Формула полной вероятности
Предположение группы событий, объединение которых образует пространство элементарных исходов. Использование диаграммы Венна для теоремы сложения вероятностей и умножения. Применение формулы Байеса для условного исчисления априорной реализации гипотезы.
| Рубрика | Математика |
| Вид | реферат |
| Язык | русский |
| Дата добавления | 26.06.2013 |
| Размер файла | 51,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Формула полной вероятности
Пусть имеется группа событий H1, H2,..., Hn, обладающая следующими свойствами:
1) все события попарно несовместны:
2) их объединение образует пространство элементарных исходов :
Рисунок:
=.
В этом случае будем говорить, что H1,H2,...,Hn образуют полную группу событий. Такие события иногда называют гипотезами.
Пусть А - некоторое событие: А (диаграмма Венна представлена на рисунке).
Тогда имеет место формула полной вероятности:
P(A) = P(A/ H1)P(H1) + P(A/ H2)P(H2) + ...+ P(A/ Hn)P(Hn) =
Доказательство.
Очевидно:
A =
Причем все события:
* (i = 1,2,...,n)
- попарно несовместны. Отсюда по теореме сложения вероятностей получаем:
P(A) = P() + P() +...+ P(
Если учесть, что по теореме умножения:
P()= P(A/Hi)P(Hi) * (i=1,2,...,n)
То из последней формулы легко получить приведенную выше формулу полной вероятности.
Пример. В магазине продаются электролампы производства трех заводов, причем доля первого завода - 30, второго - 50, третьего - 20. Брак в их продукции составляет соответственно 5, 3 и 2. Какова вероятность того, что случайно выбранная в магазине лампа оказалась бракованной.
Пусть событие H1 состоит в том, что выбранная лампа произведена на первом заводе, H2 на втором, H3 - на третьем заводе. Очевидно:
P(H1) = 3/10 P(H2) = 5/10 P(H3) = 2/10
Пусть событие А состоит в том, что выбранная лампа оказалась бракованной; A/Hi означает событие, состоящее в том, что выбрана бракованная лампа из ламп, произведенных на i-ом заводе. Из условия задачи следует:
P (A/H1) = 5/10;
P(A/H2) = 3/10;
P(A/H3) = 2/10.
По формуле полной вероятности получаем:
Формула Байеса.
Пусть H1,H2,...,Hn - полная группа событий и А - некоторое событие. Тогда по формуле для условной вероятности:
Здесь P(Hk /A) - условная вероятность события (гипотезы) Hk или вероятность того, что Hk реализуется при условии, что событие А произошло.
По теореме умножения вероятностей числитель формулы можно представить в виде:
P = P= P(A /Hk) P(Hk)
Для представления знаменателя формулы можно использовать формулу полной вероятности:
P(A)
Теперь из можно получить формулу, называемую формулой Байеса:
По формуле Байеса исчисляется вероятность реализации гипотезы Hk при условии, что событие А произошло. Формулу Байеса еще называют формулой вероятности гипотез. Вероятность P(Hk) называют априорной вероятностью гипотезы Hk, а вероятность:
P * (Hk /A)
- апостериорной вероятностью.
Пример. Рассмотрим приведенную выше задачу об электролампах, только изменим вопрос задачи. Пусть покупатель купил электролампу в этом магазине, и она оказалась бракованной. Найти вероятность того, что эта лампа изготовлена на втором заводе. Величина P(H2) = 0,5 в данном случае это априорная вероятность события, состоящего в том, что купленная лампа изготовлена на втором заводе. Получив информацию о том, что купленная лампа бракованная, мы можем поправить нашу оценку возможности изготовления этой лампы на втором заводе, вычислив апостериорную вероятность этого события.
Выпишем формулу Байеса для этого случая
Из этой формулы получаем:
P(H2 /A) = 15/34. Как видно, полученная информация привела к тому, что вероятность интересующего нас события оказывается ниже априорной вероятности.
Задача
1. В первой урне 7 белых и 3 черных шара, во второй - 8 белых и 2 черных. При перевозке из первой урны во вторую урну перекатились два шара. После того, как шары во второй урне перемешались, из неё выкатился шар. Найти вероятность того, что выкатившийся из второй урны шар белый.
Пусть событие Н1 состоит в том, что из первой урны во вторую перекатились два белых шара, событие Н2 состоит в том, что перекатились два чёрных шара, а событие Н3 состоит в том, что перекатились шары разного цвета. Можно вычислить вероятности:
Р(Н1)==7/15,
Р(Н2)==1/15,
Р(Н3)==7/15.
- при решении задачи полезно проверить выполнение необходимого условия:
Если реализовалась гипотеза Н1, то во второй урне оказалось 10 белых и 2 черных шара. Обозначим через А событие, заключающееся в том, что из второй урны выкатился белый шар. Тогда:
Р(А/Н1)==5/33
Если реализовалась гипотеза Н2, то во второй урне оказалось 8 белых и 4 чёрных шара.
Следовательно:
Р(А/Н2)==4/33
Легко показать, что:
Р(А/Н3)==3/22
Теперь можно воспользоваться формулой полной вероятности:
Р(А)=(5/33)(7/15)+(4/33) (1/15)+(3/22) (7/15)=47/330
В условие задачи внесем изменение. Пусть после того, как из первой урны во вторую перекатились два шара и шары во второй урне перемешались, из неё выкатился белый шар. Найти вероятность того, что из первой урны во вторую перекатились разноцветные шары.
