(iv) D - vybíráme 2 koule a ty mají různou barvu.

Podobné dokumenty
6 5 = 0, = 0, = 0, = 0, 0032

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Základním pojmem v kombinatorice je pojem (k-prvková) skupina, nebo také k-tice prvků, kde k je přirozené číslo.

Pravděpodobnost a její vlastnosti

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka;

2. Definice pravděpodobnosti

3. Podmíněná pravděpodobnost a Bayesův vzorec

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

Základním pojmem v kombinatorice je pojem (k-prvková) skupina, nebo také k-tice prvků, kde k je přirozené číslo.

NUMP403 (Pravděpodobnost a Matematická statistika I)

Kombinace s opakováním

Řešené příklady z pravděpodobnosti:

Kombinace s opakováním

Pravděpodobnost a statistika

pravděpodobnosti a Bayesova věta

cv3.tex. Vzorec pro úplnou pravděpodobnost

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

Intuitivní pojem pravděpodobnosti

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

1. KOMBINATORIKA. Příklad 1.1: Mějme množinu A a. f) uspořádaných pětic množiny B a. Řešení: a)

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

2. přednáška - PRAVDĚPODOBNOST

Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

Základy teorie pravděpodobnosti

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

Pravděpodobnost a statistika

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/

5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy

5.1. Klasická pravděpodobnst

PRAVDĚPODOBNOST A JEJÍ UŽITÍ

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy. Příklad: při hodu hrací kostkou padne trojka

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Tomáš Karel LS 2012/2013

10. N á h o d n ý v e k t o r

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

Úlohy krajského kola kategorie A

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Teorie pravěpodobnosti 1

Náhodný jev. Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy.

KOMBINATORIKA. 1. cvičení

1. Úvod do základních pojmů teorie pravděpodobnosti

Matematika I 2a Konečná pravděpodobnost

Pravděpodobnost a aplikovaná statistika

náhodný jev je podmnožinou

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

7.3.9 Směrnicový tvar rovnice přímky

Obsah. Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Pravděpodobnost. Pravděpodobnost. Děj pokus jev

3. Mocninné a Taylorovy řady

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2

MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

1 Báze a dimenze vektorového prostoru 1

Příklad 1. Řešení 1a ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 4

Regresní analýza 1. Regresní analýza

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Úvod do teorie pravděpodobnosti

Geometrická zobrazení

Obsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí

Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě.

1. Statistická analýza dat Jak vznikají informace Rozložení dat

MATEMATIKA. O paradoxech spojených s losováním koulí

9 Stupně vrcholů, Věta Havla-Hakimiho

13. cvičení z PSI ledna 2017

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

7.3.9 Směrnicový tvar rovnice přímky

( ) Příklady na otočení. Předpoklady: Př. 1: Je dána kružnice k ( S ;5cm)

Opakování k maturitě matematika 4. roč. STR 2 <

Shluková analýza, Hierarchické, Nehierarchické, Optimum, Dodatek. Učení bez učitele

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

(bridžové karty : 52 karet celkem, z toho 4 esa) [= 0, 0194] = 7, = 4, = 1, = 9, = 1, 77 10

Testování hypotéz. December 10, 2008

IB112 Základy matematiky

2. Elementární kombinatorika

(Cramerovo pravidlo, determinanty, inverzní matice)

PRAVDĚPODOBNOST A STATISTIKA

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

S1P Příklady 01. Náhodné jevy

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Podmíněná pravděpodobnost

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

CVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15

Téma 22. Ondřej Nývlt

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

PRAVDĚPODOBNOST A STATISTIKA

Motivace. 1. Náhodné jevy. Poznámky k předmětu Aplikovaná statistika, 1. téma

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Transkript:

