- •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
Повторение опытов в меняющихся условиях
|
(2.11) |
по степеням z:
n(z) = pn, nzn + pn – 1, nzn –1 +…+ p0, n. |
(2.12) |
Универсальная электронная формула для независимых испытаний
X=strcat('[',strrep(char(expand(prod(P*Z+1-P))),'+',' '),']');
Он сначала составляет производящую функцию (2.11) от символьной переменной Z операцией умножения prod, преобразует ее в полином (2.12) функцией expand, затем превращает символьное выражение в строку символов алфавита (char), заменяет в ней символы ‘+’ на пробелы (strrep) и помещает в скобки как массив. Присваиванием символьной переменной X эта строка снова превращается в символьное выражение. Подстановка Z =1 в X дает массив вероятностей pn, n, pn – 1, n, …, p0, n, который перестраивается в обратном порядке для совместимости со структурой результатов p_Binom.
Функцию RptTrial можно использовать с векторным или скалярными аргументами в виде RptTrial([p1, …, pn]) или RptTrial(p, n) как электронную формулу в любом контексте, где требуются вероятности pm, n, m = 0, …, n.
Пример применения универсальной электронной формулы RptTrial
>> p=0.8:-0.05:0.35, n=length(p); G=1-0.75.^(0:n);
p = 0.80 0.75 0.70 0.65 0.60 0.55 0.50 0.45 0.40 0.35
Вычислим вероятности гипотез pm,n при переменных pi, а также для трех постоянных значений pi = p1 = 0,8, pi = pn = 0,35, pi = pcp= pi / n = 0,575, построим для наглядности графики pm,n(m) и сравним все варианты вычисления гипотез по основному результату – полной вероятности поражения:
>> P= RptTrial(p); P1= RptTrial(p(1),n); Pn= RptTrial(p(n),n); Pm=RptTrial(mean(p),n);
>> t=0:n; plot(t,P,t,P1,t,Pn,t,Pm), W=P*G', W1=P1*G', Wn=Pn*G', Wm=Pm*G'
W = 0.7900 W1 = 0.8926 Wn = 0.5998 Wm = 0.7882
Из рис. 2.2 видно, что расчет по условиям первого выстрела существенно сдвигает распределение вероятностей гипотез в сторону большего числа попаданий, тогда как расчет по средней вероятности дает близкие результаты к истинным. Можно анализировать также степень снижения вероятности поражения от длины очереди (рис. 2.3):
>> for k=1:n w(k)=dot(RptTrial(p,k), G(1:k+1)); w1(k)=dot(RptTrial(p(1),k), G(1:k+1)); end
>> t=1:n;plot(t,w,t,w1,'k-.')
Вероятность поражения очередью растет с длиной очереди медленнее, чем Wn = 1 (1 W1)n (штрих-пунктирная кривая на рис. 2.3) еще и потому, что в реальной стрельбе существует зависимость между отклонениями траектории в разных выстрелах. Это снижение тем больше, чем больше степень зависимости между выстрелами. При максимальной зависимости все снаряды летят по одной случайной траектории, вероятность хотя бы одного попадания такая же, как и вероятность попадания в одном выстреле. Но анализировать влияние этого фактора с помощью функции RptTrial нельзя. Независимость – базовое свойство испытаний Бернулли в отличие от предположения о постоянстве условий, отказ от которого ведет к усложнению вычислений, несущественному при использовании электронной формулы RptTrial.
|
|
Рис. 2.2. Вероятности возможного числа попаданий |
Рис. 2.3. Снижение вероятности поражения очередью с уменьшением вероятности попадания |