Теория вероятности. Вероятность события, случайные события (теория вероятности)

1. Изложение основных теорем и формул вероятностей: теорема сложения, условная вероятность, теорема умножения, независимость событий, формула полной вероятности.

Цели: создание благоприятных условий для введения понятия вероятности события; знакомство с основными теоремами и формулами теории вероятностей; ввести формулу полной вероятности.

Ход занятия:

Случайным экспериментом (опытом) называют процесс, при котором возможны различные исходы, причем заранее нельзя предсказать, каков будет результат. Возможные исключающие друг друга исходы опыта называются его элементарными событиями . Множество элементарных событий обозначим через W.

Случайным событием называется событие, о котором нельзя заранее сказать, произойдет оно в результате опыта или нет. Каждому случайному событию А, происшедшему в результате опыта, можно поставить в соответствие группу элементарных событий из W. Элементарные события, входящие в состав этой группы, называют благоприятствующими появлению события А.

Множество W также можно рассматривать как случайное событие. Поскольку оно включает все элементарные события, то обязательно произойдет в результате опыта. Такое событие называют достоверным .

Если для данного события нет благоприятствующих элементарных событий из W, то и результате опыта оно произойти не может. Такое событие называют невозможным.

События называют равновозможными , если в результате испытания обеспечиваются равные возможности осуществления этих событий. Два случайных события называются противоположными , если в результате проведения опыта одно из них происходит тогда и только тогда, когда не происходит другое. Событие, противоположное событию А, обозначают .

События А и В называют несовместными , если появление одного из них исключает появление другого. События А 1 , А 2 , ..., А n называют попарно несовместными, если любые два из них несовместны. События А 1 , А 2 , ..., Аn образуют полную систему попарно несовместных событий , если в результате испытания обязательно произойдет одно и только одно из них.

Суммой (объединением) событий А 1 , А 2 , ..., А n называется такое событие С, которое состоит в том, что произошло хотя бы одно из событий А 1 , А 2 , ..., А n Сумма событий обозначается следующим образом:

C = A 1 +A 2 +…+A n .

Произведением (пересечением) событий А 1 , А 2 , ..., А n называется такое событие П, которое состоит в том, что одновременно произошли все события А 1 , А 2 , ..., А n . Произведение событий обозначается

Вероятность Р(А) в теории вероятностей выступает как числовая характеристика степени возможности появления какого-либо определенного случайного события А при многократном повторении испытаний.

Допустим, при 1000 бросаний игральной кости цифра 4 выпадает 160 раз. Отношение 160/1000 = 0,16 показывает относительную частоту выпадений цифры 4 в данной серии испытаний. В более общем случае частотой случайного события А при проведении серии опытов называют отношение числа опытов, в которых произошло данное событие, к общему числу опытов:

где Р*(А) - частота события А; m - число опытов, в которых произошло событие А; n - общее число опытов.

Вероятностью случайного события А называют постоянное число, около которого группируются частоты данного события по мере увеличения количества опытов (статистическое определение вероятности события ). Вероятность случайного события обозначают Р(А).

Естественно, что никто и никогда не сможет проделать неограниченное число испытаний для того, чтобы определить вероятность. В этом нет и необходимости. Практически за вероятность можно принять частоту события при большом числе испытаний. Так, например, из статистических закономерностей рождения, установленных за много лет наблюдений, вероятность того события, что новорожденный будет мальчиком, оценивается в 0,515.

Если при испытании нет каких-либо причин, вследствие которых одно случайное событие появилось бы чаще других (равновозможные события ), можно определить вероятность исходя из теоретических соображений. Например, выясним в случае бросания монеты частоту выпадения герба (событие А). разными экспериментаторами при нескольких тысячах испытаний было показано, что относительная частота такого события принимает значения, близкие к 0,5. учитывая, что появление герба и противоположной стороны монеты (событие В) являются событиями равновозможными, если монета симметрична, суждение Р(А)=Р(В)=0,5 можно было бы сделать и без определения частоты этих событий. На основе понятия «равновозможности» событий формулируется другое определение вероятности.

Пусть рассматриваемое событие А происходит в m случаях, которые называются благоприятствующими А, и не происходит при остальных n-m, неблагоприятствующих А.

