- •Случайные события и их вероятности
- •Случайные события и действия над ними
- •Виды событий
- •Событие, ……… достоверному событию, является невозможным.
- •Событие, противоположное ………событию, является достоверным.
- •1.2.Вероятности событий
- •1.2.1.Вероятности простых событий
- •Вероятность выпадения четного числа очков при бросании игральной кости:
- •1.2.2. Вероятности сумм и поизведений событий
- •Несовместные
- •Независимые
- •1.2.3. Формула полной вероятности и формула Байеса
- •1.2.4. Повторные независимые испытания. Асимптотические формулы теории вероятностей
- •Бернулли;
- •Бернулли (*)
- •Бернулли
- •Дискретные случайные величины:
- •Закон распределения вероятностей числа попаданий в мишень при двух независимых выстрелах, если вероятность попадания при каждом выстреле равна 0.8, имеет вид:
- •Монета подбрасывается 2 раза. Закон распределения случайной величины – числа появления орла.
- •В коробке 3 карандаша, из них 1 красный, 2синих. Извлекаются 2 карандаша. Закон распределения числа синих карандашей среди извлеченных:
- •Законы распределения дискретной случайной величины имеют вид:
- •Случайная величина X задана интегральной функцией распределения:
- •Дана интегральная функция распределения случайной величины X:
- •2.1.2. Числовые характеристики дискретной случайной величины
- •Закон распределения случайной величины представлен в таблице
- •Закон распределения случайной величины представлен в таблице
- •Закон распределения случайной величины представлен в таблице
- •Закон распределения случайной величины X задан рядом распределения
- •Закон распределения случайной величины X задан рядом распределения
- •Дан закон распределения дискретной случайной величины:
- •Дан закон распределения дискретной случайной величины:
- •Дан закон распределения дискретной случайной величины
- •Функция Лапласа:
- •Выражения, справедливые для нормированной нормальной случайной величины X:
- •Бернулли
- •Бернулли
- •Бернулли
- •Бернулли
- •Соответствие между формулой и определением
- •Соответствие между формулой и определением
- •Соответствие между формулой и определением
1.2.3. Формула полной вероятности и формула Байеса
-
Аксиомы Колмогорова:
-
P(A)≥0
-
P(A)≤1
-
Если A и B независимы, то P(AB)=P(A)P(B)
-
Если A и B несовместны, то P(A+B)=P(A)+P(B)
-
Если U – достоверное событие, то P(U)=1
-
Соответствие между формулами и определениями
|
|
|
|
|
|
-
Формула P(A)=P(H1/A)+P(H2/A)+…+P(Hn/A), где события H1, H2,…, Hn образуют полную группу событий, а событие А может произойти только с одним из них, представляет собой
-
формулу полной вероятности
-
правило сложения вероятностей;
-
закон больших чисел;
-
формулу Байеса.
-
Формула Байеса имеет вид
-
*
-
P(B/A)=∑P(Hi/A)P(B/HiA)
-
P(A/B)=P(A)
-
Формула полной вероятности имеет вид:
-
P(B/A)=∑P(Hi/A)P(B/HiA)
-
P(A/B)=P(A)
-
Магазин закупает оптом половину всех компьютеров у фирмы L, треть - у фирмы М и 1/6 - у фирмы N. У фирмы L 10% компьютеров с браком, у фирмы М брак составляет 5%, а у фирмы N - 15%. Вероятность наудачу выбрать бракованный компьютер в этом магазине:
-
0,15.
