Escolar Documentos
Profissional Documentos
Cultura Documentos
dijagnostika raunalnih
sustava
Auditorna vjeba 2
Teorija vjerojatnosti alat za analizu
pouzdanosti
Zavod za raunalno i programsko inenjerstvo
1
1
Teorija vjerojatnosti
Osnovni izrazi
Vjerojatnost je omjer dva broja. Brojnik predstavlja broj ishoda
dogaaja ija se vjerojatnost rauna, a nazivnik ukupni broj ishoda
svih dogaaja
Vjerojatnost dogaaja A: P(A)
Vjerojatnost nepojavljivanja dogaaja A: P() = 1 - P(A)
Zdruena vjerojatnost pojavljivanja dva neovisna dogaaja
(vjerojatnost presjeka dogaaja): P(AB) = P(A) P(B)
Vjerojatnost pojavljivanja dogaaja A ili dogaaja B (vjerojatnost
unije neovisnih dogaaja): P(AUB) = P(A) + P(B) - P(AB)
Ako su dogaaji A i B meusobno iskljuivi, tj. ne mogu se pojaviti
istodobno: P(AB) = 0,
P(AUB) = P(A) + P(B)
2
2
Osnovni izrazi nastavak
Vjerojatnost dogaaja A ako je nastupio dogaaj B (uvjetna
vjerojatnost)
P(A B)
P(AIB)
P(B)
Bayesova formula:
P(Bk ) P(AIBk )
P(BkI A) n
, k 1, 2, ...,n
P(B ) P(AIB )
i1
i i
P(A) = 0.98
P(BIA) = 0.92
4
4
Primjer 2
Letjelicaje opremljena radarom za oborine. Ako je unutar 250 km
ispred aviona prisutna oborina, radar je detektira sa vjerojatnou
od 0.95, a ako nije prisutna radar je lano detektira sa
vjerojatnou od 0.10. Uz pretpostavku vjerojatnosti prisutnosti
oborine od 0.45 odredite vjerojatnost lanog alarma ili proputene
detekcije oborine.
Neka je prisutnost oborine dogaaj A, a detekcija oborine dogaaj B
Vjerojatnost lane detekcije je presjek komplementarnog dogaaja od A,
odnosno oborina nije prisutna i dogaaja B, odnosno oborina je detektirana
P A B P A P B/ A 1 0.450.1 0.055
P A B PA P B/A 0.451 0.95 0.0225
5
5
Primjer 3
Koja je vjerojatnost izvlaenja karte koja je kralj ili tref iz pila od
52 karte?
U pilu postoji 4 kralja i 13 tref-ova, a jedna karta je istodobno i kralj i
tref. Neka izvlaenje kralja bude dogaaj A, a trefa dogaaj B.
Vjerojatnost izvlaenja karte koja je kralj ili tref je unija ova dva
dogaaja
4 13 1 16
P A B P A PB P( A B) 0.3077
52 52 52 52
6
6
Primjer 4
Kino se napaja generatorom pokretanim diesel-motorom. Za
zadani dan, vjerojatnost da generator ispadne iz rada (dogaaj A)
je 0.025, a vjerojatnost da ispadne diesel-motor (dogaaj B) je
0.04. Kolika je vjerojatnost da kino ima struju? Pretpostavljamo da
su dogaaji A i B meusobno neovisni.
P(A) = 0.025
P(B) = 0.04
7
7
Primjer 4 - nastavak
Prethodno se moe pokazati i sljedeim mogunostima
Motor je ispravan, generator je ispravan (dogaaj D1)
Motor je u kvaru, generator je u kvaru (dogaaj D2)
Motor je u kvaru, generator je ispravan (dogaaj D3)
Motor je ispravan, generator je u kvaru (dogaaj D4)
D1 A B P(D1) = (1 - P(A)) (1 - P(B)) = (1 - 0.025) (1 - 0.04) = 0.936
D2 A B P(D2)= P(A) P(B) = 0.025 0.04 = 0.001
D3 A B P(D3)= P(A) (1 - P(B)) = 0.025 0.96 = 0.024
D4 A B P(D4)= (1 - P(A)) P(B) = 0.975 0.04 = 0.039
Vrijedi:
P(D1) + P(D2) + P(D3) + P(D4) = 1
Na kraju dobivamo:
R = P(D1) = 0.936
Q = P(D2) + P(D3) + P(D4) = 0.064
8
8
Primjer 5
U uzorku od 60 avala, 10 ima neispravnu glavu, 5 ima neispravan
vrh, a 5 ima oba nedostatka. Kolika je vjerojatnost da sluajno
izabran avao sadri samo neispravnu glavu ili samo neispravan
vrh?
Neka A predstavlja dogaaj kada je avlu neispravna glava, a B
dogaaj kada je avlu neispravan vrh. Tada vrijedi:
10 5
P(A) 0.25
60
55
P(B) 0.1666
60
N AC
SE OR RM DA Uinkovitost sustava
NT
11
11
Pouzdanost (estimirana)
N AC
SE OR RM DA Uinkovitost sustava
NT
OR Operacijska spremnost vjerojatnost da e sustav biti ispravan
(raspoloiv) na poetku misije.
RM Pouzdanost misije
DA Ispravnost dizajna vjerojatnost da je sustav dao zadovoljavajue
rezultate nakon to je uspjeno izvrio misiju.
N AC Ukupan broj sustava koji su uspjeno izvrili zadane ciljeve misije
12
12
Primjer 7
Tijekom testiranja 200 identinih jedinica u periodu od 50 sati
jedna jedinica se pokvari u 12 satu, dvije jedinice se pokvare u 20
satu i dvije u 50 satu.
a) Odrediti estimiranu pouzdanost jedinica u periodu od 50
sati.
b) Odrediti estimiranu pouzdanost jedinica za kraj svakog
perioda (ako se jedinica pokvari zamjeni se sa ispravnom).
a)
N (t ) 1 2 2 5
R (t ) 1 F 1 1 0,975 97,5%
NT (t ) 200 200
b)
Za period od 0 do 12 sati
N (t ) 1
R (t 12) 1 F 1 0,995 99,5%
NT (t ) 200
13
13
Primjer 7 - nastavak
Za period od 0 do 20 sati
N (t ) 1 2
R (t 20) 1 F 1 0,985 98,5%
NT (t ) 200
Za period od 0 do 50 sati
N (t ) 1 2 2
R (t 50) 1 F 1 0,975 97,5%
NT (t ) 200
14
14
Primjer 8
Koliko je ukupno raketa potrebno ako 100 raketa treba uspjeno
zavriti sve zadane ciljeve misije i vrijedi:
OR 0,98 RM 0,95 DA 0,90
N AC
SE OR RM DA
NT
N AC N AC
NT
SE OR RM DA
100
NT 119
0,98 0,95 0,90
15
15
Sluajna varijabla X
Funkcijakoja svakoj toci s u prostoru S pridjeljuje realan broj X(s)
Npr. bacanje novia, broj glava u nizu od 3 bacanja
g glava
p pismo
Sx = {0,1,2,3}
16
16
Kumulativna funkcija razdiobe (cdf Cumulative
Distribution Function)
Kumulativna funkcija razdiobe sluajne varijable X definirana je
kao vjerojatnost da sluajna varijabla poprimi vrijednost manju ili
jednaku od t {X t}.
F(t)
1
F(t) = Pr {X t} F(b)
F(0) = 0
lim F(t) =1
t
F(a)
0 a b t
F(t) je vjerojatnost da je sustav ve ispao iz rada do vremena t
(nepouzdanost)
F(t) je monotona ne-padajua funkcija
Ekvivalentna terminologija za F(t)
Kumulativna funkcija razdiobe
Funkcija razdiobe vjerojatnosti
Funkcija razdiobe 17
17
Diskretna razdioba
Funkcija razdiobe vjerojatnosti diskretne sluajne varijable X
F(t) P(X t) p(t )
ti t
i
VX
18
18
Diskretna razdioba nastavak
Binomna razdioba
Funkcija razdiobe vjerojatnosti za sluajnu varijablu X s parametrima n
ip
n
x
n k n k n
pk pk (1 p)nk
k
F(x)
kx
pk p q
k 0
k
n!
k k! (n k)!
10
p 6 0.82 (1 0.8)8 210 0.86 0.24 0.0881
6
20
20
Primjer 9 nastavak
Uoimo da je nalaenje 6 ispravnih komponenata jednako nalaenju 4 neispravne
komponente u uzorku
10
p 4 0.24 (1 0.2)6 210 0.24 0.86 0.0881
4
21
21
Primjer 10
Vjerojatnost da je neki proizvod neispravan je p = 0.2. Iz nekog
skladita uzima se 8 proizvoda. Odrediti
a) Vjerojatnost da je meu njima 5 neispravnih proizvoda
b) Vjerojatnost da meu njima ne bude vie od 3 neispravna proizvoda
c) Matematiko oekivanje
d) Srednje kvadratno odstupanje
P(x 3) = p0 + p1 + p2 + p3 = 0.943
22
22
Primjer 10 nastavak
c) Matematiko oekivanje:
23
23
Primjer 11
Sustav za gaenje vatre u strojarnici sastoji se od 10
rasprskavajuih boca sa ugljinim dioksidom. Vjerojatnost
ispravnosti svake boce je 0.99. Kako bi se ugasila vatra u cijeloj
strojarnici potrebno je da se detonira najmanje 9 boca s ugljinim
dioksidom. Hoe li upotreba ovih boca zadovoljiti zahtjev
vjerojatnosti da e sustav ugasiti vatru u iznosu 0.995
10
10
R P(9 k 10) 0.99 1 0.99
k 10 k
k 9 k
24
24
Primjer 12
Instalirana je baza od 15 servera, a vjerojatnost da server ispadne
iz rada tijekom prve godine je 0.07. Odredite uz pomo binomnog i
Poissonovog modela
a) Koliko servera e ispasti iz rada kroz taj period.
