Связный граф без циклов. Между любыми двумя его вершинами есть ровно одна цепь; в дереве с \( n \) вершинами \( n - 1 \) ребро. Дерево эксперимента — корневое дерево: корень — начало опыта, вершины — состояния, листья — исходы.
Выберите номер упражнения, чтобы посмотреть решение.
Связный граф без циклов. Между любыми двумя его вершинами есть ровно одна цепь; в дереве с \( n \) вершинами \( n - 1 \) ребро. Дерево эксперимента — корневое дерево: корень — начало опыта, вершины — состояния, листья — исходы.
Конечные вершины — листья, из которых не выходит ни одного ребра: в них эксперимент завершается, и каждый лист — один из исходов (элементарных событий) опыта.
Нужно перемножить вероятности, записанные на всех рёбрах единственной цепи, ведущей из корня в соответствующий лист (правило умножения). Например, для вершины РРО дерева с монетой \( \frac12 \cdot \frac12 \cdot \frac12 = \frac18 \), для вершины ННС в опыте с грушами \( \frac38 \cdot \frac27 \cdot \frac56 = \frac{5}{56} \).
Найти все листья, благоприятные для события, вычислить вероятность каждого (перемножив вероятности вдоль ветки) и сложить полученные числа. Например, для события «орёл появится» в опыте с тремя бросками до первого орла: \( \frac12 + \frac14 + \frac18 = \frac78 \).
Набор событий \( H_1, H_2, \ldots, H_n \), которые попарно несовместны, а их объединение равно множеству всех исходов \( \Omega \). Иначе говоря, в каждом опыте происходит ровно одно из этих событий; полная группа — разбиение \( \Omega \) на непересекающиеся части.
Любое событие и противоположное к нему: \( H \) и \( \bar H \). Для кубика — события «выпало 1», «выпало 2», …, «выпало 6». Для смартфона — «выпущен на первом заводе», «на втором», «на третьем». Для двух бросков монеты — ОО, ОР, РО, РР.
Если \( H_1, \ldots, H_n \) — полная группа событий, то для любого события \( A \)
\[ P(A) = P(H_1)P(A \mid H_1) + P(H_2)P(A \mid H_2) + \ldots + P(H_n)P(A \mid H_n). \]
В частности, \( P(A) = P(H)P(A \mid H) + P(\bar H)P(A \mid \bar H) \).
Между наименьшей и наибольшей из условных вероятностей \( P(A \mid H_i) \): \( P(A) \) — это среднее условных вероятностей, взятых с весами \( P(H_i) \), сумма которых равна 1 (см. упражнение 198). Например, в задаче о смартфонах \( 0{,}01 \le 0{,}019 \le 0{,}04 \).
Когда известны вероятности гипотез \( H_1, \ldots, H_n \) (полной группы) и условные вероятности события \( A \) при каждой гипотезе, а затем становится известно, что событие \( A \) произошло. Формула Байеса позволяет пересчитать вероятности гипотез с учётом этой новой информации — найти \( P(H_k \mid A) \), то есть по свершившемуся следствию оценить вероятность каждой возможной причины: на каком заводе сделан бракованный смартфон, болен ли пациент с положительным результатом теста.
Априорные (от лат. a priori — «до опыта») — вероятности гипотез \( P(H_k) \), известные до проведения опыта. Апостериорные (a posteriori — «после опыта») — условные вероятности \( P(H_k \mid A) \) тех же гипотез после того, как опыт завершился событием \( A \). Формула Байеса переводит априорные вероятности в апостериорные.
\[ P(H \mid A) = \dfrac{P(H) P(A \mid H)}{P(H) P(A \mid H) + P(\bar H) P(A \mid \bar H)}. \]
Знаменатель — вероятность \( P(A) \) по формуле полной вероятности; аналогично \( P(\bar H \mid A) = 1 - P(H \mid A) \).
Задали работу по этой теме?
Реферат, доклад или проект по параграфу: план, текст, таблицы и оформление по требованиям.
ВНИМАНИЕ: Представленные фрагменты из учебных материалов используются исключительно в научно-образовательных целях в объеме, оправданном поставленной целью.
Данное использование осуществляется в рамках, установленных законодательством об авторском праве (в частности, нормами о свободном использовании произведения для образовательных целей).
В соответствии с законодательством, автор и источник заимствования указаны для каждого используемого фрагмента.