-
0,25
-
0,5
-
0,85
-
0,1
-
Магазин закупает оптом половину всех компьютеров у фирмы L, треть - у фирмы М и 1/6 - у фирмы N. У фирмы L 10% компьютеров с браком, у фирмы М брак составляет 5%, а у фирмы N - 15%. Вероятность наудачу выбрать исправный компьютер в этом магазине составляет:
-
0,15
-
0,20
-
0,25
-
0,5
-
0,85
-
Эксперимент, результат которого существенно изменяет априорные вероятности гипотез, называют
-
Достаточным
-
Вероятностным
-
Информативным
-
совместным
-
Формула Байеса
-
P(AB) = P(B) P(A)
-
P(A+B) = P(A) + P(B)
-
-
P(A+B) = P(A) + P(B) – P(AB)
-
Формула полной вероятности при n попарно несовместных сопутствующих событию B событиях Ai, образующих полную группу
-
P (B) = P (A1)P (BA1)+ P (A2)P (BA2)…+ P (An)P (BAn)
-
P (B) = P (A1)+ P (A2)…+ P (An)
-
P (B) =
-
P (Ai) = P(B) P(A iB)
-
Априорные вероятности всегда становятся известными
-
до проведения эксперимента
-
после проведения эксперимента
-
на одном из этапов эксперимента
-
Апостериорные вероятности известны
-
до проведения эксперимента
-
после проведения эксперимента
-
на одном из этапов эксперимента
-
Формула называется формулой ……… вероятности.
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
ADE |
AA, BB, CC |
A |
B |
C |
A |
E |
C |
C |
C |
11 |
12 |
13 |
A |
B |
полный |
1.2.4. Повторные независимые испытания. Асимптотические формулы теории вероятностей
-
Формулы для расчета вероятности P (A) наступления события хотя бы один раз в серии из n испытаний с вероятностью наступления P(Ai) = р в каждом из них:
-
P (A) = P (A1)+P (A2)+…+P (An)
-
P (A) = 1 – (1 – p) n (*)
-
P (A) = 1 – (P ()P ()…P ()) (*)
-
P (A) = 1 – (P (A1)P (A2)…P (An))
-
P (A) = 1 – p n
-
В цехе установлено 10 станков, надежность каждого из которых (вероятность работы в определенный промежуток времени) в течение смены равна 0.7. Найдите вероятность того, что в течение смены откажут не более 8 станков
-
0.64.
-
*0.998.
-
1
-
0.5
-
Определите вероятность того, что взятая наудачу деталь окажется высшего качества, если известно, что 4% всей продукции является браком, а 3/4 всех не бракованных изделий является продукцией высшего качества
-
0.8
-
*0,72
-
3/8.
-
½
-
0,33
-
Формула Пуассона используется при достаточно большом n, так что n*p
-
меньше или равно 1
-
*меньше или равно 10
-
больше или равно 10
-
больше или равно 1
-
При достаточно большом n и р близком к 0,5 вероятность того, что в n независимых испытаниях событие А наступит m раз определяется по формуле
-
Пуассона
-
Бернули
-
*Муавра-Лапласа
-
полной вероятности
-
Формула Пуассона , где a=np, дает наиболее точное значение вероятности
-
при значениях p, близких к 1
-
*при значениях p, близких к 0
-
при любом значении p
-
Утверждение о том, что число, формула Пуассона , где a=np, дает наиболее точное значение вероятности при значениях p, близких к 0,5, является
-
Истинным
-
*Ложным
-
Верным только для совместных событий
-
Утверждение о том, что число, формула Пуассона , где a=np, дает наиболее точное значение вероятности при значениях p, близких к 1, является
-
Истинным
-
*Ложным
-
Верным только для совместных событий
-
Утверждение о том, что число, формула Пуассона , где a=np, дает наиболее точное значение вероятности при значениях p, близких к нулю, является
-
*Истинным
-
Ложным
-
Верным только для совместных событий
-
Точную вероятность появления события m раз в серии из n испытаний дает формула
-
Пуассона
-
*Бернулли Pn(m)=
-
Муавра-Лапласа Pn(m)=
-
P(m)=qm-1·p
-
Вероятность рождения мальчика равна 0,51. Тогда вероятность того, что среди 100 новорожденных окажется 50 мальчиков можно вычислить по формуле
-
P=(1–0,51)50·0,51
-
*P=
-
P=
-
P=
-
Формула Пуассона для вычисления вероятности того, что в n независимых испытаниях событие А произойдет m раз, имеет вид
-
*
-
Pn(m)=
-
Pn(m)=
-
Pn(m)=qm-1·p
-
Вероятность того, что в серии из n независимых испытаний событие А произойдет m раз, если известно, что вероятность p события А в каждом испытании мала, а число испытаний n велико, лучше определять по формуле