2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P (1) = 1; 0 V, 1 U 3 = 1 A B P (B) 5 A B P (B\A) = P (B) ; B\A B A 6 A B = P (A B) = + P (B) 7 P (A B) = + P (B) P (A B) Klasicá pravděpodobnost (Laplaceův model) Náhodný pous má n možných výsledů, teré mají stejnou pravděpodobnost výsytu Jestliže se náhodný jev A realizuje v m případech, pa je jeho pravděpodobnost = m n 21 Přílad V osudí je a bílých a b černých oulí Vypočtěte pravděpodobnosti uvedených náhodných jevů: {Házíme mincí - bílá = rub, černá = líc, a = b = 1 Házíme hrací ostou - bílá = 6, černá = opa, a = 1, b = 5} (i) A - náhodně vybraná oule je bílá; (ii) B - postupně vybíráme oule a poslední tažená oule je bílá; (iii) C - vybíráme 2 oule a obě jsou bílé; (iv) D - vybíráme 2 oule a ty mají různou barvu Řešení: (i) Při výběru máme a + b možností a v a případech nastane náhodný jev Je tudíž = a a+b (ii) Pro výběr poslední oule máme a + b možností a v a případech nastane náhodný jev Je tudíž P (B) = a a+b (iii) Přílad můžeme řešit dvěma způsoby: 1

1 Vybíráme dvojice, de nezáleží na pořadí výběru a výběr se nemůže opaovat (ombinace) Vybíráme z a+b oulí a v případě výběru z a bílých nastane sledovaný náhodný jev Je tedy P (C) = a 2 a + b 2 = a(a 1) (a + b)(a + b 1) 2 Nebo uvažujeme výběr jedné bílé oule a potom opět jedné bílé oule, ale z osudí, ve terém je o jednu bílou ouli méně Podle příladu (i) je P (C) = a a + b a 1 a 1 + b (iv) Máme opět 2 možnosti řešení: 1 Vybíráme dvojici oulí různé barvy a to učinit ab způsoby Hledaná pravděpodobnost je ab P (D) = a + b = 2 = 2ab (a + b)(a + b 1) ; 2 Náhodný jev D nastaneme ve dvou disjutních (neslučitelných) případech: D a -postupně losujeme bílou a pa černou ouli; D b - postupně losujeme černou a pa bílou ouli Obdobně jao v (iii) je = a a + b b a 1 + b + P (D) = P (D a ) + P (D b ) = b a + b a a + b 1 = 2ab (a + b)(a + b 1) 22 Přílad (Pravděpodobnost zařazení do průzumu) Alice a Bob žijí ve městě, teré má n = 10 obyvatel Do statisticého průzumu bude vybráno = 500 respodentů Pro všechny druhy výběrů vypočtěte pravděpodobnosti náhodných jevů: a) Do výběru bude Alice (Bob) vybrána alespoň jednou, jev A, resp B b) Budou vybráni Alice a Bob, jev A B 2

Řešení: Jestliže označíme symbolem v(n, ) počet výběrů prvů z n prvů a A, resp B jev, že je vybrána Alice, resp Bob, pa dostaneme počty výběrů: v(n 1, ) není vybrána Alice (Bob); v(n, ) v(n 1, ) je vybrána Alice (Bob); v(n, ) 2 v(n 1, ) + v(n 2, ) jsou vybráni Alice a Bob Pro hledané pravděpodobnosti dostaneme vzorce v(n 1, ) = P (B) = 1 = 1 v(n, ) a v(n 1, ) v(n 2, ) P (A B) = 1 2 + v(n, ) v(n, ) Pro jednotlivé druhy výběrů dostaneme jejich počty podle vzorců, ve terých druhy výběrů rozlišíme indexy: (i) Uspořádaný výběr bez vracení (variace bez opaování) (rozhoduje pořadí výběru): Všech možných výběrů je v ub = n(n 1) (n + 1) = n! (n )! (ii) Neuspořádaný výběr bez vracení (ombinace) (nezáleží na pořadí výběru): Všech možných výběrů je n!! (n )! v nb = n = (iii) Uspořádaný výběr s vracením (variace s opaováním) (je možný opaovaný výběr ): Celový počet výběrů je v us = n (iv) Neuspořádaný výběr s vracením (ombinace s opaováním) (je možný opaovaný výběr): n + 1 Celový počet výběrů je v ns = = (n + 1)!! (n 1)! V tomto případě nemůžeme použít uvedených vzorců, nebot ombinace s opaováním nemají stejnou pravděpodobnost Jednotlivým ombinacim odpovídá různý počet variací s opaovaním, teré mají stejnou pravděpodobnost Dosazením do vzorců dostaneme požadované pravděpodobnosti (i) = P (B) = 1 (n 1)(n 2) (n ) n(n 1)(n 2) (n + 1) = 3

