Примеры полной вероятности. Формула полной вероятности и формулы байеса
Читайте также
События образуют полную группу , если хотя бы одно из них обязательно произойдет в результате эксперимента и попарно несовместны.
Предположим, что событие A может наступить только вместе с одним из нескольких попарно несовместных событий , образующих полную группу. Будем называть события (i = 1, 2,…, n ) гипотезами доопыта (априори). Вероятность появления события А определяется по формуле полной вероятности :
Пример 16. Имеются три урны. В первой урне находятся 5 белых и 3 черных шара, во второй – 4 белых и 4 черных шара, а в третьей – 8 белых шаров. Наугад выбирается одна из урн (это может означать, например, что осуществляется выбор из вспомогательной урны, где находятся три шара с номерами 1, 2 и 3). Из этой урны наудачу извлекается шар. Какова вероятность того, что он окажется черным?
Решение. Событие A – извлечен черный шар. Если было бы известно, из какой урны извлекается шар, то искомую вероятность можно было бы вычислить по классическому определению вероятности. Введем предположения (гипотезы) относительно того, какая урна выбрана для извлечения шара.
Шар может быть извлечен или из первой урны (гипотеза ), или из второй (гипотеза ), или из третьей (гипотеза ). Так как имеются одинаковые шансы выбрать любую из урн, то .
Отсюда следует, что
Пример 17.
Электролампы изготавливаются на трех заводах. Первый завод производит 30 % общего количества электроламп, второй – 25 %,
а третий – остальную часть. Продукция первого завода содержит 1% бракованных электроламп, второго – 1,5 %, третьего – 2 %. В магазин поступает продукция всех трех заводов. Какова вероятность того, что купленная в магазине лампа оказалась бракованной?
Решение.
Предположения необходимо ввести относительно того, на каком заводе была изготовлена электролампа. Зная это, мы сможем найти вероятность того, что она бракованная. Введем обозначения для событий: A
– купленная электролампа оказалась бракованной, – лампа изготовлена первым заводом, – лампа изготовлена вторым заводом,
– лампа изготовлена третьим заводом.
Искомую вероятность находим по формуле полной вероятности:
Формула Байеса. Пусть – полная группа попарно несовместных событий (гипотезы). А – случайное событие. Тогда,
Последнюю формулу, позволяющей переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие А, называют формулой Байеса .
Пример 18.
В специализированную больницу поступают в среднем 50 % больных с заболеванием К
, 30 % – c заболеванием L
, 20 % –
с заболеванием M
. Вероятность полного излечения болезни K
равна 0,7 для болезней L
и M
эти вероятности соответственно равны 0,8 и 0,9. Больной, поступивший в больницу, был выписан здоровым. Найдите вероятность того, что этот больной страдал заболеванием K
.
Решение. Введем гипотезы: – больной страдал заболеванием К L , – больной страдал заболеванием M .
Тогда по условию задачи имеем . Введем событие А – больной, поступивший в больницу, был выписан здоровым. По условию
По формуле полной вероятности получаем:
По формуле Байеса .
Пример 19. Пусть в урне пять шаров и все предположения о количестве белых шаров равновозможные. Из урны наудачу взят шар, он оказался белым. Какое предположение о начальном составе урны наиболее вероятно?
Решение. Пусть – гипотеза, состоящая в том, что в урне белых шаров , т. е. возможно сделать шесть предположений. Тогда по условию задачи имеем .
Введем событие А – наудачу взятый шар белый. Вычислим . Так как , то по формуле Байеса имеем:
Таким образом, наиболее вероятной является гипотеза , т. к. .
Пример 20. Два из трех независимо работающих элемента вычислительного устройства отказали. Найдите вероятность того, что отказали первый и второй элементы, если вероятности отказа первого, второго и третьего элементов соответственно равны 0,2; 0,4 и 0,3.
Решение. Обозначим через А событие – отказали два элемента. Можно сделать следующие гипотезы:
– отказали первый и второй элементы, а третий элемент исправен. Поскольку элементы работают независимо, применима теорема умножения:
Формула полной вероятности. Формулы Бейеса. Примеры решения задач
Как известно, вероятностью события А называют отношение числа m исходов испытаний, благоприятствующих наступлению события А, к общему числу n всех равновозможных несовместных исходов: Р(А)=m/n.
Кроме того, условной вероятностью события А (вероятностью события А при условии, что наступило событие В) называется число Р В (А) = Р(АВ)/Р(В), где А и В – два случайных события одного и того же испытания.
