Организация и содержание элективного курса "Основы теории вероятностей и математической статистики" в классах оборонно-спортивного профиля (стр. 7 из 17)
Ответ на этот вопрос дает теорема:
Вероятность события А, которое может наступить лишь при условии появлении одного из несовместных событий В1, В2, …, Вn, образующих полную группу, равна сумме произведений вероятности каждого из этих событий на собственную условную вероятность:
.Эту формулу также называют формулой полной вероятности.
Данную формулу можно применить для решения следующей задачи.
Для контроля продукции лыжной фабрики из трех партий лыж взята на проверку одна деталь. Какова вероятность выявления бракованной продукции, если в одной партии 2/3 лыж бракованные, а в двух других все доброкачественные?
Решение. Пусть событие В – взятая деталь бракованная, Ак – деталь берется из к-ой партии, тогда вероятность Р(Ак)=1/3, где к =1; 2; 3.
Пусть в первой партии находятся бракованные лыжи, значит
, тогда в двух других партиях нет бракованных лыж, то есть: 
.Применяя формулу полной вероятности получим:
.Для введения формулы Бейеса составим задачу. Пусть дано событие А, оно может наступить при появлении одного из несовместных Событий В1, В2, …, Вn, которые образуют полную группу. Так, как нам заранее не известно, какое событие наступит, их называют гипотезами. Допустим, что произведено испытание в результате, которого появилось событие А. Поставим своей задачей определить, как изменились вероятности гипотез, в связи с тем, что событие А уже наступило. Другими словами определим следующие условные вероятности:
, 
, …, 
.Определить данные вероятности можно при помощи формулы Бейеса:
.Заменив
, получим: 
.Прибор состоит из двух узлов; работа каждого узла необходима для работы прибора в целом. Надежность (вероятность безотказной работы) в течении времени t первого узла равна p1, второго р2. Прибор испытывался в течении времени t, в результате чего обнаружено, что он отказал. Найдите вероятность того, что отказал первый узел, а второй исправен.
Решение. Пусть событие В – прибор отказал, событие А1 – оба узла исправны, А2 – первый узел отказал, а второй испарвен, А3 – первый узел исправен, а второй узел отказал, А4 – оба узла отказали. Эти события образуют полную группу событий. Найдем их вероятности: Р(А1)=р1 р2; Р(А2)=(1-р1)р2; Р(А3)=р1(1-р2);Р(А4)=(1-р1)(1-р2). Так как наблюдалось событие В, то
, 
. Применяя формулу Бейеса получим: 
.Изучение случайных величин требует связи этих величин с определенными событиями, которые заключаются в попадании случайной величины в некоторый интервал и для которых определены вероятности. Другими словами необходимо связать случайную величину с полем данного испытания.
Для лучшего понимания, учителю следует привести пример.
При бросании кости могли появиться цифры 1, 2, 3, 4, 5, 6. Наперед определить число выпавших очков невозможно, так как это зависит от многих случайных величин, которые полностью не могут быть учтены. В этом смысле число очков есть величина случайная; и числа 1, 2, 3, 4, 5, 6 – есть возможные значения этой величины.
Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.
Будем обозначать случайные величины прописными (заглавными) буквами: X, Y, Z, а их возможные значения соответствующими строчными буквами x, y, z. Если величина Х имеет три значения то они будут обозначены так: х1, х2, х3 .
Обычно рассматриваются два типа случайных величин: дискретные и непрерывные. Рассмотрим следующий пример.
Число мальчиков пошедших в секцию бальных танцев среди 100 пришедших туда людей есть случайная величина, которая может принимать следующие значения 0, 1, 2, …, 100. Эти значения отделены друг от друга промежутками, в которых нет возможных значений Х.
Таким образом, в этом примере случайная величина принимает отдельные изолированные значения. Приведем второй пример.
Расстояние, которое пролетит диск при метании, есть величина случайная. Действительно величина зависит от многих факторов, например от ветра, температуры и других факторов, которые не могут быть полностью учтены. Возможные значения этой величины принадлежат некоторому промежутку (а; b).
В данном примере случайная величина может принять любое из значений промежутка (а; b). Здесь нельзя отделить одно возможное значение от другого промежутком, не содержащим возможных значений случайной величины.
Уже из сказанного можно заключить о том, что целесообразно будет различать случайные величины, принимающие лишь отдельные изолированные значения, и случайные величины, возможные значения которых сплошь заполняют некоторый промежуток. Далее следует дать четкое определение дискретной и непрерывной случайной величины.
Дискретной (прерывной) называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.
Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Очевидно, число возможных значений непрерывной случайной величины бесконечно.
Примерами непрерывных случайных величин могут быть спортивный результат в беге или прыжках, рост и масса тела человека, сила мышц и другие.
Для задания дискретной случайной величины не достаточно перечислить все возможные ее значения, нужно еще указать их вероятности.
Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями; его можно задать таблично, в виде формулы и графически.
При табличном задании первая строка содержит возможные значения, а вторая – их вероятности:
| Х | х1 | х2 | … | хn |
| p | p1 | p2 | … | p2 |
Сумма вероятностей второй строки таблицы равна единице:
.Если множество возможных значений Х бесконечно, то ряд 
сходится и его сумма равна единице.Для закрепления следует решить задачу.
В денежной лотерее выпущено 100 билетов. Разыгрывается один выигрыш в 50 р. и десять выигрышей по 1 р. Найти закон распределения случайной величины Х – стоимости возможного выигрыша для владельца лотерейного билета.
Решение. Напишем возможные значения Х: х1=50; х2=1; х3=0. Вероятности этих возможных значений равны: р1=0,01; р2= 0,1; р3=1-(0,01+0,1)=0,89.
Напишем исходный закон распределения:
| Х | 50 | 10 | 0 |
| p | 0,01 | 0,1 | 0,89 |
Контроль: 0,01+0,1+0,89=1
Для наглядности закон распределения дискретной случайной величины можно изобразить и графически, для чего в прямоугольной системе координат строят точки (хi; pi), а затем соединяют их отрезками прямых. Полученную фигуру называют многоугольником распределения. Также следует привести пример построения такого многоугольника.
Как мы ранее сказали, закон распределения полностью характеризует случайную величину. Однако часто закон распределения неизвестен, и приходится ограничиваться меньшими сведениями. Также для решения многих задач не нужно знать распределения случайной величины, а достаточно знать лишь некоторые обобщающие числовые характеристики этого распределения.
Одной из таких характеристик является математическое ожидание. Для более наглядного определения рассмотрим подход к этому понятию на конкретном примере.
Пусть имеется дискретная случайная величина Х, которая может принимать значения x1, x2, …, xn. Вероятности которых соответственно равны р1, р2, …, рn. Тогда математическое ожидание М(Х) случайной величины Х определяется равенством:
.