Случайные события, их классификация. Понятие вероятности. Классическая вероятность. Вероятность случайного события

Тема 5: Элементы теории вероятностей

Ни телеграммы нету, ни письма.

Но есть игра случайности слепой.

И если просто выйдешь на перрон,

То кто-нибудь приедет непременно.

В. Незвал

Введение

Все мы довольно часто говорим «это невероятно», «более вероятно, что...», «это маловероятно», «можно утверждать со стопроцентной вероятностью, что...», когда пытаемся спрогнозировать наступление того или иного события. При этом обычно опираемся на интуицию, жизненный опыт, здравый смысл и т.п. Но очень часто такие приблизительные оценки оказываются недостаточными: бывает важно знать, на сколько или во сколько раз совершение одного случайного события вероятнее другого. Иными словами, нужны точные количественные оценки, надо уметь численно характеризовать возможность наступления того или иного события. Раздел математики, посвященный исследованию количественных оценок случайных событий, называется теорией вероятностей.

Ее основателями считают Пьера Ферма и Блеза Паскаля. Эти французские ученые XVII века первыми нашли ключ к составлению количественной оценки вероятности события. Они использовали метод, который позже был назван комбинаторным анализом, или, проще, комбинаторикой.

Однако мы не будем сейчас говорить ни о предмете, ни о содержании теории вероятностей и комбинаторики, а просто приведем пример, который иллюстрирует все вышесказанные слова.

Начальник написал 10 различных писем и поручил своему помощнику надписать 10 конвертов с нужными адресами. Тот так и сделал, но дальнейшее перепоручил секретарше. Она выполнила это ответственное задание формально, то есть разложила письма по конвертам, не обращая внимания на адреса. Какова вероятность того, что ни одно письмо не попало в нужный конверт? Ответ оказывается на удивление большим: вероятность такой масштабной ошибки превышает 36%!

Случайные события и их вероятности

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

Например, многократное подбрасывание монеты, процесс изготовления какой-либо детали представляют собой испытания.

Результат этого действия или наблюдения будем называть событием .

Например, появление цифры при подбрасывании монеты, попадание в мишень при выстреле являются событиями.

Если нас интересует какое-либо определенное событие из всех возможных, то будем называть его искомым .

События принято обозначать заглавными буквами латинского алфавита.

Во многих играх используют игральный кубик. У кубика 6 граней, на каждой грани отмечено различное количество точек – от 1 до 6. Играющий бросает кубик и смотрит, сколько точек имеется на выпавшей грани (на той грани, которая располагается сверху). Довольно часто точки на грани кубика заменяют соответствующим числом и тогда говорят о выпадении 1, 2 или 6. Бросание кубика можно считать опытом, экспериментом, испытанием, а полученный результат – исходом испытания или элементарным событием. Людям интересно угадывать наступление того или иного события, предсказывать его исход. Какие предсказания они могут сделать, когда бросают игральный кубик? Например, такие:

1) событие А - выпадет цифра 1, 2, 3, 4, 5 или 6;

2) событие В - выпадет цифра 7, 8 или 9;

3) событие С - выпадет цифра 1.

Событие А, предсказанное в первом случае, обязательно наступит. Вообще, событие, которое в данном опыте обязательно наступит, называют достоверным событием .

Событие 5, предсказанное во втором случае, никогда не наступит, это просто невозможно. Вообще, событие, которое в данном опыте наступить не может, называют невозможным событием .

А как вы думаете, событие С, предсказанное в третьем случае, наступит или не наступит? На этот вопрос мы с полной уверенностью ответить не в состоянии, поскольку 1 может выпасть, а может и не выпасть. Событие, которое в данном опыте может как наступить, так и не наступить, называют случайным событием .

Один из основателей математической статистики, шведский ученый Харальд Крамер писал: «По-видимому, невозможно дать точное определение того, что подразумевается под словом "случайный". Смысл этого слова лучше всего разъяснить на примерах».

Мы последуем этому совету.

