- •Лекция 2 Определение вероятностей сложных событий
- •От простых событий к сложному
- •Вероятностная модель испытаний Бернулли
- •Теорема Бернулли
- •Формула Бернулли
- •Обобщенная формула Бернулли
- •Практическое нахождение достаточного числа повторений
- •Локальная теорема Лапласа
- •Интегральная теорема Лапласа
- •Условие для необходимого числа испытаний
- •Вычисления функции Лапласа в среде matlab
- •Решение обратной задачи
- •Формула Пуассона
- •Оценка вероятности по частоте успехов в испытаниях Бернулли
- •Применение нормального приближения
- •Оценка вероятности по частоте маловероятных событий в испытаниях Бернулли
- •Универсальный метод оценки вероятности по частоте
- •Построение кривой чувствительности
- •Построение кривой чувствительности при ограниченном объеме статистики
- •Вероятность нескольких попаданий в серийной стрельбе
- •Повторение опытов в меняющихся условиях
- •Универсальная электронная формула для независимых испытаний
- •Пример применения универсальной электронной формулы RptTrial
- •Ординарные потоки и поля событий
- •Ординарные потоки событий
- •Вероятность событий в простейшем пуассоновский потоке
- •Пуассоновский поток событий
- •Простейшее пуассоновское поле событий
- •Иллюстрация статистически равномерного распределения
- •Пуассоновское поле событий
- •Координатный закон поражения
- •Кзп в однородном поле
- •Кзп в неоднородном поле
- •Статистическое моделирование пуассоновского поля
- •БэсПиБп.2. Случайные события. Повторение опытов 16
Пуассоновское поле событий
>> x=sqrt(rand(1,500))*10;y=rand(1,500)*10;plot(x,y,'*'),grid on
Среднее число точек поля в вертикальных полосах единичной ширины должно быть примерно равным абсциссе середины полосы (0,5, 1,5 и т.д.):
>> N=[];I=0:1:10;n=length(I)-1; for i=1:n N(i)=sum(I(i)<x&x<I(i+1));end, A=N/10
A = 0.40 1.70 2.10 4.40 4.50 5.10 6.60 7.00 8.80 9.40
Среднее число событий в произвольной области D пуассоновского поля получается интегрированием плотности по этой области
, |
(2.15) |
где ds – бесконечно малая часть области D. Численное интегрирование необязательно. Учитывая дискретность поля событий, его плотность считают постоянной на малых, но конечных участках (проекциях УА). Тогда среднее число событий на i-й части, мера которой Si, составляет ai = iSi.
Координатный закон поражения
.
Если для поражения цели достаточно вывести из строя хотя бы один УА, формула поражения имеет вид A = Ai, условную вероятность поражения цели при фиксированных координатах срабатывания P(A/x, y, z) с учетом независимости поля можно выразить через gi(x, y, z) по формуле (1.13):
, |
(2.16) |
где – среднее число попаданий в уязвимую площадь цели:
. |
(2.17) |
Функция G(x, y, z) = P(A/x, y, z) называется координатным законом поражения цели (КЗП).
Кзп в однородном поле
, |
(2.18) |
где величина характеризует уязвимость цели (функция уязвимости). На рис. 2.5 а показаны проекции УА некоторой цели на картинную плоскость, перпендикулярную направлению разлета осколков.
а б
Рис. 2.5. Агрегатная модель цели в пуассоновском поле
Однородное поле с плотностью = 50/102 = 0,5 сформируем командой:
>> x=rand(1,50)*10;y=rand(1,50)*10;plot(x,y,'.'),grid on
Изображение проекций УА выполнено методами классов Rect и PolyRect, упрощенно моделирующих агрегатную структуру цели (Семинар 2):
>> a=Rect(1.5,1);b=Rect(0.6,1.5);T=PolyRect(a,Place(a,a,1),Place(a*[0.5 1],a,2));
>> T=Add(T,Place(b,Memb(T,3),2),Place(b,Memb(T,2),3),Place(b,Memb(T,2),4));
>> T1=MoveTo(T,[5;5]);show(T1)
Предположим, что для поражения каждого УА достаточно попадания в него хотя бы одного осколка (pi = 1, i), тогда КЗП можно вычислить как вероятность хотя бы одного попадания в простейшем пуассоновском поле с параметром a = Si. Суммарную площадь проекций Si вычисляет метод PolyRect\Area, ее нужно подставить в (2.18):
>> S=Area(T), W=1-exp(-0.5*S)
S = 6.4500 W = 0.9891