Студентам ИТ / 2 УПП_ИТ / Основн_литература / ИТ (Excel) / ИТ_автоматизир_управления
.pdfОтношения на множествах. Отношением «R» – го типа или просто отношением R на множествах A и B (записывается как ARB) называется «R»-ое подмножество прямого произведе-
ния A B множеств A и B.
Отношения на множествах A и B являются бинарными или парными отношениями. По аналогии с такими отношениями легко ввести отношения на множествах A и B и C (триарные отношения), A и B и C и D (четыреарные отношения) и т.д..
Любое отношение устанавливает определенную связь между элементами множеств. Для парных отношений такая связь может быть описана с помощью рис. 2.1.5.
A |
Связь «R»-го |
B |
|
типа |
|||
|
|
x |
y |
|
|
||
|
ARB |
|
x A |
y B |
|
X(R) |
||
Y(R) |
||
|
Рис. 2.1.5 |
В отношениях выделяют области определения и области значений, устанавливая тем самым несимметричную связь между элементами множеств, входящих в отношения
X(R) = {x: x A, (x, y) R} - область определения отношения R включает все элементы множества A, входящие в множество ARB;
Y(R) = {y: y B, (x, y) R} - область значений отношения R включает все элементы множества B, входящие в множество ARB.
Пример:
множество родителей = A = {Иванов И.И., Иванова А.А., Петров П.П., Петрова В.В.},
множество детей = B = {Иванов С.И., Петрова Г.П.}.
31
Семья Ивановых описывается отношением R1
R1 |
Иванов И.И. |
Иванова А.А. |
|
|
|
|
|
Иванов С.И. |
Иванов И.И., |
Иванова А.А., |
|
|
|
|
|
|
Иванов С.И. |
Иванов С.И. |
|
|
|
|
|
Семья Петровых описывается отношением R2 |
|||
|
|
|
|
R2 |
Петров П.П. |
Петрова В.В. |
|
|
|
|
|
Петрова Г.П. |
Петров П.П., |
Петрова В.В., |
|
|
|
|
|
|
Петрова Г. П. |
Петрова Г.П. |
|
|
|
|
|
Отношения можно описывать также с помощью направ-
ленных графов. Так, например, если X = {x1, x2, x3, x4}, а Y = {y1, y2, y3, y4), то отношение XRY = {(x1, y1), (x1, y4), (x4, y2)} можно изобразить, как показано на рис. 2.1.6.
X |
R |
Y |
x1 |
|
y1 |
x2 |
|
y2 |
x3 |
|
y3 |
x4 |
|
y4 |
|
Рис. 2.1.6 |
|
Функции и отображения множеств. Если между X и Y установлено однозначное отношение f, то это отношение является функцией или функциональным отношением. Функциональное отношение X f Y записывается как y = f(x) или f : X Y.
Функция f : X Y является отображением, если ее область определения совпадает с X.
32
Примеры:
1) Товары и цены (см. рис. 2.1.7):
Товары = X = {телевизор Sony, магнитофон Panasonic, фотокамера Samsung},
Цены = Y = {$500, $200, $2000},
X |
f |
Y |
Sony |
|
$200 |
Panasonic |
|
$500 |
Samsung |
|
$2000 |
|
Функция |
|
X |
f |
Y |
Sony |
|
$200 |
Panasonic |
|
$500 |
Samsung |
|
$2000 |
|
Отображение |
|
Рис. 2.1.7
2) Образы (см. рис. 2.1.8 а, б, в):
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 2.1.8 а |
Функция |
|
|
||||
|
|
|
|
|
|
|
|
33
Рис. 2.1.8 б |
Отношение |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 2.1.8 в |
Отображение |
|
|
Алгебра событий (теоремы сложения и умножения).
Алгебра событий строится путем их отождествления с элементами множеств.
