Рассмотрим испытание, проходящее в два этапа. Пусть {Н1,Н2,…,Нn} - гипотезы, т.е. возможные результаты первого этапа. А –случайное событие, которое может произойти или не произойти в результате всего испытания в целом. Формула полной вероятности позволяет найти вероятность события А.
Предположим теперь, что испытание проведено и стало известно, что событие А произошло. В этом случае вероятности гипотез по сравнению с первоначальными могут измениться.
Формула Байеса позволяет точно вычислить эти условные вероятности. Она выводится из формулы 4) для условной вероятности и в общем случае имеет следующий вид:
(k=1, 2, …, n).
Задача. Пусть в тире имеются два ружья, вероятность попадания в цель из первого равна 0.9, а из второго – 0.1. Наугад выбирают ружье и стреляют из него в цель. Событие А состоит в том, что цель будет поражена. Предположим, что стало известно, что событие А произошло.
1)Что более вероятно: выстрел произведен из первого или второго ружья.
2)Найти вероятность того, что выстрел произведен из первого ружья.
|
|
Решение. 1)Так как ружья выбираются наугад, то вероятности гипотез (выбор первого или второго ружья) одинаковы: р(Н1)=р(Н2)=1/2. Так как стало известно, что событие А произошло, то, очевидно, что теперь более вероятна гипотеза Н1, т.е. стреляли из первого ружья: рА(Н1)>рА(Н2).
2) Используя формулу Байеса, уточняем результат полученный в 1):
т.е. при условии попадания в цель вероятность того, что стреляли из первого ружья равна 0.9, а из второго – 0.1.
Рассмотрим еще один пример.
Задача. Имеются три партии деталей: в первой партии – 10% бракованных деталей, во второй – 20% и в третьей – 30%. Наугад выбирают одну из партий и из нее берут одну деталь, которая оказывается бракованной. Какова вероятность того, что деталь взята из первой партии?
Решение: Рассмотрим событие А, состоявшее в том, что выбранная деталь – бракованная, и три гипотезы:
Н1 – деталь взята из первой партии;
Н2 – деталь взята из второй партии;
Н3 – деталь взята из третьей партии.
По условию задачи
р(Н1)=р(Н2)=р(Н3)=1/3,
Искомую вероятность находим по формуле Байеса:
.
Определение случайной величины. Дискретные и непрерывные случайные величины. Функция распределения и ее свойства, плотность вероятностей непрерывной случайной величины.Биномиальное распределение. Распределение Пуассона.
Со многими испытаниями могут быть связаны не только какие-то случайные события, но также и случайные числа. Это может быть число очков на выпавших кубиках, число бракованных деталей в наугад выбранной партии, выигрыш (денежный) в некой игре и т.п. В связи с этим в теории вероятностей вводится понятие случайной величины.
|
|
Случайной величиной называется величина Х, которая в результате испытания может принимать единственное значение х, из заданных, наперед неизвестное.
Пусть {х1, х2, …, хn} – конечный набор чисел (чаще всего в порядке возрастания). Дискретной случайной величиной (сокращенно, ДСВ) называется величина Х, которая в результате испытания может принимать одно из значений хi, наперед неизвестное.
Законом распределения ДСВ Х называется таблица,
Х | х1 | х2 | х3 | …. | хn |
Р | р1 | р2 | р3 | …. | рn |
в верхней строке которой перечислены все возможные значения, которые может принимать Х, а в нижней – соответствующие им вероятности рк=Р(Х=хк) – вероятность того, что в результате испытания Х примет значение хк. Заметим, что для закона распределения ДСВ Х всегда должно выполняться равенство:
Отметим также, что иногда приходится рассматривать ДСВ Х, возможные значения которой образуют бесконечное счетное множество
{х1, х2, …, хn,…}, например, множество натуральных чисел.
Простейшим из законов распределения является равномерное распределение. Такой закон распределения характеризуется тем, что все вероятности рк равны между собой, следовательно, он имеет вид:
Х | х1 | х2 | х3 | …. | хn |
Р | 1/n | 1/n | 1/n | …. | 1/n |
Равномерное распределение получается, например, если рассмотреть ДСВ X - число очков, выпавших при бросании правильной игральной кости.