Тогда вероятность события А равна отношению количества благоприятствующих ему элементарных событий к их общему числу (классическое определение вероятности события ):

где m - количество элементарных событий, благоприятствующих событию А; n - Общее количество элементарных событий.

Рассмотрим несколько примеров:

Пример №1: В урне находится 40 шаров: 10 черных и 30 белых. Найти вероятность того, что наугад выбранный шар будет черным.

Число благоприятствующих случаев равно числу черных шаров в урне: m = 10. общее число равновозможных событий (вынимание одного шара) равна полному числу шаров в урне: n = 40. Эти события несовместны, так как вынимается один и только один шар. Р(А) = 10/40 = 0,25

Пример №2: найти вероятность выпадения четного числа при бросании игральной кости.

При бросании кости реализуется шесть равновозможных несовместных событий: появление одной цифры:1,2,3,4,5 или 6, т.е. n = 6. благоприятствующими случаями являются выпадение одной из цифр 2,4 или 6: m = 3. искомая вероятность Р(А) = m/N = 3/6 = ½.

Как видим из определения вероятности события, для всех событий

0 < Р(А) < 1.

Очевидно, что вероятность достоверного события равна 1, вероятность невозможного события равна 0.

Теорема сложения вероятностей: вероятность появления одного (безразлично какого) события из нескольких несовместных событий равна сумме их вероятностей.

Для двух несовместных событий А и В вероятностей этих событий равна сумме их вероятностей:

Р(А или В)=Р(А) + Р(В).

Пример №3: найти вероятность выпадения 1 ил 6 при бросании игральной кости.

Событие А (выпадение 1) и В(выпадение 6) являются равновозможными: Р(А) = Р(В) = 1/6, поэтому Р(А или В) = 1/6 + 1/6 = 1/3

Сложение вероятностей справедливо не только для двух, но и для любого числа несовместных событий.

Пример №4: в урне находится 50 шаров: 10 белых, 20 черных, 5 красных и 15 синих. Найти вероятность появления белого, или черного, или красного шара при однократной операции изъятия шара из урны.

Вероятность вынимания белого шара (событие А) равна Р(А) = 10/50 = 1/5, черного шара (событие В) равна Р(В) = 20/50 = 2/5 и красного шара (событие С) равно Р(С) = 5/50 = 1/10. Отсюда по формуле сложения вероятностей получим Р(А или В или С) = Р(А) +Р(В) =Р(С) = 1/5 + 2/5 + 1/10 = 7/10

Сумма вероятностей двух противоположных событий, как следует из теоремы сложения вероятностей, равна единице:

Р(А) + Р() = 1

В выше рассмотренном примере вынимание белого, черного и красного шара будет событием А 1 , Р(А 1) = 7/10. Противоположным событием 1 является доставание синего шара. Так как синих шаров 15, а общее количество шаров 50, то получаем Р( 1) = 15/50 = 3/10 и Р(А) + Р() = 7/10 +3/10 = 1.

Если события А 1 , А 2 , ..., А n образуют полную систему попарно несовместных событий, то сумма их вероятностей равна 1.

В общем случае вероятность суммы двух событий А и В вычисляется как

Р(А+В) = Р(А) + Р(В) - Р (АВ).

Теорема умножения вероятностей:

События А и В называются независимыми , если вероятность появления события А не зависит от того, произошло событие В или нет, и наоборот, вероятность появления события В не зависит от того, произошло событие А или нет.

Вероятность совместного появления независимых событий равна произведению их вероятностей . Для двух событий Р(А и В)=Р(А)·Р(В).

Пример: В одной урне 5 черных и 10 белых шаров, в другой 3 черных и 17 белых. Найти вероятность того, что при первом вынимании шаров из каждой урны оба шара окажутся черными.

Решение: вероятность вытаскивания черного шара из первой урны (событие А) – Р(А) = 5/15 = 1/3, черного шара из второй урны (событие В) – Р(В) = 3/20

Р(А и В)=Р(А)·Р(В) = (1/3)(3/20) = 3/60 = 1/20.

На практике нередко вероятность события В зависит оттого, произошло некоторое другое событие А или нет. В этом случае говорят об условной вероятности , т.е. вероятности события В при условии, что событие А произошло. Условную вероятность обозначают P(B/A).

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.

