовимірної випадкової величини
- •§ 3.5. Умовні закони розподілу складових двовимірних дискретних і неперервних випадкових величин
- •1. Умовні закони розподілу складових двовимірних дискретних випадкових величин.
- •2. Умовні закони розподілу складових двовимірних неперервних випадкових величин.
- •§ 3.6. Незалежність випадкових величин
- •§ 3.7. Елементи теорії кореляції
- •2. Кореляційний момент і коефіцієнт кореляції.
- •4. Нормальний розподіл двовимірної випадкової величини.
- •Елементи математичної статистики
- •§ 4.1. Генеральна сукупність і вибірка
- •2. Статистичний розподіл вибірки. Полігон. Гістограма.
- •§ 4.2. Оцінки параметрів генеральної сукупності по її вибірці
- •§ 4.3. Довірчі інтервали для параметрів нормального розподілу
3.Теорема множення ймовірностей одночасних подій.
Теорема. Ймовірність суми двох одночасних подій А і В дорівнює сумі ймовірностей цих подій мінус ймовірність їх добутку:
Р(А+В)=Р(А) + Р(В)-Р(АВ) (1.12)
Доведення. Нехай з усього числа n –елементарних подій k сприяє події A , l- події В і m-одночасно подіям А і В. Звідси події А+В сприяють k+l-m елементарних подій. Тоді
Р(А+В)= k+l-m /n=k /n+l /n-m /n=Р(А)+Р(В)-Р(АВ)
Зауваження 1. При використанні формули ( 1.12) слід мати на увазі , що події А і В можуть бути як незалежними так і залежними.
Для незалежних подій
Р(А+В)=Р(А) + Р(В)- Р(А)Р(В) (1.13)
Для залежних подій
Р(А+В)=Р(А)+Р(В)-Р(А)РА(В)
Зауваження 2. Якщо події А і В несумісні, то їх сума АВ є неможливою подією і, звідси Р(АВ)=0, тобто формула (1.4) являється частковим випадком формули (1.12).
Приклад. Ймовірність попадання в ціль при стрілянні з першої і другої рушниці дорівнює : Р(А)=0.7 і Р(В)=0.8.
Знайдемо ймовірність попадання при одному залпі (з обох рушниць) хоча би однією із рушниць.
Очевидно, подія А і В сумісні і незалежні. Тому Р(А+В)= Р(А)+ Р(В)- Р(АВ)=0.7+0.8-0.7·0.8=1.5-0.56=0.94
4.Формула повної ймовірності.
Теорема. Ймовірність події А, яка може наступити лише при умові появи однієї з попарно несумісних подій В1 ,В2 ,Вn , утворюючих повну групу, дорівнює сумі добутку ймовірностей кожної з цих подій на відповідну умовну ймовірність події А:
Р(А)=Р(В1)РВ1(А)+Р(В2)РВ2(А)+…+Р(Вn)РВn(А) (1.14)
(формула повної ймовірності)
Події В1 ,В2 ,Вn будемо називати гіпотезами.
Доведення. Подія А може наступити лише при умові наставання однієї із подій В1 ,В2 ,Вn, тобто А=В1 А+В2 А+Вn А, причому з огляду на несумісність подій В1 ,В2 ,Вn події В1 А, В2 А,…Вn А також несумісні. Тому на основі теорем додавання та множення ймовірностей маємо:
Р(А)=Р(В1 А)+Р(В2 А)+…+Р(Вn А)=Р(B1)PB1(A)+P(B2) PB2(A)+…+P(Bn)PBn P(A).
Приклад. Маємо три однакових на вигляд ящика. В першому знаходиться дві білі миші і одна сіра, в другому - три білих і одна сіра, в третьому - дві білі і дві сірі миші. Яка ймовірність того, що з навмання вибраного ящика буде вийнята біла миша?
Позначимо В1- вибір першого ящика, В2- вибір другого ящика, В3- вибір третього ящика, А- вибір білої миші.
Так як всі ящики однакові, то РВ1=Р(В2)=Р(В3)=1/3. Якщо вибраний перший ящик, то РВ1(А)=2/3. Аналогічно РВ2(А)=1/2.
Нарешті, за формулою (1.14) отримуємо
Р(А)=1/3·2/3+1/3·3/4+1/3·1/2=23/36.
Приклад 2. В санаторії 30% пацієнтів – чоловіків(Ч) і 70% - жінки(Ж). Хвороби серця серед чоловіків зустрічаються в два рази частіше, ніж серед жінок. Яка ймовірність того, що наугад вибраний пацієнт сердечник?
Позначивши С – наявність захворювання серця, запишемо:
Р(Ч)=0,3, Р(Ж)=0,7, Рч(С)=2/3, Рж(С)=1/3.
Підставляючи ці числа в формулу повної ймовірності(1.14), отримаємо
Р(С)=0,3·2/3+0,7·1/3=0,2+0,23=0,43.
Задача. На місто приблизно 100днів в році дує вітер з сходу і 200 днів в році – з заходу. Промислові підприємства, розташовані на сході, здійснюють викид шкідливих речовин кожен третій день, а розташовані на заході - в останній день кожного тижня. Як часто місто піддається дії шкідливих викидів? Іншими словами, яка ймовірність того, що в навмання вибраний день, місто буде накрите промисловим смогом?
Позначивши С – вітер з сходу, З- вітер з заходу, В- дія шкідливих речовин на місто, можемо записати:
Р(С)=100/365=20/73=0,27; Р(З)=200/376=40/73=0,55;
РС(В)=1/3=0,33; Рз(В)=1/7=0,14
Звідси, по формулі повної ймовірності
Р(С)=Р(С)Рс(В)+Р(З)Рз(В)=20/73·1/3+40/73·1/7=0,09+0,08=0,17.
Таким чином , біля двох місяців в році місто накрите смогом.
5. Формули Байєса. Нехай в умовах роздуму, що відноситься до формули повної ймовірності, здійснилося одне випробування, в результаті якого виконалася подія А. Питається, як змінилися ( в зв»язку з тим, що подія А вже відбулася) ймовірності гіпотез, тобто величини Р(Вк), к=1,2,…,n?
Знайдемо умовну ймовірність РА(ВК). за формулою (1.18) маємо
Р(АВк)=Р(А)РА(Вк)=Р(Вк)РВк(А)
Звідси
РА(Вк)= Р(Вк) РВк(А)/Р(А)
Нарешті, використовуючи формулу повної ймовірності, знаходимо
РА(Вк)=
Р(Вк)
РВк(А)/
РВк(А)/
,
к=1,2,…n.
(1.15)
Вираження (1.15) називають формулами Байєса.
Приклад. Партія деталей виготовлена трьома робочими, причому перший робочий виготовив 25 % всіх деталей, другий – 35 %, третій – 40%. В продукції першого робочого брак складає 5 %, в продукції другого -4% і в продукції третього – 2 %. Випадково вибрана для контролю деталь виявилася бракованою. Яка ймовірність того, що вона виготовлена другим робочим? Введем визначення для подій: А – вибрана для контролю деталь виявилась бракованою; В1 В2 В3 – ця деталь виготовлена відповідно першим, другим і третім робочим. Маємо:
Р(В1)=0,25; Р(В2)=0,35; Р(В3)=0,40;
РВ1(А)=0,05; РВ2(А)=0,04; РВ3(А)=0,02.
За формулою Байєса знаходимо
РА(В2)=0,35·0,04/0.25·0.05+0.35·0.04+0.40·0,02=0,4
Як тут, так і в ряді інших прикладів для полегшення обчислень можна використовувати калькулятор.