Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost a statistikapro kombinované studium
Letní semestr 2019/2020
Tutoriál c. 1: Kombinatorika, úvod do teorie pravdepodobnosti
Jan Krací[email protected]
KombinatorikaÚvod do teorie pravdepodobnosti
Kombinatorika
KombinatorikaÚvod do teorie pravdepodobnosti
Kombinatorika zkoumá pocty ruzných výberu z danéhosouboru.
Príklady:Kolika zpusoby lze seradit balícek mariášových karet?Kolika zpusoby lze vylosovat 6 z 49 císel?Kolik je trojciferných císel složených z císlic 1, 2 a 3?
Využití: základní pravdepodobnostní úlohy, . . .Jaká je pravdepodobnost výhry prvního poradí ve Sportce?
KombinatorikaÚvod do teorie pravdepodobnosti
Kombinatorické pravidlo soucinu
Pocet všech usporádaných k -tic, jejichž 1. clen lze vybrat n1zpusoby, 2. clen n2 zpusoby atd., je roven n1 · n2 · . . . · nk .
Príklad:Na jídelním lístku jsou 2 predkrmy, 3 polévky, 5 hlavních jídel a2 moucníky. Kolik ruzných obedu lze z této nabídky sestavit?
Rešení:2 (predkrmy) · 3 (polévky) · 5 (hl. jídel) · 2 (moucníky) = 60
KombinatorikaÚvod do teorie pravdepodobnosti
Kombinatorické pravidlo soucinu
Pocet všech usporádaných k -tic, jejichž 1. clen lze vybrat n1zpusoby, 2. clen n2 zpusoby atd., je roven n1 · n2 · . . . · nk .
Príklad:Na jídelním lístku jsou 2 predkrmy, 3 polévky, 5 hlavních jídel a2 moucníky. Kolik ruzných obedu lze z této nabídky sestavit?
Rešení:2 (predkrmy) · 3 (polévky) · 5 (hl. jídel) · 2 (moucníky) = 60
KombinatorikaÚvod do teorie pravdepodobnosti
Kombinatorické pravidlo soucinu
Pocet všech usporádaných k -tic, jejichž 1. clen lze vybrat n1zpusoby, 2. clen n2 zpusoby atd., je roven n1 · n2 · . . . · nk .
Príklad:Na jídelním lístku jsou 2 predkrmy, 3 polévky, 5 hlavních jídel a2 moucníky. Kolik ruzných obedu lze z této nabídky sestavit?
Rešení:2 (predkrmy) · 3 (polévky) · 5 (hl. jídel) · 2 (moucníky) = 60
KombinatorikaÚvod do teorie pravdepodobnosti
Zpusoby výberu:
podle usporádání prvku (“Záleží na poradí?”)
usporádané (variace, permutace)neusporádané (kombinace)
podle opakování prvku (“Mohou se prvky opakovat?”)
s opakovánímbez opakování
KombinatorikaÚvod do teorie pravdepodobnosti
Zpusoby výberu:
podle usporádání prvku (“Záleží na poradí?”)usporádané (variace, permutace)neusporádané (kombinace)
podle opakování prvku (“Mohou se prvky opakovat?”)
s opakovánímbez opakování
KombinatorikaÚvod do teorie pravdepodobnosti
Zpusoby výberu:
podle usporádání prvku (“Záleží na poradí?”)usporádané (variace, permutace)neusporádané (kombinace)
podle opakování prvku (“Mohou se prvky opakovat?”)s opakovánímbez opakování
KombinatorikaÚvod do teorie pravdepodobnosti
bez opakování s opakováním
variace V (n, k) = n!(n−k)! V ?(n, k) = nk
permutace P(n) = V (n, n) = n! P?(n1, n2, . . . , nk ) =(n1+n2+...+nk )!
n1!·n2!·...·nk !
kombinace C(n, k) =(n
k
)= n!
(n−k)!k! C?(n, k) =(n+k−1
k
)= (n+k−1)!