= 1 n n = n = 005 P (A B) = 1 2 n n + (n )(n 1) n(n 1) = ( 1) n(n 1) = 000295 (ii) = P (B) = 1 n 1 n = 1 n n = n = 005 n 1 P (A B) = 1 2 n + n 2 n = ( 1) n(n 1) = 000295 (iii) ( ) n 1 = 1 = 1 09999 500 = 0088 n ( ) n 1 ( ) n 2 P (A B) = 1 2 + = n n = 1 2 09999 500 + 09998 500 = 0002 23 Přílad U zoušy si student losuje otázy z 20 Pro nedostate času si stačil připravit 15 otáze Jestliže označíme A, 0, náhodný jev, dy student zodpoví dobře otáze, určete pravděpodobnosti jednotlivých možností Řešení: Všechny výběry dostaneme jao výběry prvů z 20 Pro jednotlivé případy vybíráme otáze z 15 a ze zbývajících 5 Jsou tudíž jednotlivé pravděpodobnosti rovny: 15 P (A ) = 20 15 5 2 2 P (A 2 ) = 20 = 02817; P (A 3 ) = 15 3 20 = 02167; P (A 1 ) = 5 1 15 1 20 = 0696; 5 3 = 0031;

5 P (A 0 ) = 20 = 0001 (P (A ) + P (A 3 ) + P (A 2 ) + P (A 1 ) + P (A 0 ) = 1) 2 Přílad (Hypergeometricé rozdělení) Obecná formulace modelu Množina má N prvů a mezi nimi má M prvů sledovanou vlastnost Jaá je pravděpodobnost toho, že mezi n náhodně vybranými prvy má právě, 0 min{m, n} sledovanou vlastnost? Model se používá u situací podobného charateru jao: Loterie s N losy, z nichž M losů vyhrává a n losů zaoupíme V partii N výrobů je M 1 jaosti a zbývající jsou jiné vality, případně mají vadu Situaci můžeme znázornit na obrázu M n N M Řešení: Vybraná supina n prvů bude obsahovat právě prvů sledované vlastnosti, jestliže provedeme výběr ta, že prvů vybereme z množiny om prvcích a zbývajících n prvů vybereme ze supiny N M prvů, teré uvažovanou vlastnost nemají Všech možných výběrů n prvů z N je celem N Jednotlivé výběry (elementární jevy) jsou rovnocenné, n tedy stejně pravděpodobné Z M prvů se sledovanou vlastností vybereme supinu o prvcích celem M způsoby a zbývajících n prvů, teré vlastnost nemají vybereme ze supiny N M prvů celem N M n způsoby Podle pravidla součinu a definice pravděpodobnosti je výsledná pravděpodobnost výběru právě prvů, teré mají sledovanou vlastnost, rovna M N M n P =, 0 min{n, M} N M 25 Přílad Je-li Ω = {a, b, c} množinou elemntárních jevů, roz- 5

