Теория вероятности к чему относится

Теория вероятностей, формулы и примеры

Тема непростая, но если вы собираетесь поступать на факультет, где нужны базовые знания высшей математики, освоить материал — must have. Тем более, все формулы по теории вероятности пригодятся не только в универе, но и при решении 4 задания на ЕГЭ. Начнем!

Основные понятия

Французские математики Блез Паскаль и Пьер Ферма анализировали азартные игры и исследовали прогнозы выигрыша. Тогда они заметили первые закономерности случайных событий на примере бросания костей и сформулировали теорию вероятностей.

Когда мы кидаем монетку, то не можем точно сказать, что выпадет: орел или решка.

Но если подкидывать монету много раз — окажется, что каждая сторона выпадает примерно равное количество раз. Из чего можно сформулировать вероятность: 50% на 50%, что выпадет «орел» или «решка».

Теория вероятностей — это раздел математики, который изучает закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Вероятность — это степень возможности, что какое-то событие произойдет. Если у нас больше оснований полагать, что что-то скорее произойдет, чем нет — такое событие называют вероятным.

Ну, скажем, смотрим на тучи и понимаем, что дождь — вполне себе вероятное событие. А если светит яркое солнце, то дождь — маловероятное или невероятное событие.

Случайная величина — это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Случайные величины можно разделить на две категории:

Вероятностное пространство — это математическая модель случайного эксперимента (опыта). Вероятностное пространство содержит в себе всю информацию о свойствах случайного эксперимента, которая нужна, чтобы проанализировать его через теорию вероятностей.

Формулы по теории вероятности

Теория вероятности изучает события и их вероятности. Если событие сложное, то его можно разбить на простые составные части — так легче и быстрее найти их вероятности. Рассмотрим основные формулы теории вероятности.

Случайные события. Основные формулы комбинаторики

Классическое определение вероятности

Вероятностью события A в некотором испытании называют отношение:

P (A) = m/n, где n — общее число всех равновозможных, элементарных исходов этого испытания, а m — количество элементарных исходов, благоприятствующих событию A

Таким образом, вероятность любого события удовлетворяет двойному неравенству:

Пример 1. В пакете 15 конфет: 5 с молочным шоколадом и 10 — с горьким. Какова вероятность вынуть из пакета конфету с белым шоколадом?

Так как в пакете нет конфет с белым шоколадом, то m = 0, n = 15. Следовательно, искомая вероятность равна нулю:

Неприятная новость для любителей белого шоколада: в этом примере событие «вынуть конфету с белым шоколадом» — невозможное.

Пример 2. Из колоды в 36 карт вынули одну карту. Какова вероятность появления карты червовой масти?

Количество элементарных исходов, то есть количество карт равно 36 (n). Число случаев, благоприятствующих появлению карты червовой масти (А) равно 9 (m).

Геометрическое определение вероятности

Геометрическая вероятность события А определяется отношением:

P(A)= m(A)/m(G), где m(G) и m(A) — геометрические меры (длины, площади или объемы) всего пространства элементарных исходов G и события А соответственно

Чаще всего, в одномерном случае речь идет о длинах отрезков, в двумерном — о площадях фигур, а в трехмерном — об объемах тел.

Пример. Какова вероятность встречи с другом, если вы договорились встретиться в парке в промежутке с 12.00 до 13.00 и ждете друг друга 5 минут?

У нас есть отличные курсы по математике для учеников с 1 по 11 классы — приглашаем на вводный урок!

Сложение и умножение вероятностей

Теорема о сложении вероятностей звучит так: вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий:

P(A + B) = P(A) + P(B)

Эта теорема справедлива для любого числа несовместных событий:

Если случайные события A₁, A₂. A_n образуют полную группу несовместных событий, то справедливо равенство:

Произведением событий А и В называется событие АВ, которое наступает тогда, когда наступают оба события: А и В одновременно. Случайные события А и B называются совместными, если при данном испытании могут произойти оба эти события.

Вторая теорема о сложении вероятностей: вероятность суммы совместных событий вычисляется по формуле:

P(A + B) = P(A) + P(B) − P(AB)

События событий А и В называются независимыми, если появление одного из них не меняет вероятности появления другого. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.

