Файл: Клемин А.И. Инженерные вероятностные расчеты при проектировании ядерных реакторов.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 11.04.2024

Просмотров: 206

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Для п независимых событий

РІА.-А,-...

п)

=

П Р { Л , } ,

(1.7)

 

 

 

 

(=1

 

для п несовместных

событий

 

 

 

 

Р{А,+

А2+

... +

Ап)

= S P { A - } .

(1.8)

Формула полной вероятности. Пусть в результате некоторого опыта обязательно наступает только одно (заранее неизвестно какое) из событий ННО, НП (иными словами, имеем несовместных событий, образующих полную группу). В свою очередь, совместно с каждым из этих событий Н( может произойти интересующее нас событие А с вероятностью Р{ А/Я; \. Тогда вероятность, что событие А произойдет, может быть вычислена по формуле полной вероятности:

 

 

Р{А}

=

f Р {Ht}

Р {АІНі).

(1.9)

Например, если Я х — работа реактора

на мощности, Я 2 — простой

реактора, А — повышение

активности

в реакторном зале выше не­

которого-уровня,

причем

известно, что P ( # j } = 0 , 9 ;

Р ( Я 2 } = 0 , Г ,

РІА/Н^

= 0,01;

Р\А/Н2]

=

0,005, то вероятность события А для

такого

реактора

 

 

 

 

 

Р {А} = Р Г} Р {А1НЛ}

+ Р {Я2 } Р {Л/Я,} =

0,0095.

Теорема гипотез (формула Бейеса). Вероятность гипотезы* Ht

при условии, что событие А произошло (или вероятность, что собы­ тие А произошло именно совместно с реализацией гипотезы Я г ) , записывают в виде

P{Ht/A} = * { Н і ] Р { А / Н і } ,

(1.10)

где #!, Я 2 , Я п — как и в формуле (1.9), взаимоисключающие события, одно из которых обязательно реализуется.

*

З д е с ь под г и п о т е з о й НІ п о н и м а е т с я п р е д п о л о ж е н и е о т н о с и т е л ь н о п о я в ­

л е н и я

с о б ы т и я Ні.


Г л а в а 2.

Ф У Н К Ц И О Н А Л Ь Н Ы Е И Ч И С Л О В Ы Е Х А Р А К Т Е Р И С Т И К И С Л У Ч А Й Н Ы Х В Е Л И Ч И Н

§2.1. Законы распределения случайной величины

ивычисление вероятности попадания ее

взаданный интервал

Винженерной практике встречаются дискретные и непрерыв­ ные случайные величины. Если случайная величина может при­ нимать только конечное или счетное множество значений (т. е. зна­ чения, которые можно перенумеровать), то ее называют д и с к р е т-

н о й, например

число остановок реактора АЭС в течение года. Ко­

гда возможные

значения случайной величины непрерывно запол­

няют один (в том числе бесконечный) или несколько промежутков

на числовой оси, ее называют

н е п р е р ы в н о й ,

например по­

грешность эксперимента.

 

 

 

 

 

 

И н т е г р а л ь н ы м

з а к о н о м

(или функцией)

распреде­

ления случайной величины X называется

функция

F(x),

численно

равная вероятности, что

случайная

величина X примет

значение

меньшее, чем х:

 

 

 

 

 

 

F

(х) =

Р{Х<х);

 

 

О < F (х) < 1, F (—

оо)

= О,

F (оо) =

1.

 

Интегральный закон несложно найти опытным путем. Для этого необходимо провести п независимых наблюдений над случайной ве­ личиной^ и получитьп ее возможных значений хх2, Если обозначить т{х) число тех наблюдений из п, в которых величина X оказалась меньше некоторого фиксированного х, то в силу опре­ деления вероятности (1.3) и функции (2.1) эмпирический интеграль­ ный закон можно записать в виде

 

 

 

F3 (х)

= т (х)/п.

 

 

 

(2.2)

Для

дискретных

случайных

 

величин F(x)

представляет

собой

ступенчатую функцию.

Для

непрерывных

случайных

величин-

F(x) — неубывающая функция,

как правило, монотонно

возраста­

ющая в области возможных значений.

 

 

 

 

 

Фиксированное значение хр

 

случайной величины

X,

для

кото­

рого F(xp) = р, в теории вероятностей называют к в а н т и л ь

ю.

Стало быть, квантиль хр,

отвечающая вероятности р,

есть

значе­

ние X,

вероятность

попадания

левее которого Р{Х

хр]

=

р.



Д и ф ф е р е н ц и а л ь н ы м

з а к о. и о м распределения

не­

прерывной случайной величины называется функция*

 

/ (л-) =

dF (x)/dx,

f

(л-) > 0.

(2.3)

Очевидно, что

 

 

 

 

 

j"

/ (x)dx

=

F

(x).

