- •Лекция № 1 Основные понятия теории вероятностей. Классическое определение вероятности. Элементы комбинаторики.
- •1. Основные понятия теории вероятностей.
- •2. Классическое определение вероятности.
- •3. Элементы комбинаторики.
- •Лекция № 2 Алгебра событий. Аксиомы тв. Основные теоремы теории вероятностей. Модели надежности технических систем
- •1. Алгебра событий.
- •3. Основные теоремы теории вероятностей
- •Определение 4.
- •4. Модели надежности технических систем
- •Лекция № 3 Формула полной вероятности. Формула Бейеса.
- •1. Формула полной вероятности.
- •2. Формула Байеса.
- •1. Повторение опытов (схема Бернулли).
- •2. Формула Бернулли
- •3. Локальная теорема Лапласа
- •4. Интегральная теорема Лапласа
- •5. Наивероятнейшее число наступления событий.
- •Лекция № 5 Случайные величины.
- •1. Дискретные случайные величины.
- •Формы задания закона распределения дискретной случайной величины
- •2.1. Ряд распределения.
- •2.2. Многоугольник распределения.
- •2.3. Интегральная функция распределения.
- •2. Многоугольник распределения
- •3. Интегральная функция распределения
- •3. Вероятность попадания случайной величины на заданный участок
- •Лекция № 6 Числовые характеристики случайных величин.
- •1. Характеристики положения случайной величины на числовой оси.
- •Математическое ожидание не случайное число, которое в зависимости от типа случайной величины определяется по формуле:
- •На рис.6.2 показана мода непрерывной унимодальной (с одной модой) случайной величины, заданной плотностью распределения.
- •2. Моменты случайных величин. Для характеристики различных свойств случайных величин используются начальные и центральные моменты.
- •3. Свойства моментов случайных величин. Особого внимания заслуживают свойства начальных и центральных моментов первого и второго порядков.
- •Первый центральный момент μ1 любой случайной величины равен нулю.
- •Математическое ожидание.
- •Дисперсия.
- •Среднее квадратичное отклонение.
- •1.2. Закон распределения Пуассона Закон распределения Пуассона связан с редкими событиями, составляющими простейший поток событий.
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •4. Вероятность попадания пуассоновской случайной величины на заданный участок.
- •2. Законы распределения непрерывных случайных величин.
- •2.1. Равномерный закон распределения
- •Если участок [α,β] не входит в диапазон [a,b], то выражение (7.17) не является справедливым. В этом случае необходимо руководствоваться выражением если (7.18)
- •2.2. Показательный закон распределения
- •2.3. Нормальный закон распределения
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •Поскольку 2-й центральный момент
- •4. Вероятность попадания случайной величины на заданный участок
- •Поскольку то (7.31) перепишется как
- •3. Правило трех сигм
- •Лекция № 8 Основные задачи математической статистики. Определение законов распределения случайных величин на основе экспериментальных данных.
- •Предмет и задачи математической статистики.
- •Основные понятия.
- •3. Простейшие приемы обработки результатов наблюдений.
- •3.1 Статистическое распределение выборки.
- •Гистограмма.
- •Эмпирическая функция распределения
- •Лекция №2. Выравнивание статистических рядов. Проверка статистических гипотез.
- •Лекция №3. Оценка параметров случайных величин.
Лекция № 3 Формула полной вероятности. Формула Бейеса.
1. Формула полной вероятности.
Часто для изучения опыта, с которым связано событие А, полезно ввести в рассмотрение события Нi (i = 1, 2, … , n) гипотезы, для которых из тех или иных соображений известны априорные (доопытные) вероятности Р(Нi) и условные вероятности Р(А/Нi) наступления события А при условии, что произошло то или иное событие Нi.
Теорема 3.
Если некоторое событие А может произойти только с одним из полной группы несовместных событий (гипотез) Нi (i = 1,2,…,n) и известна априорная вероятность Р(Нi) (i = 1,2,…,n) каждой гипотезы и условные вероятности Р(А/Нi) события А при условии, что осуществилась та или иная гипотеза, то полная, или средняя, вероятность события А определяется по формуле
(3.1)
Доказательство. Поскольку события Нi попарно несовместны, а событие А может произойти либо совместно с событием Н1, либо с Н2, ... , либо с Нn, то сложное событие А можно представить в виде суммы попарно несовместных событий:
А = Н1А + Н2А + ... + НnА.
Отсюда вероятность события А определяется в соответствии со следствием теоремы 1, то есть
P(А)= P(Н1А + Н2А + ... + НnА)= P(Н1А) + P(Н2А) + ... + P(НnА) .
Применяя к каждому слагаемому последнего выражения теорему 2, получим
P(А) = P(Н1) Р(А/Н1) + Р(Н2) Р(А/Н2) + ... + Р(Нn)Р(А/Нn) =
что и требовалось доказать.
