85%. Leida tõenäosus, et laost juhuslikult võetud detail on kvaliteetne, kui töötas 5 esimest, 3 teist ja 2 kolmandat tüüpi tööpinki. Sündmus A - laost juhuslikult võetud detail on kvaliteetne Hüpotees H1 - detail toodeti esimesel tööpingil Hüpotees H 2 - detail toodeti teisel tööpingil Hüpotees H 3 - detail toodeti kolmandal tööpingil P(A)=(5/10)*0.94+(3/10)*0.9+(2/10)*0.85 2. Bayes'i valem 5 olgu {H1,H2,..Hk} üksteist välistavate sündmuste täissüsteem, teadaolevateks loeme ka hüpoteeside Hi tõenäosiusi P( H i ) . Katse tulemusena toimub sündmus A. Sündmuse A tinglikud tõenäosused iga hüpoteesi suhtes P( A | H i ) on teada. Millised on hüpoteeside Hi tõenäosused sõltuvalt sellest kas toimus sündmus A( P( H i | A ) ) ? P( H i ) P( A | H i ) P( H i | A ) = k P( H j ) P( A | H j ) .
a) P(A1A2/A1+A2)=P(A1A2(A1+A2))/P(A1+A2)=P(A1A2 39 +A1A3)/P(A1)+P(A2)-P(A1)P(A2)= P(A1)P(A2)/ Leidke tõenäosus, et 10 dioodi hulgas pole ühtki P(A1)+P(A2)-P(A1)P(A2)= 1/4/3/4=1/3 mittekorras dioodi, kui huupi võetd 5 dioodi olid A1=1/2 A2=1/2 korras. Eeldatakse, et mittekorras dioodide arv 10 Bayes: P(Hk/A)=P(Hk)P(A|Hk)/P(H1)P(A| dioodi hulgas võib olla võrdse tõenäosusega, kas 0, H1)+P(H2)P(A|H2)+...+ P(Hn)P(A|Hn) 1 või 2. P(Hk/A)=P(Hk)P(A|Hk)/P(A) Lahendus: Täistõenäosus A= „5 dioodi 10-st on baas“ Täistõenäosus: P(A)=P(H1)P(A|H1)+ P(H2)P(A| Eelteadmine Hi= „i dioodi 10-st“ i=0,1,2 H2) P(H0)=P(H1)=P(H2)=1/3
1. Tõenäosus ja tõenäosuse põhilised omadused. Tingimuslik tõenäosus. Bayes'i valem 0 P(A) 1; P(AB) = P(A) + P(B), AB= või U. Tingimuslik tõenäosus tõenäosus sündmusele A kui toimus sündmus B - P(A/B) = P(AB) / P(B)(TINGIMUSLIK) Tõenäosus sündmusele A tingimusel, et sündmus B on juba toimunud, P(B) > 0.BAYES kus P(A) = P(B1)*PB1(A)+P(B2) *PB2(A)+...+P(Bn) * PBn(A), i tähistab osasündmuse B numbrit 2. Sündmus ja vastandsündmus. Sõltuvad ja sõltumatud sündmused. Sündmuste väli P(A/B) = P(A), P(AB) = P(A)P(B) Sündmus fakt, toimumine, ilming jne, mis on seotud, kas toimub või ei teatud tingimustel. Vastandsündmus A sündmusele A Sündmus A ei ilmne kui esineb sündmus A. Sündmus A on sõltumatu sündmusest B kui tema tingimuslik on võrdne mittetingimusliku tõenäosusega. 3
INTEGREERIMISE PÕHIVALEMID (1) (5) (9) (2) (6) (10) (3) (7) (11) (4) (8) (12) KOMBINATOORIKA VALEMEID Variatsioonid n-elemendist k-kaupa Kombinatsioonid n-elemendist k-kaupa (järjekord pole oluline) Newtoni valem Funktsiooni keskmine Kahe funktsiooniga väärtus vahemikus [a ; b] piiratud kujundi pindala Lineaarne 1. järku DV DIFERENTSIAALVÕRRANDID ...
A -- 11, B -- 101, C -- 100, D -- 00, E -- 011, F -- 010. =1,2...,M. {P(S | r)} - [maximum a posteriori probability (MAP)] , Bayes', t=T 1 m . {rk}, N
modelleerida saab suuri ja komplekseid mida kasutatakse asukoha leidmisel üksikule objektile, mis teenindab erinevaid turge.Objekti 1.3. Otsustusmaatriks. Otsustamismaatriks - alternatiivsete võimaluste hindamiseks. reaalse maailma protsesse, nt. linna juhtimisüsteeme, haiglate tööd, haridussüsteemi, riigi parima paiga leidmisel võtab meetod arvesse turgude asukohad, turgudele saadetavate Parimat alternatiivi määramatuse olukorras aitavad selgitada Waldi, Bayes-Laplace ja majandust; 4.ei ole vaja katkestada tegelikku süsteemi tegevust; 5.saab kasutada personali kaupade hulga ja veokulud. Esimeseks etapiks on asukohtade märgistamine koordinatide Savage kriteeriumid. Alternatiiv kõigi otsustaja käsutuses olevate vahendite ja tema mõju väljaõppes; 6.saab kasutada standartiseeritud mudelid. 7.modellerimismudelid arvestavad süsteemis. Raskuskese leitakse valemi abil Cx=(asukoha i koordinaat X * kaubakogus, mis
annaabi.ee 