(2.4)

•—CO

 

 

 

 

 

Функция f(x) численно равна вероятности попадания случайной

величины X в достаточно

малый

интервал единичной' длины, по­

строенный около точки х(х

<

X <

х + А, Д = 1). Поэтому диффе­

ренциальный

закон f(x) часто

называют п л о т н о с т ь ю

р а с ­

п р е д е л е н и я

в е р о я т н о с т е й .

 

Чтобы найти дифференциальный закон f(x) опытным путем, на­

до произвести

я

наблюдений

над

случайной величиной X.

Если

результаты наблюдений нанести на числовую ось и пронумеровать по порядку xlt Хо, х„, а интервал у, х„] разбить на N= 5ч-12 не обязательно одинаковых подынтервалов шириной Ах, то по оп­

ределению

эмпирическая

плотность вероятности

 

 

 

/Э

(Л-) =

Ал. (х)/пАх,

 

 

(2.5)

где х — середина

подынтервала;

Ал

(х) — число наблюдений, по-

павших в

данный

подынтервал

 

X

Дд;

, X

,

ДдЛ

. Обычно п и N

 

2

+

2

выбирают так, чтобы 5 ^

Ал(лг) <

40.

 

 

 

Из формулы (2.3) вытекает следующее свойство плотности рас­

пределения

вероятностей:

 

 

 

 

 

 

 

 

 

 

]f(x)dx

=

F(oo) =

l.

 

(2.6)

Для дискретной случайной величины X дифференциальный за­ кон распределения вырождается в ряд распределения: ряд чисел, равных вероятностям, что X примет конкретное значение xt:

Pi = Р(Х = ХІ] для всех і = 1,2,

п, (2.7)

где п — полное число возможных значений дискретной случайной величины (в случае счетного множества значений п = со ). Свой-

 

 

 

 

 

 

 

 

 

 

• п

 

 

 

 

 

 

ство

(2.6) в этом

случае

принимает

вид

^ Р г =

1-

 

 

 

 

 

 

 

 

 

 

 

 

 

 

і = 1

 

 

 

 

 

* З д е с ь

п р е д п о л а г а е т с я ,

что

ф у н к ц и я

F

(х) д и ф ф е р е н ц и р у е м а

во

всей

о б л а с т и в о з м о ж н ы х

з н а ч е н и й

X; о б ы ч н о

это

в ы п о л н я е т с я

в б о л ь ш и н с т в е

п р а к т и ч е с к и х

з а д а ч .

Е с л и F {х) не

и м е е т

п р о и з в о д н ы х в о т д е л ь н ы х

т о ч к а х , то

э т о о г р а н и ч е н и е

н е п р и н ц и п и а л ь н о ,

и б о д а ж е

п р и

нем

п р а к т и ч е с к и

в с е г д а

у д а е т с я п о с т р о и т ь /

(х), д и ф ф е р е н ц и р у я

F

(х)

по

о б л а с т я м ,

где

с у щ е с т в у е т

п р о и з в о д н а я ,

и

и с п о л ь з у я н о р м и р о в к у

(2.6). В

п о с л е д н е м с л у ч а е

/ (*)

б у д е т

и м е т ь

р о в н о

с т о л ь к о

т о ч е к р а з р ы в а ,

в

с к о л ь к и х т о ч к а х

о т с у т с т в у е т

 

dF/dx.


В е р о я т н о с т ь п о п а д а н и я с л у ч а й н о й

в е л и ­

ч и н ы в

з а д а н н ы й

и н т е р в а л а ^ Х <

р находим

по формуле

 

 

 

Р

{а < X < р} =

F (Р) - F (а) = ) f (х) dx.

(2.8)

 

 

а

 

Из нее вытекает интересное следствие для непрерывных случай­ ных величин. При а = р Р{Х = а) = 0, т. е. вероятность, что непрерывная случайная величина в результате опыта примет точ­ но заданное значение, равна нулю.

§ 2.2. Определение основных числовых характеристик случайной величины

Математическое ожидание. Среднее значение случайной вели­ чины X, или ее м а т е м а т и ч е с к о е о ж и д а н и е М(х), определяют следующим образом:

для дискретных величин

М (х) = 2 x l P u

(2.9)

дли непрерывных случайных величин

оо

 

 

М (х) =— сJо xf

(х) dx,

(2.10)

со

 

 

если существует интеграл j со

dx.

 

Из формул (2.9) и (2.10) вытекают правила для вычисления математических ожиданий случайных величин:

если с — константа, то

М(с)=с;

(2.11)

М (сХ) = сМ (X);

(2.12)

М (X + У) = М (X) + М (У);

(2.13)

М {X-Y) = М (X) М (У) + cov (ХУ),

(2.14)

где ковариация СОУ(ХУ) определяется ниже, см. выражение (2.25). Из последнего правила следует, что математическое ожидание про­ изведения независимых случайных величин равно произведению их математических ожиданий:

/ т \

т

М[Пхк)=

ПМ (Xh).

(2.15)