Скачать презентацию Основні ймовірнісні розподіли @ Я. Притула 1 Скачать презентацию Основні ймовірнісні розподіли @ Я. Притула 1

Probability_lect2.ppt

  • Количество слайдов: 14

Основні ймовірнісні розподіли @ Я. Притула 1 Основні ймовірнісні розподіли @ Я. Притула 1

Біноміальний розподіл Якщо випадкова величина приймає лише два значення (тобто або подія настає з Біноміальний розподіл Якщо випадкова величина приймає лише два значення (тобто або подія настає з ймовірністю р, або не настає з ймовірністю (1 -р)) і повторюється n разів, то випадкова величина Х, що рівна кількості разів настання подій має біноміальний розподіл. Важливим є незалежність послідовності повторів. Мат. сподівання біноміального розподілу = p*n Стандартне відхилення біноміального розподілу = Ймовірність того, що при n спробах буде рівно k успіхів: В Excel: =БИНОМРАСП чи =BINOMDIST, формально де @ Я. Притула 2

Біноміальний розподіл: приклад Обладнання, що ви виробляєте, через специфіку технології може бути бракованим з Біноміальний розподіл: приклад Обладнання, що ви виробляєте, через специфіку технології може бути бракованим з ймовірністю 0. 05. Через місяць ви повинні поставити замовнику 20 одиниць обладнання, причому брак може бути виявленим лише після встановлення. Це важливий для вас клієнт і ви не хочете його підвести, тому вирішуєте відправити замовнику більшу кількість обладнання, щоб при необхідності замінити брак. Скільки штук обладнання оптимально відправити замовнику аби гарантувати 99% якість обладнання? @ Я. Притула 3

Біноміальний розподіл: приклад Ймовірність браку однієї одиниці обладнання = 0. 05, тобто воно справно Біноміальний розподіл: приклад Ймовірність браку однієї одиниці обладнання = 0. 05, тобто воно справно працює з ймовірністю 0. 95 Якщо ви вирішете відправити лише 20 штук, то ймовірність того, що всі вони справно працюватимуть: =BINOMDIST(20; 0. 95; 0) @ Я. Притула 4

Біноміальний розподіл: приклад Якщо відправити 21 штуку, то ймовірність якісної роботи 20 шт обладнання Біноміальний розподіл: приклад Якщо відправити 21 штуку, то ймовірність якісної роботи 20 шт обладнання буде рівна: Р(Х>=20)=P(X=20)+P(X=21)= =BINOMDIST(20; 21; 0. 95; 0)+BINOMDIST(21; 0. 95; 0)= =0. 37641+0. 340562=0. 716972, мало. . Для 22 шт. відповідний показник буде = 0. 905177 Для 23 шт. відповідний показник буде = 0. 974185 Для 24 шт. відповідний показник буде = 0. 994025 @ Я. Притула 5

Нормальний розподіл Найбільш поширеним є нормальний розподіл, що характеризує випадкову величину з великою кількістю Нормальний розподіл Найбільш поширеним є нормальний розподіл, що характеризує випадкову величину з великою кількістю факторів впливу, де жоден фактор не має вирішального значення. Нормальний розподіл повністю характеризується через математичне сподівання та стандартне відхилення: @ Я. Притула 6

Стандартний нормальний розподіл – це нормальний розподіл з математичним сподіванням 0 і стандартним відхиленням Стандартний нормальний розподіл – це нормальний розподіл з математичним сподіванням 0 і стандартним відхиленням 1. Ми будь-який нормальний розподіл Х з параметрами можемо перевести в стандартний нормальний розподіл Z таким перетворенням Часто необхідно працювати з стандартним нормальним розподілом. @ Я. Притула 7

Нормальний розподіл Загальна площа під графіком нормального розподілу рівна 1, тому ймовірність попадання випадкової Нормальний розподіл Загальна площа під графіком нормального розподілу рівна 1, тому ймовірність попадання випадкової величини в певний інтервал рівна площі під графіком розподілу над цим інтервалом. Для обчислення значень площі використовуватимемо Excel формулу =NORMDIST чи =НОРМРАСП Обернена функція, що за відомої площі (ймовірності) шукає відповідні значення випадкової величини: =NORMINV чи =НОРМОБР Приклад. Обсяг продаж в цьому кварталі склав 21 300 000 грн і перевищив прогноз, що був на рівні 18 000. На наступний квартал обсяг продаж прогнозується на рівні 20 000 з стандартним відхиленням 3 000. Яка ймовірність, що наступний квартал буде дійсно невдалим і продажі будуть менші ніж 15 000. @ Я. Притула 8