Теория вероятностей изучает виды событий и вероятности их появления. Возникновение теории вероятностей относится к середине XVII века, когда математики заинтересовались задачами, поставленными азартными игроками и стали изучать такие события, как появление выигрыша. В процессе решения этих задач выкристаллизовались такие понятия, как вероятность и математическое ожидание. Ученые того времени – Гюйгенс (1629-1695), Паскаль (1623-1662), Ферма (1601-1665) и Бернулли (1654-1705) были убеждены, что на базе массовых случайных событий могут возникать четкие закономерности. При этом для исследований было достаточно элементарных арифметических и комбинаторных действий.

Итак, теория вероятностей объясняет и исследует различные закономерности, которым подчинены случайные события и случайные величины. Событием является любой факт, который можно констатировать в результате наблюдения или опыта. Наблюдением или опытом называют реализацию определенных условий, в которых событие может состояться.

Что нужно знать, чтобы определять вероятность появления события

Все события, за которыми люди наблюдают или сами создают их, делятся на:

• достоверные события;
• невозможные события;
• случайные события.

Достоверные события наступают всегда, когда создан определенный комплекс обстоятельств. Например, если работаем, то получаем за это вознаграждение, если сдали экзамены и выдержали конкурс, то достоверно можем рассчитывать на то, что включены в число студентов. Достоверные события можно наблюдать в физике и химии. В экономике достоверные события связаны с существующим общественным устройством и законодательством. Например, если мы вложили деньги в банк на депозит и выразили желание в определенный срок их получить, то деньги получим. На это можно рассчитывать как на достоверное событие.

Невозможные события определенно не наступают, если создался определенный комплекс условий. Например, вода не замерзает, если температура составляет плюс 15 градусов по Цельсию, производство не ведется без электроэнергии.

Случайные события при реализации определенного комплекса условий могут наступить и могут не наступить. Например, если мы один раз подбрасываем монету, герб может выпасть, а может не выпасть, по лотерейному билету можно выиграть, а можно не выиграть, произведенное изделие может быть годным, а может быть бракованным. Появление бракованного изделия является случайным событием, более редким, чем производство годных изделий.

Ожидаемая частота появления случайных событий тесно связана с понятием вероятности. Закономерности наступления и ненаступления случайных событий исследует теория вероятностей.

Если комплекс нужных условий реализован лишь один раз, то получаем недостаточно информации о случайном событии, поскольку оно может наступить, а может не наступить. Если комплекс условий реализован много раз, то появляются известные закономерности. Например, никогда невозможно узнать, какой кофейный аппарат в магазине потребует очередной покупатель, но если известны марки наиболее востребованных в течение длительного времени кофейных аппаратов, то на основе этих данных возможно организовать производство или поставки, чтобы удовлетворить спрос.

Знание закономерностей, которым подчинены массовые случайные события, позволяет прогнозировать, когда эти события наступят. Например, как уже ранее отмечено, заранее нельзя предусмотреть результат бросания монеты, но если монета брошена много раз, то можно предусмотреть выпадение герба. Ошибка может быть небольшой.

Методы теории вероятностей широко используются в различных отраслях естествознания, теоретической физике, геодезии, астрономии, теории автоматизированного управления, теории наблюдения ошибок, и во многих других теоретических и практических науках. Теория вероятностей широко используется в планировании и организации производства, анализе качества продукции, анализе технологических процессов, страховании, статистике населения, биологии, баллистике и других отраслях.

Случайные события обычно обозначают большими буквами латинского алфавита A, B, C и т.д.

Случайные события могут быть:

• несовместными;
• совместными.

События A, B, C … называют несовместными , если в результате одного испытания может наступить одно из этих событий, но невозможно наступление двух или более событий.

Если наступление одного случайного события не исключает наступление другого события, то такие события называют совместными . Например, если с ленты конвейера снимают очередную деталь и событие А означает «деталь соответствует стандарту», а событие B означает «деталь не соответствует стандарту», то A и B – несовместные события. Если событие C означает «взята деталь II сорта», то это событие совместно с событием A, но несовместно с событием B.

Если в каждом наблюдении (испытании) должно произойти одно и только одно из несовместных случайных событий, то эти события составляют полное множество (систему) событий .

Достоверным событием является наступление хотя бы одного события из полного множества событий.

