Различные определения вероятности случайного события

Теория вероятностей – математическая наука, которая по вероятностям одних событий позволяет оценивать вероятности других событий, связанных с первыми.

Подтверждением того, что понятие «вероятность события» не имеет определения, является тот факт, что в теории вероятностей существует несколько подходов к объяснению этого понятия:

Классическое определение вероятности случайного события.

Вероятность события равна отношению числа благоприятных событию исходов опыта к общему числу исходов опыта.

Где

Число благоприятных исходов опыта;

Общее числоисходов опыта.

Исход опыта называется благоприятным для события , если при этом исходе опыта появилось событие . Например, если событие - появление карты красной масти, то появление туза бубей – исход, благоприятный событию .

Примеры.

1) Вероятность выпадения 5 очков на грани кубика равна , поскольку кубик может упасть любой из 6 граней кверху, а 5 очков находятся только на одной грани.

2) Вероятность выпадения герба при однократном бросании монеты - , поскольку монета может упасть гербом или решкой – два исхода опыта, а герб изображен лишь на одной стороне монеты.

3) Если в урне 12 шаров, из которых 5 – черные, то вероятность вынуть черный шар - , поскольку всего исходов опята – 12, а благоприятных из них - 5

Замечание. Классическое определение вероятности применимо при двух условиях:

1) все исходы опыта должны быть равновероятными;

2) опыт должен иметь конечное число исходов.

На практике бывает сложно доказать, что события равновероятные: например,при произведении опыта с подбрасыванием монеты на результат опыта могут влиять такие факторы как несимметричность монеты, влияние ее формы на аэродинамические характеристики полета, атмосферные условия и т.д., кроме того, существуют опыты с бесконечным числом исходов.

Пример . Ребенок бросает мяч, и максимальное расстояние, на которое он может забросить мяч – 15 метров. Найти вероятность того, что мяч улетит за отметку 3 м.

Решение. Искомую вероятность предлагается считать, как отношение длины отрезка, находящегося за отметкой 3 м (благоприятная область) к длине всего отрезка (всевозможные исходы):

Пример. Точку случайным образом бросают в круг радиуса 1. Какова вероятность того, что точка попадет во вписанный в круг квадрат?

Решение. Под вероятностью того, что точка попадет в квадрат, понимают в данном случае отношение площади квадрата (благоприятной площади)к площади круга (общая площадь фигуры, куда бросают точку):

Диагональ квадрата равна 2 и выражается через его сторону по теореме Пифагора:

Аналогичные рассуждения проводят и в пространстве: если в теле объема случайным образом выбирается точка, то вероятность того, что точка окажется в части тела объема , вычисляется как отношение объема благоприятной части к общему объему тела:

Объединяя все случаи, можно сформулировать правило вычисления геометрической вероятности:

Если в некоторой области случайным образом выбирается точка, то вероятность того, что точка окажется в части этой области равна:

, где

Обозначает меру области: в случае отрезка – это длина, в случае плоской области – это площадь, в случае пространственного тела – это объем, на поверхности – площадь поверхности, на кривой – длина кривой.

Интересным приложением понятия геометрической вероятности является задача о встрече.

Задача. (О встрече)

Два студента договорились о встрече, например, в10 часов утра на следующих условиях: каждый приходит в любое время в течение часа с 10 до 11 и ждет 10 минут, после чего уходит. Какова вероятность встречи?

Решение. Проиллюстрируем условия задачи следующим образом: на оси отложим время, идущее для первого из встречающихся, а на оси - время, идущее для второго. Поскольку эксперимент длится один час, то по обеим осям отложим отрезки длины 1. Моменты времени, когда встречающиеся пришли одновременно, интерпретируется диагональю квадрата.

Пусть первый пришел в некоторый момент времени . Студенты встретятся, если время прибытия второго на место встречи заключается в промежутке

Рассуждая так для любого момента времени , получим, что область времени, интерпретирующая возможность встречи («пересечение времён»нахождения на нужном месте первого и второго студентов) находится между двумя прямыми: и . Вероятность встречи определяется по формуле геометрической вероятности:

В 1933 г. Колмогоров А.М. (1903 - 1987) предложил аксиоматический подход к построению и изложению теории вероятности, который стал общепринятымв настоящее время. При построении теории вероятности как формальной аксиоматической теории требуется не только ввести базовое понятие – вероятность случайного события, но и описать его свойства с помощью аксиом (утверждений интуитивно верных, принимаемых без доказательства).

Такими утверждениями являются утверждения, аналогичные свойствам относительной частоты появления события.

Относительной частотой появления случайного события называется отношение числа появлений события в испытаниях к общему числу проведенных испытаний:

Очевидно, , для достоверного события , для невозможного события , для несовместных событий и верно следующее:

Пример. Проиллюстрируем последнее утверждение. Пусть из колоды в 36 карт вынимают карты. Пусть событие означает появление бубей , событие означает появление червей, а событие - появление карты красной масти. Очевидно, события и несовместны. При появлении красной масти ставим метку возле события , при появлении бубей – возле события , а при появлении червей – возле события . Очевидно, что метка возле события будет поставлена тогда и только тогда, когда будет поставлена метка возле события или возле события , т.е. .

Назовем вероятностью случайного события число, сопоставленное событию по следующему правилу:

Для несовместных событий и

Итак,

Вероятность показывает возможность того или иного события при определенном количестве повторений. Это число возможных результатов с одним или несколькими исходами, поделенное на общее количество возможных событий. Вероятность нескольких событий вычисляется путем разделения задачи на отдельные вероятности с последующим перемножением этих вероятностей.

Шаги

Вероятность единичного случайного события

1. Выберите событие со взаимоисключающими результатами. Вероятность можно рассчитать лишь в том случае, если рассматриваемое событие либо происходит, либо не происходит. Нельзя одновременно получить какое-либо событие и противоположный ему результат. Примером таких событий служат выпадение 5 на игровом кубике или победа определенной лошади на скачках. Пять либо выпадет, либо нет; определенная лошадь либо придет первой, либо нет.

