Сумма вероятностей гипотез образующих полную группу формула. Формула полной вероятности. Примеры решений задач
Известно, что качество поставляемых деталей разное, и в продукции первого поставщика процент брака составляет 4 %, второго - 5 %, третьего - 2 %. Определить вероятность того, что деталь, выбранная наудачу из всех полученных, будет бракованной.
Решение
. Обозначим события: A - «выбранная деталь бракована», H i - «выбранная деталь получена от i-го поставщика», i =1, 2, 3 Гипотезы H 1 , H 2 , H 3 образуют полную группу несовместных событий. По условию
P(H 1) = 0.5; P(H 2) = 0.2; P(H 3) = 0.3
P(A|H 1) = 0.04; P(A|H 2) = 0.05; P(A|H 3) = 0.02
По формуле полной вероятности (1.11) вероятность события A равна
P(A) = P(H 1) · P(A|H 1) + P(H 2) · P(A|H 2) + P(H 3) · P(A|H 3) = 0.5 · 0.04 + 0.2 · 0.05 + 0.3 · 0.02=0.036
Вероятность того, что выбранная наудачу деталь окажется бракованной, равна 0.036.
Пусть в условиях предыдущего примера событие A уже произошло: выбранная деталь оказалась бракованной. Какова вероятность того, что она была получена от первого поставщика? Ответ на этот вопрос дает формула Байеса .
Мы начинали анализ вероятностей, имея лишь предварительные, априорные значения вероятностей событий. Затем был произведен опыт (выбрана деталь), и мы получили дополнительную информацию об интересующем нас событии. Имея эту новую информацию, мы можем уточнить значения априорных вероятностей. Новые значения вероятностей тех же событий будут уже апостериорными (послеопытными) вероятностями гипотез (рис. 1.5).
Схема переоценки гипотез
Пусть событие A может осуществиться лишь вместе с одной из гипотез H 1 , H 2 , …, H n (полная группа несовместных событий). Априорные вероятности гипотез мы обозначали P(H i) условные вероятности события A - P(A|H i), i = 1, 2,…, n. Если опыт уже произведен и в результате него наступило событие A, то апостериорными вероятностями гипотез будут условные вероятности P(H i |A), i = 1, 2,…, n. В обозначениях предыдущего примера P(H 1 |A) - вероятность того, что выбранная деталь, оказавшаяся бракованной, была получена от первого поставщика.
Нас интересует вероятность события H k |A Рассмотрим совместное наступление событий H k и A то есть событие AH k . Его вероятность можно найти двумя способами, используя формулы умножения (1.5) и (1.6):
P(AH k) = P(H k)P(A|H k);
P(AH k) = P(A)P(H k |A).
Приравняем правые части этих формул
P(H k) · P(A|H k) = P(A) · P(H k |A),
отсюда апостериорная вероятность гипотезы H k равна
В знаменателе стоит полная вероятность события A. Подставив вместо P(A) ее значение по формуле полной вероятности (1.11), получим:
(1.12)
Формула (1.12) называется формулой Байеса
и применяется для переоценки вероятностей гипотез.
В условиях предыдущего примера найдем вероятность того, что бракованная деталь была получена от первого поставщика. Сведем в одну таблицу известные нам по условию априорные вероятности гипотез P(H i) условные вероятности P(A|H i) рассчитанные в процессе решения совместные вероятности P(AH i) = P(H i) · P(A|H i) и рассчитанные по формуле (1.12) апостериорные вероятности P(H k |A), i,k = 1, 2,…, n (табл. 1.3).