Сложения вероятностей – вероятность объединения множеств:
Несовместные события (рис.2.1.9):
E
|
A1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ak |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pr(A1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pr(Ak) |
|
|||
|
|
Pr(A2) |
|
|
||||||
|
|
|
|
|
|
|
||||
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
Рис.2.1.9
34
Pr( kK 1 Ak ) = |
kK 1 Pr( Ak ) или |
|
||
Pr( K |
Ak ) = |
K |
Pr( Ak ) . |
(2.1.8) |
k 1 |
|
k 1 |
|
|
K
Очевидно, что если k 1 Ak = E (полная группа несов-
K
местных событий), то Pr( k 1 Ak ) = 1, что следует из опреде-
ления универсального множества. Действительно, т.к. универсальное множество это множество всех возможных событий, то какое либо событие обязательно достоверно.
Пример: пусть E = множество фруктов = {апельсины, бананы, яблоки}. При этом известно количество фруктов каждого сорта, как показано на рис. 2.1.10.
Необходимо найти вероятности появления фруктов каждого сорта при их выборке по отдельности и в парных сочетаниях.
ka = 10 |
kб = 30 |
kя = 20 |
|
|
|
апельсины |
бананы |
яблоки |
Рис. 2.1.10
Очевидно, что Pr ( a + a ) = Pr ( a + б + я) = 1, Pr ( a ) =
=10(10 + 30 + 20) = 1/6, Pr (б) = 30/(10 + 30 + 20) = 1/2, Pr (я) =
=10/(10 + 30 + 20) = 1/3, Pr ( a + б) = Pr ( a ) + Pr (б) = 1/6 + 1/2 =
= 4/6, Pr ( a + я) = Pr ( a ) + Pr (я) = 1/6 + 1/3 = 3/6, Pr (б + я) = = Pr (б) + Pr (я) = 1/2 + 1/3 = 5/6.
Совместные события (рис. 2.1.11 и 2.1.12):
|
|
|
Множество А B |
|
A |
AB |
B |
совместных |
|
событий |
||||
|
|
Рис. 2.1.11
35
Pr(A + B) = Pr(A) + Pr(B) – Pr(AB). |
(2.1.9) |
A |
AB |
B |
ABС
AС
BС
С
Рис. 2.1.12
Pr(A + B + С) = Pr((A + B) + С) = |
(2.1.10) |
=Pr(A + B) + Pr(C) – Pr((A + B) C) =
=Pr(A) + Pr(B) – Pr(AB) + Pr(C) –
–Pr(A C + B C) = Pr(A) + Pr(B) + Pr(C) –
–Pr(AB) – Pr(A C) – Pr(B C) + Pr(ABC).
Применяя (2.1.9) и (2.1.10) к общему случаю, получим
Pr( K Ak ) = K Pr( Ak ) – K K Pr( A A ) + k 1 k k n k n
|
+ kK nK mK Pr( Ak An Am ) – … + |
||||
|
+ (-1)K-1 Pr(A1A2 … AK). |
|
(2.1.11) |
||
Умножение вероятностей. |
|
|
|
|
|
Pr(A B) = Pr(A) |
Pr(B A), |
где |
Pr(B A) |
- |
условная веро- |
ятность события B, |
|
|
|
|
|
Pr(B A) = Pr(B) |
Pr(A B), |
где |
Pr(A B) |
- |
условная веро- |
ятность события A. |
|
|
|
|
|
Если события A и B независимы, то Pr(B A) = Pr(B) и
Pr(A B) = Pr(A), а
Pr(A B) = Pr(A) Pr(B).
36
В общем случае для независимых событий Ak справедли-
во
Pr( K 1 Ak |
) = Pr( K |
Ak ) = K |
Pr( Ak ) , |
(2.1.12) |
k |
k 1 |
k 1 |
|
|
В общем случае для зависимых событий справедливо |
||||
Pr(A1 A2 … AK) = Pr(A1) Pr(A2 A1) Pr(A3 A1 A2) Pr(A4 A1 |
||||
A2 A3) …Pr(AK A1 A2 … AK-1). |
|
|
(2.1.13) |
2.2.Вероятностное описание объектов управления при однократных опытах. Формулы Байеса.