hodněte, zda je uvedená množina A σ algebrou a poud není doplňte ji ta, aby tuto vlastnost měla (I) A = {, {a}, {b}, {a, c}} Řešení: Množina A musí obsahovat celou množinu Ω, doplňy, sjednocení a průniy (I) Uvedená množina není σ algebrou Musíme ji doplnit o všechny prvy z Ω, dále o dvojice a trojice prvů a celou množinu Ω Po doplnění dostaneme: A = {, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}} 26 Přílad Na množině A z příladu 5 definujte alespoň dvě různé pravděpodobnosti Řešení: (i) Můžeme požadovat stejnou pravděpodobnost elementárních jevů (rovnoměrné rozdělení) a dostaneme pro pravděpodobnosti jevů z A hodnoty: P ( ) = 0, P (a) = P (b) = P (c) = 1 3, P (a b) = P (a c) = P (b c) = 2 3, P (a b c) = 1 (ii) Můžeme třeba volit lineární funci pravděpodobnosti Protože je 1 + 2 + 3 = 6, můžeme volit P (a) = 1 6, P (b) = 2 6, P (c) = 3 6 Potom je P ( ) = 0, P (a b) = P (a) + P (b) = 1+2 6 = 3 6 P (b c) = P (b) + P (c) = 2+3 6 = 5 6, P (a b c) = P (a) + P (b) + P (c) = 1+2+3 6 = 1, P (a c) = 1+3 6 = 6, 27 Geometricá pravděpodobnost Tento model používáme v situacích, dy jistému jevu U odpovídá neprázdná množina U R n, terá má onečný ladný objem v(u) Pravděpodobnost můžeme definovat na σ algebře A měřitelných podmnožin množiny U předpisem = v(a) v(u), A A 28 Přílad Náhodně volíme číslo x v intervalu 0, 10 ta, že je aždá volba stejně pravděpodobná Určete: a) pravděpodobnost P ( x 3 < 1), P (x = 2); b) závislost pravděpodobnosti F (a) = P ( x 3 a), a R na hodnotě parametru a 6

Řešení: a) K řešení použijeme geometricou pravděpodobnost Pravděpodobnost výsytu čísla x v intervalu je přímo úměrná jeho délce Ze situace znázorněné na obrázu Obr 81 dostaneme P ( x 3 < 1) = P (x (2, )) = 2 10 0 = 2 10 = 02 Z obrázu Obr 82 dostaneme P (x = 2) = 2 2 10 = 0 0 2 3 10 0 2 3 10 Obr 81 Obr 82 b) Interval, ve terém leží číslo a se mění v závislosti na hodnotě parametru a Protože je 3 0 = 3 a 10 3 = 7, dostaneme vzorce pro vyjádření pravděpodobnosti: a < 0 : F (a) = 0; 0 a < 3 : F (a) = 3+a (3 a) 10 = 2a 10 = a 5 ; 3 a < 7 : F (a) = 3+a 0 10 = a+3 10 ; a 7 : F (a) = 10 0 10 = 1 Graf závislosti je na obrázu Obr 83 1 F (a) 06 3 7 Obr 83 Poznáma Všimněme si, že v tomto případě mají elementární jevy x = x 0 pravděpodobnost nulovou Je jich totiž příliš mnoho Dále nezáleží na tom, zda v případě a) uvažujeme otevřený, uzavřený a nebo polouzavřený interval Jevy se liší o jev s nulovou pravděpodobností Tato vlastnost je typicá pro náhodné veličiny, teré mají spojité rozdělení pravděpodobnosti 29 Přílad Konáme serii náhodných pousů, ve terých se objevuje jao výslede náhodný jev A s pravděpodobností = p, 0 < p < 1 Pous onáme doud nenastane náhodný jev A a) Vypočtěte pravděpodobnosti pro jednotlivé počty provedených pousů 7