Поскольку события представимы в виде суммы и произведения, то и существуют правила сложения вероятностей событий и, соответственно, правила умножения вероятностей . Теперь дадим понятие полной вероятности.
Предположим, что событие А может наступить только вместе с одним из попарно несовместных событий Н1, Н2, Н3, …, Нn, называемых гипотезами. Тогда справедлива следующая формула полной вероятности :
Р(А) = Р(Н1)*Р Н1 (А)+ Р(Н2)*Р Н2 (А)+…+ Р(Нn)*Р Нn (А) = ∑Р(Нi ) *Р Нi (А) ,
т.е. вероятность события А равна сумме произведений условных вероятностей этого события по каждой из гипотез на вероятность самих гипотез.
Если событие А уже произошло, то вероятности гипотез (априорные вероятности) могут быть переоценены (апостериорные вероятности) по формулам Бейеса :
Примеры решения задач по теме «Формула полной вероятности. Формулы Бейеса»
Задача 1 .
На сборку попадают детали с трех автоматов. Известно, что первый автомат дает 3% брака, второй – 2% и третий – 4%. Найти вероятность того, что на сборку попадает бракованная деталь, если с первого автомата поступает 100 деталей, со второго – 200 и с третьего – 250 деталей.
Решение.
- событие А = {на сборку попадает бракованная деталь};
- гипотеза Н1 = {эта деталь с первого автомата}, Р(Н1)= 100/(100+200+250) =100/550=2/11;
- гипотеза Н2 = {эта деталь со второго автомата}, Р(Н2)= 200/(100+200+250) = 200/550=4/11;
- гипотеза Н3 = {эта деталь с третьего автомата}, Р(Н3)= 250/(100+200+250) = 250/550=5/11.
2. Условные вероятности того, что деталь бракованная составляют Р Н1 (А)=3%=0,03, Р Н2 (А)=2%=0,02, Р Н3 (А)=4%=0,04.
3. По формуле полной вероятности находим
Р(А)= Р(Н1)*Р Н1 (А)+ Р(Н2)*Р Н2 (А)+Р(Н3)*Р Н3 (А) = 0,03*2/11 +
0,02*4/11 + 0,04*5/11 = 34/1100 ≈ 0,03
Задача 2 .
Имеются две одинаковые урны. Первая содержит 2 черных и 3 белых шара, вторая – 2 черных и 1 белый шар. Сначала произвольно выбирают урну, а затем из нее наугад извлекают один шар. Какова вероятность того, что будет выбран белый шар?
Решение. 1. Рассматриваем следующие события и гипотезы:
- А = {белый шар извлечен из произвольной урны};
- Н1 = {шар принадлежит первой урне}, Р(Н1)=1/2=0,5;
- Н2 = {шар принадлежит второй урне}, Р(Н2)=1/2=0,5;
2. Условная вероятность того, что белый шар принадлежит первой урне Р Н1 (А)=3/(2+3)=3/5, а условная вероятность того, что белый шар принадлежит второй урне Р Н2 (А)=1/(2+1)=1/3;
3. По формуле полной вероятности получим Р(А) = Р(Н1)*Р Н1 (А)+Р(Н2)*Р Н2 (А) = 0,5*3/5 + 0,5*1/3 = 3/10 + 1/6 = 7/15 ≈ 0,47
Задача 3 .
Литье в болванках поступает из двух заготовительных цехов: из первого цеха – 70%, из второго цеха 30%. Литье первого цеха имеет 10% брака, литье из второго – 20% брака. Взятая наудачу болванка оказалась без дефекта. Какова вероятность ее изготовления первым цехом?
Решение. 1. Рассматриваем следующие события и гипотезы:
- событие А = {болванка без дефекта};
- гипотеза Н1 = {болванка изготовлена первым цехом}, Р(Н1)=70%=0,7;
- гипотеза Н2 = {болванка изготовлена вторым цехом}, Р(Н2)=30%=0,3.
2. Так как литье первого цеха имеет 10% брака, то 90% болванок, изготовленных первым цехом,
не имеют дефекта, т.е. Р Н1 (А)=0,9.
Литье второго цеха имеет 20% брака, то 80% болванок, изготовленных вторым цехом, не имеют
дефекта, т.е. Р Н2 (А)=0,8.
3. По формулу Бейеса найдем Р А (Н1)
0,7*0,9/(0,7*0,9+0,3*0,8)= 0,63/0,87≈0,724.
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).