Eventi reciprocamente non esclusivi proprietà ed esempi

Eventi reciprocamente non esclusivi proprietà ed esempi

Sono considerati Eventi reciprocamente non esclusivi A tutti quegli eventi che hanno la capacità di verificarsi contemporaneamente in una sperimentazione. Il verificarsi di nessuno di essi non implica la non occudenza dell'altro.

A differenza della sua controparte logica, Eventi reciprocamente esclusivi, L'intersezione tra questi elementi è diverso dal vuoto. Questo è:

A ∩ b = b ∩ a ≠

Poiché viene gestita la possibilità di simultaneità tra i risultati, gli eventi reciprocamente non esclusivi richiedono più di un'iterazione per coprire studi probabilistici.

[TOC]

Quali sono eventi reciprocamente non esclusivi?

Fonte: Pixabay.com

In probabilità vengono gestiti due tipi di eventualità; Il verificarsi e la non ricorrenza dell'evento. Dove i valori quantitativi sono 0 e 1. Gli eventi complementari fanno parte delle relazioni tra eventi, in base alle loro caratteristiche e particolarità che possono differenziarli o metterli in relazione tra loro.

In questo modo, i valori probabilistici viaggiano attraverso l'intervallo [0, 1] variando i loro parametri di occorrenza a seconda del fattore richiesto nella sperimentazione.

Due eventi non esclusivi non possono essere complementari. Perché deve esserci un set formato dall'intersezione di entrambi, i cui elementi sono diversi dal vuoto. Che non soddisfa la definizione del complemento.

Quali sono gli eventi?

Sono possibilità e eventi derivanti da una sperimentazione, in grado di offrire risultati in ciascuna delle sue iterazioni. Gli eventi generano i dati da registrare come elementi di set e secondi secondari, le tendenze in questi dati sono una ragione per lo studio per la probabilità.

  • Sono esempi di eventi:
  • La valuta ha sottolineato.
  • Il gioco è stato disegnato.
  • Il chimico ha reagito in 1.73 secondi.
  • La velocità al punto massimo era di 30 m/s.
  • I dadi hanno segnato il numero 4.
Può servirti: angoli supplementari: cosa sono, calcoli, esempi, esercizi

Proprietà di eventi reciprocamente non esclusivi

Lascia che a e b due eventi reciprocamente non esclusivi appartenenti allo spazio campione s.

A ∩ b ≠ ∅ e la probabilità di insorgenza della sua intersezione è p [a ∩ b]

P [a u b] = p [a] + p [b] - p [a ∩ b]; Questa è la probabilità che si verifichi un evento o altro. A causa dell'esistenza di elementi comuni, l'intersezione deve essere sottratta in modo da non aggiungere due volte.

Ci sono strumenti in set che facilitano significativamente il lavoro con eventi reciprocamente non esclusivi.

Il diagramma di Venn tra loro definisce lo spazio del campione come set dell'universo. Definizione di ogni set e sottomettere. È molto intuitivo trovare le intersezioni, i sindacati e gli accessori richiesti nello studio.

Esempio di eventi reciprocamente non esclusivi

Un venditore di succo decide di finire la sua giornata e regalare il resto della sua merce per ogni passante. Per questo, tutto il succo che non è stato venduto e posiziona un coperchio serve in 15 bicchieri. Lasciali al bancone in modo che ogni persona prenda quello che preferisce.

È noto che il venditore potrebbe riempire

  • 3 bicchieri con succo di anguria (rosso) S1, S2, S3
  • 6 bicchieri con arancione (colore arancione) N1, N2, N3, N4, N5, N6
  • 3 occhiali con mango (colore arancione) M1, M2, M3
  • 3 occhiali con succo di limone (colore verde) L1, L2, L3

Definire la probabilità che quando si prende un vetro si verificano eventi reciprocamente non esclusivi:

  1. Essere citrici o arancioni
  2. Essere citrici o verdi
  3. Sii frutta o verde
  4. Non citrico o arancione

Viene utilizzata la seconda proprietà; P [a u b] = p [a] + p [b] - p [a ∩ b]

Dove il caso definirà imposta a e b

Può servirti: uguaglianza matematicaFonte: Pexels.com

1-per il primo caso i gruppi sono definiti come segue:

A: Be Citric = N1, N2, N3, N4, N5, N6, L1, L2, L3

B: Be Orange = N1, N2, N3, N4, N5, N6, M1, M2, M3

A ∩ b: n1, n2, n3, n4, n5, n6

Per definire la probabilità di un evento, utilizziamo la seguente formula:

Caso / casi possibili specifici

P [A] = 9/15

P [b] = 9/15

P [a ∩ b] = 6/15

P [a u b] = (9/15) + (9/15) - (6/15) = 12/15

Quando questo risultato viene moltiplicato per 100, la percentuale di possibilità che questo evento sia.

(12/15) x 100 % = 80 %

2-per il secondo caso i gruppi sono definiti

A: Be Citric = N1, N2, N3, N4, N5, N6, L1, L2, L3

B: Be Green = L1, L2, L3

A ∩ b: l1, l2, l3

P [A] = 9/15

P [b] = 3/15

P [a ∩ b] = 3/15

P [a u b] = (9/15) + (3/15) - (3/15) = 9/15

(9/15) x 100 % = 60 %

3-per il terzo caso lo stesso

A: Be Fruit = N1, N2, N3, N4, N5, N6, L1, L2, L3, M1, M2, M3, S1, S2, S3

B: Be Green = L1, L2, L3

A ∩ b: l1, l2, l3

P [a] = 15/15

P [b] = 3/15

P [a ∩ b] = 3/15

P [a u b] = (15/15) + (3/15) - (3 /15) = 15/15

(15/15) x 100 % = 100 %

In questo caso, la condizione di "frutta" include l'intero spazio del campione, rendendo la probabilità di 1.

4- Per il terzo caso lo stesso è proceduto

A: non citrica = M1, M2, M3, S1, S2, S3

B: Be Orange = N1, N2, N3, N4, N5, N6, M1, M2, M3

A ∩ B: M1, M2, M3

P [A] = 6/15

P [b] = 9/15

Può servirti: campionamento sostitutivo

P [a ∩ b] = 3/15

P [a u b] = (6/15) + (9/15) - (3/15) = 12/15

(12/15) x 80 % = 80 %

 Riferimenti

  1. Il ruolo dei metodi statistici in informatica e bioinformatica. Irina ARipova. Lettonia University of Agriculture, Lettonia. [Email Protected]
  2. Statistiche e valutazione delle prove per gli scienziati forensi. Seconda edizione. Colin G.G. Aitken. School of Mathematics. L'Università di Edimburgo, Regno Unito
  3. Teoria della probabilità di base, Robert B. Cenere. Dipartimento di Matematica. Università dell'Illinois
  4. Statistiche elementari. Decima edizione. Mario f. Triola. Boston San.
  5. Matematica e ingegneria in informatica. Christopher J. Van Wyk. Institute for Computer Sciences and Technology. National Bureau of Standards. Washington, d. C. 20234
  6. Matematica per l'informatica. Eric Lehman. Google inc.
    F Thomson Leighton Dipartimento di matematica e il laboratorio di informatica e AI, Massachussetts Institute of Technology; Akamai Technologies