Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лекции по теории вероятности.doc
Скачиваний:
32
Добавлен:
01.05.2025
Размер:
12 Мб
Скачать
☆

1.18. Формула Байеса (теорема гипотез)

Следствием формулы (1.30) является формула Байеса или теорема гипотез. Она позволяет переоценить вероятности гипотез Hi, принятых до опыта и называемых априорными («a priori», доопытные, лат.) по результатам уже проведенного опыта, т.е. найти условные вероятности Р(Hi А), которые называют апостериорными («a posteriori» послеопытные).

Теорема 1.3. Пусть события H1, H2, ..., Нn образуют полную группу событий. Тогда условная вероятность события Нк (к = 1,..,n) при условии. что событие А произошло, задается формулой

Р(НкА) = (1.31)

где Р(А) = P(A1) • P(A|H1) + ... + Р(Нn)  Р(А|Нn) — формула полной вероятности. Формула (1.31) называется формулой Байеса .

Применив формулы условной вероятности (п. 1.14) и умножения вероятностей (п. 1.15), имеем

Р(НкА) = , где Р(А) — формула полной вероятности (п. 1.17)

Пример 1.30. В примере 1.29 (п. 1.17) найти вероятность того, что эта стандартная деталь изготовлена II цехом.

Определим вероятность гипотезы H2 при условии, что событие А (взятая деталь стандартна) уже произошло, т.е. Р (H2 А):

Р(Н2А) = 0,613.

1.19. Независимые испытания. Схема Бернулли

С понятием «независимых событий» связано понятие «независи­мых испытаний (опытов)».

Несколько опытов называются независимыми, если их исходы представляют собой независимые события (независимые в совокупно­сти).

Другими словами, если проводится несколько испытаний, т. е. опыт выполняется при данном комплексе условий многократно (такое явле­ние называется «последовательностью испытаний»), причем вероят­ность наступления некоторого события А в каждом испытании не за­висит от исходов других испытаний, то такие испытания называются независимыми.

Примерами независимых испытаний могут служить: несколько (n раз) подбрасываний монеты; стрельба (n раз) по мишени без поправок на ранее допущенную ошибку при новом выстреле: несколько (n раз) выниманий из урны одинаковых на ощупь занумерованных шаров, если шары каждый раз (после просмотра) возвращаются назад в урну, и т. д.

При практическом применении теории вероятностей часто используется стандартная схема, называемая схемой Бернулли или схемой независимых испытаний.

Последовательность n независимых испытаний, в каждом из кото­рых может произойти некоторое событие А (его называют успехом) вероятностью Р(А) = р или противоположное ему событие (его называют неудачей) с вероятностью Р( ) = q = 1 — р, называется схемой Бернулли.

Например, при стрельбе по мишени: событие А — попадание (успех), событие — промах (неудача); при обследовании п изделий на предмет годности: событие А — деталь годная (успех), событие - деталь бракованная (неудача) и т. д.

1.20. Формула Бернулли

Простейшая задача, относящаяся к схеме Бернулли, состоит в

определении вероятности того, что в п независимых испытаниях собы­тие А наступит т раз (0 т n). Обозначается искомая вероятность так: Pn(m) или Pn,m или Р(п = m), где п — число появления события А в серии из п опытов.

Например, при бросании игральной кости 3 раза Р3(2) означает вероятность того, что в 3-х опытах событие А - - выпадение цифры 4 — произойдет 2 раза. Очевидно,

Р3(2) = p2q + p2q + p2q = = [{А,А, );{А, ,А)( ,А,А}]=

3p2q = 0,069.