Теорема об умножении вероятностей: вероятность произведения независимых событий А и В вычисляется по формуле:

P(AB) = P(A) * P(B)

Пример. Студент разыскивает нужную ему формулу в трех справочниках. Вероятности того, что формула содержится в первом, втором и третьем справочниках равны 0,6; 0,7 и 0,8.

Найдем вероятности того, что формула содержится:

А — формула содержится в первом справочнике;

В — формула содержится во втором справочнике;

С — формула содержится в третьем справочнике.

Воспользуемся теоремами сложения и умножения вероятностей.

Ответ: 1 — 0,188; 2 — 0,452; 3 — 0,336.

Формула полной вероятности и формула Байеса

По теореме умножения вероятностей:

Аналогично, для остальных гипотез:

Эта формула называется формулой Байеса. Вероятности гипотез называются апостериорными вероятностями, тогда как — априорными вероятностями.

Пример. Одного из трех стрелков вызывают на линию огня, он производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго — 0,5; для третьего — 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком.

Формула Бернулли

При решении вероятностных задач часто бывает, что одно и тоже испытание повторяется многократно, и исход каждого испытания независит от исходов других. Такой эксперимент называют схемой повторных независимых испытаний или схемой Бернулли.

Примеры повторных испытаний:

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы. А вероятность появления события А в каждом случае постоянна и не изменяется от испытания к испытанию.

Биномиальное распределение — распределение числа успехов (появлений события).

Пример. Среди видео, которые снимает блогер, бывает в среднем 4% некачественных: то свет плохой, то звук пропал, то ракурс не самый удачный. Найдем вероятность того, что среди 30 видео два будут нестандартными.

Опыт заключается в проверке каждого из 30 видео на качество. Событие А — это какая-то неудача (свет, ракурс, звук), его вероятность p = 0,04, тогда q = 0,96. Отсюда по формуле Бернулли можно найти ответ:

Ответ: вероятность плохого видео приблизительно 0,202. Блогер молодец🙂

Наивероятнейшее число успехов

Биномиальное распределение ( по схеме Бернулли) помогает узнать, какое число появлений события А наиболее вероятно. Формула для наиболее вероятного числа успехов k (появлений события) выглядит так:

Пример. В очень большом секретном чатике сидит 730 человек. Вероятность того, что день рождения наугад взятого участника чата приходится на определенный день года — равна 1/365 для каждого из 365 дней. Найдем наиболее вероятное число счастливчиков, которые родились 1 января.

Формула Пуассона

При большом числе испытаний n и малой вероятности р формулой Бернулли пользоваться неудобно. Например, 0.97 999 вычислить весьма затруднительно.

В этом случае для вычисления вероятности того, что в n испытаниях событие произойдет k раз, используют формулу Пуассона:

Здесь λ = np обозначает среднее число появлений события в n испытаниях.

Эта формула дает удовлетворительное приближение для p ≤ 0,1 и np ≤10.

События, для которых применима формула Пуассона, называют редкими, так как вероятность, что они произойдут — очень мала (обычно порядка 0,001-0,0001).

При больших np рекомендуют применять формулы Лапласа, которую рассмотрим чуть позже.

Пример. В айфоне 1000 разных элементов, которые работают независимо друг от друга. Вероятность отказа любого элемента в течении времени Т равна 0,002. Найти вероятность того, что за время Т откажут ровно три элемента.

P₁₀₀₀(3) = λ 3 /3! * e −λ = 2 3 /3! * e −2 ≈ 0,18.

Ответ: ориентировочно 0,18.

Теоремы Муавра-Лапласа

Кроме того, пусть P_n(k₁;k₂) — вероятность того, что число появлений события А находится между k₁ и k₂.

Локальная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Интегральная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Функции Гаусса и Лапласа обладают свойствами, которые пригодятся, чтобы правильно пользоваться таблицей значений этих функций:

Теоремы Лапласа дают удовлетворительное приближение при npq ≥ 9. Причем чем ближе значения q, p к 0,5, тем точнее данные формулы. При маленьких или больших значениях вероятности (близких к 0 или 1) формула дает большую погрешность по сравнению с исходной формулой Бернулли.