Задача 3.1.
Завод выпускает приборы с гарантийным сроком эксплуатации один год. Известно, что 20% продукции будет эксплуатироваться в Заполярье, 75% – в местности с умеренным климатом, 5% – в пустыне. Известны также вероятности безотказной работы приборов в каждом регионе в течение гарантийного срока: 0,9 – в Заполярье; 0,99 – в местности с умеренным климатом; 0,8 – в пустыне.
Необходимо определить какой процент изделий следует выпустить дополнительно к плану для замены отказавших в течение гарантийного срока. При этом считается, что при замене изделий последние не отказывают.
Решение.
Дополнительно к плану следует выпустить столько изделий, сколько их откажет во всех регионах. Искомый дополнительный процент изделий – это полная вероятность отказа приборов по всем регионам, умноженная на 100%.
Введем обозначения:
А – безотказная работа прибора;
Н1 –прибор будет эксплуатироваться в Заполярье;
Н2 – прибор будет эксплуатироваться в местности с умеренным климатом;
Н3 – прибор будет эксплуатироваться в пустыне.
Тогда вероятности осуществления гипотез, исходя из условия примера, составят:
P(Н1) = ;
P(Н2) = ;
P(Н3) = .
Условные вероятности события А равны:
Р(А/Н1) = 0,9; Р(А/Н2) = 0,99; Р(А/Н3) = 0,8 .
Определим полную вероятность безотказной работы прибора:
= 0,2∙0,9 + 0,75∙0,99 + 0,05∙0,8 = 0,9625 .
Полная вероятность отказа приборов по всем регионам определится как
Р( ) = 1 – Р(А) = 1 – 0,9625 = 0,0375 .
Искомая величина: Р( ) ∙ 100% = 3,75% .
2. Формула Байеса.
Формула Байеса используется в тех же условиях, что и формула полной вероятности. Единственное отличие состоит в том, что событие А уже произошло.
Формула Байеса позволяет определять апостериорные (послеопытные) вероятности гипотез Р(Нi /А), i=1, 2, … , n , т.е. условные вероятности гипотез при условии, что событие А произошло.
Теорема 4.
Пусть некоторое событие А может произойти только с одним из полной группы несовместных событий (гипотез) Нi (i=1,2,…,n) и известны априорные вероятности гипотез Р(Нi), условные вероятности Р(А/Нi) события А при условии, что осуществилась та или иная гипотеза, а также известно, что событие А произошло, то апостериорная вероятность гипотезы Нi (i=1,2,…,n) определяется по формуле
(3.2)
Эта формула называется формулой Байеса или теоремой гипотез.
Доказательство. На основании теоремы 2 о вероятности произведения двух событий определим вероятность одновременного появления событий А и Нi в одном опыте:
Р(А∙Нi) = Р(А) ∙P(Нi /А) = P(Нi) ∙P(А/Нi)
Выразим P(Нi /А ) через остальные вероятности:
что и требовалось доказать.
Прикладное значение формулы Байеса довольно велико. Она находит свое применение в
теории распознавания образов,
технической диагностике для поиска неисправности,
в медицинской диагностике для постановки диагноза больному,
в радиолокационной технике для отделения сигнала от шума
и во многих других задачах, когда необходимо выявить вероятную причину (гипотезу) происшедшего события.
Задача 3.2.
Пусть на завод-изготовитель поступила рекламация на отказавший прибор, условия эксплуатации которого были оговорены в задаче 3.1. Необходимо определить, в каком регионе вероятнее всего он эксплуатировался.
Решение. По условию задачи происшедшим событием является отказ прибора.
Имеем P(Н1) = ; Р( /Н1) = 1 – Р(А /Н1) = 1 – 0,9 = 0,1 ;
P(Н2) = ; Р( /Н2) = 1 – Р(А /Н2) = 1 – 0,99 = 0,01 ;
P(Н3) = ; Р( /Н3) = 1 – Р(А /Н3) = 1 – 0,8 = 0,2 .
= 0,2∙0,1 + 0,75∙0,01 + 0,05∙0,2 = 0,0375 .
Апостериорные вероятности гипотез о предполагаемом регионе эксплуатации отказавшего прибора, согласно формуле Байеса, определятся следующим образом:
для гипотезы Н1 (эксплуатация в Заполярье)
для гипотезы Н2 (эксплуатация в местности с умеренным климатом)
для гипотезы Н3 (эксплуатация в пустыне)
Таким образом, наиболее вероятным регионом, из которого поступила рекламация, является Заполярье. Данная гипотеза имеет самую большую апостериорную вероятность – 0,5333 .
Лекция № 4
Повторение опытов. Формула Бернулли.
Локальная и интегральная теоремы Лапласа.
Наивероятнейшее число наступления событий.