(n−1)!k!
Znacení:
faktoriáln! = n · (n − 1) · (n − 2) · . . . · 1
kombinacní císlo (nk
)=
n!
(n − k)!k !
KombinatorikaÚvod do teorie pravdepodobnosti
bez opakování s opakováním
variace V (n, k) = n!(n−k)! V ?(n, k) = nk
permutace P(n) = V (n, n) = n! P?(n1, n2, . . . , nk ) =(n1+n2+...+nk )!
n1!·n2!·...·nk !
kombinace C(n, k) =(n
k
)= n!
(n−k)!k! C?(n, k) =(n+k−1
k
)= (n+k−1)!
(n−1)!k!
Znacení:
faktoriáln! = n · (n − 1) · (n − 2) · . . . · 1
kombinacní císlo (nk
)=
n!
(n − k)!k !
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Kolika zpusoby lze obsadit stupne vítezu v závode s 20úcastníky?
Rešení:1. místo lze obsadit 20 zpusoby.2. místo lze obsadit 19 zpusoby (všichni krome 1.).3. místo lze obsadit 18 zpusoby (všichni krome 1. a 2.)celkem: 20 · 19 · 18 = 6840 zpusobu
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení s využitím vzorecku:
Vybíráme 3 závodníky z 20.Záleží na poradí: (1. Franta, 2. Jarda, 3. Tonda) 6= (1.Tonda, 2. Franta, 3. Jarda)Bez opakování
Jedná se tedy o variace 3. trídy z 20 prvku bez opakování.
V (20,3) =20!
(20− 3)!=
20 · 19 · 18 · 17 · . . . · 117 · 16 · . . . · 1
= 20 · 19 · 18
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení s využitím vzorecku:
Vybíráme 3 závodníky z 20.Záleží na poradí: (1. Franta, 2. Jarda, 3. Tonda) 6= (1.Tonda, 2. Franta, 3. Jarda)Bez opakování
Jedná se tedy o variace 3. trídy z 20 prvku bez opakování.
V (20,3) =20!
(20− 3)!=
20 · 19 · 18 · 17 · . . . · 117 · 16 · . . . · 1
= 20 · 19 · 18
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Kolik ruzných trojic závodníku muže stanout na stupních vítezuv závode s 20 úcastníky?
Rešení:
Už víme: Stupne lze obsadit 20 · 19 · 18 = 6840 zpusoby.
Ale: Každá trojice muže stupne obsadit 3 · 2 · 1 = 6zpusoby a je tak v 6840 zapcítána 6 krát.
Ruzných trojic tedy muže na stupních stanout
20 · 19 · 183 · 2 · 1
=6840
6= 1140.
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Kolik ruzných trojic závodníku muže stanout na stupních vítezuv závode s 20 úcastníky?
Rešení:
Už víme: Stupne lze obsadit 20 · 19 · 18 = 6840 zpusoby.Ale: Každá trojice muže stupne obsadit 3 · 2 · 1 = 6zpusoby a je tak v 6840 zapcítána 6 krát.
Ruzných trojic tedy muže na stupních stanout
20 · 19 · 183 · 2 · 1
=6840
6= 1140.
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení s využitím vzorecku:
Vybíráme 3 závodníky z 20.Nezáleží na poradí: (1. Franta, 2. Jarda, 3. Tonda) = (1.Tonda, 2. Franta, 3. Jarda)Bez opakování.
Jedná se tedy o kombinace 3. trídy z 20 prvku bez opakování.
C(20,3) =20!
(20− 3)!3!=
20 · 19 · . . . · 1(17 · 16 · . . . · 1)(3 · 2 · 1)
=20 · 19 · 18
3 · 2 · 1
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Kolika zpusoby lze umístit 10 knih vedle sebe na polici tak, abyurcité 3 byly vedle sebe?
Rešení:
3 vybrané knihy lze usporádat do 3 · 2 · 1 ruzných trojic.Trojici lze umístit 8 zpusoby (1. kniha z trojice muže být na1.–8. míste na polici).7 zbylých knih lze na 7 zbylých pozic rozmístit 7 · 6 · . . . · 1zpusoby.
Knihy lze usporádat celkem 8 · 3! · 7! = 241920 zpusoby.
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení s využitím vzorecku:
Není!Variace, permutace, kombinace predstavují pouze základnízpusoby výberu.Nezbývá, než myslet ...
KombinatorikaÚvod do teorie pravdepodobnosti
Úvod do teorie pravdepodobnosti
KombinatorikaÚvod do teorie pravdepodobnosti
Teorie pravdepodobnosti: Matematická disciplína zabývajícíse popisem zákonitostí týkajících se náhodných jevu.
Náhodný pokus: Dej, jehož výsledek nejsme schopni predemjednoznacne urcit.
Náhodný jev: Tvrzení o výsledku náhodného pokusu. O jehopravdivosti lze rozhodnout po skoncení pokusu.
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad náhodného pokusu: Hod kostkouPrubeh hodu je deterministický proces. Rídí se fyzikálnímizákony.Neznáme však (dostatecne presne):
pocátecní podmínky (orientace kostky, výchozí pozice arychlost hodu, rotace kostky, . . . )vnejší podmínky (polohy prekážek, rozložení hmoty kostky,síly pusobící na kostku . . . )okolní vlivy (vítr, . . . ). . .
I kdybychom znali všechny podmínky pokusu, neumímevyrešit pohybové rovnice s dostatecnou presností.
Náhodnost je dusledkem nedostatku informací a omezenýchschopností.
KombinatorikaÚvod do teorie pravdepodobnosti
Príklady náhodných jevu:Na kostce padne c. 3.Na kostce padne liché císlo.Na kostce padne císlo menší než 7 (jev jistý - nastanevždy).Na kostce padne císlo 9 (jev nemožný - nenastane nikdy).
Pocet príchozích požadavku na web server behemnásledující hodiny bude vetší než 300.Koruna zítra posílí vuci Euru.
Poznámka: Náhodná velicina prirazuje náhodným jevum císelnou hodnotu(pocet príchozích požadavku, zítrejší kurz koruny), viz 2. tutoriál
KombinatorikaÚvod do teorie pravdepodobnosti
Príklady náhodných jevu:Na kostce padne c. 3.Na kostce padne liché císlo.Na kostce padne císlo menší než 7 (jev jistý - nastanevždy).Na kostce padne císlo 9 (jev nemožný - nenastane nikdy).Pocet príchozích požadavku na web server behemnásledující hodiny bude vetší než 300.Koruna zítra posílí vuci Euru.
Poznámka: Náhodná velicina prirazuje náhodným jevum císelnou hodnotu(pocet príchozích požadavku, zítrejší kurz koruny), viz 2. tutoriál
KombinatorikaÚvod do teorie pravdepodobnosti
Príklady náhodných jevu:Na kostce padne c. 3.Na kostce padne liché císlo.Na kostce padne císlo menší než 7 (jev jistý - nastanevždy).Na kostce padne císlo 9 (jev nemožný - nenastane nikdy).Pocet príchozích požadavku na web server behemnásledující hodiny bude vetší než 300.Koruna zítra posílí vuci Euru.
Poznámka: Náhodná velicina prirazuje náhodným jevum císelnou hodnotu(pocet príchozích požadavku, zítrejší kurz koruny), viz 2. tutoriál
KombinatorikaÚvod do teorie pravdepodobnosti
Elementární jev ω: výsledek náhodného pokusu
Prostor elementárních jevu (základní prostor) Ω: množinavšech elementárních jevu (casto nekonecná)
Náhodný jev A: podmnožina základního prostoru, A ⊂ Ω
Jev A nastal, jestliže ω ∈ A.
Jistý jev: A = Ω, nastane vždy
Nemožný jev: A = ∅, nikdy nenastane
KombinatorikaÚvod do teorie pravdepodobnosti
Elementární jev ω: výsledek náhodného pokusu
Prostor elementárních jevu (základní prostor) Ω: množinavšech elementárních jevu (casto nekonecná)
Náhodný jev A: podmnožina základního prostoru, A ⊂ Ω
Jev A nastal, jestliže ω ∈ A.
Jistý jev: A = Ω, nastane vždy
Nemožný jev: A = ∅, nikdy nenastane
KombinatorikaÚvod do teorie pravdepodobnosti
Náhodné jevy reprezentujeme množinami→ operace s jevyjsou operace s množinami.
Rovnost jevu: A = B; A nastane, práve když nastane BA je podjev jevu B: A ⊂ B; nastane-li A, nastane BDisjunktní (neslucitelné) jevy: A ∩ B = ∅; A a B nemohounastat soucasneDoplnek jevu A: A = Ω\A; nastane-li A, nenastane A anaopakSjednocení jevu: A ∪ B; nastane A nebo B (nebo oba)Prunik jevu: A ∩ B; nastane A a soucasne BRozdíl jevu: A\B; nastane A a nenastane B
KombinatorikaÚvod do teorie pravdepodobnosti
Náhodné jevy reprezentujeme množinami→ operace s jevyjsou operace s množinami.
Rovnost jevu: A = B; A nastane, práve když nastane BA je podjev jevu B: A ⊂ B; nastane-li A, nastane BDisjunktní (neslucitelné) jevy: A ∩ B = ∅; A a B nemohounastat soucasneDoplnek jevu A: A = Ω\A; nastane-li A, nenastane A anaopakSjednocení jevu: A ∪ B; nastane A nebo B (nebo oba)Prunik jevu: A ∩ B; nastane A a soucasne BRozdíl jevu: A\B; nastane A a nenastane B
KombinatorikaÚvod do teorie pravdepodobnosti
Pro náhodné jevy platí De Morganova pravidla.
A ∪ B = A ∩ B
A ∩ B = A ∪ B
KombinatorikaÚvod do teorie pravdepodobnosti
Úplná množina vzájemne disjunktních jevu A1,A2, . . . ,An:A1,A2, . . . ,An ⊂ Ω
Ai ∩ Aj = ∅ pro i 6= j(žádné dva jevy nenastanou soucasne)⋃n
i=1 Ai = Ω(nastane práve jeden z jevu A1 . . . ,An)
Príklad: hod kostkou
Ω = 1,2,3,4,5,6A1 = 1,2,4,A2 = 3,5,A3 = 6
KombinatorikaÚvod do teorie pravdepodobnosti
Úplná množina vzájemne disjunktních jevu A1,A2, . . . ,An:A1,A2, . . . ,An ⊂ Ω
Ai ∩ Aj = ∅ pro i 6= j(žádné dva jevy nenastanou soucasne)⋃n
i=1 Ai = Ω(nastane práve jeden z jevu A1 . . . ,An)
Príklad: hod kostkou
Ω = 1,2,3,4,5,6A1 = 1,2,4,A2 = 3,5,A3 = 6
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost vyjadruje míru ocekávatelnosti výskytunáhodného jevu.
vyjadrujeme císlem z 〈0; 1〉pravdepodobnost nemožného jevu: 0pravdepodobnost jistého jevu: 1
KombinatorikaÚvod do teorie pravdepodobnosti
Klasická definice pravdepodobnosti
Ω se skládá z n elementárních jevu se stejnou šancívýskytupocet elementárních jevu príznivých jevu A je m
P(A) =mn
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Jaká je pravdepodobnost výhry prvního poradí ve Sportce?
Losuje se 6 z 49 císel.pocet elementárních jevu: n =
(496
)= 13983816
každá šestice císel je vylosována se stejnou šancípocet príznivých jevu: m = 1
P(A) =1
13983816
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Jaká je pravdepodobnost výhry prvního poradí ve Sportce?
Losuje se 6 z 49 císel.pocet elementárních jevu: n =
(496
)= 13983816
každá šestice císel je vylosována se stejnou šancípocet príznivých jevu: m = 1
P(A) =1
13983816
KombinatorikaÚvod do teorie pravdepodobnosti
Axiomatická (Kolmogorovova) definice pravdepodobnosti
Definuje pojem pravdepodobnosti, ale neudává návod na jejístanovení.
Pravdepodobnost je funkce P prirazující každémunáhodnému jevu A ⊂ Ω císlo P(A) z intervalu 〈0; 1〉.
P musí splnovat následující podmínky:P(Ω)=1pro posloupnost vzájemne neslucitelných jevu A1,A2, . . .platí
P
( ∞⋃n=1
An
)=
∞∑n=1
P(An)
KombinatorikaÚvod do teorie pravdepodobnosti
Axiomatická (Kolmogorovova) definice pravdepodobnosti
Definuje pojem pravdepodobnosti, ale neudává návod na jejístanovení.
Pravdepodobnost je funkce P prirazující každémunáhodnému jevu A ⊂ Ω císlo P(A) z intervalu 〈0; 1〉.
P musí splnovat následující podmínky:P(Ω)=1pro posloupnost vzájemne neslucitelných jevu A1,A2, . . .platí
P
( ∞⋃n=1
An
)=
∞∑n=1
P(An)
KombinatorikaÚvod do teorie pravdepodobnosti
Z definice pravdepodobnosti prímo plyne rada vlastností:
P(∅) = 0P(A) = 1− P(A)
A ⊂ B ⇒ P(A) ≤ P(B)
P(B\A) = P(B)− P(A ∩ B)
P(A ∪ B) = P(A) + P(B)− P(A ∩ B)
. . .
Poznámka: príklad
KombinatorikaÚvod do teorie pravdepodobnosti
Z definice pravdepodobnosti prímo plyne rada vlastností:
P(∅) = 0P(A) = 1− P(A)
A ⊂ B ⇒ P(A) ≤ P(B)
P(B\A) = P(B)− P(A ∩ B)
P(A ∪ B) = P(A) + P(B)− P(A ∩ B)
. . .
Poznámka: príklad
KombinatorikaÚvod do teorie pravdepodobnosti
Podmínená pravdepodobnost
Predpoklad: A,B náhodné jevy; P(B) > 0.
Pravdepodobnost, že nastane jev A za podmínky, že nastal jevB se nazývá podmínená pravdepodobnost. Znací se P(A|B),cteme “pravdepodobnost jevu A za podmínky B”.
Podmínená pravdepodobnost P(A|B) je definována vztahem
P(A|B) =P(A ∩ B)
P(B).
Odtud plyne:P(A ∩ B) = P(A|B) · P(B)
KombinatorikaÚvod do teorie pravdepodobnosti
Podmínená pravdepodobnost
Predpoklad: A,B náhodné jevy; P(B) > 0.
Pravdepodobnost, že nastane jev A za podmínky, že nastal jevB se nazývá podmínená pravdepodobnost. Znací se P(A|B),cteme “pravdepodobnost jevu A za podmínky B”.
Podmínená pravdepodobnost P(A|B) je definována vztahem
P(A|B) =P(A ∩ B)
P(B).
Odtud plyne:P(A ∩ B) = P(A|B) · P(B)
KombinatorikaÚvod do teorie pravdepodobnosti
Podmínená pravdepodobnost
Predpoklad: A,B náhodné jevy; P(B) > 0.
Pravdepodobnost, že nastane jev A za podmínky, že nastal jevB se nazývá podmínená pravdepodobnost. Znací se P(A|B),cteme “pravdepodobnost jevu A za podmínky B”.
Podmínená pravdepodobnost P(A|B) je definována vztahem
P(A|B) =P(A ∩ B)
P(B).
Odtud plyne:P(A ∩ B) = P(A|B) · P(B)
KombinatorikaÚvod do teorie pravdepodobnosti
Nezávislost jevu
Náhodné jevy A, B jsou nezávislé, práve když platí
P(A ∩ B) = P(A) · P(B).
Je li P(B) > 0, pak pro nezávislé jevy A, B platí:
P(A|B) =P(A ∩ B)
P(B)=
P(A)P(B)
P(B)= P(A)
Skutecnost, že nastal jev B, neprináší žádnou informaci opravdepodobnosti výskytu jevu A.
KombinatorikaÚvod do teorie pravdepodobnosti
Nezávislost jevu
Náhodné jevy A, B jsou nezávislé, práve když platí
P(A ∩ B) = P(A) · P(B).
Je li P(B) > 0, pak pro nezávislé jevy A, B platí:
P(A|B) =P(A ∩ B)
P(B)=
P(A)P(B)
P(B)= P(A)
Skutecnost, že nastal jev B, neprináší žádnou informaci opravdepodobnosti výskytu jevu A.
KombinatorikaÚvod do teorie pravdepodobnosti
Nezávislost jevu
Náhodné jevy A, B jsou nezávislé, práve když platí
P(A ∩ B) = P(A) · P(B).
Je li P(B) > 0, pak pro nezávislé jevy A, B platí:
P(A|B) =P(A ∩ B)
P(B)=
P(A)P(B)
P(B)= P(A)
Skutecnost, že nastal jev B, neprináší žádnou informaci opravdepodobnosti výskytu jevu A.
KombinatorikaÚvod do teorie pravdepodobnosti
Veta o úplné pravdepodobnosti
Necht’ B1,B2, . . . ,Bn tvorí úplný systém vzájemneneslucitelných jevu.
Pro náhodný jev A pak platí:
P(A) =n∑
i=1
P(A|Bi) · P(Bi).
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Ve tríde je 70% chlapcu a 30% dívek. Dlouhé vlasy má 10%chlapcu a 80% dívek.Jaká je pravdepodobnost, že náhodne vybraný student mádlouhé vlasy?
Rešení:D (vybrána dívka) a CH (vybrán chlapec) tvorí úplný systémdisjuktních jevu
P(DV ) = P(DV ∩ D) + P(DV ∩ CH)
= P(DV |D) · P(D) + P(DV |CH) · P(CH)
= 0.8 · 0.3 + 0.1 · 0.7 = 0.31
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Ve tríde je 70% chlapcu a 30% dívek. Dlouhé vlasy má 10%chlapcu a 80% dívek.Jaká je pravdepodobnost, že náhodne vybraný student mádlouhé vlasy?
Rešení:D (vybrána dívka) a CH (vybrán chlapec) tvorí úplný systémdisjuktních jevu
P(DV ) = P(DV ∩ D) + P(DV ∩ CH)
= P(DV |D) · P(D) + P(DV |CH) · P(CH)
= 0.8 · 0.3 + 0.1 · 0.7 = 0.31
KombinatorikaÚvod do teorie pravdepodobnosti
Bayesuv vzorec
Necht’ B1,B2, . . . ,Bn tvorí úplný systém vzájemneneslucitelných jevu a A je náhodný jev takový, že P(A) > 0. Pakplatí
P(Bk |A) =P(A|Bk ) · P(Bk )∑ni=1 P(A|Bi) · P(Bi)
.
Poznámka: Obrázky
KombinatorikaÚvod do teorie pravdepodobnosti
Bayesuv vzorec
Necht’ B1,B2, . . . ,Bn tvorí úplný systém vzájemneneslucitelných jevu a A je náhodný jev takový, že P(A) > 0. Pakplatí
P(Bk |A) =P(A|Bk ) · P(Bk )∑ni=1 P(A|Bi) · P(Bi)
.
Poznámka: Obrázky
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Ve tríde je 70% chlapcu a 30% dívek. Dlouhé vlasy má 10%chlapcu a 80% dívek.Náhodne vybraný student má dlouhé vlasy. Jaká jepravdepodobnost, že je to chlapec?
Rešení:D (vybrána dívka) a CH (vybrán chlapec) tvorí úplný systémdisjuktních jevu
P(CH|DV ) =P(CH ∩ DV )
P(DV )=
=P(DV |CH) · P(CH)
P(DV |CH) · P(CH) + P(DV |D) · P(D)
=0.1 · 0.7
0.1 · 0.7 + 0.8 · 0.3.
= 0.23
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Ve tríde je 70% chlapcu a 30% dívek. Dlouhé vlasy má 10%chlapcu a 80% dívek.Náhodne vybraný student má dlouhé vlasy. Jaká jepravdepodobnost, že je to chlapec?
Rešení:D (vybrána dívka) a CH (vybrán chlapec) tvorí úplný systémdisjuktních jevu
P(CH|DV ) =P(CH ∩ DV )
P(DV )=
=P(DV |CH) · P(CH)
P(DV |CH) · P(CH) + P(DV |D) · P(D)
=0.1 · 0.7
0.1 · 0.7 + 0.8 · 0.3.
= 0.23
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:1.Rodina Chocholouškova má papouška a dve kocky Alenu aBohouše. Alena má 20 % bílých chlupu, Bohouš 60 %. Vcerase jedna z kocek opet pokusila papouška sežrat.Chocholouškovi vedí, že kocky nikdy neloví spolecne a žeAlena útocí na papouška dvakrát casteji než Bohouš. Na místecinu zustal po pachateli jediný chlup. Která z kocek se cinudopustila s vetší pravdepodobností, víme-li že nalezený chlupje bílé barvy?
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:1.Rodina Chocholouškova má papouška a dve kocky Alenu aBohouše. Alena má 20 % bílých chlupu, Bohouš 60 %. Vcerase jedna z kocek opet pokusila papouška sežrat.Chocholouškovi vedí, že kocky nikdy neloví spolecne a žeAlena útocí na papouška dvakrát casteji než Bohouš. Na místecinu zustal po pachateli jediný chlup. Která z kocek se cinudopustila s vetší pravdepodobností, víme-li že nalezený chlupje bílé barvy?
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení:Náhodné jevy: A - útocila Alena, B = A - útocil Bohouš, C -nalezen bílý chlup
Ze zadání víme:
P(A) =23
P(B) = P(A) = 1− P(A) =13
P(C|A) = 0.2P(C|B) = 0.6
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení:Náhodné jevy: A - útocila Alena, B = A - útocil Bohouš, C -nalezen bílý chlup
Ze zadání víme:
P(A) =23
P(B) = P(A) = 1− P(A) =13
P(C|A) = 0.2P(C|B) = 0.6
KombinatorikaÚvod do teorie pravdepodobnosti
K rešení potrebujeme urcit P(A|C) a P(B|C).
P(A|C) =P(C|A)P(A)
P(C)
=P(C|A)P(A)
P(C|A)P(A) + P(C|B)P(B)
=0.2 · 2
3
0.2 · 23 + 0.6 · 1
3
= 0.4
P(B|C) = 1− P(A|C) = 0.6
S vetší pravdepodobností útocil Bohouš.
KombinatorikaÚvod do teorie pravdepodobnosti
K rešení potrebujeme urcit P(A|C) a P(B|C).
P(A|C) =P(C|A)P(A)
P(C)
=P(C|A)P(A)
P(C|A)P(A) + P(C|B)P(B)
=0.2 · 2
3
0.2 · 23 + 0.6 · 1
3
= 0.4
P(B|C) = 1− P(A|C) = 0.6
S vetší pravdepodobností útocil Bohouš.
KombinatorikaÚvod do teorie pravdepodobnosti
K rešení potrebujeme urcit P(A|C) a P(B|C).
P(A|C) =P(C|A)P(A)
P(C)
=P(C|A)P(A)
P(C|A)P(A) + P(C|B)P(B)
=0.2 · 2
3
0.2 · 23 + 0.6 · 1
3
= 0.4
P(B|C) = 1− P(A|C) = 0.6
S vetší pravdepodobností útocil Bohouš.
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Telegrafní zpráva se skládá z tecek a cárek. V prumeru jezkresleno 4 % tecek (na cárky) a 2% cárek (na tecky). Vevysílané zpráve se tecky a cárky vyskytují v pomeru 5:3.
Urcete pomer tecek a cárek v prijaté zpráve.Jaká je pravdepodobnost, že byla odeslána tecka, pokudbyla tecka prijata?
Rešení:Náhodné jevy: OT - odeslána tecka, PT - prijata tecka
Ze zadání víme:
P(OT ) =58
P(PT |OT ) = 0.04P(PT |OT ) = 0.02
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Telegrafní zpráva se skládá z tecek a cárek. V prumeru jezkresleno 4 % tecek (na cárky) a 2% cárek (na tecky). Vevysílané zpráve se tecky a cárky vyskytují v pomeru 5:3.
Urcete pomer tecek a cárek v prijaté zpráve.Jaká je pravdepodobnost, že byla odeslána tecka, pokudbyla tecka prijata?
Rešení:Náhodné jevy: OT - odeslána tecka, PT - prijata tecka
Ze zadání víme:
P(OT ) =58
P(PT |OT ) = 0.04P(PT |OT ) = 0.02
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Telegrafní zpráva se skládá z tecek a cárek. V prumeru jezkresleno 4 % tecek (na cárky) a 2% cárek (na tecky). Vevysílané zpráve se tecky a cárky vyskytují v pomeru 5:3.
Urcete pomer tecek a cárek v prijaté zpráve.Jaká je pravdepodobnost, že byla odeslána tecka, pokudbyla tecka prijata?
Rešení:Náhodné jevy: OT - odeslána tecka, PT - prijata tecka
Ze zadání víme:
P(OT ) =58
P(PT |OT ) = 0.04P(PT |OT ) = 0.02
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) =
P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =
P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Pravdepodobnost prijetí tecky:
P(PT ) = P(PT |OT )P(OT ) + P(PT |OT )P(OT )
= [1− P(PT |OT )]P(OT ) + P(PT |OT )[1− P(OT )]
= (1− 0.04) · 58
+ 0.02 · (1− 58
) = 0.6075
Pravdepodobnost odeslání tecky, byla-li prijata tecka:
P(OT |PT ) =P(PT |OT )P(OT )
P(PT )
=[1− P(PT |OT )]P(OT )
P(PT )
=(1− 0.04) · 5
80.0675
.= 0.988
KombinatorikaÚvod do teorie pravdepodobnosti
Príklad:Informacní systém obsahuje tyto kritické komponenty: webserver, sql server a 3 vzájemne zálohované disky (je potreba,aby fungoval alespon jeden disk). Pravdepodobnosti poruchjendotlivých komponent jsou znázorneny v obrázku. Jaká jepravdepodobnost, že systém bude funkcní, pokud jsou poruchykomponent nezávislé?
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení:Systém bude funkcní (náhodný jev F ) práve tehdy, když budezároven funkcní web server, sql server a alespon jeden z disku.
P(F ) = P(PW ) · P(PS) · P(D1 ∩ D2 ∩ D3)
= P(PW ) · P(PS) · (1− P(PD1)P(PD2)P(PD3))
= (1− 0.1) · (1− 0.05) · (1− 0.2 · 0.2 · 0.2).
= 0.85
KombinatorikaÚvod do teorie pravdepodobnosti
Rešení:Systém bude funkcní (náhodný jev F ) práve tehdy, když budezároven funkcní web server, sql server a alespon jeden z disku.
P(F ) = P(PW ) · P(PS) · P(D1 ∩ D2 ∩ D3)
= P(PW ) · P(PS) · (1− P(PD1)P(PD2)P(PD3))
= (1− 0.1) · (1− 0.05) · (1− 0.2 · 0.2 · 0.2).
= 0.85