Источник

Теория вероятности к чему относится

1. Случайная величина (СВ) и вероятность события.

2. Закон распределения СВ.

3. Биномиальное распределение (распределение Бернулли).

4. Распределение Пуассона.

5. Нормальное (гауссовское) распределение.

6. Равномерное распределение.

7. Распределение Стьюдента.

2.1 Случайная величина и вероятность события

Математическая статистика тесно связана с другой математической наукой – теорией вероятности и базируется на ее математическом аппарате.

Случайная величина (СВ) – это численная характеристика, измеряемая по ходу опыта и зависящая от случайного исхода. СВ реализуемая по ходу опыта и сама является случайной. Каждая СВ задает распределение вероятностей.

Основным свойством педагогических процессов, явлений служит их вероятностный характер (при данных условиях они могут произойти, реализоваться, но могут и не произойти). Для таких явлений существенную роль играет понятие вероятности.

Вероятность (Р) показывает степень возможности осуществления данного события, явления, результата. Вероятность невозможного события равна нулю p = 0, достоверного — единице p = 1 (100%). Вероятность любого события лежит в пределах от 0 до 1, в зависимости от того, насколько это событие случайно.

Существует два вида выборок СВ: зависимые и независимые. Если результаты измерения некоторого свойства у объектов первой выборки не оказывают влияния на результаты измерения этого свойства у объектов второй выборки, то такие выборки считаются независимыми. В тех случаях, когда результаты одной выборки влияют на результаты другой выборки, выборки считают зависимыми. Классический способ получения зависимых измерений – это двукратное измерение одного и того же свойства (или разных свойств) у членов одной и той же группы.

Событие А не зависит от события В, если вероятность события А не зависит от того произошло или нет событие В. События А и В независимы, если Р(АВ)=Р(А)Р(В). На практике независимость события устанавливается из условий опыта, интуиции исследователя и практики.

СВ бывает дискретной (мы можем пронумеровать ее возможные значения), например, выпадение игральной кости = 4, 6, 2, и непрерывной (ее функция распределения F(x) – непрерывна), например, время службы лампочки.

Математическое ожидание – числовая характеристика СВ, приближенно равная среднему значению СВ:

2.2 Закон распределения СВ

Подчиняются ли каким-либо законам явления, носящие случайный характер? Да, но эти законы отличаются от привычных нам физических законов. Значения СВ невозможно предугадать даже при известных условиях эксперимента, мы можем лишь указать вероятности того, что СВ примет то или иное значение. Зато зная распределение вероятностей СВ, мы можем делать выводы о событиях, в которых участвуют эти случайные величины. Правда, эти выводы будут также носить вероятностный характер.

Пусть некоторая СВ является дискретной, т.е. может принимать лишь фиксированные значения X_i. В этом случае ряд значений вероятностей P(X_i) для всех (i=1…n) допустимых значений этой величины называют её законом распределения.

При построении математической модели для проверки статистической гипотезы необходимо ввести математическое предположение о законе распределения СВ (параметрический путь построения модели).

Непараметрический подход к описанию математической модели (СВ не имеет параметрического закона распределения) менее точен, но имеет более широкую область применения.

Точно также, как и для вероятности случайного события, для закона распределения СВ есть только два пути его отыскания. Либо мы строим схему случайного события и находим аналитическое выражение (формулу) вычисления вероятности (возможно, кто–то уже сделал или сделает это до вас!), либо придется использовать эксперимент и по частотам наблюдений делать какие–то предположения (выдвигать гипотезы) о законе распределения.

Конечно же, для каждого из «классических» распределений уже давно эта работа проделана ­– широко известными и очень часто используемыми в прикладной статистике являются биномиальное и полиномиальное распределения, геометрическое и гипергеометрическое, распределение Паскаля и Пуассона и многие другие.

Для почти всех классических распределений немедленно строились и публиковались специальные статистические таблицы, уточняемые по мере увеличения точности расчетов. Без использования многих томов этих таблиц, без обучения правилам пользования ими последние два столетия практическое использование статистики было невозможно.

