Ассортимент номенклатуры точные параметры и. Номенклатура товаров и ее значение в упорядочивании продуктов и услуг. Суть приказов об утверждении
Следствием двух основных теорем теории вероятностей – теоремы сложения и умножения – являются формулы полной вероятности и формулы Бейеса.
На языке алгебры событий набор , , ¼, называется полной группой событий , если:
1. События попарно несовместны, т.е. , , ;.
2. В сумме составляют все вероятностное пространство .
Теорема 5 (Формула полной вероятности). Если событие А может произойти только при условии появления одного из событий (гипотез) , ,¼,, образующих полную группу, то вероятность события А равна
Доказательство. Так как гипотезы , ,¼,– единственно возможные, а событие A по условию теоремы может произойти только вместе с одной из гипотез, то . Из несовместности гипотез следует несовместность .
Применяем теорему сложения вероятностей в виде (6):
По теореме умножения . Подставляя данное представление в формулу (13), окончательно имеем: , что и требовалось доказать.
Пример 8. Экспортно-импортная фирма собирается заключить контракт на поставку сельскохозяйственного оборудования в одну из развивающихся стран. Если основной конкурент фирмы не станет одновременно претендовать на заключение контракта, то вероятность получения контракта оценивается в 0,45; в противном случае – в 0,25. По оценкам экспертов компании вероятность того, что конкурент выдвинет свои предложения по заключению контракта, равна 0,40. Чему равна вероятность заключения контракта?
Решение. А - «фирма заключит контракт», - «конкурент выдвинет свои предложения», - «конкурент не выдвинет свои предложения». По условию задачи , . Условные вероятности по заключению контракта для фирмы , . По формуле полной вероятности
Следствием теоремы умножения и формулы полной вероятности является формула Бейеса.
Формула Байеса позволяет пересчитать вероятность каждой из гипотез, при условии, что событие произошло. (Она применяется, когда событие А , которое может появиться только с одной из гипотез, образующих полную группу событий, произошло и необходимо провести количественную переоценку априорных вероятностей этих гипотез известных до испытания, т.е. надо найти апостериорные (получаемые после проведения испытания) условные вероятности гипотез) , ,…, .
Теорема 6 (Формула Бейеса). Если событие А произошло, то условные вероятности гипотез вычисляются по формуле, которая носит название формулы Бейеса:
Доказательство. Для получения искомой формулы запишем теорему умножения вероятностей событий А и в двух формах:
откуда что и требовалось доказать.
Значение формулы Бейеса состоит в том, что при наступлении события А, т.е. по мере получения новой информации, мы можем проверять и корректировать выдвинутые до испытания гипотезы. Такой подход, называемый бейесовским, дает возможность корректировать управленческие решения в экономике, оценки неизвестных параметров распределения изучаемых признаков в статистическом анализе и т.п.
Задача 9. Группа состоит из 6 отличников, 12 хорошо успевающих студентов и 22 студентов, успевающих посредственно. Отличник отвечает на 5 и 4 с равной вероятностью, хорошист отвечает на 5, 4 и 3 с равной вероятностью, и посредственно успевающий студент отвечает на 4, 3 и 2 с равной вероятностью. Случайно выбранный студент ответил на 4. Какова вероятность того, что был вызван посредственно успевающий студент?
Решение. Рассмотрим три гипотезы:
Рассматриваемое событие . Из условия задачи известно, что
, , .
Найдем вероятности гипотез. Поскольку в группе всего 40 студентов, а отличников 6, то . Аналогично, , . Применяя формулу полной вероятности, находим
Теперь применим к гипотезе формулу Байеса:
Пример 10. Экономист-аналитик условно подразделяет экономическую ситуацию в стране на «хорошую», «посредственную» и «плохую» и оценивает их вероятности для данного момента времени в 0,15; 0,70 и 0,15 соответственно. Некоторый индекс экономического состояния возрастает с вероятностью 0,60, когда ситуация «хорошая»; с вероятностью 0,30, когда ситуация посредственная, и с вероятностью 0,10, когда ситуация «плохая». Пусть в настоящий момент индекс экономического состояния возрос. Чему равна вероятность того, что экономика страны на подъеме?
Решение. А = «индекс экономического состояния страны возрастет», Н 1 = «экономическая ситуация в стране «хорошая»», Н 2 = «экономическая ситуация в стране «посредственная»», Н 3 = «экономическая ситуация в стране «плохая»». По условию: , , . Условные вероятности: ,, . Требуется найти вероятность . Находим ее по формуле Бейеса:
Пример 11. В торговую фирму поступили телевизоры от трех поставщиков в соотношении 1:4:5. Практика показала, что телевизоры, поступающие от 1-го, 2-го и 3-го поставщиков, не потребуют ремонта в течение гарантийного срока соответственно в 98%, 88% и 92% случаев.