Так как Pr(A B) = Pr(B A), то Pr(A) Pr(B A) = Pr(B)
Pr(A B). Следовательно справедливы формулы (Байеса)
Pr(B A) |
= |
Pr(B) |
Pr(A B) / Pr(A), |
(2.2.1) |
Pr(A B) |
= |
Pr(A) |
Pr(B A) / Pr(B) . |
|
Пример 2.2.1: предприятие производит N = x + y + z + w автомобилей с различными двигателями и кузовами, как показано в таблице 2.2.1.
|
|
|
Таблица 2.2.1 |
||
|
|
|
|
|
|
Автомобили |
Тип двигателя |
|
|||
|
|
|
|
||
|
|
A |
|
B |
|
|
|
|
|
|
|
Тип |
C |
x |
|
y |
|
кузова |
|
|
|
|
|
D |
z |
|
w |
|
|
|
|
|
|||
|
|
|
|
|
|
Какова вероятность покупки автомобиля с кузовом типа C при условии, что двигатель будет типа А?
Решение: используя понятие частости событий и формулы Байеса (2.2.1) получим
x
Pr(С A) = x z ,
37
|
|
|
x y |
|
x |
||
|
|
|
|
|
|
|
|
Pr(С A) = |
Pr(С) Pr(A С) / Pr(A) = |
|
N |
|
x y |
. |
|
|
|
|
|
||||
|
|
|
x z |
N
Формула полной вероятности.
Пусть событие A происходит вместе (совместно) с одним из событий Г1, Г2, …, ГK, образующих полную группу несовместных событий. Напомним, что для полной группы несовместных событий справедливо
|
K |
|
Г k |
= E, |
|
|
|
(2.2.2) |
|
|
|
|
|
||||
k 1 |
|
|
|
|
|
|
||
Pr( K |
Г k ) |
= K |
Pr( Г k ) |
= K |
1 Pr( Гk ) = 1. |
|||
|
|
k 1 |
|
k 1 |
|
k |
Будем называть такие события гипотезами, а вероятности Pr(Гk) – априорными вероятностями гипотез.
Тогда возможно определить полную вероятность наступления события A
Pr(A) Pr(A Г1 + A Г2 + …+ A ГN ) = |
(2.2.3) |
||
= kK 1 Pr( AГ k ) = kK 1 Pr(Гk )Pr( A |
|
Гk ) . |
|
|
|
Пример 2.2.2: фирма управляется двумя менеджерами. Предположим, что при работе двух менеджеров отрицательные эффекты происходят с вероятностью q12, 1-го менеджера – с вероятность q1, 2-го менеджера – с вероятность q2, при отсутствии менеджеров – с вероятностью q0. Пусть 1-ый менеджер имеет частоту принятия верных решений по парированию отрицательных эффектов p1, 2-ой - p2. Все отрицательные эффекты независимы друг от друга. Найти вероятность парирования отрицательных эффектов в фирме.
Решение: рассмотрим гипотезы
Г12 |
- |
работают оба менеджера; |
Г1 |
- |
работает лишь 1-ый менеджер; |
Г2 |
- |
работает лишь 2-ой менеджер; |
Г0 |
- |
ни один из менеджеров не работает. |
|
|
38 |
Введем событие A, как парирование отрицательных эффектов в фирме. Тогда
Pr(Г12) = p1 p2; |
Pr(A Г12) = 1 - q12; |
|
Pr(Г1) = p1 (1 - p2); |
Pr(A Г1) |
= 1 - q1; |
Pr(Г2) = p2 (1 - p1); |
Pr(A Г2) |
= 1 - q2; |
Pr(Г0) = (1 - p1) (1 - p2); |
Pr(A Г0) = 1 – q0. |
Используя формулу (2.2.3), получим
Pr(A) = Pr(Г12) Pr(A Г12) + Pr(Г1) Pr(A Г1) +
+Pr(Г2) Pr(A Г2) + Pr(Г0) Pr(A Г0) =
=p1 p2 (1 - q12) + p1 (1 - p2) (1 - q1) +
+p2 (1 - p1) (1 - q2) + (1 - p1) (1 - p2) (1 – q0).