Сегодня положение изменилось – нет нужды хранить данные расчетов по формулам (как бы последние не были сложны!), время на использование закона распределения для практики сведено к минутам, а то и секундам. Уже сейчас существует достаточное количество разнообразных пакетов прикладных компьютерных программ для этих целей.

Среди всех вероятностных распределений есть такие, которые используются на практике особенно часто. Эти распределения детально изучены и свойства их хорошо известны. Многие из этих распределений лежат в основе целых областей знаний – таких, как теория массового обслуживания, теория надежности, контроль качества, теория игр и т.п.

2.3 Биномиальное распределение (распределение Бернулли)

Возникает в тех случаях, когда ставится вопрос: сколько раз происходит некоторое событие в серии из определенного числа независимых наблюдений (опытов), выполняемых в одинаковых условиях.

Для удобства и наглядности будем полагать, что нам известна величина p – вероятность того, что вошедший в магазин посетитель окажется покупателем и (1– p) = q – вероятность того, что вошедший в магазин посетитель не окажется покупателем.

Если X – число покупателей из общего числа n посетителей, то вероятность того, что среди n посетителей оказалось k покупателей равна

Формулу (1) называют формулой Бернулли. При большом числе испытаний биномиальное распределение стремиться к нормальному.

2.4 Распределение Пуассона

Играет важную роль в ряде вопросов физики, теории связи, теории надежности, теории массового обслуживания и т.д. Всюду, где в течение определенного времени может происходить случайное число каких-то событий (радиоактивных распадов, телефонных вызовов, отказов оборудования, несчастный случаях и т.п.).

Рассмотрим наиболее типичную ситуацию, в которой возникает распределение Пуассона. Пусть некоторые события (покупки в магазине) могут происходить в случайные моменты времени. Определим число появлений таких событий в промежутке времени от 0 до Т.

Случайное число событий, происшедших за время от 0 до Т, распределено по закону Пуассона с параметром l=аТ, где а>0 – параметр задачи, отражающий среднюю частоту событий. Вероятность k покупок в течение большого интервала времени, (например, – дня) составит

2.5 Нормальное (гауссовское) распределение

Нормальное (гауссовское) распределение занимает центральное место в теории и практике вероятностно-статистических исследований. В качестве непрерывной аппроксимации к биномиальному распределению его впервые рассматривал А.Муавр в 1733 г. Через некоторое время нор­мальное распределение снова открыли и изучили К.Гаусс (1809 г.) и П.Лаплас, которые пришли к нормальной функции в связи с ра­ботой по теории ошибок наблюдений.

Непрерывная случайная величина Х называется распределенной по нормальному закону, если ее плотность распределения равна

Значит, эта ордината убывает с возрастанием значения s (кривая «сжимается» к оси Ох) и возрастает с убыванием значения s (кривая «растягивается» в положительном направлении оси Оу). Изменение значений параметра

Нормальное распределение с параметрами

Для μ=0, σ=1 график принимает вид:

Эта кривая при μ=0, σ=1 получила статус стандарта, ее называют единичной нормальной кривой, то есть любые собранные данные стремятся преобразовать так, чтобы кривая их распределения была максимально близка к этой стандартной кривой.

Нормализованную кривую изобрели для решения задач теории вероятности, но оказалось на практике, что она отлично аппроксимирует распределение частот при большом числе наблюдений для множества переменных. Можно предположить, что не имея материальных ограничений на количество объектов и время проведения эксперимента, статистическое исследование приводится к нормально кривой.

2.6 Равномерное распределение

Равномерное распределение вероятностей является простейшим и может быть как дискретным, так и непрерывным. Дискретное равномерное распределение – это такое распределение, для которого вероятность каждого из значений СВ одна и та же, то есть:

где N – количество возможных значений СВ.