Теорема 1.4. Если производится п независимых испытаний, в каждом из которых вероятность появления события А равна р, а вероятность его непоявления равна q = 1 — р, то вероятность того, что событие А произойдет т раз определяется формулой Бернулли

Pn(m)= pmqn-m, т=0,1,2,…,n. (1.32)

Вероятность одного сложного события, состоящего в том, что со­бытие А в п независимых опытах появится т раз в первых т опы­тах и не появится (n — т) раз в остальных опытах (это событие ) по теореме умножения вероятностей равна pmqn-m. Вероятность появления события А снова т раз, но в другом порядке (например, или А и т. д.)

будет той же самой, т. е. pmqn-m.

Число таких сложных событий — в п опытах т раз встречается со­бытие А в различном порядке — равно числу сочетаний из п по m, т. е. . Так как все эти сложные события несовместны, то по теореме сло­жения вероятностей искомая вероятность равна сумме вероятностей всех возможных сложных событий, т. е.

Pn(m)= = pmqn-m, m =0, l,...,n.

Можно заметить, что вероятности Рп(т), m= 0,1,..., n являются коэффициентами при хm в разложении (q + рx)n по формуле бинома Ньютона:

(q+рх)п = qn + qn-1 px + qn-2 p2 x2 + ... + qn-m pm xm+ ... + pnxn.

Поэтому совокупность вероятностей Рп(т) называют биномиальным законом распределения вероятностей (см. п. 2.7), а функцию (x) = (q + рх)п — производящей функцией для последовательности неза­висимых опытов.

Если в каждом из независимых испытаний вероятности наступле­ния события A разные, то вероятность того, что событие А наступит т раз в п опытах, равна коэффициенту при m-й степени многочлена n(z) = (q1 + p1x)( q2 + p2x) • ... • (qn + pnx), где n(z) - производящая функция.

Если в серии из п независимых опытов, в каждом из которых может произойти одно и только одно из k событий А1, А2, … ,Аk с соответ­ствующими вероятностями p1, p2, ..., pk , то вероятность того, что в этих опытах событие А1 появится m1 раз, событие А2— m2 раз, ..., событие Аk — mk раз, равна

Pn(m1,m2,...,mk )= (1.33)

где m1+m2+...+mk = n. Вероятности (1.33) называются полиноми­альным распределением.

Пример 1.31. Производится 3 независимых выстрела по цели. Веро­ятности попадания при разных выстрелах одинаковы и равны р = 0,9. Какова вероятность: а) промаха; б) одного попадания; в) двух попаданий; г) трех попаданий? Решить задачу в случае, если вероятность попадания при разных выстрелах различны: p1 = 0,7, p2 = 0,8, p3 = 0,9

В данном случае n = 3, р = 0,9, q = 0,1. Пользуясь формулой Бернулли (1.32), находим:

а) Р3(0) = • 0,90 • 0,13 = 0,001 — вероятность трех промахов;

б) Р3(1) = • 0,91 • 0,12 = 3 • 0,9 • 0,01 = 0.027 — вероятность однокй попадания;

в) Р3(2) = • 0,92 • 0,11 = 3 • 0,81 • 0,1 = 0,243 — вероятность двух попаданий;

г) Р3(3) = • 0,93 • 0,10 = 0,93 = 0,729 — вероятность трех попаданий.

Эти результаты можно изобразить графически, отложив на оси Ох- значения m, на оси Оy — значения Рn(m) (рис. 14)

Рп(т)

Рис. 14

Ломаная, соединяющая точки (0; 0,001), (1; 0,027), (2; 0,243), (3; 0,729), называется многоугольником распределения вероятностей.

Если вероятности при разных выстрелах различны, то производящая функция имеет вид 3 (z) = (0,3 + 0,7z)(0,2 + 0,8z)(0,l + 0,9z) = 0,504z3 + 0,398z2 + 0,092z + 0,006. Откуда находим вероятность трех, двух, одного попаданий, промаха соответственно: Р3(3) = 0,504, Р3(2) = 0,398, Р3(1) = 0,092, Р3(0) = 0,006. (Контроль: 0,504 + 0,398 + 0,092 + 0,006 = 1.)