   • Например, невозможно вычислить вероятность такого события: при одном броске кубика выпадут 5 и 6 одновременно.

2. Определите все возможные события и результаты, которые могут произойти. Предположим, необходимо определить вероятность того, что при броске игрового кубика с 6 цифрами выпадет тройка. «Выпадение тройки» является событием, и поскольку мы знаем, что может выпасть любая из 6 цифр, число возможных исходов равно шести. Таким образом, мы знаем, что в данном случае есть 6 возможных результатов и одно событие, вероятность которого мы хотим определить. Ниже приведено еще два примера.

   • Пример 1 . В данном случае событием является «выбор дня, который приходится на выходные», а число возможных исходов равно количеству дней недели, то есть семи.
   • Пример 2 . Событием является «вынуть красный шар», а число возможных исходов равно общему количеству шаров, то есть двадцати.

3. Поделите число событий на количество возможных исходов. Таким образом вы определите вероятность одиночного события. Если мы рассматриваем случай выпадения 3 при бросании кубика, число событий равно 1 (тройка находится лишь на одной грани кубика), а общее количество исходов равно 6. В результате получаем соотношение 1/6, 0,166, или 16,6 %. Вероятность события для двух приведенных выше примеров находится следующим образом:

   • Пример 1 . Какова вероятность того, что вы случайно выберете день, который выпадает на выходные? Число событий равно 2, так как в одной неделе два выходных дня, а общее количество исходов составляет 7. Таким образом, вероятность равна 2/7. Полученный результат можно записать также как 0,285 или 28,5 %.
   • Пример 2 . В коробке находятся 4 синих, 5 красных и 11 белых шаров. Если достать из коробки случайный шар, какова вероятность того, что он окажется красным? Число событий равно 5, поскольку в коробке 5 красных шаров, а общее количество исходов составляет 20. Находим вероятность: 5/20 = 1/4. Полученный результат можно записать также как 0,25 или 25 %.

4. Сложите вероятности всех возможных событий и проверьте, получится ли в сумме 1. Суммарная вероятность всех возможных событий должна составлять 1, или 100 %. Если у вас не получится 100 %, скорее всего, вы допустили ошибку и пропустили одно или несколько возможных событий. Проверьте свои вычисления и убедитесь, что вы учли все возможные исходы.

   • Например, вероятность выпадения 3 при бросании игрового кубика составляет 1/6. При этом вероятность выпадения любой другой цифры из пяти оставшихся также равна 1/6. В результате получаем 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 6/6, то есть 100 %.
   • Если вы, например, забудете о цифре 4 на кубике, сложение вероятностей даст вам лишь 5/6, или 83 %, что не равно единице и указывает на ошибку.

5. Представьте вероятность невозможного исхода в виде 0. Это означает, что данное событие не может произойти, и его вероятность равна 0. Таким образом вы сможете учесть невозможные события.

   • Например, если бы вы вычисляли вероятность того, что в 2020 году Пасха придется на понедельник, то получили бы 0, поскольку Пасха всегда празднуется в воскресенье.

   Вероятность нескольких случайных событий

   1. При рассмотрении независимых событий вычисляйте каждую вероятность отдельно. После того как вы определите, каковы вероятности событий, их можно будет рассчитать отдельно. Предположим, необходимо узнать вероятность того, что при бросании кубика два раза подряд выпадет 5. Мы знаем, что вероятность выпадения одной пятерки составляет 1/6, и вероятность выпадения второй пятерки также равна 1/6. Первый исход не связан со вторым.

      • Несколько выпадений пятерок называются независимыми событиями , поскольку то, что выпадет первый раз, не влияет на второе событие.

   2. Учитывайте влияние предыдущих исходов при расчете вероятности для зависимых событий. Если первое событие влияет на вероятность второго исхода, говорят о расчете вероятности зависимых событий . Например, если вы выбираете две карты из колоды, состоящей из 52 карт, после взятия первой карты состав колоды изменяется, что влияет на выбор второй карты. Чтобы рассчитать вероятность второго из двух зависимых событий, необходимо вычесть 1 из количества возможных результатов при расчете вероятности второго события.

      • Пример 1 . Рассмотрим следующее событие: Из колоды случайным образом одну за другой вытягивают две карты. Какова вероятность того, что обе карты будут иметь трефовую масть? Вероятность того, что первая карта будет иметь трефовую масть, составляет 13/52, или 1/4, поскольку всего в колоде 13 карт одной масти.
        • После этого вероятность того, что вторая карта окажется трефовой масти, составляет 12/51, поскольку одной трефовой карты уже нет. Это объясняется тем, что первое событие влияет на второе. Если вы вытянули тройку треф и не положили ее обратно, в колоде будет на одну карту меньше (51 вместо 52).
      • Пример 2 . В коробке 4 синих, 5 красных и 11 белых шаров. Если наугад вынуть три шара, какова вероятность того, что первый окажется красным, второй синим, а третий белым?
        • Вероятность того, что первый шар окажется красным, составляет 5/20, или 1/4. Вероятность того, что второй шар будет синим, равна 4/19, поскольку в коробке осталось на один шар меньше, но по прежнему 4 синих шара. Наконец, вероятность того, что третий шар окажется белым, составляет 11/18, так как мы уже вынули два шара.

   3. Перемножьте вероятности каждого отдельного события. Независимо от того, имеете ли вы дело с независимыми или зависимыми событиями, а также количества исходов (их может быть 2, 3 и даже 10), можно рассчитать общую вероятность, умножив вероятности всех рассматриваемых событий друг на друга. В результате вы получите вероятность нескольких событий, следующих одно за другим . Например, стоит задача Найти вероятность того, что при бросании кубика два раза подряд выпадет 5 . Это два независимых события, вероятность каждого из которых равна 1/6. Таким образом, вероятность обоих событий составляет 1/6 x 1/6 = 1/36, то есть 0,027, или 2,7 %.

