Rachunek prawdopodobieństwa MAP1064
Wydział Elektroniki, rok akad. 2008/09, sem. letni
Wykładowca: dr hab. A. Jurlewicz
Przykłady do listy 5: Prawdopodobieństwo warunkowe. Twierdzenie o
prawdopodobieństwie całkowitym. Wzór Bayesa. Niezależność zdarzeń
Przykłady do zadania 5.1 :
(a) Zakład pracuje na trzy zmiany. Zmiany produkują odpowiednio n1 = 200, n2 = n3 = 150
wyrobów, przy czym szansa wyprodukowania wadliwego wyrobu wynosi odpowiednio p1 =
p2 = 0, 1, p3 = 0, 3. Obliczyć prawdopodobieństwo, że wyrób wylosowany z całej produkcji jest
wadliwy. Obliczyć prawdopodobieństwo, że wylosowany wadliwy wyrób wyprodukowała druga
zmiana.
" Wprowadzamy oznaczenia:
A - zdarzenie, że wylosowany wyrób jest wadliwy;
Bn - zdarzenie, że wylosowany wyrób wyprodukowała n-ta zmiana, n = 1, 2, 3.
n1 200
" Mamy P (B1) = = = 0, 4; P (B2) = P (B3) = 0, 3;
n1 + n2 + n3 500
P (A|B1) = P (A|B2) = 0, 1; P (A|B3) = 0, 3.
" Z tw. o prawdop. całkowitym
P (A) = P (A|B1)P (B1) + P (A|B2)P (B2) + P (A|B3)P (B3) =
= 0, 1 · 0, 4 + 0, 1 · 0, 3 + 0, 3 · 0, 3 = 0, 16.
" Szukamy teraz P (B2|A).
P (A|B2)P (B2) 0, 1 · 0, 3 3
Ze wzoru Bayesa P (B2|A) = = = = 0, 1875.
P (A) 0, 16 16
(b) Prawdopodobieństwo trafienia w cel w jednym strzale wynosi 1/2, natomiast prawdopodobień-
k
1
stwo zniszczenia celu przy k trafieniach wynosi 1 - , k = 0, 1, . . .. Wyznaczyć prawdopo-
3
dobieństwo zniszczenia celu przy oddaniu 10 strzałów.
" Wprowadzamy oznaczenia:
A - zdarzenie, że zniszczono cel przy oddaniu 10 strzałów,
Bk - zdarzenie, że w 10 strzałach jest k trafień, k = 0, 1, . . . , 10.
" B0, B1, . . . , B10 stanowią rozbicie przestrzeni probabilistycznej (są parami rozłączne i w
sumie sÄ… zdarzeniem pewnym &!).
k 10-k 10 k
10 10
1 1 1 1
" Mamy P (Bk) = 1 - = ; P (A|Bk) = 1 - .
k 2 2 k 2 3
k 10
10 10
10
1 1
" Z tw. o prawdop. całkowitym P (A) = P (A|Bk)P (Bk) = (1 - ) =
3 k 2
k=0 k=0
10 k 10 10
10 10
10 10
1 1 1 1
= 1k110-k - 110-k = (1 + 1)10 - + 1 =
2 k k 3 2 3
k=0
k=0
10
2
= 1 - H" 0, 983,
3
10 10
gdzie korzystaliśmy ze wzoru (a + b)10 = akb10-k.
k=0
k
1
(c) W pewnym teleturnieju za jednymi z trzech zamkniętych drzwi znajduje się samochód, a za
pozostałymi dwoma kozy. Prowadzący grę wie, które drzwi kryją samochód. Gracz wskazuje
na jedne z drzwi, prowadzący otwiera jedne z pozostałych odkrywając kozę i następnie pyta
gracza, które z zamkniętych drzwi otworzyć (tzn. czy gracz zmienia wybór, czy nie). Jeżeli
gracz wskaże na odpowiednie drzwi, wygrywa samochód.
Powiedzmy, że gracz wskazał na początku na drzwi nr 1, a prowadzący grę otworzył drzwi nr 3
z kozą. Czy graczowi opłaca się zmienić decyzję i wskazać na drzwi nr 2? Odpowiedz uzasadnić.
" Wprowadzamy oznaczenia: Ai - zdarzenie, że samochód jest za drzwiami nr i,
Bi - zdarzenie, że prowadzący otworzył drzwi nr i, i = 1, 2, 3
1 1
" Mamy P (Ai) = , P (B3|A1) = , P (B3|A2) = 1, P (B3|A3) = 0.
3 2
3
1
" Stąd P (B3) = P (B3|Ai)P (Ai) = z tw. o prawdop. całkowitym,
2
i=1
P (B3|A1)P (A1) 1
" i ze wzoru Bayesa P (A1|B3) = =
P (B3) 3
P (B3|A2)P (A2) 2
oraz P (A2|B3) = =
P (B3) 3
" Wniosek: Graczowi opłaca się zmienić decyzję, bo zwiększa swoją szansę na wygraną.
(d) Pewna choroba jest obecna w 0,01% populacji. Opracowano test, który daje wynik dodatni
u 90% chorych i u 5% zdrowych. Jakie jest prawdopodobieństwo tego, że pacjent z wynikiem
dodatnim jest zdrowy? Czy ma on powody do obaw?