Распределение вероятностей непрерывной CВ Х, принимающие все свои значения из отрезка [а;b] называется равномерным, если ее плотность вероятности на этом отрезке постоянна, а вне его равна нулю:

2.7 Распределение Стьюдента

Это распределение связано с нормальным. Если СВ x₁, x₂, … x_n – независимы, и каждая из них имеет стандартное нормальное распределение N(0,1), то СВ имеет распределение, называемое распределением Стьюдента:

Источник

Основы теории вероятностей и математической статистики

Разделы: Математика

ВВЕДЕНИЕ

Многие вещи нам непонятны не потому, что наши понятия слабы;
но потому, что сии вещи не входят в круг наших понятий.
Козьма Прутков

Основная цель изучения математики в средних специальных учебных заведениях состоит в том, чтобы дать студентам набор математических знаний и навыков, необходимых для изучения других программных дисциплин, использующих в той или иной мере математику, для умения выполнять практические расчеты, для формирования и развития логического мышления.

В данной работе последовательно вводятся все базовые понятия раздела математики «Основы теории вероятностей и математической статистики», предусмотренные программой и Государственными образовательными стандартами среднего профессионального образования (Министерство образования Российской Федерации. М., 2002г.), формулируются основные теоремы, большая часть которых не доказывается. Рассматриваются основные задачи и методы их решения и технологии применения этих методов к решению практических задач. Изложение сопровождается подробными комментариями и многочисленными примерами.

Методические указания могут быть использованы для первичного ознакомления с изучаемым материалом, при конспектировании лекций, для подготовки к практическим занятиям, для закрепления полученных знаний, умений и навыков. Кроме того, пособие будет полезно и студентам- старшекурсникам как справочное пособие, позволяющее быстро восстановить в памяти то, что было изучено ранее.

В конце работы приведены примеры и задания, которые студенты могут выполнять в режиме самоконтроля.

Методические указания предназначены для студентов заочной и дневной форм обучения.

ОСНОВНЫЕ ПОНЯТИЯ

Теория вероятностей изучает объективные закономерности массовых случайных событий. Она является теоретической базой для математической статистики, занимающейся разработкой методов сбора, описания и обработки результатов наблюдений. Путем наблюдений (испытаний, экспериментов), т.е. опыта в широком смысле слова, происходит познание явлений действительного мира.

В своей практической деятельности мы часто встречаемся с явлениями, исход которых невозможно предсказать, результат которых зависит от случая.

Случайное явление можно охарактеризовать отношением числа его наступлений к числу испытаний, в каждом из которых при одинаковых условиях всех испытаний оно могло наступить или не наступить.

Теория вероятностей есть раздел математики, в котором изучаются случайные явления (события) и выявляются закономерности при массовом их повторении.

При этом под статистическими данными понимается совокупность чисел, которые представляют количественные характеристики интересующих нас признаков изучаемых объектов. Статистические данные получаются в результате специально поставленных опытов, наблюдений.

Статистические данные по своей сущности зависят от многих случайных факторов, поэтому математическая статистика тесно связана с теорией вероятностей, которая является ее теоретической основой.

I. ВЕРОЯТНОСТЬ. ТЕОРЕМЫ СЛОЖЕНИЯ И УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ

1.1. Основные понятия комбинаторики

Таким образом, полученные комбинации удовлетворяют различным условиям.

В зависимости от правил составления можно выделить три типа комбинаций: перестановки, размещения, сочетания.

Предварительно познакомимся с понятием факториала.

Произведение всех натуральных чисел от 1 до n включительно называют n-факториалом и пишут .

Вычислить: а) ; б) ; в) .

Решение. а) .

б) Так как и , то можно вынести за скобки

.

в) .

Комбинация из n элементов, которые отличаются друг от друга только порядком элементов, называются перестановками.

Число перестановок можно вычислить по формуле

или с помощью факториала:

Запомним, что 0!=1 и 1!=1.

Пример 2. Сколькими способами можно расставлять на одной полке шесть различных книг?

Решение. Искомое число способов равно числу перестановок из 6 элементов, т.е.

.

Размещениями из m элементов в n в каждом называются такие соединения, которые отличаются друг от друга либо самими элементами (хотя бы одним), либо порядком из расположения.

Размещения обозначаются символом , где m— число всех имеющихся элементов, n— число элементов в каждой комбинации. (А-первая буква французского слова arrangement, что означает «размещение, приведение в порядок»).