b) Určete oli musíme minimálně provést pousů, aby se náhodný jev objevil s pravděpodobností větší než (i) 09, (ii) 095 Hodnoty vyčíslete pro p = p 1 = 05, p = p 2 = 1 6 Model odpovídá třeba situacím, dy házíme ostou doud nepadne šesta (p = 1/6), nebo házíme mincí poud nepadne rub (p = 1/2), případně z osudí s a bílými a b černými oulemi vytáhneme bílou ouli (p = a/(a + b)) Řešení: a) Při řešení úlohy použijeme jazya náhodných veličin Počet pousů, teré provedeme, doud nenastane jev A považujeme za náhodnou veličinu X Její hodnoty nejsou omezené, nabývají hodnot z množiny přirozených čísel N Množina elementárních jevů je tedy neonečná, je rovna množině přirozených čísel N Náhodný pous opaujeme, poud se objeví jev A, opačný jevu A, terý má pravděpodobnost = 1 p Jestliže je počet provedených pousů roven X N, pa pro pravděpodobnostní funci p X náhodné veličiny dostaneme vzorec p X (1) = P (X = 1) = p, p X (2) = P (X = 2) = (1 p)p, p X (3) = P (X = 3) = (1 p) 2 p, obecně je p X (n) = P (X = n) = (1 p) n 1 p, n N Pro zadané číselné hodnoty dostaneme pro pravděpodobnostní funci vyjádření p 1 = 05 p X (n) = 1 2 n; p 2 = 5 6 p X(n) = 5n 1 6 n, n N b) Jestliže si označíme zadanou pravděpodobnost jao P 0, pa hledáme nejmenší přirozené číslo n, pro teré platí ( ) P (X n) > P 0 Z vyjádření pravděpodobnostní funce dostaneme, že P (X n) = n =1 p X () = n =1 Po dosazení dostaneme podmínu ( ) ve tvaru p(1 p) 1 1 (1 p)n = p 1 (1 p) = 1 (1 p)n 1 (1 p) n > P 0 1 P 0 > (1 p) n ln (1 P 0 ) > n ln (1 p) ( ) n > ln (1 P 0) ln (1 p) Pro zadané číselné hodnoty dostaneme pro minmální počet opaování: 8

p = p 1 = 05 : n > ln (1 P 0) ln 05 ln 01 (i) P 0 = 09 n > ln 05 ln 005 (ii) P 0 = 095 n > ln 05 p = p 2 = 1/6 : n > ln (1 P 0) = 332 n = ; = 32 n = 5 ln (5/6) ln 01 (i) P 0 = 09 n > = 1262 n = 13; ln (5/6) ln 005 (ii) P 0 = 095 n > = 13 n = 17 ln (5/6) Poznáma Pravděpodobnosti jednotlivých výsledů tvoří geometricou řadu s vocientem q = 1 p Snadno se přesvědčíme, že n=1 P (X = n) = n=1 (1 p) n 1 p = p 1 (1 p) = 1 Teoreticy se může stát, že se náhodný jev jao výslede neobjeví Je to jev, terý nemůžeme považovat za nemožný, ale pro jeho pravděpodobnost dostaneme, že je rovna 0 210 Podmíněná pravděpodobnost a nezávislost jevů Jestliže je (Ω, A, P ) pravděpodobnostní prostor a A, B A, P (B) > 0, pa definujeme podmíněnou pravděpodobnost jevu A B jao P (A B) = P (A B) P (B) B A B A B A Potom je P (A B)P (B) = P (B A) Náhodné jevy A a B jsou nezávislé právě dyž platí jedna z podmíne ( ) P (A B) = P (B), P (A B) =, P (B A) = P (B), teré jsou evivalentní 9

Náhodné jevy A, B a C jsou nezávislé, právě dyž platí: ( ) P (A B C) = P (B) P (C), P (A B) = P (B), P (A C) = P (C), P (B C) = P (B) P (C) 211 Přílad Tři střelci zasahují terč po řadě s pravděpodobnostmi p 1 = 02, p 2 = 0 a p 3 = 06 Současně vystřelí a v terči je jediný zásah Určete pravděpodobnosti P i toho, že zásah pochází od i tého střelce Řešení: Označme si náhodné jevy A i, i = 1, 2, 3, terč zasáhne i tý střelec a A v terči je právě jeden zásah Potom je A = (A 1 A 2 A 3 ) (A 1 A 2 A 3 ) (A 1 A 2 A 3 ) Ve sjednocení jsou jednotlivé jevy neslučitelné (disjuntní), je tedy výsledná pravděpodobnost součtem dílčích pravděpodobností Protože jsou zásahy jednotlivých střelců na sobě nezávislé, pa pro pravděpodobnost jevu A dostaneme = p 1 (1 p 2 )(1 p 3 ) + (1 p 1 )p 2 (1 p 3 ) + (1 p 1 )(1 p 2 )p 3 a po dosazení pravděpodobností p 1 = 02, p 2 = 0, p 3 = 06 = 02 06 0+08 0 0+08 06 06 = 008+0128+0288 = 06 Jestliže si označíme B i jevy, že zásah pochází od i tého střelce, pa B i = A A i a podle vzorce pro podmíněnou pravděpodobnost dostaneme, že P (B i ) = P (A A i), i = 1, 2, 3 Po dosazení příslušných hodnot dostaneme P (B 1 ) = P (A 1 A 2 A 3 ) = p 1(1 p 2 )(1 p 3 ) = 008 06 = 0103; P (B 2 ) = P (A 1 A 2 A 3 ) P (B 3 ) = P (A 1 A 2 A 3 ) = (1 p 1)p 2 (1 p 3 ) = (1 p 1)(1 p 2 )p 3 = 0128 06 = 0288 06 = 0276; = 0621 Všimněme si, že se pravděpodobnost nejlepšího střelce zvýší a pravděpodobnost nejhoršího sníží 10

