- •Раздел 9. Элементы теории вероятности
- •9.1 Дискретное и произвольное пространство элементарных событий
- •1. Дискретное вероятностное пространство. Классическое определение вероятности
- •2. Операции над событиями
- •3. Формула полной вероятности
- •4. Формула Байеса (формула гипотез)
- •5. Повторение испытаний. Формула Бернулли
- •7. Распределение Пуассона дискретной случайной величины
- •9.2 Случайные величины и их числовые характеристики
- •1. Непрерывная и дискретная случайная величина
- •2. Числовые характеристики дискретных случайных величин
- •3. Свойства математического ожидания
- •4. Дисперсия случайной величины
- •5. Вычисление дисперсии
- •6. Свойства дисперсии
- •7. Числовые характеристики непрерывных случайных величин
- •Свойства функции распределения
- •Свойства плотности распределения.
- •9.3 Распределения непрерывных случайных величин.
- •8. Равномерное распределение непрерывной случайной величины
- •9. Показательное распределение непрерывной случайной величины
- •10. Нормальный закон распределения непрерывной случайной величины
- •11. Функция Лапласа
- •9.4 Многомерные случайные величины. Распределение двумерных случайных величин.
- •1. Понятие многомерной случайной величины
- •2. Двумерные случайные величины и их функция распределения
- •3. Плотность распределения системы двух случайных величин
- •4. Условные законы распределения двумерной случайной величины
- •5. Условное математическое ожидание дискретной случайной величины
- •6. Зависимые и независимые случайные величины
- •7. Двумерный нормальный закон распределения случайной величины
- •8. Понятие двумерного нормального закона для мерной случайной величины
- •9.5 Предельные теоремы теории вероятности.
- •1. Закон больших чисел. Неравенство Чебышева
- •2. Теорема Чебышева
- •3. Теорема Бернулли
- •4. Предельные теоремы теории вероятностей
- •9.6 Случайные процессы. Цепи Маркова.
- •1. Понятие случайного процесса
- •2. Поток событий и его характеристики
- •3. Поток Пальма
- •4. Потоки Эрланга
4. Формула Байеса (формула гипотез)
Пусть имеется полная группа несовместных гипотез с известными вероятностями их наступления . Пусть в результате опыта наступило событие А, условные вероятности которого по каждой из гипотез известны, т.е. известны вероятности .
Требуется
определить какие вероятности имеют
гипотезы
относительно события А, т.е. условные
вероятности
.
Теорема. Вероятность гипотезы после испытания равна произведению вероятности гипотезы до испытания на соответствующую ей условную вероятность события, которое произошло при испытании, деленному на полную вероятность этого события:
.
Эта формула называется формулой Байеса.
Доказательство. По теореме умножения вероятностей находим:
.
Тогда если
то
.
Для нахождения вероятности
используем формулу полной вероятности:
.
Если до
испытания все гипотезы равновероятны
с вероятностью
,
то формула Байеса принимает вид:
.
Пример. Трое охотников одновременно выстрелили по медведю, который был убит одной пулей. Определить вероятность того, что медведь был убит первым стрелком, если вероятности попадания для этих стрелков равны соответственно 0,3, 0,4, 0,5.
В этой задаче требуется определить вероятность гипотезы уже после того, как событие уже совершилось. Для определения искомой вероятности надо воспользоваться формулой Байеса. В нашем случае она имеет вид:
,
где
– гипотезы, что медведя убьет первый,
второй и третий стрелок соответственно.
До произведения выстрелов эти гипотезы
равновероятны и их вероятность равна
.
Вероятность того, что медведя убил
первый стрелок при условии, что выстрелы
уже произведены (событие А) имеет
вид
.
Вероятности того, что медведя убьет первый, второй или третий стрелок, вычисленные до выстрелов, равны соответственно:
;
;
,
где
вероятности промаха для каждого из
стрелков, рассчитаны по формуле
,
где р – вероятности попадания для
каждого из стрелков.
Подставим эти значения в формулу Байеса, находим:
Пример. Известно, что 96 % выпускаемой продукции удовлетворяет стандарту. Отдел технического контроля признаёт пригодной стандартную продукцию с вероятностью 0,98 и нестандартную - с вероятностью 0,05. Определить вероятность того, что изделие, прошедшее контроль, удовлетворяет стандарту.
Обозначим
через А-событие,
что изделие прошло контроль. Гипотезы:
-
изделие удовлетворяет стандарту,
-
изделие не удовлетворяет стандарту.
Имеем
(так называемый риск изготовителя, т.е.
в 2% случаев годная продукция признается
браком);
(так называемый риск потребителя, т.е.
в 5% случаев негодная продукция поступает
к потребителю).
По условию задачи изделие прошло контроль, т.е. событие А произошло, и при этом условии необходимо определить вероятность стандартности изделия, т.е. гипотезы . Следовательно, необходимо применить формулу Байеса:
Пример.
Прибор состоит из двух узлов: работа
каждого узла безусловно необходима для
работы прибора в целом. Надежность
(вероятность безотказной работы в
течении времени t
(первого узла равна
,
второго-
.
Прибор испытывали в течении времени t,
в результате чего обнаружено, что он
вышел из строя ( отказал ). Найти вероятность
того, что отказал только первый узел, а
второй исправен.
До опыта возможны четыре гипотезы:
-
оба узла исправны;
- первый узел отказал, а второй исправен;
- первый узел исправен, а второй отказал;
- оба узла отказали.
Прибор
работоспособен только при выполнении
гипотезы
,
а при других гипотезах он отказывает,
т.е.
где А-
отказ прибора.
Так
как известно, что событие А
произошло, необходимо найти сначала
условную вероятность
Определим сначала вероятности гипотез:
По формуле Байеса находим:
