- •Введение в теорию вероятностей
- •§ 1. Элементы комбинаторики
- •Размещения
- •Перестановки
- •Сочетания
- •Свойства сочетаний
- •§ 2. Основные понятия теории вероятностей
- •2.1. Предмет теории вероятностей
- •2.2. Испытания и события
- •2.3. Классическое определение вероятности
- •Свойства вероятности
- •2.4. Примеры непосредственного вычисления вероятностей
- •2.5. Теорема сложения вероятностей несовместных событий
- •2.6. Полная группа событий
- •2.7. Противоположные события
- •§ 3. Теорема умножения вероятностей
- •3.1. Произведение событий
- •3.2. Условная вероятность
- •3.3. Теорема умножения вероятностей зависимых событий
- •3.4. Независимые события. Теорема умножения для независимых событий
- •3.5. Вероятность появления хотя бы одного события
- •3.6. Теорема сложения вероятностей
- •3.7. Формула полной вероятности
- •3.8. Вероятность гипотез. Формулы Бейеса
- •§ 4. Повторение испытаний
- •4.1. Формула Бернулли
- •4.2. Локальная теорема Лапласа
- •4.3. Интегральная теорема Лапласа
- •§ 4. Виды случайных величин. Задание дискретной случайной величины
- •5.1. Случайная величина
- •5.2. Закон распределения вероятностей дискретной случайной величины
- •5.3. Биномиальное распределение
- •5.4. Распределение Пуассона
- •5.5. Геометрическое распределение
- •§ 6. Математическое ожидание дискретной случайной величины
- •6.1. Числовые характеристики дискретных случайных величин
- •6.2. Свойства математического ожидания
- •§ 7. Дисперсия дискретной случайной величины
- •7.1. Отклонение случайной величины
- •7.2. Дисперсия дискретной случайной величины
- •7.3. Свойства дисперсии
- •7.4. Среднее квадратическое отклонение
- •§ 8. Функция распределения вероятностей случайной величины
- •8.1. Основные понятия
- •8.2. Свойства функции распределения
- •§ 9. Плотность распределения вероятностей непрерывной случайной величины
- •9.1. Основные понятия
- •9.2. Свойства плотности распределения
- •§ 10. Нормальное распределение
- •10.1. Числовые характеристики непрерывных случайных величин
- •10.2. Нормальное распределение
- •10.3. Нормальная кривая
- •§ 11. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 11. Задания для самостоятельной работы
- •I. Элементы комбинаторики
- •II. Непосредственное вычисление вероятностей
- •III. Теоремы сложения и умножения вероятностей
- •IV. Формула полной вероятности. Формулы Байеса
- •V. Повторные испытания
- •VI. Случайные величины
- •VII. Нормально распределенная случайная величина
- •§ 12. Задания для индивидуальной работы.
- •Литература
- •Приложение
- •Значение функции
- •Значения функции
3.7. Формула полной вероятности
Теорема. Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий В1, В2, …, Вn, образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Пример. Имеется два набора деталей. Вероятность того, что деталь первого набора стандартна, равна 0,8; а второго – 0,9. Установить вероятность того, что взятая наудачу деталь – стандартная.
Решение. А – извлеченная деталь стандартна. Вероятность того, что деталь вынута из первого набора - а из второго набора - Условная вероятность того, что из первого набора будет извлечена стандартная деталь - из второго -
По формуле полной вероятности:
3.8. Вероятность гипотез. Формулы Бейеса
Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2, … , Вn, образующих полную группу. Поскольку заранее не известно, какое из этих событий наступит, их называют гипотезами.
По формуле полной вероятности:
определим, как изменились вероятности гипотез, если появилось событие А, т.е. будем искать:
По теореме умножения: .
Из формулы полной вероятности заменим Р(А):
Окончательно, для остальных гипотез:
Полученные формулы называют формулами Бейеса, по имени английского математика, который их вывел и опубликовал в 1764 году. Формулы Бейеса позволяют переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие А.
Пример. Детали, изготовляемые цехом завода, попадают для проверки на их стандартность к одному из двух контролеров. Вероятность того, что деталь попадает к первому контролеру, равна 0,6; а ко второму – 0,4. Вероятность того, что годная деталь будет признана стандартной первым контролером, равна 0,94; а вторым – 0,98. Годная деталь при проверке была признана стандартной. Найти вероятность того, что эту деталь проверил первый контролер.
Решение. А – годная деталь признана стандартной. Выдвигаем гипотезы: В1 – деталь проверил первый контролер;
В2 – деталь проверил второй контролер.
Вероятность того, что деталь проверил первый контролер, вычислим по формулам Бейеса:
§ 4. Повторение испытаний
4.1. Формула Бернулли
Определение. Если производится несколько испытаний, причем вероятность события А в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимы относительно А.
Определение. Событие называется сложным, если происходит совмещение несколько простых событий.
Поставим задачу вычислить вероятность того, что при n испытаниях событие А осуществится ровно k раз, и следовательно, не осуществится n – k раз.
Подчеркнем, что не требуется, чтобы событие А повторилось ровно k раз в определенной последовательности.
Например, если речь идет о появлении события А три раза в четырех испытаниях, то возможны следующие сложные события:
Искомую вероятность обозначим Pn(k). Поставленную выше задачу можно решить, использовав формулу Бернулли.
Вероятность одного сложного события, состоящего в том, что в n испытаниях событие А наступит k раз и не наступит n – k раз, по теореме умножения вероятностей независимых событий равна pk ∙ qn-k. Таких сложных событий может быть столько, сколько можно составить сочетаний из n элементов по k элементов: .
Эти сложные события несовместны, то по теореме сложения вероятностей несовместных событий искомая вероятность равна сумме вероятностей всех этих сложных событий:
Пример. Вероятность того, что расход электроэнергии в продолжении одних суток не превысит установленной нормы, равна р = 0,75. Установить вероятность того, что в ближайшие 6 суток расход электроэнергии в течение 4 суток не превысит.
Решение. р = 0,75, тогда q – вероятность перерасхода электроэнергии в каждые сутки также постоянна и равна: q = 1 – p = 1 – 0,75 = 0,25.
По формуле Бернулли: