1. Niech p_c oznacza prawdopodobieństwo powstania pożaru p_a prawdopodobieństwo tego, że urządzenie wykryje pożar zaś p_b prawdopodobieństwo tego, że urządzenie jest sprawne. Prawdopodobieństwo tego że powstanie pożar i sprawne urządzenie go nie wykryje wynosi:

1. P = p_cxp_bxp_a

2. P= p_cxp_bx(1-p_a),

3. P=(1-p_c)xp_bx(1-p_a).

1. Prawdopodobieństwo wystąpienia zdarzenia, będącego elementem zbioru A lub elementem zbioru przeciwnego do A wynosi:

1. 1,

2. 0,

3. 1≥p≥0.

1. Który z poniższych wzorów określa zdarzenie losowe stochastyczne:

1. 1-p(x),

2. 1-p(τ),

3. p(x).

1. Czy prawdopodobieństwo wystąpienia któregokolwiek z trzech zdarzeń niekorzystnych, będących elementem zupełnego układu zdarzeń nierozłącznych jest równe:

1. P=1

2. P=1 – p (części wspólnej),

3. P = ∑p(x_i) –Πp(x_i)p(x_j)+p(x₁)p(x₂)p(x₃) gdzie i≠j dla i oraz j = 1,2,3.

1. Niech prawdopodobieństwa zdarzeń, mają dyskretne wartości p_i gdzie i=1…n. dla tego rozkładu zdarzeń dystrybuanta ma postać:

1. F=∑p_i dla sumowani a po i=1…n,

2. F=p₁xp₂p₃x….xp_n,

3. Rozkład jest dyskretny i nie ma dystrybuanty

1. Stany ustalone w pożarze wewnętrznym opisywane są przez równania różniczkowe względem czasu, pierwszego rzędu, liniowe o wartościach pochodnej po czasie równej:

1. 0,

2. Różnej od zera,

3. Wartości parametrów różnych w czasie.

1. Zasada zachowania masy w rozprzestrzeniających się gazach (dymu) po pomieszczeniu określa zawsze:

1. Zmiana masy gazu (dymu) w pomieszczeniu,

2. Niezmienność wszystkich strumieni gazów w tym dymu,

3. Obowiązuje tylko w stanach ustalonych.

1. Podczas pożaru strefa neutralna określona przez warunek równości ciśnień na zewnątrz pomieszczenia i w jego wnętrzu w przekroju okna:

1. Zawsze znajduje się w połowie przekroju okna,

2. Unosi się z dołu do góry,

3. Obniża się z góry do dołu.

1. W integralnych (jednostrefowych) modelach pożarów temperatura pożaru jest:

1. Różna w różnych punktach pomieszczenia,

2. Równa w różnych punktach pomieszczeniach,

3. Stała w czasie pożaru w jednej strefie.

1. W matrycy ryzyka konstruowanej w metodzie APELL w analizowanym przypadku mamy następujące współrzędne ryzyka 3A, 3C i 3E. które z nich jest największe:

1. 3A,

2. 3C,

3. 3E.

1. Definicja bezpieczeństwa, obejmująca wszystkie możliwe przypadki:

1. Związana jest tylko z brakiem zagrożeń,

2. Związana jest tylko z miarą jaką jest ryzyko,

3. Związana jest tylko z poczuciem bezpieczeństwa.

1. Czy matryca ryzyka, stanowiąca element analizy ryzyka określa zależności:

1. Częstotliwości i prawdopodobieństwa wystąpienia zdarzenia,

2. Prawdopodobieństwa i skutków tego zdarzenia,

3. Prawdopodobieństwa zdarzenia i zasobów do jego zwalczania,

1. Czy zupełny zbiór subscenariuszy, wyczerpujący możliwość zaistnienia danego scenariusza ma sumaryczne prawdopodobieństwo wystąpienia tego scenariusza równe:

1. 1 –p (zdarzenie pewnego),

2. P (zdarzenie pewne) – p (zdarzenie i – tego subscenariusza),

3. Jest to zdarzenie pewne.

1. Analiza ryzyka to:

1. Szacowanie jego skutków,

2. Hierarchizacja ryzyka,

3. Analiza częstotliwości i analiza skutków.

1. W profilu bezpieczeństwa (ryzyka) na osi rzędnej (pionowej) nanosi się:

1. P_i (C<C_i) gdzie C podzbiór zboru skutków, C_i – skutki i tego rodzaju, p_i – prawdopodobieństwo i – tego zdarzenia,

2. P_i (C = C_i)

3. P_i (C > C_i)

1. Częstotliwość względna wystąpienia zdarzenia równa jest prawdopodobieństwu jego wystąpienia:

1. Przy dowolnej skończonej liczbie próbek,

2. W granicy nieskończonej liczby próbek,

3. Nigdy nie jest równa prawdopodobieństwu wystąpienia zdarzenia.

1. Drzewo zdarzeń określa:

1. Zdarzenia prowadzące od zdarzenia krytycznego do ostatecznych skutków,

2. Zdarzenia prowadzące do zdarzeń inicjujących,

3. Zdarzenie prowadzące do zdarzenia krytycznego.

1. Prawdopodobieństwo p koniunkcji dwóch zdarzeń niezależnych o prawdopodobieństwach wystąpienia odpowiednio p₁ i p₂ wyraża się wzorem:

1. p = p₁ x p₂,

2. p = (p₁+p₂) – p₁ x p ₂,

3. p = p₁+p₂

1. Triplet Kaplana – Gavrick’a określa zbiór:

1. Scenariuszy zdarzeń,

2. Scenariuszy zdarzeń ich skutków i prawdopodobieństw,

3. Skutki zdarzenia krytycznego, skutki zdarzenia inicjującego i skutki końcowe przebiegu zdarzeń,

1. Niech elementarne zdarzenia A_i dla i=1….n wykluczają się parami (nie mają części wspólnej) i określają całą przestrzeń zdarzeń elementarnych Ω wówczas:

1. P ((∑A₁) =1

2. P(ΠA_i)=1

3. P(A_iᴖɸ)=1+0=1 gdzie ɸ jest zbiorem pustym.

1. Mamy trzy zdarzenia elementarne pożary ω₁, miejscowe zagrożenia ω₂, oraz śmierć człowieka ω₃. Liczba wszystkich możliwych zdarzeń z wymienionego wyżej zbioru wynosi:

1. 6,

2. 8,

3. 3.

1. Huragan zwiększa swoją rotację nad oceanami gdyż:

1. Para wodna skrapla się na odpowiedniej wysokości,

2. Powstaje para wodna na tej wysokości,

3. Na tej wysokości siła Coriolis’a jest większa.

1. Prawdopodobieństwo powstania pożaru w wyniku uderzenia pioruna zbiornika wynosi p=0,8, prawdopodobieństwo wycieku substancji palnej wynosi p=07. Jakie jest prawdopodobieństwo powstania pożaru w wyniku uderzenia pioruna lub wycieku.

1. 1,5.

2. 0,94,??????

3. 0,56.

1. Częstotliwość względna to:

1. Stosunek liczby zdarzeń analizowanych do liczby wszystkich zdarzeń,

2. Stosunek liczby zdarzeń niekorzystnych do liczby zdarzeń korzystnych,

3. Częstotliwość występowania zdarzeń względem prawdopodobieństwa,

1. Niech zdarzenie A i B spełniają następującą algebrę A+B, AxB, c(A+B), cA + cB zdarzenia te tworzą zbiory:

1. Bolerowskie,

2. Zupełne,

3. Domknięte ze względu na dodawanie,

1. Funkcja prawdopodobieństwa to:

1. Inna nazwa prawdopodobieństwa,

2. Funkcja przekształcająca zdarzenia w liczby zawarte między 0 a 1,

3. Funkcja określona na całym zbiorze liczb rzeczywistych dodatnich.

1. Niech lim X _n (ω)=X(ω)…=1wówczas:

1. Ciąg losowy X_n(ω) zmiennej losowej jest zbieżny do X(ω) z prawdopodobieństwem równym 1.

2. Ciąg losowy X_n(ω) zmiennej losowej jest zbieżny do X(ω) według prawdopodobieństwa,

3. Jest to wzór określający zdarzenie pewne.

1. Dystrybuanta dla zmiennych ciągłych jest to funkcja, która określa prawdopodobieństwo zmiennej losowej:

1. (p>c) gdzie c jest górna granica całkowania.

2. p(x=c)

3. p(a<x≤b), gdzie a i b granice całkowania.

1. Sieć Bayes’a grafy:

1. Acykliczne o węzłach rodzice dzieci,

2. Cykliczne wyznaczające kierunek zdarzeń,

3. To nie są grafy.

1. Wskaż zmienną losową stochastyczną:

1. X=X(ω),

2. X=Xτ(ω),

3. X-X(ω_τβ). Gdzie ω_τβsą to zdarzenia, zaś τczas.