Полная формула Байеса.
Как изменятся априорные вероятности гипотез Pr(Гk) после опыта, в результате которого наблюдается событие A ?
Заменяя в формуле Байеса (2.2.1) B на Гk и используя (2.2.3), получим апостериорную вероятность (вероятность после опыта)
Pr(Гk A) = Pr(Гk) Pr(A Гk) / kK 1 Pr(Гk )Pr( A Гk ) . (2.2.4)
Пример 2.2.3: на рынок поставляются приборы (стиральные машины). Известно, что 40% из них собираются из высококачественных деталей. Для приборов, собранных из высококачественных деталей, вероятность безотказной работы за время гарантии – 95%. Для приборов, собранных из обычных деталей, вероятность безотказной работы за время гарантии – 70%. Фирма закупила прибор и испытала его в течении времени гарантии. Прибор работал безотказно.
Какова вероятность того, что прибор собран из высококачественных деталей?
Решение: введем гипотезы
Г1 - прибор собран из высококачественных деталей; Г2 - прибор собран из обычных деталей.
39
Априорные вероятность гипотез до опыта:
Pr(Г1) = 0,4; Pr(Г2) = 0,6.
Пусть A – событие безотказной работы в течение времени гарантии. Тогда
Pr(A Г1) = 0,95; Pr(A Г2) = 0,7. Следовательно, на основании (2.2.3) получим
Pr(Г1 A) |
= |
|
Pr(Г1) Pr(A |
Г1) |
|
|
= |
||||||
Pr(Г ) Pr(A |
|
Г ) Pr(Г |
2 |
) Pr(A |
|
Г |
2 |
) |
|||||
|
|
||||||||||||
|
|
1 |
|
|
1 |
|
|
|
|
|
|
0,4 * 0,95 = 0,4 * 0,95 0,6 * 0,7 = 0,475.
Отсюда видно, что испытание повысило вероятность априорной гипотезы.
Пример 2.2.4: два брокера на бирже независимо друг от друга делают ставки. Вероятность выигрыша для 1-го – 80%, для 2-го – 40%. Обнаружен выигрыш одного из них. Каковы апостериорные вероятности выигрышей брокеров?
Решение: примем за A событие выигрыша одним из брокеров и введем априорные вероятности
Г0 |
- |
оба брокера проиграли; Pr(Г0) = 0,2 * 0,6 = 0,12; |
|||||
Г12 |
- |
оба выиграли; |
Pr(Г12) |
= |
0,8 * 0,4 |
= |
0,32; |
Г1 |
- |
выиграл 1-ый; |
Pr(Г1) |
= |
0,8 * 0,6 |
= |
0,48; |
Г2 |
- |
выиграл 2-ой; |
Pr(Г2) |
= |
0,4 * 0,2 |
= |
0,08; |
Pr(A Г0) = 0; Pr(A Г12) = 0; Pr(A Г1) = 1; Pr(A Г2) = 1.
Pr(Г1 |
A) |
= |
0,48 *1 |
|
|
= 6/7 = 86%, |
|
|
|
||||
0,48 *1 0,008 *1 |
||||||
Pr(Г2 |
A) |
= |
0,008 *1 |
|
|
= 1/7 = 14%. |
|
|
|||||
0,48 *1 0,008 *1 |
Таким образом, факт выигрыша повышает шанс выигрыша брокера, обладающего большей квалификацией.
Пример 2.2.5: фирма-производитель утверждает, что надежность ее оборудования – 98%. Заказчик назначает аудитора (эксперта) и тот утверждает, что надежность - 90%. Заказчик сам считает, что заявление изготовителя верно на 40%, а экспер-
40