      • Пример 1 . Из колоды наугад одну за другой вытягивают две карты. Какова вероятность того, что обе карты будут иметь трефовую масть? Вероятность первого события составляет 13/52. Вероятность второго события равна 12/51. Находим общую вероятность: 13/52 x 12/51 = 12/204 = 1/17, то есть 0,058, или 5,8 %.
      • Пример 2 . В коробке находятся 4 синих, 5 красных и 11 белых шаров. Если наугад вытянуть из коробки три шара один за другим, какова вероятность того, что первый окажется красным, второй синим, а третий белым? Вероятность первого события составляет 5/20. Вероятность второго события равна 4/19. Вероятность третьего события составляет 11/18. Таким образом, общая вероятность равна 5/20 x 4/19 x 11/18 = 44/1368 = 0,032, или 3,2 %.

Объединением (логической суммой) N событий называют событие, которое наблюдается каждый раз, когда на­ступаетхотя бы одно из событий. В частности, объединением событий A и B называют событие A + B (у некоторых авторов
), которое наблюдается, когданаступает или A, или B или оба этих события одновременно (Рис. 7). Признаком пересечения в тексто­вых формулировках событий служит союз“или” .

Рис. 7. Объединение событий A+B

Необходимо учитывать, что вероятности события P{A} соответствует как левая часть заштрихованной на Рис. 7 фигуры, так и её центральная часть, помеченная как
. И исходы, соответствующие событию B, располагаются как в правой части заштрихованной фигуры, так и в помеченной
центральной части. Таким образом, при сложениииплощадка
реально войдет в эту сумму дважды, а точное выражение для площади заштрихованнойфигуры имеет вид
.

Итак, вероятность объединения двух событий A и B равна

Для большего числа событий общее расчетное выражение становится крайне громоздким из-за необходимости учета многочисленных вариантов взаимного наложения областей. Однако, если объединяемые события являются несовместными (см. с. 33), то взаимное наложение областей оказывается невозможным, а благоприятная зона определяется непосредственно суммой областей, соответствующих отдельным событиям.

Вероятность объединения произвольного числанесов­местных событийопределяется выражением

Следствие 1 : Полная группа событий состоит из событий несовместных, одно из которых в опыте обязательно реализуется. В результате,если события …
,образуют полную группу , то для них

Таким образом,

С ледствие 3 Учтем, что противоположным утверждению «произойдет хотя бы одно из событий …
» является утверждение «ни одно из событий…
не реализуется». Т.е., иначе говоря, «в опыте будут наблюдаться события, и, и …, и», что представляет собой уже пересечение событий, противоположных исходному набору. Отсюда, с учетом (2 .0), для объединения произвольного числа событий получаем

Следствия 2, 3 показывают, что в тех случаях, когда непосредственный расчет вероятности какого-то события является проблематичным, полезно оценить трудоёмкость исследования события ему противоположного. Ведь, зная значение
, получить из (2 .0) нужную величину
никакого труда уже не представляет.

1. Примеры расчетов вероятностей сложных событий

Пример 1 : Двое студентов (Иванов и Петров) вместе я вились на защиту лабораторной работы, выучив первые 8 кон трольных вопросов к этой работе из 10 имеющихся. Проверяя подготовленность, п реподаватель задает каждому лишь оди н случайно выбираемый вопрос. Определить вероятность следующих событий:

A = “Иванов защитит лабораторную работу”;

B = “Петров защитит лабораторную работу”;

C = “оба защитят лабораторную работу”;

D = “хотя бы один из студентов защитит работу”;

E = “только один из студентов защитит работу”;

F = “никто из них не защитит работу”.

Решение. Отметим, что способность защитить работу как Иванова, т ак и Петрова в отдельности определяется лишь числом освоенных вопросов, поэтом у . (Примечание: в данном примере значения получаемых дробей сознательно не сокращались для упрощения сопоставления результатов расчетов.)

Событие C можно сформулировать иначе как «работу защитит и Иванов, и Петров», т.е. произойдут и событие A , и событие B . Таким образом, событие C является пересечением событий A и B , и в соответствии с (2 .0)

где сомножитель “7/9” появляется из-за того, что наступление события A означает, что Иванову достался «удачный» вопрос, а значит на долю Петрова из оставшихся 9 вопросов приходится теперь лишь 7 «хороших» вопросов.

Событие D подразумевает, что «работу защитит или Иванов, или Петров, или они оба вместе», т.е. произойдёт хотя бы одно из событий A и B . Итак, событие D является объединением событий A и B , и в соответствии с (2 .0)

что соответствует ожиданиям, т.к. даже для каждого из студентов в отдельности шансы на успех довольно велики.

С обытие Е означает, что «либо работу защитит Ивано в, а Петров «п ровалится», или Иванову попадется неудачный во прос, а Петров с защитой справится». Два альтернативных варианта являются взаимоисключающими (несовместными), поэтому

Наконец, утверждение F окажется справедливым лишь если « и Иванов, и Петров с защитой не справятся». Итак,

На этом решение задачи завершено, однако полезно отметить следующие моменты:

1. Каждая из полученных вероятностей удовлетворяет условию (1 .0), н о если для
и
получить конфликт ующие с (1 .0) в принципе невозможно, то для
попытка и спользования (2 .0) вместо (2 .0) привела бы к явно некорр ектному значению
. Важно помнить, что подобное значение вероятности принципиально невозможно, и при получении столь парадоксального результата незамедлительно приступать к поиску ошибки.

2. Найденные вероятности удовлетворяют соотношения м

.

Э то вполне ожидаемо, т.к. события C , E и F образуют полн ую группу, а события D и F противоположны друг другу. Учет этих соотношений с одной стороны может быть использо ван для перепроверки расчетов, а в другой ситуации может послужить основой альтернативного способа решения задачи.

П римечание : Не пренебрегайте письменной фиксацией точной формулировки события, иначе по ходу решения задачи Вы можете непроизвольно перейти к иной трактовке смысла этого события, что повлечет ошибки в рассуждениях.

Пример 2 : В крупной партии микросхем, не прошедших выходной контроль качества, 30% изделий являются бракованными. Если из этой партии наугад выбрать какие-либо две микросхемы, то какова вероятность, что среди них:

A = “обе годные”;

B = “ровно 1 годная микросхема”;

C = “обе бракованные”.

Проанализируем следующий вариант рассуждений (осторожно, содержит ошибку):

Так как речь идет о крупной партии изделий, то изъятие из неё нескольких микросхем практически не влияет на соотношение числа годных и бракованных изделий, а значит, выбирая несколько раз подряд какие-то микросхемы из этой партии, можно считать, что в каждом из случаев остаются неизменными вероятности

= P { выбрано бракованное изделие } = 0,3 и

= P { выбрано годное изделие } = 0,7.

Для наступления события A необходимо, чтобы и в первый, и во второй раз было выбрано годное изделии, а потому (учитывая независимость друг от друга успешности выбора первой и второй микросхемы) для пересечения событий имеем

Аналогично, для наступления события С нужно, чтобы оба изделия оказались бракованными , а для получения B нужно один раз выбрать годное, а один – бракованное изделие.

Признак ошибки. Х отя все полученные выше вероятност и выглядят правдоподобными, при их совместном анализе легко з аметить, что .Однако случаи A , B и C образуют полную группу событий, для которой должно выполняться .Это противоречие указывает на наличие какой-то ошибки в рассуждениях.

С уть ошибки. Введем в рассмотрение два вспомогате льных события :

= “первая микросхема – годная, вторая - бракованная”;

= “первая микросхема – бракованная, вторая – годная”.

Очевидно, что , однако именно такой вариант расчета был выше использован для получения вероятности события B , хотя события B и не являются э квивалентными . На самом деле,
, т.к. формулировка события B требует, чтобы среди микросхем ровно одна , но совсем не обязательно первая была годной (а другая – бракованной). Поэтому, хотя событие не является дублем события, а должно учиты ваться независимо. Учитывая несовместность событий и, вероятность их логической суммы будет равна

После указанного исправления расчетов имеем

что косвенно подтверждает корректность найденных вероятностей.

Примечание : Обращайте особое внимание на отличие в формулировках событий типа “только первый из перечисленных элементов должен…” и “только один из перечисленных элем ентов должен…”. Последнее событие явно шире и включае т в свой состав первое как один из (возможно многочисленны х) вариантов. Эти альтернативные варианты (даже при совпадении их вероятностей) следует учитывать независимо друг от друга.

П римечание : Слово “процент” произошло от “ per cent ”, т.е. “на сотню”. Представление частот и вероятностей в процентах позволяет оперировать более крупными значениями, что иногда упрощает восприятие значений “на слух”. Однако использовать в расчетах для правильной нормировки умножение или деление на “100 %” громоздко и неэффективно. В связи с этим, не з абывайте при использовании значений, упомя нутых в процентах, подставлять их в расчетные выражения у же в виде долей от единицы (например, 35% в расчете записываетс я как “0,35”), чтобы минимизировать риск ошибочной нормировки результатов.

Пример 3 : Набор резисторов содержит один резистор н оминалом 4 кОм, три резистора по 8 кОм и шесть резист оров с сопротивлением 15 кОм. Выбранные наугад три резистора соединяются друг с другом параллельно. Определить вероятность получения итогового сопротивления, не превышающего 4 кОм.

Реш ение. Сопротивление параллельного соединения рез исторов может быть рассчитано по формуле

.

Это позволяет ввести в рассмотрение события, такие как

A = “выбраны три резистора по 15 кОм” = “
”;

B = “в зяты два резистора по 15 кОм и один с сопротивление м 8 кОм” =“
”…

Полная группа событий, соответствующих условию задачи, включает ещё целый ряд вариантов, причем именно таких, к оторые соответствуют выдвинутому требованию о получении сопротивления не более чем 4 кОм. Однако, хотя “прямой” путь решения, предполагающий расчет (и последующее сумми рование) вероятностей, характеризующих все эти события, и является правильным, действовать таким образом нецелесообразно.

Отметим, что для получения итогового сопротивления менее 4 кОм д остаточно, чтобы в используемый набор вошел хотя бы один резистор с сопротивлени ем менее 15 кОм. Таким образом, лишь в случае A требование задачи не выполняется, т.е. событие A является противоположным исследуемому. Вместе с тем,

.

Таким образом, .

П ри мечание : Рассчитывая вероятность некоторого события A , не забывайте проанализировать трудоемкость определени я ве­роятности события ему противоположного. Если расс читать
легко, то именно с этого и надо начинать решен ие задачи , завершая его применением соотношения (2 .0).

П ример 4 : В коробке имеются n белых, m черных и k красных шаров. Шары по одному наугад извлекаются из коробки и возвращаются обратно после каждого извлечения. Определить вероятность события A = “белый шар будет извлечен раньше, чем черный ” .

Реш ение. Рассмотрим следующую совокупность событий

= “белый шар извлекли при первой же попытке”;

= “сначала вынули красный шар, а затем - белый”;

= “дважды вынули красный шар, а на третий раз - белый ”…

Так к ак шарики возвращаются, то последовательность соб ытий может быть формально бесконечно протяженной.

Эти события являются несовместными и составляют в совокупности тот набор ситуаций, при которых происходит событие A . Таким образом,

Несложно заметить, что входящие в сумму слагаемые образуют геометрическую прогрессию с начальным элементом
и знаменателем
. Но сумм а элементов бесконечной геометрической прогрессии равна

Таким образом, . Л юбопытно, что эта вероятность (как следует из полученно го выражения) не зависит от числа красных шаров в коробке.

Иногда ее выражают в процентах: Р(А) 100% есть средний процент числа появлений события A . Конечно, следует помнить, что речь идет о некоторой массовой операции, т. е. условия S производства испытаний - определенные; если их существенно изменить, то может измениться вероятность события A : то будет вероятность события A в другой массовой операции, с другими условиями испытаний. В дальнейшем будем считать, не оговаривая это каждый раз, что речь идет об определенной массовой операции; если же условия, при которых осуществляются испытания, меняются, то это будет специально отмечаться.

37 Основные правила нахождения вероятности события.38,39

Комбинаторика это раздел математики в котором изучается вопрос о том сколько

различных комбинаций подчиненных тем или иным условиям можно составить из

конечного числа различных элементов.

Комбинации отличающиеся друг от друга составом элементов или их порядком

называются соединениями различают три вида соединений.

Размещениями называются соединения составленные из n-различных элементов по

m-элементам, которые отличаются друг от друга либо составом эл-тов либо их

порядком.

Перестановки называют соединения составленные из одних и тех же n-элементов,

которые отличаются друг от друга только их порядком размещения

Сочетаниями называются соединения составленные из n-различных элементов по m-

элементам, которые отличаются друг от друга хотя бы одним элементом.

Сочетания с повторениями это такие соединения состоящие из n-различных

элементов по m-элементам отличающиеся друг от друга или хотя бы одним

элементом или тем что хотя бы один элемент входит различное число раз

Правило суммы

Если некоторый объект А может быть выбран из совокупности объектов М

способами, а объект В N способами, то выбор либо объекта А либо объекта В

может быть осуществлен М+N способами.

Правило произведения

Если объект А может быть выбран из совокупности объектов М способами, а после

такого выбора объект В может быть выбран N способами, то пара объесков А и В

могут быть выбраны А*В способами.

Основные понятия теории вероятностей

Событием называется любой исход опыта, различают следующие виды событий:

Случайные

Достоверные

Невозможные

Понятие достоверного и невозможного события используется для количественной

оценки возможности появления того или иного явления, а с количественной

оценкой связана вероятность.

События называется несовместными в данном опыте если появление одного из

них исключает появление другого.

События называется совместными если появление одного из них не исключает

появление остальных.

Несколько событий образуют полную группу событий если в результате опыта

обязательно появится хотя бы одно из них.

Если два несовместных события образуют полную группу они называются

противоположными

События называется равновозможными если появление ни одного из них не

является объективно более возможным чем другие.

События называются неравновозможными если появление хотя бы одного из

них является более возможным чем другие.

Случаями называются несовместные равновозможные и образующие полную

группу события.

Вычисление вероятностей

1. классический способ

2. геометрический

3. статистический

Первые два способа называются способами непосредственного подсчета

вероятности, а классический основан на подсчете числа опытов

благоприятствующих данному событию среди всех его возможных исходах.

Основы теории вероятности

Суммой событий А i называется событие С состоящее в появлении события

А или события В или их обоих вместе.

Суммой события А и В называется событие С заключенное в выполнении хотя бы

одного из названых событий.

Произведением нескольких событий называется событие заключающееся в

совместном выполнении всех этих событий.

Теорема умножения вероятностей .

Событие А называется зависимым от события В если его вероятность меняется в

зависимости от того произошло событие В или нет.

Для независимых событий условная и безусловная вероятность совпадают.

Вероятность появления двух зависимых событий равна произведению вероятностей

одного из них на вероятность другого вычисленную при условии, что первое

событие имело место.

Р(А*В)=Р(А)*Р(В/А)=Р(В)*Р(В/А)

Вероятность произведения нескольких событий равна произведению вероятностей

этих событий причем вероятность каждого следующего события вычисляется при

условии, что все предыдущие имели место.

Р(А 1 ;А 2 .А n)=Р(А 1)*Р(А 2 /А 1)*.

*Р(А n /А 1 ,А 2 .А n-1)

Теорема сложения вероятностей совместных событий

Вероятность суммы двух совместных событий равна сумме вероятностей этих

событий без вероятности их совместного появления.

Р(А)+Р(В)=Р(А)+Р(В)-Р(А*В)

Вероятность появления хотя бы одного события

Вероятность появления события А заключающееся в наступлении хотя бы одного из

независимых совокупностей событий.А 1 ,А 2 .А n

равна разности между единицей и произведением вероятности противоположных

событий А 1 ,А 2 .А n

Р(А)=1-q 1 *q 2 *.*q n

Формула полной вероятности

Пусть событие А может появиться вместе с одним из образующих полную группу

попарнонесовместных событий Н 1 ,Н 2 .Н n

называемых гипотезами, тогда вероятность события А вычисляется как сумма

произведений вероятностей каждой гипотезы на вероятность события А при этой

гипотезе

Формула Бейса

Пусть имеется полная группа попарнонесовместных гипотез Н 1 ,Н 2

Н n с известными вероятностями появления. В результате проведения

опыта появилось некоторое события А, требуется переоценить вероятности гипотез

при условии, что событие А произошло

Повторение опытов

Несколько опытов называются независимыми, если вероятность одного или иного

из исходов каждого их опытов не зависит от того какие исходы имели другие

Теорема. Если производится n независимых опытов в каждом из которых

событие А появляется с одинаковой вероятностью р, причем то тогда вероятность

того, что событие А появится ровно m раз определяется по формуле.

Формула Бернули

формула Бернули применяется в тех случаях, когда число опытов невелико, а

вероятности появления достаточно велики.

Если число испытаний n стремится к 0, а вероятность появления события А в каждом

из опытов р стремится к 0, то для определения вероятности появления события А

ровно m раз применяют формулу Пуассона

Если число опытов достаточно велико но не бесконечно, а вероятность появления

события А в каждом опыте не стремится к 0, применяют локальную и интегральную

теоремы Лапласа

Локальная теорема Лапласа. Вероятность того, что в n независимых

испытаниях в каждом из которых вероятность появления события А равно р причем

1>р>0, то это событие наступает ровно m раз приблизительно равна

Интегральная теорема Лапласа . Вероятность того, что в n независимых

испытаниях в каждом из которых вероятность появления события А равно р, причем

1>р>0, то событие А наступит не менее m 1 раз и не более m

2 раза приблизительно равно

Случайные величины и законы их распределения

Опытом называется всякое осуществление определенных условий и действий при

которых наблюдается изучаемое случайное явление. Опыты можно характеризовать

качественно и количественно.

Случайной называется величина, которая в результате опыта может принимать то

или иное значение., причем заранее не известно какое именно. Случайные

величины принято обозначать (X,Y,Z), а соответствующие им значения (x,y,z)

Дискретными называются случайные величины принимающие отдельные

изолированные друг от друга значения, которые можно переоценить.

Непрерывными величины возможные значение которых непрерывно заполняют

некоторый диапазон.

Законом распределения случайной величины называется всякое соотношение

устанавливающее связь между возможными значениями случайных величин и

соответствующими им вероятности.

Ряд и многоугольник распределения.

Простейшей формой закона распределения дискретной величины является ряд

распределения.

Графической интерпретацией ряда распределения является многоугольник

распределения.

Функция распределения случайной величины.

Для непрерывных случайных величин применяют такую форму закона распределения,

как функция распределения.

Функция распределения случайной величины Х, называется функцией аргумента х,

что случайная величина Х принимает любое значение меньшее х (Х<х)

F(х)=Р(Х<х)

F(х) - иногда называют интегральной функцией распределения или интегральным

законом распределения.

Функция распределения обладает следующими свойствами:

1. 0

2. если х 1 >х 2 ,то F(х 1)>F(х 2)

функция может быть изображена в виде графика. Для непрерывной величины это

будет кривая изменяющееся в пределах от 0 до 1, а для дискретной величины -

ступенчатая фигура со скачками.

С помощью функции распределения легко находится вероятность попадания

величины на участок от α до β

Р(α<х<β) рассмотрим 3 события

В - α<Х<β

Р(С)=Р(А)+Р(В)

Р(α<х<β)=Р(α)-Р(β)

Плотность распределения вероятности непрерывной случайной величины.

Плотность распределения вероятности непрерывной случайной величины Х

называется функция f(х) равная первой производной от функции распределения

График плотности распределения называется кривой распределения.

Основные свойства плотности функции распределения:

Характеристики положения случайной величины.

Модой (Мо) случайной величины х называется наиболее вероятное ее

значение. Это определение строго относится к дискретным случайным величинам.

Для непрерывной величины модой называется такое ее значение для которого

ф-ция плотности распределения имеет максимальную величину.

Медианой (Ме) случайной величины называется такое ее значение для

которого окажется ли случайная величина меньше этого значения.

Для непрерывной случайной величины медиана это абсцисса точки в которой

площадь под кривой распределяется пополам.

Для дискретной случайной величины значение медианы зависит от того четное или

нечетное значение случайной величины

n=2k+1, то Ме=х к+1 (среднее по порядку значение)

Если значение случайных величин четное, т.е n=2k, то

Математическое ожидание случайной величины.

Математическим ожиданием случайной величины х (M[x] )называется средне

взвешенно значение случайной величины причем в качестве весов выступают

вероятности появления тех или иных значений.

Для дискретной случайной величины

Для непрерывной

С механической точки зрения мат. Ожидание это абсцисса центра тяжести системы

точек расположенных по одноименной оси. Размерность мат. Ожидания совпадает с

размерностью самой случайной величины.

Математическое ожидание случайной величины всегда больше наименьшего значения

и меньше наибольшего.

Характеристики рассеяния.

Дисперсия

Дисперсия (D[x]) характеризует рассеивание или разряженность случайной

величины около ее математического ожидания.

Для дискретных

Для непрерывных

Дисперсия случайной величины всегда величина положительная

Размерность дисперсии равна квадрату разности случайной величины

Среднеквадратическое (стандартное) отклонение.

Некоторые законы распределения случайных величин.

Для дискретных случайных величин - биномиальное распределение и распределение

Пуассона

Для непрерывных - равномерное показательное, экспоненциальное и нормальное

распределение.

Биномиальное распределение.

Биномиальным называют законы распределения случайной величины Х числа

появления некоторого события в n опытах если вероятность р появления события

в каждом опыте постоянна

Сумма вероятностей представляют собой бином Ньютона

Для определения числовых характеристик в биномиальное распределение

подставить вероятность которая определяется по формуле Бернули.

При биномиальном распределении дисперсия равна мат. Ожиданию умноженному на

вероятность появления события в отдельном опыте.

Распределение Пуассона

Когда требуется спрогнозировать ожидаемую очередь и разумно сбалансировать

число и производительность точек обслуживания и время ожидания в очереди.

Пуассоновским называют закон распределения дискретной случайной величины Х

числа появления некоторого события в n-независимых опытах если вероятность

того, что событие появится ровно m раз определяется по формуле.

n-число проведенных опытов

р-вероятность появления события в каждом опыте

В теории массового обслуживания параметр пуассоновского распределения

определяется по формуле

а=λt , где λ - интенсивность потока сообщений t-время

Необходимо отметить, что пуассоновское распределение является предельным

случаем биномиального, когда испытаний стремится к бесконечности, а

вероятность появления события в каждом опыте стремится к 0.

Пуассоновское распределение является единичным распределением для которого

такие характеристики как мат. Ожидание и дисперсия совпадают и они равны

параметру этого закона распределения а.

Закон равномерной плотности

Равномерным называется распределение непрерывной случайной величины Х все

значения которой лежат на отрезке и имеют при этом постоянную плотность

распределения

площадь под кривой распределения равна 1 и поэтому с(в-а)=1

вероятность попадания случайной величины Х на интервал от (α;β)

α=а, если α<а

β=в, если β>в

основные числовые характеристики закона распределения плотности вычисляются

по общим формулам и они равны

Показательное (экспоненциальное распределение)

Показательным называют распределение непрерывной случайной величины Х которое

описывается следующей дифференциальной функцией

Экспоненциальное распределение для непрерывных случайных величин является

аналогом распределения Пуассона для дискретных случайных величин и имеет

следующий вид.

вероятность попадания случайной величины Х на интервал (α;β)

Следует отметить, что время безотказной работы удовлетворяется именно

показательному закону, а поэтому это понятие часто используется в понятии

надежности.

Нормальный закон распределения (закон Гаусса)

Нормальным называется распределение случайной величины Х если ф-ция плотности

распределения

Полученное выражение через элементарные функции не может быть выражено, такая

функция так называемый интеграл вероятности для которой составлены таблицы,

чаще всего в качестве такой функции используют

Часто по условию задачи необходимо определить вероятность попадания случайной

величины Х на участок симметричный математическому ожиданию.

Правило трех сигм это правило часто используется для подтверждения или

отбрасывания гипотезы о нормальном распределении случайной величины.