Таблица 1.3 - Переоценка гипотез
Гипотезы H i | Вероятности | |||
Априорные P(H i) | Условные P(A|H i) | Совместные P(AH i) | Апостериорные P(H i |A) | |
1 | 2 | 3 | 4 | 5 |
H 1 - деталь получена от первого поставщика | 0.5 | 0.04 | 0.02 | |
H 2 - деталь получена от второго поставщика | 0.2 | 0.05 | 0.01 | |
H 3 - деталь получена от третьего поставщика | 0.3 | 0.02 | 0.006 | |
Сумма | 1.0 | - | 0.036 | 1 |
P(Ω) = P(H 1 + H 2 + H 3) = P(H 1) + P(H 2) + P(H 3) = 0.5 + 0.2 + 0.3 = 1
В четвертой колонке значение в каждой строке (совместные вероятности) получено по правилу умножения вероятностей перемножением соответствующих значений во второй и третьей колонках, а в последней строке 0.036 - есть полная вероятность события A (по формуле полной вероятности).
В колонке 5 вычислены апостериорные вероятности гипотез по формуле Байеса (1.12):
Аналогично рассчитываются апостериорные вероятности P(H 2 |A) и P(H 3 |A), причем числитель дроби - совместные вероятности, записанные в соответствующих строках колонки 4, а знаменатель - полная вероятность события A, записанная в последней строке колонки 4.
Сумма вероятностей гипотез после опыта равна 1 и записана в последней строке пятой колонки.
Итак, вероятность того, что бракованная деталь была получена от первого поставщика, равна 0.555. Послеопытная вероятность больше априорной (за счет большого объема поставки). Послеопытная вероятность того, что бракованная деталь была получена от второго поставщика, равна 0.278 и также больше доопытной (за счет большого количества брака). Послеопытная вероятность того, что бракованная деталь была получена от третьего поставщика, равна 0.167.
Пример №3
. Имеются три одинаковые урны; в первой урне два белых и один черный шар; во второй - три белых и один черный; в третьей - два белых и два черных шара. Для опыта наугад выбрана одна урна и из нее вынут шар. Найдите вероятность того, что этот шар белый.
Решение.
Рассмотрим три гипотезы: H 1 - выбрана первая урна, H 2 - выбрана вторая урна, H 3 - выбрана третья урна и событие A - вынут белый шар.
Так как гипотезы по условию задачи равновозможны, то
Условные вероятности события A при этих гипотезах соответственно равны:
По формуле полной вероятности
Пример №4
. В пирамиде стоят 19 винтовок, из них 3 с оптическим прицелом. Стрелок, стреляя из винтовки с оптическим прицелом, может поразить мишень с вероятностью 0,81, а стреляя из винтовки без оптического прицела, - с вероятностью 0,46. Найдите вероятность того, что стрелок поразит мишень, стреляя из случайно взятой винтовки.
Решение.
Здесь первым испытанием является случайный выбор винтовки, вторым - стрельба по мишени. Рассмотрим следующие события: A - стрелок поразит мишень; H 1 - стрелок возьмет винтовку с оптическим прицелом; H 2 - стрелок возьмет винтовку без оптического прицела. Используем формулу полной вероятности. Имеем
Учитывая, что винтовки выбираются по одной, и используя формулу классической вероятности, получаем: P(H 1) = 3/19, P(H 2) = 16/19.
Условные вероятности заданы в условии задачи: P(A|H 1) = 0;81 и P(A|H 2) = 0;46. Следовательно,
Пример №5
. Из урны, содержащей 2 белых и 3 черных шара, наудачу извлекаются два шара и добавляется в урну 1 белый шар. Найдите вероятность того, что наудачу взятый шар окажется белым.
Решение.
Событие “извлечен белый шар” обозначим через A. Событие H 1 - наудачу извлекли два белых шара; H 2 - наудачу извлекли два черных шара; H 3 - извлекли один белый шар и один черный. Тогда вероятности выдвинутых гипотез
Условные вероятности при данных гипотезах соответственно равны: P(A|H 1) = 1/4 - вероятность извлечь белый шар, если в урне в данный момент один белый и три черных ша-ра, P(A|H 2) = 3/4 - вероятность извлечь белый шар, если в урне в данный момент три белых и один черный шар, P(A|H 3) = 2/4 = 1/2 - вероятность извлечь белый шар, если в урне в данный момент два белых и два черных шара. В соответствии с формулой полной вероятности
Пример №6
. Производится два выстрела по цели. Вероятность попадания при первом выстреле 0,2, при втором - 0,6. Вероятность разрушения цели при одном попадании 0,3, при двух - 0,9. Найдите вероятность того, что цель будет разрушена.
