- •Комбинаторика и начала теории вероятностей
- •Оглавление введение
- •Раздел I. Комбинаторика
- •1. Общие правила комбинаторики
- •2. Размещения
- •3. Перестановки
- •4. Сочетания
- •5. Треугольник Паскаля. Бином Ньютона
- •6. Примеры более сложных задач на сочетания, размещения и перестановки без повторений.
- •7. Перестановки с повторениями
- •8. Размещения с повторениями
- •9. Сочетания с повторениями
- •10. Схема определения вида комбинации
- •Составить несколько комбинаций (выборок)
- •Повторяются ли элементы в выборке ?
- •Меняется ли состав ?
- •Меняется ли состав ?
- •11. Примеры более сложных задач комбинаторики
- •12. Задачи для самостоятельного решения
- •Раздел II. Теория вероятностей
- •13. Классическое определение вероятности
- •14. Статистическое определение вероятности
- •15. Геометрические вероятности
- •16. Сумма событий
- •17. Произведение событий
- •18. Вероятность суммы совместимых событий
- •19. Условные вероятности
- •20. Вероятность произведения зависимых событий
- •21. Формула полной вероятности
- •22. Формула Байеса
- •23. Формула Бернулли
- •24. Случайные величины
- •25. Числовые характеристики случайной величины
- •26. Задачи для самостоятельного решения
22. Формула Байеса
В тесной связи с формулой полной вероятности находится формула Байеса. Она относится к той же ситуации, когда событие А наступает только вместе с одной из гипотез и позволяет оценить вероятность гипотезы после того, как событие А произошло.
Пусть произведен опыт и наступило событие А. Мы не можем с точностью сказать, какая из гипотез осуществилась, однако можем найти вероятность каждой из них. По формуле (20.1)
. Отсюда
(22.1)
Это и есть формула Байеса. Здесь Р(А) находится по формуле полной вероятности, Hi (i = 1, 2, …, n) – любая из гипотез, а Р(Нi/А) – вероятность этой гипотезы при условии, что произошло событие А.
Пример 50. В трех одинаковых ящиках находятся 6 белых и 4 черных, 7 белых и 3 черных, 8 белых шаров соответственно. Из произвольного ящика наугад выбирается один шар. Он оказался белым. Какова вероятность, что этот шар вынут из второго ящика?
Решение. Пусть Н1, Н2, Н3 – три гипотезы, что выбран 1-й, 2-й, 3-й ящик. Требуется найти вероятность второй гипотезы при условии, что событие А произошло, т.е. . По формуле Байеса
=
. Ответ:
23. Формула Бернулли
Пусть проводится n независимых испытаний, в каждом из которых с одной и той же вероятностью p может появиться некоторое событие А. Поставим задачу: найти вероятность того, что в этих n испытаниях событие А появится ровно m раз. Обозначим А1 – появление события А в 1-м испытании, А2 - во 2-м испытании, и так далее. Непоявление события А в 1-м испытании обозначим , во 2-м и т.д. Событие, состоящее в появлении события А m раз в n испытаниях представится в виде суммы произведений вида . Если обозначить вероятность непоявления события А через q ,то вероятность каждого такого произведения равна , а всего их будет штук. Получим:
(23.1)
Это – формула Бернулли. Здесь обозначено: вероятность появления события А m раз в n испытаниях, р – вероятность появления события А в одном испытании, q = 1 – p.
Пример 51. Вероятность попадания в цель при одном выстреле равна 0,8. Найти вероятность пяти попаданий при шести выстрелах.
Решение. n =6, m =5, p =0,8, q = 1 – 0,8 = 0,2.
Ответ: 0,39
Пример 52. Вы играете в шахматы с равным по силе партнером. Чего следует больше ожидать: 3 побед в 4 партиях или 5 побед в 8 партиях?
Решение. р = 0,5; q = 0,5.
,
.
Ответ:
24. Случайные величины
Очень часто в результате опыта в качестве случайного события появляется некоторое число. Так при бросании игральной кости выпадает определенное число очков, при обследовании партии готовых деталей обнаруживается некоторое число бракованных и т.д.
Определение 24.1. Случайной величиной, связанной с данным опытом, называется величина, которая при каждом осуществлении этого опыта принимает то или иное числовое значение, заранее неизвестно, какое именно.
Приведем несколько примеров случайных величин.
1.Приобретено несколько лотерейных билетов. Х – количество выигравших билетов.
2.Испытывается электрическая лампочка на длительность горения. Х – время горения до выхода из строя.
3.Число автомобилей, проезжающих по улице за 1 час.
Если количество возможных значений случайной величины конечно, она называется дискретной, а если возможные значения заполняют некоторый числовой промежуток, то – непрерывной.
Так в приведенных выше примерах 1 и 3 случайные величины – дискретные, а в примере 2 – непрерывная. Для полного описания случайной величины недостаточно знать, какие значения она принимает, необходимо еще оценить, как часто она принимает то или иное значение. Для изучения дискретной случайной величины составляют так называемый закон распределения. Это таблица, в которую занесены все возможные значения случайной величины и их вероятности. В качестве примера составим закон распределения случайной величины Х – суммы очков при однократном бросании двух игральных костей.
Х |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Р |
|
|
|
|
|
|
|
|
|
|
|
Если закон распределения составлен правильно, сумма вероятностей всех значений должна равняться 1.