- •78 Елементи диференціального числення Розділ 1. Математична обробка медико-біологічної інформації
- •Елементи диференціального числення
- •1.1.1.Похідна та диференціал функції
- •Геометричне тлумачення похідної і диференціала
- •Фізичне тлумачення похідної і диференціала
- •1.1.2. Основні правила диференціювання
- •1.1.3. Таблиця похідних основних елементарних функцій
- •1.1.4. Правило диференціювання складної функції
- •1.1.5. Похідні вищого порядку
- •1.1.6. Дослідження функцій на монотонність.Максимуми та мінімуми функцій
- •1.1.7. Випуклість та увігнутість графіка функції.Точки перегину
- •1.1.8. Побудова графіків функцій
- •1.1.9. Практичне заняття
- •1.1.10. Завдання для самостійної роботи
- •Функції декількох змінних
- •1.2.1. Частинні похідні і диференціали функції декількох змінних
- •1.2.2. Повний диференціал
- •1.2.3. Застосування диференціала функції для обчислення похибок
- •Правила визначення похибок
- •1.2.4. Практичне заняття
- •1.2.5. Завдання для самостійної роботи
- •Елементи інтегрального числення
- •1.3.1. Первісна.Невизначений інтеграл
- •1.3.2. Властивості невизначеного інтегралу
- •1.3.3. Таблиця найпростіших інтегралів
- •1.3.4. Основні методи інтегрування
- •1.3.5.Визначений інтеграл
- •1.3.6. Властивості визначеного інтеграла
- •1.3.7. Формула Ньютона–Лейбніца
- •1.3.8. Практичне заняття
- •1.3.9. Завдання для самостійної роботи
- •Елементи теорії Звичайних диференціальних рівнянь
- •1.4.1. Поняття про диференціальні рівняння
- •1.4.2. Лінійні диференціальні рівняння
- •Лінійні диференціальні рівняння першого порядку
- •1.4.3. Диференціальні рівняння зі змінними,що розділяються
- •1.4.4. Лінійні диференціальні рівняння другого порядку з постійними коефіцієнтами
- •1.4.5.Практичне заняття
- •1.4.6. Завдання для самостійної роботи
- •Основи теорії йМовірностей та математичної статистики
- •1.5.1. Класифікація явищ.Частота та ймовірність події
- •1.5.2. Теорема додавання ймовірностей
- •1.5.3. Теорема множення ймовірностей
- •1.5.4. Формула повної ймовірності.Формули Байєса
- •1.5.5. Повторні випробування. Формула Бернуллі
- •1.5.6. Випадкова величина,дискретні та неперервні випадкові величини
- •1.5.7. Інтегральна та диференціальна функції розподілу
- •1.5.8. Основні кількісні характеристики розподілу випадкових величин
- •1.5.9. Основні закони розподілу випадкових величин
- •1.5.10. Кореляційна залежність
- •1.5.11. Практичне заняття
- •1.5.12. Завдання для самостійної роботи
1.5.3. Теорема множення ймовірностей
Суміщенням (перетином)подійАіВназивається така подія, при якій одночасно реалізується випадкова подіяAі випадкова подіяВ.
Н
Мал. 1.14.
Теорема множення ймовірностей для незалежних подій: Ймовірність суміщення (перетину) двох незалежних подій дорівнює добутку ймовірностей цих подій, тобто
P(A1iA2) =P(A1 A2) =P(A1)P(A2).
Графічний приклад суміщення двох незалежних подій подано на мал. 1.14(суміщення подій – заштрихована площа).
Для залежних подій користуються поняттямумовної ймовірностіPA(B)– ймовірності реалізації подіїBза умови, що подіяA відбулася.Теорема множення ймовірностей для залежних подій: ймовірність суміщення (перетину) двох залежних подій дорівнює добутку умовної ймовірності PА(B) на ймовірність реалізації події A – P(A). Математичний запис теореми множення ймовірностей для двох залежних подій:
P(A i В) = P(A) PА(B).
Зауважимо, що у випадку незалежних подій АіВ
PА(B) = Р(В).
Припустимо, що у результаті випробування може з’явитисьnнезалежних у сукупності подій, ймовірності кожної з яких відомі. Як знайти ймовірність того, що наступить хоча б одна з цих подій? Відповідь на це запитання дає теорема .
Теорема. Ймовірності появи хоча б однієї із незалежних в сукупності подій A1, A2, ..., An, які утворюють повну групу, дорівнює різниці між одиницею і добутком ймовірностей протилежних подій, , …, :
q1 q2 …qn.
Якщо події A1, A2, ..., An мають однакову ймовірність, то остання формула набуває вигляду:
Р(А) = 1 – qn. (1.26)
Приклад. У відділенні 3 операційні бокси. Для кожного із них імовірність бути зайнятим у даний момент часур = 0.3. Яка ймовірність, що хоча б один бокс вільний в даний момент?
Згідно з (1.26) шукана ймовірність
Р= 1 – (0.3)3= 1 – 0.081 = 0.918.
1.5.4. Формула повної ймовірності.Формули Байєса
Якщо подія Аможе реалізуватись тільки при виконанні однієї з подійВ1, В2, ...,Вn, які утворюють повну групу несумісних подій, то ймовірність подіїАобчислюється за формулою:
Р(А) =…+.
Ця формула має назву формули повної ймовірності.
Розглянемо її застосування на прикладі. До діагностичного центру в рівних кількостях потрапляють пацієнти з трьох консультативних пунктів. Імовірність, що діагноз буде підтверджено для пацієнтів з направленням першого пункту становить 90%, другого – 87%, третього – 75%. Яка ймовірність, що діагноз підтвердиться у взятого навмання пацієнта?
Оскільки пацієнт вибирався довільним чином, то ймовірності, що він направлений одним певним консультативним пунктом із трьох можливих однакові і дорівнюють 1/3. Згідно з теоремою повної ймовірності
P(А) = .
Отже, ймовірність події А(підтвердження діагнозу у взятого навмання пацієнта) становить 84 відсотки.
Припустимо, що в рамках міркувань формули повної ймовірності проведено випробування, у результаті якого реалізувалась подіяА. Як зміниться у зв’язку з цим ймовірність гіпотез (величин)? Відповідь на це запитання даютьформули Байєса:
.
Формули Байєса дозволяють переоцінити ймовірності гіпотез після того, як результат випробування став відомим.