Решение. Пусть событие A - цель разрушена. Для этого достаточно попадания с одного выстрела из двух или поражение цели подряд двумя выстрелами без промахов. Выдвинем гипотезы: H 1 - оба выстрела попали в цель. Тогда P(H 1) = 0,2 · 0,6 = 0;12. H 2 - либо первый раз, либо второй раз был совершен промах. Тогда P(H 2) = 0,2 · 0,4 + 0,8 · 0,6 = 0,56. Гипотеза H 3 - оба выстрела были промахи - не учитывается, так как вероятность разрушения цели при этом нулевая. Тогда условные вероятности соответственно равны: вероятность разрушения цели при условии обоих удачных выстрелов равна P(A|H 1) = 0,9, а вероятность разрушения цели при условии только одного удачного выстрела P(A|H 2) = 0,3. Тогда вероятность разрушения цели по формуле полной вероятности равна.
На практике часто необходимо определить вероятность интересующего события, которое может произойти с одним из событий, образующих полную группу. Следующая теорема, являющаяся следствием теорем сложения и умножения вероятности, приводит к выводу важной формулы для вычисления вероятности подобных событий. Эта формула называется формулой полной вероятности.
Пусть H 1 , H 2 , … , H n есть n попарно несовместных событий, образующих полную группу:
1) все события попарно несовместны: H i ∩ H j = ; i , j = 1,2, … , n ; i j;
2) их объединение образует пространство элементарных исходов W:
Такие события иногда называют гипотезами. Пусть совершается событие А , которое может наступить только при условии наступления одного из событий H i (i = 1, 2, … , n ). Тогда справедлива теорема.
Доказательство. Действительно, по условию событие А может наступить, если наступает одно из несовместных событий H 1 , H 2 … H n , т.е. появление события А означает осуществление одного из событий H 1 ∙ А , H 2 ∙ А , … , H n ∙ А . Последние события также несовместны, т.к. из H i ∙ H j = (i j ) следует, что и (А ∙ H i) ∙ (А ∙ H j) = (i j ). Теперь заметим, что Это равенство хорошо иллюстрируется рис. 1.19. Из теоремы сложения следует . Но по теореме умножения справедливо равенст-во при любом i, 1 ≤ i ≤ n . Следовательно, фор-мула полной вероятности (1.14) справедлива. Теорема доказана. Замечание. Вероятности событий (гипотез) H 1 , H 2 , … , H n , которые входят в формулу (1.14) при решении конкретных задач или заданы или же они должны быть вычислены в процессе решения. В последнем случае правильность вычисления р (H i) (i = 1, 2, … , n ) проверяется по соотношению = 1 и расчёт р (H i) выполняется на первом этапе решения задачи. На втором этапе рассчитывается р (А ). При решении задач на применении формулы полной вероятности удобно придерживаться следующей методики. Методика применения формулы полной вероятности а). Ввести в рассмотрение событие (обозначим его А ), вероятность которого необходимо определить по условию задачи. б). Ввести в рассмотрение события (гипотезы) H 1 , H 2 , … , H n , которые образуют полную группу. в). Выписать или вычислить вероятности гипотез р (H 1), р (H 2), … , р (H n). Контроль правильности вычисления р (H i) проверяется по условию В большем числе задач вероятности р (H i) задаются непосредственно в условии задачи. Иногда эти вероятности, а также вероятности p (А /H 1), p (А /H 2), …, p (А /H n) умножены на 100 (заданы числа в процентах). В этом случае заданные числа надо поделить на 100. г). Вычислить искомую вероятность р (А ) по формуле (1.14). Пример . Экономист рассчитал, что вероятность роста стоимости акции его компании в следующем году составит 0,75, если экономика страны будет на подъёме, и 0,30, если будет финансовый кризис. По мнению экспертов, вероятность экономического подъёма равна 0,6. Оценить вероятность того, что акции компании в следующем году поднимутся в цене. Решение. В начале условие задачи формализуется по вероятности. Пусть А – событие ” акции поднимутся в цене” (по вопросу задачи). По условию задачи выделяются гипотезы: H 1 – “экономика будет на подъёме”, H 2 – “экономика вступит в полосу кризиса”. H 1 , H 2 – образуют полную группу, т.е. H 1 ∙ H 2 = , H 1 + H 2 = . Вероятность p (H 1) = 0,6, следовательно, p (H 2) = 1 – 0,6 = 0,4. Условные вероятности p (А /H 1) = 0,75, p (А /H 2) = 0,3. Используя формулу (1.14), получим: p (А ) = p (H 1) ∙ p (А /H 1) + p (H 2) ∙ p (А /H 2) = 0,75 ∙ 0,6 + 0,3 ∙ 0,4 = 0,57. |
Формула полной вероятности.