Пример 1 . Все двузначные числа написаны на карточках. Петя случайным образом выбрал одну карточку. Охарактеризуйте как достоверные, невозможные или случайные следующие события:

а) событие А – на выбранной карточке оказалось простое число;

б) событие В – на карточке оказалось составное число;

в) событие С – на карточке оказалось число, не являющееся ни простым, ни составным;

г) событие D – на карточке оказалось четное или нечетное число.

Решение . События А и В случайные, так как они могут произойти, а могут и не произойти. Событие С невозможно: вспомните определение простого и составного числа. Событие D достоверно, так как любое двузначное число или четно, или нечетно.

Думая про наступление достоверного события, вы слово «вероятно» использовать, скорее всего, не будете. Например, если сегодня среда, то завтра четверг, это – достоверное событие. Вы в среду не станете говорить: «Вероятно, завтра четверг», вы скажете коротко и ясно: «Завтра четверг». Правда, если вы склонны к красивым фразам, то можете сказать так: «Со стопроцентной вероятностью утверждаю, что завтра четверг». Напротив, если сегодня среда, то наступление назавтра пятницы – невозможное событие. Оценивая это событие в среду, вы можете сказать так: «Уверен, что завтра не пятница». Или так: «Невероятно, что завтра пятница». Ну а если вы склонны к красивым фразам, то можете сказать так: «Вероятность того, что завтра пятница, равна нулю». Итак, достоверное событие – это событие, наступающее при данных условиях со стопроцентной вероятностью (т. е. наступающее в 10 случаях из 10, в 100 случаях из 100 и т. д.). Невозможное событие – это событие, не наступающее при данных условиях никогда, событие с нулевой вероятностью.

Но, к сожалению (а может быть, и к счастью), не все в жизни так четко и ясно: это будет всегда (достоверное событие), этого не будет никогда (невозможное событие). Чаще всего мы сталкиваемся именно со случайными событиями, одни из которых более вероятны, другие менее вероятны. Обычно люди используют слова «более вероятно» или «менее вероятно», как говорится, по наитию, опираясь на то, что называют здравым смыслом. Но очень часто такие оценки оказываются недостаточными, поскольку бывает важно знать, на сколько процентов вероятно случайное событие или во сколько раз одно случайное событие вероятнее другого. Иными словами, нужны точные количественные характеристики, нужно уметь охарактеризовать вероятность числом.

Первые шаги в этом направлении мы с вами уже сделали. Мы говорили, что вероятность наступления достоверного события характеризуется как стопроцентная, а вероятность наступления невозможного события – как нулевая. Учитывая, что 100% равно 1, люди договорились о следующем:

1) вероятность достоверного события считается равной 1;

2) вероятность невозможного события считается равной 0.

А как подсчитать вероятность случайного события? Ведь оно произошло случайно, значит, не подчиняется закономерностям, алгоритмам, формулам. Оказывается, и в мире случайного действуют определенные законы, позволяющие вычислять вероятности. Этим занимается раздел математики, который так и называется – теория вероятностей.

Проведем следующий опыт. Будем бросать игральный кубик (100 раз) и результат записывать в таблицу.

	т	п	р
			0,19
			0,14
			0,2
			0,14
			0,22
			0,11

Число т означает количество исходов бросания, в которых выпало число очков, указанное в соответствующей строке. Число п – это общее число бросаний кубика (испытаний). Число р называется абсолютной частотой события и находится по формуле: . Если мы продолжим бросать игральный кубик, то можем заметить, что абсолютные частоты для событий «выпадет 1 », «выпадет 2 »… «выпадет 6 » будут становиться примерно одинаковыми, т.е. стремиться к числу 0,1666… = . Абсолютную частоту случайного события называют еще опытной или статистической вероятностью события.

Часто бывает так, что многократное повторение одного и того же опыта невозможно. В этом случае приходит на помощь, так называемая классическая , или доопытная вероятность .

КЛАССИЧЕСКАЯ ВЕРОЯТНОСТНАЯ СХЕМА: Для нахождения вероятности события А при проведении некоторого опыта следует:

1) найти число N всех возможных исходов данного опыта;

2) принять предположение о равновероятности (равновозможности) всех этих исходов;

3) найти количество N(А) тех исходов опыта, в которых наступает событие А;

4) найти частное , оно и будет равно вероятности события А.

