- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
1.4. Основные формулы теории вероятностей.
Приведем ряд теорем и основных формул, вывод которых прост и имеется в любом учебнике по теории вероятностей.
Теорема сложения вероятностей для несовместных событий.
Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий.
Пример. в урне 30 шаров: 10 красных, 5 синих, 15 белых. Найти вероятность появления цветного шара.
Р(А)= 10/30 +5/30=1/2.
В общем случае вероятность суммы нескольких событий равна сумме вероятностей этих событий:
Следствие. Если несовместные события A1, A2,…, An образуют полную группу несовместных событий, то сумма их вероятностей равна единице:
.
Теорема сложения вероятностей для совместных событий:
Р(А+В)= Р(А)+Р(В)-Р(АВ);
Р(А+В+С+)=Р(А)+Р(В)+Р(С)-Р(АВ)-Р(АС)-Р(ВС)+Р(АВС);
P( Ai)= P(Ai)- P(AiAj)+ P(Ai)P(Aj)P(Ak)-…
+(-1)n-1P(A1A2…An).
Теорема умножения вероятностей для
независимых событий
Вероятность совместного появления двух независимых событий равна произведению вероятностей каждого из этих событий. В символической форме это значит Р(АВ)=Р(А)Р(В).
Например, если имеются две группы изделий a1b1c1d1e1 и a2b2, причем из каждой группы производится случайная выборка изделий, то вероятность совместной выборки изделий а1 и а2 составит 1/5х1/2=1/10 . Этому примеру можно дать и такую интерпретацию. Если дефектными изделиями являются только изделия а1 и а2, то вероятность, что оба изделия в осуществленной таким образом выборке из двух изделий будут дефектными, равна 1/10.
Аналогично этому, вероятность совместного появления нескольких независимых событий равна произведению вероятностей каждого из этих событий:
Р(А1А2…Аn)=P(A1)P(A2)…P(An).
Рассмотрим теперь случай, когда приходится иметь дело с условными вероятностями. Предположим, что речь идет о партии из шести перчаток, в которой содержится 3 перчатки на правую руку и 3 перчатки на левую. Из этой партии мы случайным образом выбираем 2 перчатки, и нас интересует, какова вероятность выборки двух парных перчаток (одной перчатки на правую руку и одной - на левую).
Вероятность выбора правой перчатки при первом выборе равна 3/6. После выбора этой перчатки вероятность выбора левой перчатки 3/5. Следовательно, вероятность выбора сначала правой, а потом левой перчатки равна 3/6x3/5=9/30. Аналогично этому вероятность выбора вначале левой перчатки равна 3/6, а за ней правой – 3/5. Вероятность выбора этой пары равна 9/30. А вероятность выбора пары вообще равна
9/30+9/30=18/30
Теперь можно сформулировать теорему умножения вероятностей. Вероятность совместного появления двух событий равна безусловной вероятности первого события, умноженной на условную вероятность второго события. В символической форме это можно записать следующим образом:
P(AB)=P(A)P(B/A)=P(B)P(A/B).
1.5. Формула полной вероятности и формула Байеса
Пример. Штамповочный цех отправил в ОТК два контейнера штампованных деталей. Первый контейнер содержит 20000 деталей, 5% которых являются браком. Второй контейнер содержит 10000 деталей с 1% брака. Детали из обоих контейнеров были перемешаны, после чего контролер берет наудачу из общей партии одну штампованную деталь. Какова вероятность того, что деталь будет бракованной? Для расчета вероятности введем следующие обозначения: событие А - выбор исходной детали; событие В1- выбор из общей партии детали, которая раньше находилась в первом контейнере, В2 - во втором контейнере. Вероятность выбора бракованной детали из первого контейнера- Р(А/В1)= 0,05; из второго- Р(А/В2)=0,01.
Вероятность Р(В1)= 2000/3000= 2/3; Р(В2)= 1/3. Теперь можно подсчитать: Р(А)= 2/3х0,005+1/3х0,01=0,037.
Сформулируем следующую теорему:
Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий В1,В2,…,Вn, образующих полную группу, равна сумме вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Р(А)= Р(Вi)P(А/Вi)-формула полной вероятности.
Следствием теоремы умножения и формулы полной вероятности является формула Байеса.
Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2, …, Вn , образующих полную группу. Поскольку заранее неизвестно, какие из этих событий наступят, их называют гипотезами. Вероятность появления события определится по формуле полной вероятности:
P(А) = Р(Вi)Р(А/Вi).
Допустим, что произведено испытание, в результате которого появилось событие А. Поставим своей задачей определить: как изменились (в связи с тем, что появилось событие А) вероятности гипотез, т.е. найти Р(В1/А), Р(В2/А) и так далее.
Найдем сначала Р(В1). По теореме умножения вероятностей
Р(АВ1) = Р(А)Р(В1) = Р(В1)Р(А/В1); Р(В1/А) = Р(В1)Р(А/В1)/Р(А),
но Р(А) = Р(Вi)P(А/Вi). Окончательно запишем:
Р(В1/А) = Р(В1)Р(А/В1)/ Р(Вi)Р(А/Вi), а в общем виде формула примет вид:
Р(Вi/А)= Р(Вi)Р(А/Вi)/ Р(Вi)Р(А/Вi) – - формула Байеса.
Пример. На предприятии имеется 3 станка одного типа. Один из них дает 20% продукции, второй - 30%, третий - 50%. При этом первый станок дает 5% брака, второй - 4%, третий - 2%. Найти вероятность того, что случайно отобранное бракованное изделие выпущено первым станком.
Пусть событие Вi обозначает принадлежность изделия i- му станку (i=1, 2, 3). Тогда Р(В1) =20/100 = 0,2; Р(В2) = 0,3; Р(В3) = 0,5. Соответственно Р(А/В1) = 0, 05; Р(А/В2) = 0,04; Р(А/В3) = 0, 02. Подставив данные в формулу Байеса, получим
Р(В1/А) = 0,2х0,05/0,2х0,5+0,3х0,04+0,5х0,02 = 0,031