Следствием обеих основных теорем- теоремы сложения вероятностей и теоремы умножения вероятностей- является так называемая формула полной вероятности.
Пусть требуется определить вероятность некоторого события A которое может произойти с одним из событий
, образующих полную группу несовместимых событий.Будем эти события называть гипотезами.
Докажем что в этом случае
Вероятность события A вычисляется как сумма произведений вероятности каждой гипотезы на условную вероятность события при реализации этой гипотезы.
Эта формула носит название формулы полной вероятности.
Доказательство
Так как гипотезыH1,H2…, Hn,образуетполную группу то событие A может появиться в комбинации с какой либо из этих гиплтез
A=AH1+AH2+…+Ahn.
Т.к.гипотезы Н1, Н2,…,Hn несовместны, то и комбинации Н1А,H2A,…,HnA также несовместны; применяя к нему теорему сложения,получим:
Применяя к событию HiA теорему умножения, получим
Что и требовалось доказать.
Имеется три одинаковых на вид урны: в первой урне два белых и один черный шар; во второй-три белых и один черный шар; в третьей-два белых и два черных шара.
Некто выбирает наугад одну из урн и вынимает из нее шар.Найти вероятность того,что этот шар белый.
Рассмотрим три гипотезы:
Н1-выбор первой урны,
Н2-выбор второй урны,
Н3-выбор третьей урны
И событие А-появление белого шара.
Т.к.гипотезы по условию задачи равновозможны,то
Условные вероятности события А при этих гипотезах соответственно равны
Задача 3.5.
Завод изготовляет изделия, каждое из которых с вероятностью p имеет дефект.
В цехе имеется три контролера; рассматривается только одним контролером, с одинаковой вероятностью первым, вторым или третьим.Вероятность обнаружения дефекта(если оно имеется) для i-го контролера равна Pi (i=1,2,3). Если изделие не было забраковано в цехе, то оно попадает в ОТК завода, где дефект, если он имеется, обнаруживается с вероятностью P0.
Определить вероятность того,что изделие будет забраковано.
А- изделие будет забраковано
В- изделие будет забраковано в цехе
С- изделие будет забраковано в ОТК завода.
Так как события В и С несовместимы и
Р(А)=Р(В)+Р(С)
Находим Р(В).Для того, чтобы изделие было забраковано в цехе, нужно,чтобы оно, во-первых,имело дефект, и во-вторых, чтоб дефект был обнаружен.
Вероятность того,что будет обнаружен дефект в цехе равна
Действительно,
Формулируем гипотезы
Н1-дефект обнаружен 1-ым контролером
Н2-дефект обнаружен 2-ым контролером
Н3-дефект обнаружен 3-им контролером
Отсюда
Аналогично
Теорема гипотез (формула Бейеса)
Следствием теоремы умножения и формулы полной вероятности является так называемая теорема гипотез или формула Бейеса.
Поставим следующую задачу.