Нормальний розподіл: приклад З умов, маємо найбільш ймовірне значення обсягів продаж, мат. сподівання = Нормальний розподіл: приклад З умов, маємо найбільш ймовірне значення обсягів продаж, мат. сподівання = 20 000. Станд. відхилення = 3 000. Треба знайти Р(Х<15 000)= =NORMDIST(15000000; 20000000; 3000000; 1)=0. 0478. Якщо б ми хтіли знати ймовірність значення обсягів продаж у розмірі від 16 000 до 23 000, то робимо таке P(16 000

Розподіл Пуасона подібно до біноміального розподілу дозволяє обрахувати ймовірність настання певної кількості подій, різниця Розподіл Пуасона подібно до біноміального розподілу дозволяє обрахувати ймовірність настання певної кількості подій, різниця в тому, що для розподілу Пуасона нам не потрібно знати кількості спроб n (тобто можна вважати, що їх є нескінчено багато). Випадкові величини, що мають розподіл Пуасона: • кількість замовлень, отриманих за день; • кількість дефектів в виробленій продукції; • кількість клієнтів, що завтра прийде. Для розподілу Пуасона ймовірність того, що випадкова величина з середнім значення буде рівна а дорівнює В Excel це формула: =POISSON чи =ПУАССОН. @ Я. Притула 10

Розподіл Пуасона: приклад Ви продаєте товар з гарантією. В середньому щотижня ви отримуєте 7 Розподіл Пуасона: приклад Ви продаєте товар з гарантією. В середньому щотижня ви отримуєте 7 одиниць товару для заміни певної частини по гарантії. Для заміни ви на початку кожного тижня замовляєте запчастини у виробника. Скільки потрібно замовити запчастин на наступний тиждень, щоб з ймовірністю помилки 5% виконати гарантійний ремонт вчасно? Маємо, і нам треба знайти таку найменшу кількість випадків (поломки) а, щоб. Обчислимо цю ймовірність для а=1, 2, . . . Поки не знайдемо те що потрібно: Для а=12 формула є така: =POISSON(12; 7; 1) @ Я. Притула 11

Експоненціальний розподіл Розподіл Пуасона дозволяв обрахувати ймовірність настання певної кількості подій, експоненціальний розподіл дозволяє Експоненціальний розподіл Розподіл Пуасона дозволяв обрахувати ймовірність настання певної кількості подій, експоненціальний розподіл дозволяє оцінити час між настаннями цих подій. Приклад таких випадкових величин: • Проміжок часу між приходом нового клієнта. • Час обслуговування одного клієнта. • Період справної роботи устаткування, товару, . . . Ймовірність того, що експоненціально розподілена випадкова величина з середнім значенням буде менша за а дорівнює Для знаходження @ Я. Притула в Excel використовуємо функцію: =EXP 12

Експоненціальний розподіл: приклад Час обслуговування одного клієнта дорівнює 1 год. Припустимо, що середня частота Експоненціальний розподіл: приклад Час обслуговування одного клієнта дорівнює 1 год. Припустимо, що середня частота приходу клієнтів є 1 клієнт на годину. Скільки треба мати працівників, щоб з ймовірністю 85% гарантувати, що час очікування буде менше 15 хв = 0. 25 год. Один працівник обслуговує одного клієнта. @ Я. Притула 13

Експоненціальний розподіл: приклад Маємо. Оскільки наша ймовірність = 0. 85, то ймовірність помилки = Експоненціальний розподіл: приклад Маємо. Оскільки наша ймовірність = 0. 85, то ймовірність помилки = 0. 15, що відповідає часу очікування приблизно 10 хв= 0. 16 год. Тобто Тоді після приходу першого клієнта (і, відповідно, зайнятості першого працівника) ми можемо 10 хв + 15 хв не обслуговувати наступних, далі другий працівник починає працювати з наступним клієнтом і ми знов 10 хв + 15 хв не обслуговуємо (починаючи з 11 -ї хвилини), далі стає до роботи третій працівник і знов 10 хв + 15 хв не обслуговуємо (починаючи з 21 -ї хвилини), . . . і т. д. допоки вже звільниться перший працівник. @ Я. Притула 14