- •Раздел 1. Теория вероятностей
- •§1. Предмет теории вероятностей
- •§2. Случайные события. Операции над событиями
- •§3. Классическое определение вероятности
- •§4. Элементы комбинаторики
- •§5. Геометрическое определение вероятности
- •§6. Аксиоматическое определение вероятности
- •§7. Условная вероятность, теорема умножения
- •§8. Независимость событий
- •§9. Формула полной вероятности. Формула Байеса
- •§10. Схема Бернулли
- •§11. Предельные теоремы для схемы Бернулли
- •§12. Дискретные случайные величины
- •§13. Примеры дискретных случайных величин
- •§14. Функция распределения случайной величины
- •Свойства функции распределения.
- •§15. Непрерывные случайные величины
- •§16. Примеры непрерывных распределений
- •§17. Многомерные случайные величины
- •§18. Функция распределения двумерной случайной величины
- •§19. Двумерная плотность
- •§20. Условные распределения
- •§21. Зависимые и независимые случайные величины
- •§22. Математическое ожидание дискретной случайной величины
- •§23. Дисперсия дискретной случайной величины
- •§24. Начальные и центральные теоретические моменты
- •§25. Числовые характеристики непрерывных случайных величин
- •§26. Свойства нормального распределения
- •§27. Функции случайных величин
- •§28. Условное математическое ожидание
- •§29. Ковариация. Коэффициент корреляции
- •§30. Закон больших чисел
- •§31. Характеристические функции
- •§32. Центральная предельная теорема
- •§33. Цепи Маркова
§9. Формула полной вероятности. Формула Байеса
Пример. Есть 3 завода, производящие одну и ту же продукцию. При этом 1-й завод производит 25%, 2-й завод - 35% и 3-й завод - 40% всей производимой продукции. Брак составляет 5% от продукции 1-го завода, 3% от продукции 2-го и 4% от продукции 3-го завода.
Вся продукция смешивается и поступает в продажу. Найти а) вероятность купить бракованное изделие; б) условную вероятность того, что купленное изделие изготовлено 1-м заводом, если это изделие бракованное.
Первая вероятность равна доле бракованных изделий в объеме всей продукции, то есть 0,05∙0,25+0,03∙0,35+0,04∙0,4. Вторая вероятность равна доле брака 1-го завода среди всего брака, то есть
.
Определение. Набор попарно несовместных событий H1,H2,...таких, что P(Hi)>0 для всех i и =Ω, называется полной группой событий или разбиением пространства Ω.
События H1,H2,... образующие полную группу событий, часто называют гипотезами. При подходящем выборе гипотез для произвольного события А могут быть сравнительно просто вычислены Р(А|Hi) (вероятность событию А произойти при выполнении «гипотезы» Hi) и собственно Р(Hi) (вероятность выполнения «гипотезы» Hi). Как, используя эти данные, посчитать вероятность события А?
Теорема (Формула полной вероятности). Пусть H1,H2,... – полная группа событий. Тогда вероятность любого события А может быть вычислена по формуле:
Р(А)= .
Доказательство. Заметим, что А=А Ω=А = Hi, и события А Hi, А H2,… попарно несовместны. Поэтому (используем в первом равенстве -аддитивность вероятностной меры, а во втором — теорему умножения)
Р(А)= = .
Теорема (Формула Байеса).
Пусть H1,H2,... - полная группа событий и А – некоторое событие положительной вероятности. Тогда условная вероятность того, что имело место событие Нk, если в результате эксперимента наблюдалось событие А, может быть вычислена по формуле:
Р(Нk|А)= .
Доказательство. По определению условной вероятности,
Р(Нk|А)= = .
Последнее равенство следует из теоремы умножения и формулы полной вероятности.
Пример. Вернемся к предыдущему примеру. Изделие выбирается наудачу из всей произведенной продукции. Рассмотрим три гипотезы: Hi={изделие изготовлено i-м заводом}, i=1,2,3. Вероятности этих событий даны: P(H1)=0,25, Р(H2)=0,35, Р(H3)=0,4. Пусть А={изделие оказалось бракованным}. Даны также условные вероятности Р(А|Н1)=0,05, Р(А|Н2)=0,03, Р(А|Н3)=0,04.
Пример. Два стрелка подбрасывают монетку и выбирают, кто из них стреляет по мишени (одной пулей). Первый стрелок попадает по мишени с вероятностью 1, второй стрелок - с вероятностью 0,00001. Можно сделать два предположения об эксперименте: H1={стреляет 1-й стрелок} и H2={стреляет 2-й стрелок}. Априорные (a’priori — «до опыта») вероятности этих гипотез одинаковы: Р(Н1)=Р(H2)=1/2.
Рассмотрим событие А={пуля попала в мишень}. Известно, что
Р(А|Н1)=1, Р(А|H2)=0,00001.
Поэтому вероятность пуле попасть в мишень Р(А)=1/2∙1+1/2∙0.00001. Предположим, что событие А произошло. Какова теперь апостериорная (a’posteriori - «после опыта») вероятность каждой из гипотез Hi? Очевидно, что первая из этих гипотез много вероятнее второй (а именно, в 100000 раз). Действительно,
Р(А|Н1)= = ;
Р(А|H2)= = .