Если события, образующие полное множество событий, попарно несовместны , то в результате наблюдения может наступить только одно из этих событий. Например, студент должен решить две задачи контрольной работы. Определенно произойдет одно и только одно из следующих событий:

• будет решена первая задача и не будет решена вторая задача;
• будет решена вторая задача и не будет решена первая задача;
• будут решены обе задачи;
• не будет решена ни одна из задач.

Эти события образуют полное множество несовместных событий .

Если полное множество событий состоит только из двух несовместных событий, то их называют взаимно противоположными или альтернативными событиями.

Событие, противоположное событию , обозначают . Например, в случае одного подбрасывания монеты может выпасть номинал () или герб ().

События называют равновозможными , если ни у одного из них нет объективных преимуществ. Такие события также составляют полное множество событий. Это значит, что в результате наблюдения или испытания определенно должно наступить по меньшей мере одно из равновозможных событий.

Например, полную группу событий образуют выпадение номинала и герба при одном подбрасывании монеты, наличие на одной печатной странице текста 0, 1, 2, 3 и более 3 ошибок.

Классическая и статистическая вероятности. Формулы вероятностей: классической и статистической

Классическое определение вероятности. Возможностью или благоприятным случаем называют случай, когда при реализации определённого комплекса обстоятельств события А происходят. Классическое определение вероятности предполагает напрямую вычислить число благоприятных случаев или возможностей.

Вероятностью события А называют отношение числа благоприятных этому событию возможностей к числу всех равновозможных несовместных событий N , которые могут произойти в результате одного испытания или наблюдения. Формула вероятности события А :

Если совершенно понятно, о вероятности какого события идёт речь, то тогда вероятность обозначают маленькой буквой p , не указывая обозначения события.

Чтобы вычислить вероятность по классическому определению, необходимо найти число всех равновозможных несовместных событий и определить, сколько из них благоприятны определению события А .

Пример 1. Найти вероятность выпадения числа 5 в результате бросания игральной кости.

Решение. Известно, что у всех шести граней одинаковая возможность оказаться наверху. Число 5 отмечено только на одной грани. Число всех равновозможных несовместных событий насчитывается 6, из них только одна благоприятная возможность выпадения числа 5 (М = 1). Это означает, что искомая вероятность выпадения числа 5

Пример 2. В ящике находятся 3 красных и 12 белых одинаковых по размеру мячиков. Не глядя взят один мячик. Найти вероятность, что взят красный мячик.

Решение. Искомая вероятность

Найти вероятности самостоятельно, а затем посмотреть решение

Пример 3. Бросается игральная кость. Событие B - выпадение чётного числа. Вычислить вероятность этого события.

Пример 5. В урне 5 белых и 7 чёрных шаров. Случайно вытаскивается 1 шар. Событие A - вытянут белый шар. Событие B - вытянут чёрный шар. Вычислить вероятности этих событий.

Классическую вероятность называют также априорной вероятностью, так как её рассчитывают перед началом испытания или наблюдения. Из априорного характера классической вероятности вытекает её главный недостаток: только в редких случаях уже перед началом наблюдения можно вычислить все равновозможные несовместные события и в том числе благоприятные события. Такие возможности обычно возникают в ситуациях, родственных играм.

Сочетания. Если последовательность событий не важна, число возможных событий вычисляют как число сочетаний:

Пример 6. В группе 30 студентов. Трём студентам следует направиться на кафедру информатики, чтобы взять и принести компьютер и проектор. Вычислить вероятность того, что это сделают три определённых студента.

Решение. Число возможных событий рассчитываем, используя формулу (2):

Вероятность того, что на кафедру отправятся три определённых студента:

Пример 7. Продаются 10 мобильных телефонов. Их них у 3 есть дефекты. Покупатель выбрал 2 телефона. Вычислить вероятность того, что оба выбранных телефона будут с дефектами.

Решение. Число всех равновозможных событий находим по формуле (2):

По той же формуле находим число благоприятных событию возможностей:

Искомая вероятность того, что оба выбранных телефона будут с дефектами:

Найти вероятность самостоятельно, а затем посмотреть решение

Пример 8. В экзаменационных билетах 40 вопросов, которые не повторяются. Студент подготовил ответы на 30 из них. В каждом билете 2 вопроса. Какова вероятность того, что студент знает ответы на оба вопроса в билете?

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,

Относительная частота

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.