212 Přílad Nezávislé náhodné jevy A, B, C mají po řadě pravděpodobnosti = 02, P (B) = 03, P (C) = 0 Určete pravděpodobnosti náhodných jevů: a) X = A B; b) Y = (A B) C; c) Z = A B; d) W = A B C Řešení: Pro nezávislé jevy platí: P (A B) = P (B), tedy: a) P (X) = P (A B) = +P (B) P (A B) = 02+03 02 03 = = 05 006 = 0 b) P (Y ) = P (A B) P (C) = 0 0 = 0176 c) P (Z) = P (A B) = P (A B) = 02 02 03 = 02 006 = = 01 d) P (W ) = + P (B) + P (C) P (A B) P (A C) P (B C) + P (A B C) = 02 + 03 + 0 02 03 02 0 03 0 + 02 03 0 = 09 006 008 012 + 002 = 066 213 Přílad Automat vyrábí podložy ve tvaru obdélnía Tolerance v šířce není dodržena v 8%, tolerance v délce v 7% a v obou rozměrech ve 3% případů a) Rozhodněte, zda jsou porušení tolerance v délce a v šířce, závislé či nezávislé jevy b) Vypočtěte pravděpodobnost toho, že náhodně vybraný us má oba rozměry v toleranci Řešení: Označíme-li A jev porušení tolerance v šířce a B porušení tolerance v délce, pa A B je jev porušení tolerance v obou rozměrech a) Potom je = 008, P (B) = 007, P (A B) = 003 Sledované náhodné jevy jsou nezávislé právě dyž je P (A B) = P (B) 003 008 007 = 00056, jsou tedy oba jevy A a B závislé b) Vybrání dobrého výrobu je jev A B Potom je jeho pravděpodobnost rovna P (A B) = P (A B) = 1 P (A B) = = 1 P (B) + P (A B) = 1 008 007 + 003 = 088 1 Přílad Ve čtverci 1, 1 1, 1 volíme náhodně bod (X, Y ) ta, že je aždá volba stejně pravděpodobná Rozhodněte, zda jsou náhodné 11

jevy A = {(X, Y ); X > 0}, B = {(X, Y ); Y > 0} a C = {(X, Y ); X Y > 0} závislé či nezávislé Řešení: K určení pravděpodobností využijeme geometricé pravděpodobnosti Je patrné, že = P (B) = P (C) = 1 2 Dále je: A B = {(X, Y ); X > 0 Y > 0}, tedy P (A B) = 1 ; A C = {(X, Y ); X > 0 Y > 0}, tedy P (A C) = 1 ; B C = {(X, Y ); X > 0 Y > 0}, tedy P (B C) = 1 Je tedy P (A B) = P (B) = 1, P (A C) = P (C) = 1, P (B C) = P (B) P (C) = 1 Jsou tudíž náhodné jevy A, B a C po dvou nezávislé Pro všechny tři náhodné jevy dostaneme A B C = {(X, Y ); X > 0 Y > 0}, tedy P (A B C) = 1 P (B) P (C) = 1 8 Náhodné jevy A, B a C jsou tudíž závislé 12