b) Kolika je vjerojatnost da e u tom periodu ispasti iz rada od 2 do
4 servera
a)Ako modeliramo ovaj problem binomnom razdiobom matematiko
oekivanje, odnosno srednja vrijednost je jednaka
EX np 1.05
Dakle iz rada e ispasti malo vie od jednog servera, ali kako se trai cijeli broj
kaemo da e iz rada ispasti 2 servera
k 2 k
26
26
Primjer 13
Zadan je sustav sa Poissonovom raspodjelom kvarova i
intenzitetom od 310-3 kvarova/satu. Neispravne komponente se
ne popravljaju ve zamjenjuju rezervnima. Kolika je vjerojatnost da
e 4 rezervne komponente biti dovoljne za predvieno vrijeme
misije od 1500 h?
x
k
Poissonova razdioba F(x)
kx
pk
k 0
k!
e
P(k 4)
4
4.5k e 4.5
k 0 k!
4.52 4.53 4.54 4.5
1 4.5 e 0.53
2 6 24
27
27
Primjer 14
Koliko je potrebno rezervnih serverskih modula da se osigura
zatitni nivo od PL=0.98, ako je raspodjela kvarova Piossonova sa
intenzitetom od =0.001 kvarova/satu a modul se stavlja u
industrijski rad kroz 2000h.
Zatitni nivo je minimalna eljena vjerojatnost da e biti dovoljno
rezervnih dijelova
Oekivani broj kvarova kroz period od 2000h 1 = *2000 = 2
Ovaj problem se mora rjeavati iterativno
Pretpostavka: 4 dijela
4
1 k 2 4 8 16
P(k 4) e 1
k 0
k!
e 2 1 e 2 7 0.947
1 2 6 24
P<PL 4 nije dovoljno
Pretpostavaka: 5 dijelova
5
2k 32
P(k 5) e 2
k 0
k!
e 2 7
120
e 2 7.267 0.983
PPL 5 je dovoljno
28
28
Kontinuirana razdioba
Funkcija razdiobe vjerojatnosti kontinuirane sluajne varijable X
t
F(t)
F(t) P(X t) f(t)dt
f(t) funkcija gustoe vjerojatnosti
1
dF t
f (t)
f t
F(b)
dt
F(a)
0 a b 0
t a b t
b
f t dt P a X b F b F a
a
r
Gustoa
29
29
Kontinuirana razdioba nastavak
Matematiko oekivanje kontinuirane sluajne varijable X
E X t f t dt
30
30
Normalna (Gaussova) razdioba
Funkcija gustoe normalne razdiobe kontinuirane sluajne
varijable X s parametrima i . f(t)
1
t 2
1 2
f(t) e 2 2
2
- + t
Funkcijarazdiobe kontinuirane sluajne varijable X koja ima
normalnu razdiobu
t
t 2
F t f t dt
1 2 2
e dt
2
31
31
Standardna normalna razdioba
Funkcija gustoe, uglavnom se koriste parametri =0 i =1
(t)
t2
1 (t) (t)
1 2
(t) e 2
2
=0 t
f(t) e t , 0
t
Funkcija
razdiobe kontinuirane sluajne varijable X koja ima
eksponencijalnu funkciju gustoe F(t)
F(t) 1 e t , t 0
t 5002
1
f(t) e 5000
50 2
t
Funkcija razdiobe F(X) P(X t) f(t)dt
400
Za t=400 P(X 400 ) f(t)dt
z
Raunamo standardnu normalnu razdiobu (z) P(Z z)
(z)dz
t 500 400 500
Supstitucija z z 2
50 50
34
34
Primjer 15 nastavak
Slijedi -2
P X 400 P(Z -2 ) ( Z ) (z)dz
Funkcija gustoe standardne normalne razdiobe
z2
1
(z) e 2
2
Nakon uvrtavanja dobivamo slijedei integral
-2 z2
-
e
1
P(Z -2) 2 dz
2
36
36
Primjer 17
Operacijska spremnost sustava je 90%, pouzdanost 95% i
ispravnost dizajna 98%.
Kolika je uinkovitost sustava?
Ako imamo 200 takvih sustava u raznim stadijima koritenja
koliko e njih zapoeti misiju?
Koliko e takvih sustava zavriti misiju uspjeno?
37
37