- •С.П. Казаков
- •Содержание
- •1. Элементы теории вероятностей
- •1.1. Общие понятия
- •1.2. Сумма и произведение случайных событий,
- •1.3 Формула полной вероятности, формула Байеса
- •1.4 Схема Бернулли
- •1.5 Дискретные случайные величины
- •1.6 Непрерывные случайные величины
- •1.6.2 Числовые характеристики непрерывных случайных величин
- •1.3 – Плотности распределения случайных величин
- •1.7 Нормальное распределение
- •1.8 Основы теории надежности
- •1.8.2. Надежность элементов
- •Контрольные вопросы и задачи
- •2. Случайные прцессы
- •2.1Общие понятия
- •2.2 Непрерывный нормальный
- •2.3 Нестационарный случайный процесс (временной ряд)
- •2. 4 Марковские случайные процессы
- •Самостоятельная работа № 2
- •3. Математическая статистика
- •3.1 Общие понятия и задачи математической статистики
- •3.2 Выборочный метод
- •175, 166, 169, 179, 164, 170, 169, 167, 175, 181.
- •158, 162, 163, 164, 165, 166, 167, 168, 169,169,
- •170, 170, 171, 174, 175, 175, 177, 179, 180, 181.
- •3.3 Точечные оценки параметров распределений
- •3.4 Доверительные интервалы
- •3.5 Отсев грубых ошибок и определение минимально
- •3.6Проверка статистических гипотез
- •6, 4, 5, 7, 6, 4, 8, 6, 8, 9. 3, 2, 0, 4, 4, 3, 4, 1, 5, 7.
- •3, 6, 3, 4, 6, 9, 4, 9, 6, 5. 3, 4, 6, 4, 2, 3, 6, 3, 4, 1.
- •4 Статистические зависимости и связи
- •4.1 Подбор эмпирических формул (парная корреляция)
- •4.2 Практическая задача: проверка легитимности выборов
- •4.3 Множественная корреляция
- •4.4 Задачи классификации
- •Теория вероятностей, случайные процессы и математическая статистика
1.3 Формула полной вероятности, формула Байеса
Пусть событие А(например, выбор туза из колоды в 36 карт) может произойти только при реализации одного из событий (Для рассматриваемого примераn=4). Вероятности событий (гипотез)Hi считаются известными. Для рассматриваемого примераP(Hi) = 1/36. Тогда можно записать
где каждое из слагаемых определяет вероятность события А при реализации гипотезыНi (эти события несовместны). Поскольку для рассматриваемого примераP(A / Hi) = 1/36, получаемP(A) = 1/9. Результат очевиден: в колоде из 36 карт – четыре туза.
В общем случае будем считать, что P (Hi)Р(Hj) иP(A / Hi) P(A / Hj). Тогда получаем
. (1.4)
Эта формула называется формулой полной вероятности. Она играет существенную роль в теории вероятностей.
Задача 1. Из 30 экзаменационных билетов 6 –легкие, 10 – средней сложности, 14 – сложные. Если студенту попадется легкий билет, он сдаст экзамен с вероятностью 0,9, если средней сложности - с вероятностью 0,8, если сложный, то с вероятностью 0,7. Какова вероятность P(A) того, что на экзамене студент получит положительную оценку?
Решение. Рассмотрим три гипотезы: : пустьН1– гипотеза о том, что студенту попадется легкий билет,Н2– попадется билет средней сложности, Н3 – сложный билет. Имеем
Условная вероятность Р(А / Н 1) равна 0,9. Аналогично получаемР(А / Н2) =·0,8;Р(А / Н3) = 0,7. По формуле (12.4) рассчитаем полную вероятность событияА. Она равна
Задача 2. Три студента выучили к экзамену 60, 70 и 80% билетов, соответственно. Какова вероятность P(A) того, что двое из них экзамен сдадут?
Решение. Рассмотрим три гипотезы: : пустьН1– гипотеза о том, что первый студент не сдал экзамен, а остальные двое – сдали,Н2– не сдал экзамен второй студент иН3 – третий студент не сдал экзамен, а остальные – сдали. Имеем
Условная вероятность Р(А / Н 1) – это вероятность того, что второй и третий студенты экзамены сдали:Р(А / Н1) = 0,7·0,8. Аналогично получаемР(А / Н2) = 0,6·0,8;Р(А / Н3) = 0,6·0,7. По формуле (1.4) рассчитаем полную вероятность событияА. Она равна
Самостоятельная задача.Для контроля продукции из трех одинаковых партий наугад выбрана одна деталь. Известно, что в одной партии четверть деталей – бракованные, во второй – 10%, в третьей – все доброкачественные. Какова вероятность того, что выбрана бракованная деталь?
Формула (1.4) позволяет применить ее для решения более сложных обратных задач.
Предположим, что событие А произошло, т.е получена дополнительная информация о его реализации. Спрашивается, как “изменятся” или скорректируются вероятности гипотез, т.е. условные вероятностиP(Hi /A) на основе дополнительной информации.
Для ответа на этот вопрос используются теорема и формула Байеса.Они важны при статистическом оценивании правильности принятых гипотез.
Формула Байесаимеет вид:
(1.5)
Вероятности P(H1),...,P(Hn) обычно называютаприорными(полученными “до опыта”), а условные вероятностиP(H1/A), P(H2 /A),..., P(Hn/A) –апостериорными (т.е. полученными “после опыта”).
Решим задачу 3. Условия ее те же, что и у задачи 2, однако известно, что экзамен не сдал третий студент. Требуется установить, сколько, на самом деле, он выучил билетов или ему крупно не повезло. Т.е. нужно найти апостериорную вероятностьP(H3 /A).
Решение.Подставим в формулу (1.5) значенияР(Н3)=0,2; Р(А/Н3) = 0,42; P(A) = 0,45. ПолучаемP(H3 /A) = 0,187.
Самостоятельные задачи. Для условий задачи 2 найти
а) вероятность того, что двое из студентов экзамен не сдадут.
б) вероятность того, что экзамен не сдадут первый и второй студенты.