Следствием обеих основных теорем – теоремы сложения вероятностей и теоремы умножения вероятностей – является так называемая формула полной вероятности.
Пусть требуется определить вероятность некоторого события , которое может произойти вместе с одним из событий:
образующих полную группу несовместных событий. Будем эти события называть гипотезами.
Докажем, что в этом случае
, (3.4.1)
т.е. вероятность события вычисляется как сумма произведений вероятности каждой гипотезы на вероятность события при этой гипотезе.
Формула (3.4.1) носит название формулы полной вероятности.
Доказательство. Так как гипотезы образуют полную группу, то событие может появиться только в комбинации с какой-либо из этих гипотез:
Так как гипотезы несовместны, то и комбинации также несовместны; применяя к ним теорему сложения, получим:
Применяя к событию теорему умножения, получим:
,
что и требовалось доказать.
Пример 1. Имеются три одинаковые на вид 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. Некто выбирает наугад одну из урн и вынимает из нее шар. Найти вероятность того, что этот шар белый.
Решение. Рассмотрим три гипотезы:
Выбор первой урны,
Выбор второй урны,
Выбор третьей урны
и событие – появление белого шара.
Так как гипотезы, по условию задачи, равновозможные, то
.
Условные вероятности события при этих гипотезах соответственно равны:
По формуле полной вероятности
.
Пример 2. По самолету производится три одиночных выстрела. Вероятность попадания при первом выстреле равна 0,4, при втором – 0,5, при третьем 0,7. Для вывода самолета из строя заведомо достаточно трех попаданий; при одном попадании самолет выходит из строя с вероятностью 0,2, при двух попаданиях – с вероятностью 0,6. Найти вероятность того, что в результате трех выстрелов самолет будет выведен из строя.
Решение. Рассмотрим четыре гипотезы:
В самолет не попало ни одного снаряда,
В самолет попал один снаряд,
В самолет попало два снаряда,
В самолет попало три снаряда.
Пользуясь теоремами сложения и умножения, найдем вероятности этих гипотез:
Условные вероятности события (выход самолета из строя) при этих гипотезах равны:
Применяя формулу полной вероятности, получим:
Заметим, что первую гипотезу можно было бы и не вводить в рассмотрение, так как соответствующий член в формуле полной вероятности обращается в нуль. Так обычно и поступают при применении формулы полной вероятности, рассматривая не полную группу несовместных гипотез, а только те из них, при которых данное событие возможно.
Пример 3. Работа двигателя контролируется двумя регуляторами. Рассматривается определенный период времени , в течение которого желательно обеспечить безотказную работу двигателя. При наличии обоих регуляторов двигатель отказывается с вероятностью , при работе только первого из них – с вероятностью , при работе только второго - , при отказе обоих регуляторов – с вероятностью . Первый из регуляторов имеет надежность , второй - . Все элементы выходят из строя независимо друг от друга. Найти полную надежность (вероятность безотказной работы) двигателя.
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).
Для количественной характеристики этого распределения вероятностей удобно воспользоваться не вероятностью события x=x, а вероятностью события x Функцию распределения F(x) иногда называют также интегральной функцией распределения или интегральным законом распределения. Функция распределения-универсальная характеристика случайной величины.Она существует для всех случайных величин: как дискретных, так и непрерывных.Функция распределения Полностью характеризует случайную величину с вероятной точки зрения,т.е. является одной из форм распределения. Сформулируем некоторые общие свойства функции распределения: Функция распределения F(x) есть неубывающая функция своего аргумента т.е. при x2>x1 F(x2)>F(x1). На минус бесконечности функция распределения равна нулю 3.На плюс бесконечности функция распределения равна 1. Типичная функция распределения непрерывной случайной величины имеет вид Вероятность показания случайной величины на заданный участок. При решении практических задач, связанных со случайными величинами часто оказывается необходимым вычислять вероятность того, что случайная величина примет значение, заключенное в некоторых пределах, например от a до b. Условимся для определенности левый конец a включать в участок(a,b), а правый-не включать.Тогда попадание случайной величины x на участок(a,b) равносильно выполнено неравенство: выразим вероятность того события через функцию распределения величины x. Для того рассмотрим три события: событие А, состоящее в том, что C