- •Конспект лекцій з курсу
- •Математичної статистики “ Розділ “теорія ймовірностей”.
- •Передмова
- •1.Основні поняття теорії ймовірностей
- •1.1. Випадкові події та їх алгебра
- •1.1.1. Первісні поняття. Подія
- •1.1.2. Алгебра випадкових подій.
- •1.2. Аксіоми та властивості ймовірності
- •1.2.1. Частота та ймовірність випадкової події
- •1.2.2. Аксіоми ймовірності та її властивості.
- •1.2.3. Принцип практичної вірогідності
- •1.3. Теорема множення та її наслідки
- •1.3.1. Умовна ймовірність
- •1.3.2. Формула повної ймовірності
- •1.3.3. Теорема гіпотез (формулиБейєса)
- •1.4. Випробування із скінченною кількістю наслідків
- •1.4.1. Класичне означення ймовірності
- •1.4.2. Комбінаторні методи підрахунку кількості наслідків
- •1.5. Повторні випробування
- •1.5.1. Схема я.Бернуллі. Узагальнення а.Маркова
- •1.5.2. Асимптотичні формули для схеми Бернуллі.
- •2.Випадкові величини
- •2.1. Одновимірні випадкові величини
- •2.1.1. Випадкова величина та її функція розподілу
- •2.1.2. Дискретні випадкові величини
- •2.1.3. Неперервні випадкові величини
- •2.1.4. Перетворення розподілів
- •2.2. Випадкові вектори
- •2.2.1. Функція розподілу випадкового вектора
- •2.2.2. Дискретний випадковий вектор
- •2.2.3. Неперервний випадковий вектор
- •2.2.4. Найважливіші види двовимірних розподілів.
- •2.2.5. Закон розподілу суми випадкових величин
- •2.2.6. Ентропія і інформація
- •3.Числові характеристики випадкових величин
- •3.1. Математичне сподівання та його властивості
- •3.1.1. Стійкість середнього арифметичного
- •3.1.2. Математичне сподівання випадкової величини
- •3.1.3. Математичне сподівання функції випадкової величини
- •3.1.4. Математичне сподівання функції випадкового вектора
- •3.1.5. Кореляційний момент випадкових величин
- •3.2. Дисперсія випадкової величини
- •3.2.1. Дисперсія випадкової величини та її властивості
- •3.2.2. Дисперсія суми випадкових величин
- •3.2.3. Нерівність п.Чебишева
- •3.3. Кореляція
- •3.3.1.Коефіцієнт кореляції та кореляційна матриця
- •3.3.2. Регресія
- •3.4. Прикладні задачі
- •3.4.1. Теорія масового обслуговування.
- •3.4.2. Найпростіші задачі теорії надійності
- •Додатки
- •Література
1.3.3. Теорема гіпотез (формулиБейєса)
Ця теорема є наслідком теореми множення ймовірностей.
Теорема. Нехай подіїHk(k1,...,n)утворюють повну систему подій (P(Hk)>0). Тоді для будь-якої події A (P(A)>0) виконується співвідношення
. (7)
Доведення.Оскільки, то на підставі формули (5) одержимо
.
Події Hkприйнято називатигіпотезами,P(Hk) - апріорними (відомими до проведення випробування), а P(Hk/A) - апостеріорними (обчисленими після випробування) ймовірностями цих гіпотез.
Приклад 1. В умовах прикладу 1 пункту 1.3.2 на приймальному кінці каналу одержано сигнал "0". Яка ймовірність того, що було послано сигнал "1"?
Розв’язок. Апріорна ймовірність гіпотези H1 (до випробування) дорівнює 1 – p0, а її апостеріорна ймовірність P(Hk/A) (після випробування) знаходиться за формулою (7)
.
Приклад 2. Надійність приладів (ймовірність безвідмовної роботи протягом заданого проміжку часу) в залежності від якості одного з елементів дорівнює відповідно 0.95, 0.9, 0.85. Відомо, що 30% приладів випускають у першому варіанті, 25% – у другому і 45% – у третьому. Довільно вибраний прилад безвідмовно працював протягом заданого проміжку часу. Яка ймовірність, що він був виконаний в кожному з варіантів?
Розв’язок. Позначимо через A подію, яка полягає у безвідмовній роботі приладу. Нехай гіпотеза Hk(k1,...,n) означає, що прилад виконано уk-му варіанті. Тоді апріорні ймовірності гіпотез та умовні ймовірностіA дорівнюють:
P(H1)0.3, P(H2)0.25, P(H3)0.45,
P(A/H1)0.95, P(A/H2)0.9, P(A/H3)0.85.
За формулою Бейєса знаходимо апостеріорні ймовірності гіпотез
Приклад 3. Двоє стрільців роблять по одному пострілу. Ймовірність попадання по мішені для першого стрільця – 0.7, а для другого – 0.8. У мішені знайдено одну пробоїну. Яка ймовірність того, що у мішень попав перший стрілець?
Розв’язок. Подія A означає наявність однієї пробоїни в мішені. Введемо гіпотези H1– обидва стрільці не попадають,H2– перший стрілець попадає, другий ні,H3– другий стрілець попадає, перший ні,H4– обидва стрільці попадають. Знайдемо апріорні ймовірності гіпотез:
P(H1)0.3·0.20.06, P(H2)0.7·0.20.14,
P(H3)0.3·0.80.24, P(H4)0.7·0.80.56.
Умовні ймовірності події A дорівнюють:
P(A/H1)0, P(A/H2)P(A/H2)1, P(A/H4)0.
Таким чином, апостеріорна ймовірність гіпотези H2 така:
.
1.4. Випробування із скінченною кількістю наслідків
1.4.1. Класичне означення ймовірності
Розглянемо випробування, простір якого складається з Nточок (випробування із скінченою кількістю наслідків). Якщо ймовірності елементарних подій відомі, то ймовірність будь-якої подіїA у випробуванні можна знайти підсумовуючи ймовірності тих елементарних подій, які сприяють A. Найчастіше симетріяумов випробування забезпечує рівну можливість різних елементарних подій (наприклад, при підкиданні грального кубика рівно можливі всі шість елементарних подій). У таких випробуваннях ймовірність однієї елементарної події визначається їх загальною кількістю. Дійсно, із виразу1+2+...+Nвиходить рівність 1P(1+P(2+...+ +P(N N·P(i на підставі якої одержимо
.
Теорема.Якщо у випробуванні з рівно можливими елементарними подіями подіїA сприяють M елементарних подій, то
. (1)
Доведення.Оскільки подіїAсприяютьMелементарних подій, то
.