- •Теория вероятностей
- •Оглавление
- •§ 1. Предмет теории вероятностей
- •§ 2. События и их классификация
- •§ 3. Виды событий
- •§ 4. Операции над событиями
- •§ 5. Классическое понятие вероятности
- •§ 6. Статистическое понятие вероятности
- •§ 7. Свойства вероятности
- •§ 8. Элементы комбинаторики
- •Общие правила комбинаторики
- •10 Столбцов
- •§ 9. Генеральная совокупность и выборки
- •§ 10. Алгебра событий
- •§ 11. Формула полной вероятности, формула Байеса
- •§ 12. Повторные независимые испытания
- •Вероятнейшее число появлений события при повторных испытаниях
- •Локальная теорема Лапласа
- •Интегральная теорема Лапласа
- •§ 13. Случайные величины
- •Дискретная случайная величина
- •Свойства математического ожидания дискретной случайной величины
- •Числовые характеристики биноминального распределения
- •§ 14. Непрерывная случайная величина
- •§ 15. Законы распределения непрерывных случайных величин Равномерный закон распределения
- •Показательный или экспоненциальный закон распределения
- •§ 16. Нормальное распределение непрерывной случайной величины
- •§ 17. Частные случаи нормального закона распределения. Стандартное нормальное распределение
- •Распределение Пирсона
- •Распределение Стьюдента.
- •Вопросы для самопроверки
- •Индивидуальные задания по теме «Случайные события»
- •Решение типовых задач по теме «Случайные события»
- •Индивидуальные задания по теме «Случайные величины»
- •Задача 12
- •Литература
- •Ракитина Галина Александровна
- •Офсетная печать. Объем 5,5 п.Л. Тираж 110 экз. Заказ №
- •660017, Красноярск, ул. Ленина, 117
§ 11. Формула полной вероятности, формула Байеса
Теорема 11.1. Вероятность события А, которое может произойти при условии появления одного из n попарно несовместных событий В1; В2; …; Вn (обычно называемых гипотезами), образующих полную группу событий, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
– формула полной вероятности.
Доказательство. Пусть требуется найти вероятность события А, которое происходит вместе с одним из независимых событий В1;В2;…;Вn-1;Bn (рис. 11.1).
|
|
А |
|
|
| |
Е |
А ∩ В1 |
А ∩ В2 |
А ∩ В3 |
… |
А ∩ Вn-1 |
А ∩ Вn |
|
В1 |
В2 |
В3 |
… |
Вn-1 |
Вn |
Рис. 11.1
Значит, произошло одно из несовместных событий: А ∩ В1; А ∩ В2; …; А ∩ Вn, а это значит, что А=(А ∩ В1) U (А ∩ В1) U… U (А ∩ Вn). Тогда
Р(А)=Р(В1)·Р(А/В1)+Р(В2)·Р(А/В2)+…+Р(Вn)·Р(А/Вn).
Пример 11.1. В лаборатории три клетки. В I клетке содержатся 2 коричневые и 3 белые мыши; во II – 4 коричневые и 2 белые; в III клетке – 5 коричневые и 5 белые. Случайным образом выбирают клетку и из нее берут одну мышь. Какова вероятность, что мышь белая?
Испытание: выбирают клетку и из нее берут одну мышь (рис. 11.2).
В1
I
С
С
В2 II
С
В3
С
III
Рис. 11.2
Р(А)=Р(В1)·Р(А/В1)+Р(В2)·Р(А/В2)+Р(В3)·Р(А/В3);
Р(В1)= Р(В2)= Р(В3)=.
Р(А)=
Ответ. Вероятность случайного события «выбрана белая мышь» равна 0,478.
Формула Байеса (формула переоценки вероятности гипотез). На практике часто приходится производить переоценку тех или иных первоначальных гипотез. Например, врач, осмотревший больного, сделал предположение о наличии нескольких заболеваний. Получив результаты анализов, он делает переоценку первоначальных гипотез. Некоторые первоначальные гипотезы отбрасываются, и ставится окончательный диагноз.
Математически рассматриваемая схема совпадает с той, которая была принята для случая полной вероятности. Однако теперь необходимо сделать переоценку вероятностей исходных событий, т.е. гипотез после того, как в испытании произошло некоторое событие А.
Теорема 11.2. Вероятность гипотезы после испытания равна произведению вероятности гипотезы до испытания на соответствующую ей условную вероятность события, которое произошло при испытании, деленному на полную вероятность этого события.
,
где i=1; 2; 3; …; (n-1); n.
Доказательство. По теореме умножения вероятностей зависимых событий:
.
Эта формула из уважения к заслугам английского математика Томаса Байеса (1702–1761) названа его именем, хотя он ее не выводил, но у него имеется ряд интересных работ по теории вероятностей.
Особенно широко она применяется при решении задач, связанных с вероятностной оценкой гипотез Bi, при условии, что событие А произошло. Пусть имеется полная группа несовместных гипотез В1; В2; …; Вn, вероятности которых P(Вi) известны до опыта. Проводится опыт, в результате которого зарегистрировано появление события А, причем известно, что этому событию гипотезы приписывали определенные условные вероятности Р(А/Вi). Каковы будут вероятности этих гипотез после опыта? То есть, имея новую информацию о том, что событие А произошло, нужно переоценить вероятности исходных гипотез, т.е. определить условные вероятности Р(Вi/А).
Вероятность появления хотя бы одного события. В жизни, науке, производстве часто возникают такие ситуации, когда нужно вычислить вероятность появления хотя бы одного события из некоторого набора возможных событий. Например, если Вы купили несколько лотерейных билетов, то Вас интересует вероятность того, что хотя бы один из них окажется выигрышным. Если по цели противника сделан залп из нескольких орудий, то интересует вероятность того, что цель будет поражена, т.е. хотя бы один снаряд попадет в цель.
Пусть имеется n независимых событий А1; А2; …; Аn, причем известны вероятности появления каждого из этих событий P(А1); P(А2); …; P(Аn). Требуется определить вероятность того, что наступит хотя бы одно из этих событий, т.е.
P(А)=P(А1+А2+…+Аn)=P(A1UA2U…UAn).
Событие – непоявление каждого из событийAi. Тогда событие можно выразить через исходные события, т.е.=1∩2∩…∩n. Так как А и – полная группа событий P(А+)=1 А и – несовместные события P(А+)=P(А)+P( )=1 P(А)=1-P() P()=1-P(А). Значит,
P(А)=1-P()=1-P(1∩2∩…∩n)=1-P(1) P(2) … P(n).
На практике часто встречаются случаи, когда вероятности исходных событий равны между собой, т.е. P(А1)=P(А2)=…=P(Аn)=p; q=1-p P(A)=1-qn.