Имеется полная группа несовместных гипотез Н1,Н2,…Hn.Вероятность этих гипотез до опыта известны и равны соответственно Р(Н1),Р(Н2),…,P(Hn).Произведен опыт,в результате которого наблюдено появление некоторого события А. Спрашивается,как следует изменить вероятности гипотез в связи с появлением этого события?
Здесь по существу, речь идет о том, чтобы найти условную вероятность Р (Hi/A) для каждой гипотезы.
Из теоремы умножения имеем:
P(AHi)=P(A)*P(Hi/A)=P(Hi)*H(A/Hi),
Или отбрасываем левую часть
P(A)*P(Hi/A)=P(Hi)*P(A/Hi), i=1,2,…,n откуда
Или выражая Р(А) с помощью формулы полной вероятности,имеем
Эта формула и носит название формулы Бейеса или теоремы гипотез
Прибор может собираться из высококачественных деталей и из деталей обычного качества;вообще около 40% приборов собирается из высококачественных деталей. Если прибор собран из высококачественных деталей, его надежность (вероятность безотказной работы) за время tравна 0,05; если из деталей обычного качества- его надежность равна 0,7. Прибор испытывается в течении времени t и работал безотказно.Найти вероятность того,что он собран из высококачественных деталей.
Возможны две гипотезы:
Н1-прибор собран из высококачественных деталей,
Н2-прибор собран из деталей обычного качества.
Вероятность этих гипотез до опыта
Р(Н1)=0,4; P(H2)=0,6.
В результате опыта наблюдено событие А- прибор безотказно
Работал время t. Условные вероятности этого события при
Гипотезах Н1 и Н2 равны:
P(A/H1) = 0,95 ; P(A/H2) = 0,7 .
По формуле Вейсса находим вероятность гипотезы Н1 после
Задачи комбинаторики.
Во многих статистических исследованиях встречаются комбинаторные задачи, своеобразие которых целесообразно показать на примерах:
Сколькими способами можно расставить на полке 10 различных книг?
В турнире принимают участие 8 команд. Сколько различных представлений относительно трех первых мест (по результатам соревнований) можно сделать?
Сколько различных трехбуквенных слов можно составить из 32 букв алфавита, не обращая внимания на то, имеет ли смысл составленные из букв слова или нет?
Сколькими способами можно из множества k (различных) элементов выбрать r элементов?
Как велико число различных результатов бросаний двух игровых костей.
Приведенные примеры показывают, что в задачах комбинаторики интересуется вообще числом различных выборок определенных объектов, причем, в зависимости от вида дополнительных требований, следует различать, какие выборки считаются одинаковыми и какие различными.
В теории вероятности и математической статистике используют в основном три понятия комбинаторики:
Размещения
Перестановки
Сочетания
Размещениями из n элементов по m называются такие их соединения, которые различаются друг от друга самими элементами или их порядком. Например: размещения из 3 элементов a , b , c по 2: ab, ac, bc, ba, ca, cb.Число всех размещений из n различных элементов по m A
Например: размещения из 3 элементов a , b , c по 2: ab,ac ,bc , ba , ca ,cb.Число всех размещений из n различных элементов по m A
Всего m множителей
Перестановками из n элементов называются такие их соединения,отличающиеся друг от друга только порядком входящих в них элементов.Например: перестановка из трех элементов a,b и c: abc, bca, cab , cba, bac, acb. Число всех перестановок из n различных элементов Pn
Pn= 1*2*3* …*n=n!=An
Сколькими способами можно расставить на полке 10 книг.
P10=10!=3628800.
Сочетаниями из n элементов по m называются их соединения, различающиеся друг от друга только самими элементами. Например: сочетания из трех элементов a, b и c по два: ab , ac , bc . Число всех сочетаний из n различных элементов по m обозначается Cn
Мы можем записать
Повторение опытов
При практическом применении теории вероятностей часто приходится встречаться с задачами, в которых один и тот же опыт или аналогичные опыты повторяются неоднократно. В результате каждого опыта может появиться или не появиться некоторое событие А в результате серии опытов.