При этом полагают, что nm.

Число размещений можно вычислить по формуле

,

т.е. число всех возможных размещений из m элементов по n равно произведению n последовательных целых чисел, из которых большее есть m.

Запишем эту формулу в факториальной форме:

.

Пример 3. Сколько вариантов распределения трех путевок в санатории различного профиля можно составить для пяти претендентов?

Решение. Искомое число вариантов равно числу размещений из 5 элементов по 3 элемента, т.е.

.

Сочетаниями называются все возможные комбинации из m элементов по n, которые отличаются друг от друга по крайней мере хотя бы одним элементом (здесь m и n-натуральные числа, причем n m).

В общем случае число из m элементов по n равно числу размещений из m элементов по n, деленному на число перестановок из n элементов:

Используя для чисел размещений и перестановок факториальные формулы, получим:

Пример 4. В бригаде из 25 человек нужно выделить четырех для работы на определенном участке. Сколькими способами это можно сделать?

Решение. Так как порядок выбранных четырех человек не имеет значения, то это можно сделать способами.

Находим по первой формуле

.

Кроме того, при решении задач используются следующие формулы, выражающие основные свойства сочетаний:

(по определению полагают и );

.

1.2. Решение комбинаторных задач

Задача 1. На факультете изучается 16 предметов. На понедельник нужно в расписание поставить 3 предмета. Сколькими способами можно это сделать?

Решение. Способов постановки в расписание трех предметов из 16 столько, сколько можно составить размещений из 16 элементов по 3.

.

Задача 2. Из 15 объектов нужно отобрать 10 объектов. Сколькими способами это можно сделать?

Задача 3. В соревнованиях участвовало четыре команды. Сколько вариантов распределения мест между ними возможно?

.

Задача 4. Сколькими способами можно составить дозор из трех солдат и одного офицера, если имеется 80 солдат и 3 офицера?

Решение. Солдат в дозор можно выбрать

способами, а офицеров способами. Так как с каждой командой из солдат может пойти любой офицер, то всего имеется способов.

Задача 5. Найти , если известно, что .

Так как , то получим

,

,

,

, .

По определению сочетания следует, что , . Т.о. .

1.3. Понятие о случайном событии. Виды событий. Вероятность события

Всякое действие, явление, наблюдение с несколькими различными исходами, реализуемое при данном комплексе условий, будем называть испытанием.

Результат этого действия или наблюдения называется событием.

Если событие при заданных условиях может произойти или не произойти, то оно называется случайным. В том случае, когда событие должно непременно произойти, его называют достоверным, а в том случае, когда оно заведомо не может произойти,- невозможным.

События называются несовместными, если каждый раз возможно появление только одного из них.

События называются совместными, если в данных условиях появление одного из этих событий не исключает появление другого при том же испытании.

События называются противоположными, если в условиях испытания они, являясь единственными его исходами, несовместны.

Если полная система состоит из двух несовместных событий, то такие события называются противоположными и обозначаются А и .

Пример. В коробке находится 30 пронумерованных шаров. Установить, какие из следующих событий являются невозможными, достоверными, противоположными:

достали пронумерованный шар (А);

достали шар с четным номером (В);

достали шар с нечетным номером (С);

достали шар без номера (Д).

Какие из них образуют полную группу?

Полную группу событий составляют А и Д, В и С.

Вероятность события, рассматривается как мера объективной возможности появления случайного события.

1.4. Классическое определение вероятности

Число, являющееся выражением меры объективной возможности наступления события, называется вероятностью этого события и обозначается символом Р(А).

Определение. Вероятностью события А называется отношение числа исходов m, благоприятствующих наступлению данного события А, к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е. .

Следовательно, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, подсчитать все возможные несовместные исходы n, выбрать число интересующих нас исходов m и вычислить отношение m к n.

Из этого определения вытекают следующие свойства:

Вероятность любого испытания есть неотрицательное число, не превосходящее единицы.

Действительно, число m искомых событий заключено в пределах . Разделив обе части на n, получим

.

2. Вероятность достоверного события равна единице, т.к. .

