- •Пример: Игла Бюффона.
- •Положение иглы можно характеризовать двумя параметрами:
- •Задача о встрече
- •Вероятность зависит от выбора
- •Вероятность зависит от выбора
- •Если события А и В принадлежат одному полю событий и вероятность В не
- •Пример : Пусть в области, представленной на рисунке , задана геометрическая вероятность. Событие
- •Пусть событие А может произойти только совместно с одним из несовместных между собой
- •Пример1: Магазин закупает оптом половину всех компьютеров у фирмы LLL, треть - у
- •Пример2:
- •Доля выигрышей у комбинаций , стоящих в вер строке по сравнению с комбинацией
- •В предыдущем примере можно поставить и другой вопрос. Обнаружен компьютер с браком, какова
- •Пример 3: Студент приходит в медпункт и жалуется на плохое самочувствие, хотя по
- •Эксперимент, результат которого существенно изменяет априорные вероятности гипотез, называют
- •Пусть имеется пространство
- •В строгом определении задание пространства элементарных событий означает по существу задание условий, в
- •Случайные величины могут быть непрерывными, т.е. принимать любые значения в некотором интервале (например,
- •Пример: число очков при бросании кости
- •Для непрерывных случайных величин вводится понятие плотности распределения р(х), которая
- •Для непрерывных распределений всегда
- •Вид функций F(x), р(х), или перечисление р(хi) называют законом распределения случайной величины.
- •Во-вторых, очень часто случайные
- •Так называют распределение случайной величины, которая может принимать любые значения в интервале (a,b),
- •Распределение с плотностью, описываемой формулой
- •Если производится серия n независимых испытаний, в каждом из который событие А может
- •Пример : Кость бросают 5 раз, какова вероятность того, что 6 очков выпадет
- •Распределение Пуассона получается как предельный случай распределения Бернулли, если устремить р к нулю,
- •Пример1 : число вызовов, поступающих на станцию скорой помощи в течение часа.
- •Пример 2: число молекул идеального газа в некотором фиксированном объеме V.
- •Определение:
- •- для непрерывной случайной величины:
- •d. Вводится понятие условного
- •Если известны вероятности событий Hj, может быть найдено полное математическое ожидание:
- •Рассмотрим гипотезы Н1 - герб выпал в первый
- •Рассмотрим более общий случай: сколько пройдет испытаний до первого появления события, если его
- •e . Если f(x) - есть функция случайной величины
- •Определение: Дисперсией случайной величины х называется математическое ожидание квадрата отклонения значения величины от
- •- для непрерывной случайной величины:
- •Связь числовых характеристик
Пусть событие А может произойти только совместно с одним из несовместных между собой событий Hi .
Вертикальные линии разделяют события H
Р(А) = Р( АН1 ) + Р( АН2 ) + Р( АН3 ) или в общем случае P(A) = Σ P( AHi ) . Отсюда, получаем
формулу полной вероятности:
Пример1: Магазин закупает оптом половину всех компьютеров у фирмы LLL, треть - у фирмы
МММ и 1/6 - у фирмы NNN. У фирмы LLL 10% компьютеров с браком, у фирмы МММ брак составляет 5%, а у фирмы NNN - 15%. Какова вероятность того, что наудачу выбранный компьютер в этом магазине - бракованный ? Дано: Р(Н1) = 1/2, Р(Н2) = 1/3, Р(Н3) = 1/6, Р(А/Н1) = 0.1, Р(А/Н2) = 0.05,
Р(А/Н3) = 0.15.
Получаем:
P(A)=0.1*1/2+0.05*1/3+
0.15*1/6=0.092
Пример2: |
Петя и Коля играют в монету на |
следующих условиях: монета бросается до тех пор,
пока серия бросков не закончится выбранной
игроком парой, тогда он выигрывает. Если Петя
выбрал ГГ, а Коля РР, очевидно, вероятности
выигрышей одинаковы. А если Петя –ГГ, а Коля- РГ?
Например: ГГ- Петя выиграл, РРРРГ- Коля
выиграл.
Вычислим вероятность выигрыша Пети с помощью формулы полной вероятности , используя гипотезы:
Н1- первый бросок-герб, Н2- первый бросок-
решка.
Р(ГГ)=Р(ГГ/Н1)Р(Н1)+Р(ГГ/Н2)Р(Н2)=
Доля выигрышей у комбинаций , стоящих в вер строке по сравнению с комбинацией в столбце.
В предыдущем примере можно поставить и другой вопрос. Обнаружен компьютер с браком, какова вероятность, что он получен от фирмы NNN ? Т.е. зная вероятности Р(Нi), которые называются априорные вероятности гипотез Нi, и условные вероятности Р(А/Нi) события А при каждой гипотезе, мы хотим найти апостериорную вероятность Р(Нi/А) i-той гипотезы при условии, что
событие А произошло:
Заменив знаменатель формулой полной вероятности , получаем:
Пример 3: Студент приходит в медпункт и жалуется на плохое самочувствие, хотя по виду этого не скажешь. У медсестры две гипотезы Н1 - он действительно болен, Н2 - он здоров, но хочет получить справку, например, для продления сессии. По внешнему виду она оценивает априорные вероятности Р(Н1) = 0.3, Р(Н2) = 0.7 и ставит ему градусник. Измеренная температура 37.5 (событие А). Предположим, Р(А/Н1) = 0.9 (не при всякой болезни повышается температура), Р(А/Н2) = 0.05 (у некоторых здоровых людей нормальная температура немного повышена или студент мог незаметно натереть градусник). Теперь апостериорная вероятность того, что студент болен:
У медсестры есть все основания направить студента к врачу.
Эксперимент, результат которого существенно изменяет априорные вероятности гипотез, называют
информативным. Перед постановкой сложного и (или) дорогостоящего эксперимента всегда имеет смысл оценить его информативность на основе имеющихся данных об априорных и условных вероятностях.
Пусть имеется пространство
элементарных событий U, на нем построено поле событий и для каждого события А из этого поля определена вероятность Р(А). Каждому элементарному событию gi из U сопоставим число ξi. Потребуем, чтобы для любого х
(-∞ < x < +∞) множество А тех g, для которых ξ < x , принадлежало полю событий, т.е. для него определена вероятность Р{ξ < x} = P(A) = F(x). Тогда ξ называется случайной величиной, а F(x) - ее функцией распределения.
В строгом определении задание пространства элементарных событий означает по существу задание условий, в которых возникают те или иные значения случайной величины, а если эти условия заданы, то тем самым определена и F(x).
Например, нельзя сказать, что "температура - случайная величина". Но "температура воздуха, измеряемая на данной метеостанции в случайный момент времени в течение года" - случайная величина, "температура воздуха в случайно выбранной точке земного шара 1 января 2001г. в 12.00 по Московскому времени" - другая случайная величина.
F(+∞) = 1
F(-∞) = 0
F(x) - не убывающая функция х