" Wprowadzamy oznaczenia:
A - zdarzenie, że test daje wynik dodatni; B - zdarzenie, że pacjent jest chory.
Szukamy P (Bc|A).
P (A|Bc)P (Bc)
" Ze wzoru Bayesa P (Bc|A) =
P (A)
" Mamy P (B) = 0, 0001 = 1 - P (Bc); P (A|B) = 0, 9; P (A|Bc) = 0, 05.
" Zatem P (A) = P (A|B)P (B) + P (A|Bc)P (Bc) = 0, 050085 z tw. o prawdop. całkowitym.
0, 05(1 - 0, 0001)
" oraz P (Bc|A) = H" 0, 9982
0, 050085
" Wniosek: Test w istocie nie wykrywa choroby, bo pacjent z wynikiem dodatnim jest zdrowy
na ponad 99% i raczej nie ma powodów do obaw.
2
Przykłady do zadania 5.2 :
(a) Dwa razy kontrolowana jest jakość pewnego urządzenia przez niezależne kontrole. Wynik kon-
troli to jedna z dwóch opinii: S - urządzenie sprawne lub N - urządzenie niesprawne. Szansa
na to, że S będzie wynikiem pierwszej kontroli, wynosi p, drugiej kontroli - q, 0 p, q 1.
Zbadać niezależność zdarzenia A, że wynik pierwszej kontroli to S, oraz zdarzenia B, że obie
kontrole stwierdziły to samo.
" &! = {SS, SN, NS, NN}, F = 2&!,
P (SS) = pq, P (SN) = p(1 - q), P (NS) = (1 - p)q, P (NN) = (1 - p)(1 - q),
gdyż kontrole są niezależne.
" A = {SS, SN}, B = {SS, NN}, A )" B = {SS}
" P (A )" B) = P (A)P (B) wtedy i tylko wtedy, gdy pq = (pq + p(1 - q))(pq + (1 - p)(1 - q)),
czyli gdy pq = p(1 - p - q + 2pq).
" Równość zachodzi dla p = 0 albo p = 1 albo q = 1/2.
" Zatem zdarzenia A i B są niezależne w skrajnych przypadkach p = 0 lub p = 1 bez
względu na q oraz w ciekawszym przypadku q = 1/2 bez względu na p.
(b) Elektron emitowany jest w losowej chwili Ä przedziaÅ‚u [0, T ]. Dla ustalonej chwili t przedziaÅ‚u
(0, T ) niech A będzie zdarzeniem, że emisja nastąpi po chwili t, a B zdarzeniem, że emisja
nastąpi przed chwilą T - t. Czy zdarzenia A, B są niezależne?
" &! = [0, T ], F to zbiory borelowskie z tego odcinka,
P to prawdopodobieństwo geometryczne.
" A = [t, T ], B = [0, T - t]
T - t 2
" P (A) · P (B) = .
T
Å„Å‚
òÅ‚ 0, gdy T/2 < t < T,
", gdy T - t < t,
" A )" B = i stÄ…d P (A )" B) = T - 2t
ół
[t,T-t], gdy T - t t;
, gdy 0 < t T/2.
T
" Ponieważ P (A )" B) = P (A)P (B), zdarzenia A i B nie są niezależne.
(Zauważmy, że wniosek ten nie zależy od wyboru t.)
(c) Prawdopodobieństwo zestrzelenia samolotu przez wystrzał z karabinu wynosi p = 0, 004. Jakie
jest prawdopodobieństwo zestrzelenia samolotu przez salwę z 250 karabinów?
" Wprowadzamy oznaczenia:
Ai = {zestrzelenie samolotu z i-tego karabinu }, i = 1, 2, . . . , 250,
B = {zestrzelenie samolotu przez salwę z 250 karabinów }.
Zakładamy, że zdarzenia Ai, i = 1, 2, . . . , 250, są niezależne.
250 250
" B = Ai, a stÄ…d Bc = Ac.
i
i=1 i=1
250
" Z niezależności P (Bc) = P (Ac) = (1 - 0, 004)250 H" 0, 3671
i
i=1
" StÄ…d P (B) = 1 - P (Bc) H" 0, 6329
3
Wyszukiwarka
Podobne podstrony:
R Pr MAEW104 przyklady CTG lista12R Pr MAEW104 przyklady przestrzen prob lista4R Pr MAEW104 przyklady dyskretne lista7R Pr MAEW104 przyklady transformata Fouriera lista2R Pr MAEW104 przyklady ciagle lista8R Pr MAEW104 przyklady srednia lista9R Pr MAEW104 wyklad6 prawdop warunkoweR Pr MAEW104 przyklady wektory losowe lista10R Pr MAEW104 przyklady PWL lista11R Pr MAEW104 przyklady dystrybuanta lista6R Pr MAEW104 przyklady transformata Laplace a lista3R Pr MAP1151 przyklady wektory losowe PWL lista5(1)R Pr MAP1151 przyklady wektory losowe PWL lista5R Pr MAP1151 przyklady dyskretne ciagle lista3Wstep do R Pr MAP2037 przyklady do listy 3R Pr MAEW104 wyklad12 PWLR Pr MAP1151 przyklady srednia lista4(1)R Pr MAEW104 wyklad11 wektory losowewięcej podobnych podstron