Теорема умножения вероятностей зависимых событий
Вероятность совместного появления двух зависимых событий А и В равна произведению вероятности одного из них на условную вероятность PА(B) другого, вычисленную в предположении, что первое событие уже наступило, то есть:
P(AB) = P(A) .PА(B).
В этой формуле условная вероятность PA(B) выражает вероятность появления события B при условии, что событие A уже наступило.
Формула полной вероятности. Вероятности гипотез
Возможны случаи, когда появление события А зависит от нескольких событий. В этом случае, вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий B1, B2, ... Bn, образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Р(А) = Р(В1) + Р(В2) + ... + Р(Вп) .
Эту формулу называют формулой полной вероятности, а события B1, B2, ..., Bn −гипотезами, поскольку заранее не известно, какое из этих событий наступит.
Формулы Бейеса
Формулы Бейеса позволяют переоценить вероятности гипотез после того, как становится известным результат испытания, в результате которого появилось событие А.
Пусть событие А может наступить лишь при условии появления одного из несовместных событий (гипотез) В1, В2, ..., Вn, образующих полную группу. Вероятность появления события А определяется по формуле полной вероятности, которая была рассмотрена выше.
Допустим, что произведено испытание, в результате которого появилось событие А. Требуется определить, как изменились вероятности гипотез, то есть найти условные вероятности РА(В1), РА(В2), ..., РА(Вn).
В общем случае условная вероятность любой гипотезы Вi может быть вычислена по следующей формуле:
.
Повторение испытаний
В этой теме рассматриваются вопросы, связанные с испытаниями, которые повторяются несколько раз. В результате каждого испытания интересующее нас событие может появиться или не появиться.
Условимся считать, что вероятность появления события в каждом испытании постоянна и равна p. Следовательно, вероятность не появления события в каждом испытании также постоянна и равна (как вероятность противоположного события).
Ставится задача: найти вероятность того, что в n испытаниях событие A осуществится ровно kраз и, следовательно, не осуществится n-k раз. Эту вероятность обозначают Pn(k) и вычисляют по формуле Бернулли:
.
Локальная теорема Лапласа
Формулу Бернулли удобно применять при небольших значениях n. Применять указанную формулу при значениях n > 30 трудно, так как эта формула потребует выполнения действий над громадными числами. Существует формула, которая позволяет приближенно найти вероятность появления события ровно k раз в n испытаниях, если число испытаний достаточно велико, ее называют локальной теоремой Лапласа.
где .
Значения функции приведены в Приложении 1, где указаны значения функции при положительных значениях аргумента x. Для отрицательных значений x пользуются теми же таблицами, так как функция j(х) четная, то есть j(–х) = j(х).