Такие задачи весьма просто решаются в случае, когда опыты являются независимыми.
Несколько опытов называются независимыми, если вероятность того или иного исхода каждого из опытов не зависит от того, какие исходы имели другие опыты. Несколько последовательных выниманий карты из колоды представляет собой независимые опыты при условии, что вынутая карта каждый раз возвращается в колоду и карты перемешиваются; в противном случае – зависимые опыты.
Независимые опыты могут производиться в одинаковых или различных условиях.
Общая теорема о повторении опытов.
Частная теорема о повторении опытов касается того случая, когда вероятность события А во всех опытах одна и та же. На практике часто приходится встречаться с более сложным случаем, когда опыты производятся в неодинаковых условиях, и вероятность события от опыта к опыту меняется. Способ вычисления вероятности заданного числа появлений событий в таких условиях дает общая теорема о повторении опытов.
Пусть число опытов u=2, тогда полная группа событий:
P1P2+P1q2+q1P2+q1q2
Пусть число опытов u=3, тогда полная группа событий:
P1P2P3+P1P2q3+P1q2P3+q1P2P3+P1q2q3+q1P2q3+q1q2P+q1q2q3
Аналогично для числа опытов n полная группа событий:
P1P2*…*Pn+P1P2*…*qn+…+q1P2*…*Pn+…+q1*q2*…qn,причем в каждое из произведений событие А входит m раз, а событие А входит n-m раз.Число таких сочетаний по прежнему
или короче
где z-произвольный параметр.
Функция jn(z),разложение которой по степеням параметра z дает в качестве коэффициентов вероятности pm,n, называется производящей функцией вероятностей pm,n или просто производящей функцией.
Пользуясь понятием производящий функции, можно сформулировать общую теорему о повторении опытов в следующем виде:
Вероятность того, что событие А в n независимых опытах появится ровно m раз, равна коэффициенту при zm в выражении производящей функции
jn(z)=(qi+piz) где pi-вероятность появления события А в i-ом опыте
Вышеприведенная формулировка общей теоремы о повторении опытов в отличии от частной теоремы не дает явного выражения для вероятности pm,n.
Такое выражение в принципе написать можно, но оно является слишком сложным, и мы не будем его приводить.
Однако не прибегая к такому явному выражению, все же можно записать общую теорему о повторении опытов в виде одной формулы
случайная величина.
Одним из важнейших основных понятий теории вероятности является понятие о случайной величине.
Случайной величиной называется величина, которая в результате опыта может принять то или иное значение, причем неизвестно заранее, какое имено.
Примеры случайных величин:
Число вызовов, поступавших на телефонную станцию за сутки;
Количество мальчиков, родившихся в роддоме за месяц;
Количество девочек, родившихся в роддоме за месяц;
Во всех трех примерах случайные величины могут принимать отдельные изолированные значения, которые можно заранее перечислить.
В примере 1;
Такие случайные величины, принимающие только отдельные, отделенные друг от друга значения называются дискретными величинами.
Существуют случайные величины другого типа.
Например, температура воздуха, влажность воздуха, напряжение в сети электрического тока.
Функция распределения.
Ряд распределения, многоугольник распределения не
являются универсальными характеристиками случайной величины:они существуют только для дискретных случайных величин.Нетрудно убедиться,что для непрерывной случайной величины такой характеристики построить нельзя. Действительно, непрерывная случайная величина имеет бесчисленное множество возможных значений, ???? занимающих некоторый промежуток (так называемое “несчетное множество”). Составить таблицу, в которой были бы перечислены все возможные значения такой случайной величины, невозможно. Следовательно, для непрерывной случайной величины не существует ряда распределения в том смысле, в каком он существует для прерывной величины. Однако различные области возможных значений случайной величины все же не являются одинаково вероятными, и для непрерывной величины существует распределение вероятностей, хотя и не в том смысле, как для прерывной (или дискретной).