Когда бросается монета, можно сказать, что она упадет орлом вверх, или вероятность этого составляет 1/2. Конечно, это не означает того, что если монета подбрасывается 10 раз, она обязательно упадет вверх орлом 5 раз. Если монета является "честной" и если она подбрасывается много раз, то орел выпадет очень близко в половине случаев. Таким образом, существует два вида вероятностей: экспериментальная и теоретическая .

Экспериментальная и теоретическая вероятность

Если бросить монетку большое количество раз - скажем, 1000 - и посчитать, сколько раз выпадет орел, мы можем определить вероятность того, что выпадет орел. Если орел выпадет 503 раза, мы можем посчитать вероятность его выпадения:
503/1000, или 0,503.

Это экспериментальное определение вероятности. Такое определение вероятности вытекает из наблюдения и изучения данных и является довольно распространенным и очень полезным. Вот, к примеру, некоторые вероятности которые были определены экспериментально:

1. Вероятность того, что у женщины разовьется рак молочной железы составляет 1/11.

2. Если вы целуетесь, с кем-то, кто болен простудой, то вероятность того, что вы тоже заболеете простудой, составляет 0,07.

3. Человек, который только что был освобожден из тюрьмы, имеет 80% вероятности возвращения назад в тюрьму.

Если мы рассматриваем бросание монеты и беря во внимание то, что столь же вероятно, что выпадет орел или решка, мы можем вычислить вероятность выпадение орла: 1 / 2. Это теоретическое определение вероятности. Вот некоторые другие вероятности, которые были определены теоретически, с помощью математики:

1. Если находится 30 человек в комнате, вероятность того, что двое из них имеют одинаковый день рождения (исключая год), составляет 0,706.

2. Во время поездки, Вы встречаете кого-то, и в течение разговора обнаруживаете, что у вас есть общий знакомый. Типичная реакция: "Этого не может быть!". На самом деле, эта фраза не подходит, потому что вероятность такого события достаточно высока - чуть более 22%.

Таким образом, экспериментальная вероятность определяются путем наблюдения и сбора данных. Теоретические вероятности определяются путем математических рассуждений. Примеры экспериментальных и теоретических вероятностей, как например, рассмотренных выше, и особенно тех, которые мы не ожидаем, приводят нас, к ваэности изучения вероятности. Вы можете спросить: "Что такое истинная вероятность?" На самом деле, таковой нет. Экспериментально можно определить вероятности в определенных пределах. Они могут совпадать или не совпадать с вероятностями, которые мы получаем теоретически. Есть ситуации, в которых гораздо легче определить один из типов вероятности, чем другой. Например, было бы довольно найти вероятность простудиться, используя теоретическую вероятность.

Вычисление экспериментальных вероятностей

Рассмотрим сначала экспериментальное определение вероятности. Основной принцип, который мы используем для вычисления таких вероятностей, является следующим.

Принцип P (экспериментальный)

Если в опыте, в котором проводится n наблюдений, ситуация или событие Е происходит m раз за n наблюдений, то говорят, что экспериментальная вероятность события равна P (E) = m/n.

Пример 1 Социологический опрос. Было проведено экспериментальное исследование, чтобы определить количество левшей, правшей и людей, у которых обе руки развиты одинаково Результаты показаны на графике.

a) Определите вероятность того, что человек - правша.

b) Определите вероятность того, что человек - левша.

c) Определите вероятность того, что человек одинаково свободно владеет обеими руками.

d) В большинстве турниров, проводимых Профессиональной Ассоциацией Боулинга, участвуют 120 игроков. На основании данных этого эксперимента, сколько игроков могут быть левшой?

Решение

a)Число людей, являющиеся правшами, составляет 82, количество левшей составляет 17, а число тех, кто одинаково свободно владеет двумя руками - 1. Общее количество наблюдений - 100. Таким образом, вероятность того, что человек правша, есть Р
P = 82/100, или 0,82, или 82%.

b) Вероятность того, что человек левша, есть Р, где
P = 17/100, или 0,17, или 17%.

c) Вероятность того, что человек одинаково свободно владеет двумя руками составляет P, где
P = 1/100, или 0,01, или 1%.

d) 120 игроков в боулинг, и из (b) мы можем ожидать, что 17% - левши. Отсюда
17% от 120 = 0,17.120 = 20,4,
то есть мы можем ожидать, что около 20 игроков являются левшами.

Пример 2 Контроль качества . Для производителя очень важно держать качество своей продукции на высоком уровне. На самом деле, компании нанимают инспекторов контроля качества для обеспечения этого процесса. Целью является выпуск минимально возможного количества дефектных изделий. Но так как компания производит тысячи изделий каждый день, она не может позволить себе проверять каждое изделие, чтобы определить, бракованное оно или нет. Чтобы выяснить, какой процент продукции являются дефектным, компания проверяет гораздо меньше изделий.
Министерство сельского хозяйства США требует, чтобы 80% семян, которые продают производители, прорастали. Для определения качества семян, которые производит сельхозкомпания, высаживается 500 семян из тех, которые были произведены. После этого подсчитали, что 417 семян проросло.

a) Какова вероятность того, что семя прорастет?

b) Отвечают ли семена государственным стандартам?

Решение a) Мы знаем, что из 500 семян, которые были высажены, 417 проросли. Вероятность прорастания семян Р, и
P = 417/500 = 0,834, или 83.4%.

b) Так как процент проросших семян превысил 80% по требованию, семена отвечают государственным стандартам.

Пример 3 Телевизионные рейтинги. Согласно статистических данных, в Соединенных Штатах 105 500 000 домохозяйств с телевизорами. Каждую неделю, информация о просмотре передач собирается и обрабатывается. В течение одной недели 7815000 домохозяйств были настроены на популярный комедийный сериал "Все любят Реймонда" на CBS и 8302000 домохозяйств были настроены на популярный сериал «Закон и порядок» на NBC (Источник: Nielsen Media Research). Какова вероятность того, что телевизор одного дома настроен на «Everybody Loves Raymond" в течение данной недели? на «Закон и порядок»?

