- •Федеральное агентство по образованию новосибирский государственный университет экономики и управления – «нинх»
- •Тексты лекций учебной дисциплины «Математика и информатика (математика)»
- •Математика
- •Введение в математику
- •Введение в теорию множеств
- •Начальные сведения о множествах
- •Способы задания множеств
- •Операции над множествами
- •Свойства операций над множествами
- •Разбиение множества на классы
- •Основы линейной алгебры
- •Определение матрицы
- •Определители второго и третьего порядков, их основные свойства
- •Миноры и их алгебраические дополнения, разложение определителя по строке (столбцу)
- •Свойства определителей
- •Операции над матрицами, их свойства
- •Свойства операций над матрицами
- •Обратная матрица и ее вычисление
- •Системы линейных уравнений
- •Матричный метод решения систем линейных уравнений
- •Правило Крамера
- •Метод Гаусса
- •Решение слу с использованием табличного процессора ms Excel
- •Функции рабочего листа для работы с матрицами
- •Решение систем линейных уравнений матричным методом
- •Решение систем линейных уравнений методом Крамера
- •Пошаговое решение системы линейных уравнений методом Гаусса
- •Математические модели
- •Основные понятия
- •Построение математических моделей простейших задач оптимизации
- •Графический метод решения задач линейного программирования
- •Технология решения задач линейного программирования с помощью Поиска решений в среде excel
- •1. Указать адреса ячеек, в которые будет помещен результат решения (изменяемые ячейки).
- •2. Ввести исходные данные.
- •3. Ввести зависимость для целевой функции
- •4. Ввести зависимости для ограничений.
- •5. Назначить целевую функцию (установить целевую ячейку), указать адреса изменяемых ячеек.
- •6. Ввести ограничения
- •7. Ввести параметры для решения злп
- •Теория вероятностей
- •Элементы комбинаторики
- •Случайные события и их вероятности
- •Случайные события
- •Операции над событиями
- •Определение вероятности события
- •Теоремы сложения и умножения вероятностей
- •Формула полной вероятности. Формула Байеса
- •Повторные независимые испытания
- •Случайная величина
- •Основные понятия
- •Распределение частоты пульса в группе из 47 человек
- •Функция распределения
- •Числовые характеристики случайных величин
- •Законы распределения дискретных случайных величин
- •Непрерывные случайные величины
- •Основные законы распределения непрерывных случайных величин
- •Контрольные вопросы
- •Основы математической статистики
- •Задачи математической статистики
- •Генеральная совокупность и выборка
- •Статистическое распределение (вариационный ряд). Гистограмма. Полигон
- •Характеристики положения и рассеяния статистического распределения
Формула полной вероятности. Формула Байеса
Следствием основных законов сложения и умножения вероятностей является формула полной вероятности.
Пусть требуется найти вероятность некоторого события В, которое может произойти вместе с одним из событий А1, А2,..., Аn, образующих полную группу несовместных событий. Так как события А1, А2,..., Аn образуют полную группу, то событие В может произойти только в комбинации с каким-либо из них:
Так как событие А1, А2,..., Аn, несовместны, то и комбинации А1В, А2В,..., АnВ несовместны.
Согласно закону сложения несовместных событий, имеем:
Каждое из слагаемых является вероятностью произведения двух зависимых событий.
Теорема. Вероятность события В, которое может наступить только при условии появления одного из событий А1, А2,..., Аn, образующих полную группу попарно несовместных событий, равна сумме произведений вероятностей каждого из событий А1, А2,..., Аn на соответствующую условную вероятность события В.
Полученная формула называется формулой полной вероятности, а события А1, А2,..., Аn - гипотезами.
Пример 2.5.18. На склад ежедневно поступают детали с трех предприятий. С первого – 30 деталей, со второго – 20 и с третьего – 40. Установлено, что 2, 4 и 5% продукции этих предприятий, соответственно, имеют дефекты. Найти вероятность того, что наугад взятая деталь дефектна.
Решение:
Обозначим: В – наугад взятая деталь дефектна;
А1 – деталь изготовлена на первом предприятии;
А2 - деталь изготовлена на втором предприятии;
А3 - деталь изготовлена на третьем предприятии;
События А1, А2 и А3 образуют полную группу несовместных событий и
Условные вероятности события В равны:
Тогда
Ответ: 0,0378.
С формулой полной вероятности тесно связана формула Байеса, которая названа по имени английского математика Томаса Байеса (1702-1761). Формула Байеса позволяет переоценить вероятности гипотез после того, как в результате опыта произошло событие В.
Пусть имеется полная группа несовместных событий А1, А2,..., Аn. Вероятности этих событий до опыта (априорные) известны и равны соответственно Р(А1), Р(А2),..., Р(Аn). В результате проведения опыта произошло событие В. Необходимо найти апостериорные (после опыта) вероятности событий Аi, т.е. следует определить условную вероятность P(Ai/B).
Согласно закону умножения вероятностей имеем:
Выражая Р(В) с помощью формулы полной вероятности, имеем:
Пример 2.5.19. На автозавод поступили двигатели от трех моторных заводов. От первого завода поступило 10 двигателей, от второго – 6 и от третьего – 4 двигателя. Вероятности безотказной работы этих двигателей в течение гарантийного срока соответственно равны 0,9; 0,8; 0,7. Каковы вероятности того, что проработавший без дефекта двигатель изготовлен на первом заводе, на втором заводе, на третьем заводе?
Решение:
Обозначим через В событие - наугад взятый двигатель проработает без дефектов; А1, А2, А3 события установки на автомашину двигателей, изготовленных соответственно на первом, втором и третьем моторных заводах. Вероятности этих событий таковы:
Условные вероятности события В равны:
Если двигатель проработал без дефектов гарантийный срок, то вероятности того, что он изготовлен на первом, втором, третьем заводах найдем по формуле Байеса. Сначала рассчитаем вероятность события В, используя формулу полной вероятности:
;
;
.
Ответ: 0,54; 0,29; 0,17.