Вычисления предыдущей задачи подставим в формулу Байеса:
диаграмма умножение гипотеза
Р(Н3/А)=Р(А/Н3)Р(Н3)/ Р(А)=(3/22)(7/15)/( 47/33)=7/47
Размещено на Allbest.ru
...Подобные документы
Опыт со случайным исходом. Статистическая устойчивость. Понятие вероятности. Алгебра событий. Принцип двойственности для событий. Условные вероятности. Формулы сложения и умножения вероятностей. Формула Байеса. Пространство элементарных событий.
реферат [402,7 K], добавлен 03.12.2007Вероятность события. Теоремы сложения и умножения событий. Теорема полной вероятности события. Повторные независимые испытания. Формула Бернулли, формула Пуассона, формула Муавра-Лапласа. Закон распределения вероятностей случайных дискретных величин.
контрольная работа [55,2 K], добавлен 19.12.2013Показатели безотказности как показатели надежности невосстанавливаемых объектов. Классическое и геометрическое определение вероятности. Частота случайного события и "статистическое определение" вероятности. Теоремы сложения и умножения вероятностей.
курсовая работа [328,1 K], добавлен 18.11.2011Определение и оценка вероятности наступления заданного события. Методика решения задачи, с использованием теоремы сложения и умножения, формулы полной вероятности или Байеса. Применение схемы Бернулли при решении задач. Расчет квадратического отклонения.
практическая работа [55,0 K], добавлен 23.08.2015Определение числа всех равновероятных исходов испытания. Правило умножения вероятностей независимых событий, их полная система. Формула полной вероятности события. Построение ряда распределения случайной величины, ее математическое ожидание и дисперсия.
контрольная работа [106,1 K], добавлен 23.06.2009Классическое определение вероятности. Формулы сложения и умножения вероятностей. Дисперсия случайной величины. Число равновозможных событий . Матрица распределения вероятностей системы. Среднее квадратическое отклонение, доверительный интервал.
контрольная работа [89,7 K], добавлен 07.09.2010История и основные этапы становления и развития основ теории вероятности, ее яркие представители и их вклад в развитие данного научного направления. Классификация случайных событий, их разновидности и отличия. Формулы умножения и сложения вероятностей.
контрольная работа [22,6 K], добавлен 20.12.2009Определение числа исходов, благоприятствующих данному событию. Теорема умножения вероятностей и сложения несовместных событий, локальная теорема Лапласа. Расчет среднеквадратического отклонения величин. Несмещенная оценка генеральной средней и дисперсии.
контрольная работа [91,0 K], добавлен 31.01.2011Дискретные случайные величины и их распределения. Формула полной вероятности и формула Байеса. Общие свойства математического ожидания. Дисперсия случайной величины. Функция распределения случайной величины. Классическое определение вероятностей.
контрольная работа [33,8 K], добавлен 13.12.2010Статистическое, аксиоматическое и классическое определение вероятности. Дискретные случайные величины. Предельные теоремы Лапласа и Пуассона. Функция распределения вероятностей для многомерных случайных величин. Формула Байеса. Точечная оценка дисперсии.
шпаргалка [328,7 K], добавлен 04.05.2015Формулировка и доказательство теоремы о сложении вероятностей двух несовместных событий. Следствие теоремы в случае, когда события составляют полную группу несовместных событий, и в случае противоположных событий. Примеры вычисления вероятности событий.
презентация [77,5 K], добавлен 01.11.2013Характеристика полной группы событий как совокупность всех возможных результатов опыта. Способы определения вероятности событий в задачах разного направления. Нахождение вероятности количества нестандартных деталей. Построение функции распределения.
задача [37,9 K], добавлен 19.03.2011Функциональные и степенные ряды. Разложение функций в ряды Тейлора и Макларена. Теорема Дерихле. Основные понятия в теории вероятностей. Теорема умножения и сложения вероятностей независимых событий. Формулы Бейеса, Бернулли. Локальная теорема Лапласа.
методичка [96,6 K], добавлен 25.12.2010Решение задач по определению вероятности событий, ряда и функции распределения с помощью формулы умножения вероятностей. Нахождение константы, математического описания и дисперсии непрерывной случайной величины из функции распределения случайной величины.
контрольная работа [57,3 K], добавлен 07.09.2010Пространство элементарных событий. Понятие совместных и несовместных событий и их вероятностей. Плотность распределения вероятностей системы двух случайных величин. Числовые характеристики системы. Закон генеральной совокупности и его параметры.
контрольная работа [98,1 K], добавлен 15.06.2012Общее понятие и характеристика простейшего пространства элементарных исходов. Способы вычисления вероятности события. Классическая вероятностная модель, ее главные свойства и доказательства. Основные аксиомы теории вероятности, примеры решения задач.
реферат [42,6 K], добавлен 24.04.2009Классическая формула для вероятности события, отношение благоприятного числа исходов опыта к общему числу всех равновозможных несовместных исходов. Понятие непрерывной и дискретной случайной величины, их числовые характеристики и законы распределения.
презентация [5,5 M], добавлен 19.07.2015Вероятность и ее общее определение. Теоремы сложения и умножения вероятностей. Дискретные случайные величины и их числовые характеристики. Закон больших чисел. Статистическое распределение выборки. Элементы корреляционного и регрессионного анализа.
курс лекций [759,3 K], добавлен 13.06.2015Пространство элементарных событий. Совместные и несовместные события. Плотность распределения вероятностей системы двух случайных величин. Эмпирическая функция распределения. Числовые характеристики случайной функции. Условие независимости двух событий.
контрольная работа [30,0 K], добавлен 15.06.2012Практическое применение теории вероятностей. Методы решения задач, в которых один и тот же опыт повторяется неоднократно. Формула Бернулли для описания вероятности наступления события. Биномиальное распределение и формулировка теоремы о повторении опытов.
презентация [47,1 K], добавлен 01.11.2013