Решениеn Вероятность того, что телевизор в одном домохозяйстве настроен на "Все любят Реймонда" равна Р, и
P = 7,815,000/105,500,000 ≈ 0,074 ≈ 7,4%.
Возможность, что телевизор домохозяйства был настроен на «Закон и порядок» составляет P, и
P = 8,302,000/105,500,000 ≈ 0,079 ≈ 7,9%.
Эти проценты называются рейтингами.

Теоретическая вероятность

Предположим, что мы проводим эксперимент, такие, как бросание монетки ли дротиков, вытаскивание карты из колоды, или проверка изделий на качество на сборочной линии. Каждый возможный результат такого эксперимента называется исход . Множество всех возможных исходов называется пространством исходов . Событие это множество исходов, то есть подмножество пространства исходов.

Пример 4 Бросание дротиков. Предположим, что в эксперименте «метание дротиков» дротик попадает в мишень. Найдите каждое из нижеследующих:

b) Пространство исходов

Решение
a) Исходы это: попадание в черное (Ч), попадание в красное (К) и попадание в белое (Б).

b) Пространство исходов есть {попадание в черное, попадание в красное, попадание в белое}, которое может быть записано просто как {Ч, К, Б}.

Пример 5 Бросание игральных костей. Игральная кость это куб с шестью гранями, на каждой их которых нарисовано от одной до шести точек.


Предположим, что мы бросаем игральную кость. Найдите
a) Исходы
b) Пространство исходов

Решение
a) Исходы: 1, 2, 3, 4, 5, 6.
b) Пространство исходов {1, 2, 3, 4, 5, 6}.

Мы обозначаем вероятность того, что событие Е случается в качестве Р (Е). Например, "монета упадет решкой" можно обозначать H. Тогда Р (Н) представляет собой вероятность того, монета упадет решкой. Когда все исходы эксперимента имеют одинаковую вероятность появления, говорят, что они равновероятны. Чтобы увидеть различия между событиями, которые равновероятны, и неравновероятными событиями, рассмотрим мишень, изображенную ниже.

Для мишени A, события попадания в черное, красное и белое равновероятны, так как черные, красные и белые сектора - одинаковые. Однако, для мишени B зоны с этими цветами не одинаковы, то есть попадание в них не равновероятно.

Принцип P (Теоретический)

Если событие E может случиться m путями из n возможных равновероятных исходов из пространства исходов S, тогда теоретическая вероятность события, P(E) составляет
P(E) = m/n.

Пример 6 Какая вероятность выкинуть 3, бросив игральный кубик?

Решение На игральном кубике 6 равновероятных исходов и существует только одна возможность выбрасивания цифры 3. Тогда вероятность P составит P(3) = 1/6.

Пример 7 Какая вероятность выбрасывания четной цифры на игральном кубике?

Решение Событие - это выбрасывание четной цифры. Это может случиться 3 способами (если выпадет 2, 4 или 6). Число равновероятных исходов равно 6. Тогда вероятность P(четное) = 3/6, или 1/2.

Мы будем использовать ряд примеров, связанных со стандартной колодой из 52 карт. Такая колода состоит из карт, показанных на рисунке ниже.

Пример 8 Какая вероятность вытянуть туза из хорошо перемешанной колоды карт?

Решение Существует 52 исхода (количество карт в колоде), они равновероятны (если колода хорошо перемешана), и есть 4 способа вытянуть туза, поэтому согласно принципу P, вероятность
P(вытягивания туза) = 4/52, или 1/13.

Пример 9 Предположим, что мы выбираем не глядя, один шарик из мешка с 3-мя красными шариками и 4-мя зелеными шариками. Какова вероятность выбора красного шарика?

Решение Существует 7 равновероятных исходов достать любой шарик, и так как число способов вытянуть красный шарик равно 3, получим
P(выбора красного шарика) = 3/7.

Следующие утверждения - это результаты из принципа P.

Свойства вероятности

a) Если событие E не может случиться, тогда P(E) = 0.
b) Если событие E случиться непременно тогда P(E) = 1.
c) Вероятность того, что событие Е произойдет это число от 0 до 1: 0 ≤ P(E) ≤ 1.

Например, в бросании монеты, событие, когда монета упадет на ребро имеет нулевую вероятность. Вероятность того, что монета либо на орел или решку имеет вероятность 1.

Пример 10 Предположим, что вытягиваются 2 карты из колоды с 52-мя картами. Какова вероятность того, что обе из них пики?

Решение Число путей n вытягивания 2 карт из хорошо перемешанной колоды с 52 картами есть 52 C 2 . Так как 13 из 52 карт являются пиками, число способов m вытягивания 2-х пик есть 13 C 2 . Тогда,
P(вытягивания 2-х пик)= m/n = 13 C 2 / 52 C 2 = 78/1326 = 1/17.

Пример 11 Предположим, что 3 человека выбираются случайно из группы, состоящей из 6-ти мужчин и 4-х женщин. Какова вероятность того, что будут выбраны 1 мужчина и 2 женщины?

Решение Число способов выбора троих человек из группы 10 человек 10 C 3 . Один мужчина может быть выбран 6 C 1 способами, и 2 женщины могут быть выбраны 4 C 2 способами. Согласно фундаментальному принципу подсчета, число способов выбора 1-го мужчины и 2-х женщин 6 C 1 . 4 C 2 . Тогда, вероятность что будет выбраны 1-го мужчины и 2-х женщин есть
P = 6 C 1 . 4 C 2 / 10 C 3 = 3/10.

Пример 12 Бросание игральных кубиков. Какая вероятность выбрасывания в сумме 8 на двух игральных кубиках?

Решение На каждом игральном кубике есть 6 возможных исходов. Исходы удваиваются, то есть существует 6.6 или 36 возможных способа, в котором могут выпасть цифры на двух кубиках. (Лучше, если кубики разные, скажем один красный а второй голубой - это поможет визуализировать результат.)

Пары цифр, в сумме составляющие 8, показаны на рисунке внизу. Есть 5 возможных способов получения суммы, равной 8, отсюда вероятность равна 5/36.