3. Вероятность невозможного события равна нулю, поскольку .

Задача 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?

Решение. Общее число различных исходов есть n=1000. Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле, получим

.

Задача 2. В партии из 18 деталей находятся 4 бракованных. Наугад выбирают 5 деталей. Найти вероятность того, что из этих 5 деталей две окажутся бракованными.

Решение. Число всех равновозможных независимых исходов n равно числу сочетаний из 18 по 5 т.е.

Подсчитаем число m, благоприятствующих событию А. Среди 5 взятых наугад деталей должно быть 3 качественных и 2 бракованных. Число способов выборки двух бракованных деталей из 4 имеющихся бракованных равно числу сочетаний из 4 по 2:

.

Число способов выборки трех качественных деталей из 14 имеющихся качественных равно

.

Любая группа качественных деталей может комбинироваться с любой группой бракованных деталей, поэтому общее число комбинаций m составляет

.

Искомая вероятность события А равна отношению числа исходов m, благоприятствующих этому событию, к числу n всех равновозможных независимых исходов:

.

Суммой конечного числа событий называется событие, состоящее в наступлении хотя бы одного из них.

Сумму двух событий обозначают символом А+В, а сумму n событий символом А₁+А₂+ : +А_n.

Теорема сложения вероятностей.

Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий.

или

.

Следствие 2. Сумма вероятностей противоположных событий и равна единице.

.

Решение. Пусть А, В, и С- события, состоящие в том, что на купленный билет падает выигрыш, равный соответственно 20000, 15000 и 10000 руб. так как события А, В и С несовместны, то

.

Решение. События «контрольная работа поступила из города А«, «контрольная работа поступила из города В» и «контрольная работа поступила из города С» образуют полную систему, поэтому сумма их вероятностей равна единице:

, т.е. .

Задача 3. Вероятность того, что день будет ясным, . Найти вероятность того, что день будет облачным.

Решение. События «день ясный» и «день облачный» противоположные, поэтому

, т.е .

При совместном рассмотрении двух случайных событий А и В возникает вопрос:

Как связаны события А и В друг с другом, как наступление одного из них влияет на возможность наступления другого?

Простейшим примером связи между двумя событиями служит причинная связь, когда наступление одного из событий обязательно приводит к наступлению другого, или наоборот, когда наступление одного исключает возможность наступления другого.

Для характеристики зависимости одних событий от других вводится понятие условной вероятности.

Обозначив условную вероятность , получим формулу

, .

Задача 1. Вычислить вероятность того, что в семье, где есть один ребенок- мальчик, родится второй мальчик.

Рассмотрим все возможные исходы: мальчик и мальчик; мальчик и девочка; девочка и мальчик; девочка и девочка.

Тогда , и по формуле находим

.

Событие А называется независимым от события В, если наступление события В не оказывает никакого влияния на вероятность наступления события А.

Теорема умножения вероятностей

Вероятность одновременного появления двух независимых событий равна произведению вероятностей этих событий:

.

Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле

.

Задача 2. В первой урне находится 6 черных и 4 белых шара, во второй- 5 черных и 7 белых шаров. Из каждой урны извлекают по одному шару. Какова вероятность того, что оба шара окажутся белыми.

Решение. Пусть — из первой урны извлечен белый шар; — из второй урны извлечен белый шар. Очевидно, что события и независимы.

Так как , , то по формуле находим

.

Задача 3. Прибор состоит из двух элементов, работающих независимо. Вероятность выхода из строя первого элемента равна 0,2; вероятность выхода из строя второго элемента равна 0,3. Найти вероятность того, что: а) оба элемента выйдут из строя; б) оба элемента будут работать.

Решение. Пусть событие А— выход из строя первого элемента, событие В— выход их строя второго элемента. Эти события независимы (по условию).

а) Одновременное появление А и В есть событие АВ. Следовательно,

.

б) Если работает первый элемент, то имеет место событие (противоположное событию А— выходу этого элемента из строя); если работает второй элемент- событие В. Найдем вероятности событий и :

;

.

Тогда событие, состоящее в том, что будут работать оба элемента, есть и, значит,

.

Источник