Принято вероятность события А обозначать: Р(А). Объяснение такого обозначения очень простое: слово «вероятность» по-французски – probabilite, по-английски – probability. В обозначении используется первая буква слова.

Используя это обозначение, вероятность события А по классической схеме можно найти с помощью формулы .

Часто все пункты приведенной классической вероятностной схемы выражают одной довольно длинной фразой.

КЛАССИЧЕСКОЕ ОПРЕДЕЛЕНИЕ ВЕРОЯТНОСТИ Вероятностью события А при проведении некоторого испытания называют отношение числа исходов, в результате которых наступает событие А, к общему числу всех равновозможных между собой исходов этого испытания.

Пример 2. Найти вероятность того, что при одном бросании игрального кубика выпадет: а) 4; б) 5; в) четное число очков; г) число очков, большее 4; д) число очков, не кратное трем.

Решение. Всего имеется N = 6 возможных исходов: выпадение грани куба с числом очков, равным 1, 2, 3, 4, 5 или 6. Мы считаем, что ни один из них не имеет никаких преимуществ перед другими, т. е. принимаем предположение о равновероятности этих исходов.

а) Ровно в одном из исходов произойдет интересующее нас событие А – выпадение числа 4. Значит, N(А) = 1 и .

б) Решение и ответ такие же, как и в предыдущем пункте.

в) Интересующее нас событие В произойдет ровно в трех случаях, когда выпадет число очков 2, 4 или 6. Значит, N(B) = 3 и .

г) Интересующее нас событие С произойдет ровно в двух случаях, когда выпадет число очков 5 или 6. Значит, д) Из шести возможных выпавших чисел четыре (1, 2, 4, и 5) не кратны трем, а остальные два (3 и 6) делятся на три. Значит, интересующее нас событие наступает ровно в четырех из шести возможных и равновероятных между собой исходах опыта. Поэтому в ответе получается .

Ответ: а) ; б) ; в) ; г) ; д) .

Реальный игральный кубик вполне может отличаться от идеального (модельного) кубика, поэтому для описания его поведения требуется более точная и детальная модель, учитывающая преимущества одной грани перед другой, возможное наличие магнитов и т. п. Но «дьявол кроется в деталях», а большая точность ведет, как правило, к большей сложности, и получение ответа становится проблемой. Мы же ограничиваемся рассмотрением простейшей вероятностной модели, где все возможные исходы равновероятны.

Замечание 1. Рассмотрим еще пример. Был задан вопрос: «Какова вероятность выпадения тройки при одном бросании кубика?» Ученик ответил так: «Вероятность равна 0,5». И объяснил свой ответ: «Тройка или выпадет, или нет. Значит, всего есть два исхода и ровно в одном наступает интересующее нас событие. По классической вероятностной схеме получаем ответ 0,5». Есть в этом рассуждении ошибка? На первый взгляд – нет. Однако она все же есть, причем в принципиальном моменте. Да, действительно, тройка или выпадет, или нет, т. е. при таком определении исхода бросания N = 2. Правда и то, что N(А) = 1 и уж, разумеется, верно, что = 0,5, т.е. три пункта вероятностной схемы учтены, а вот выполнение пункта 2) вызывает сомнения. Конечно, с чисто юридической точки зрения, мы имеем право считать, что выпадение тройки равновероятно ее невыпадению. Но вот можем ли мы так считать, не нарушая свои же естественные предположения об «одинаковости» граней? Конечно, нет! Здесь мы имеем дело с правильным рассуждением внутри некоторой модели. Только вот сама эта модель «неправильная», не соответствующая реальному явлению.

Замечание 2 . Рассуждая о вероятности, не упускайте из виду следующее важное обстоятельство. Если мы говорим, что при бросании кубика вероятность выпадения одного очка равна , это совсем не значит, что, кинув кубик 6 раз, вы получите одно очко ровно один раз, бросив кубик 12 раз, вы получите одно очко ровно два раза, бросив кубик 18 раз, вы получите одно очко ровно три раза и т. д. Слово вероятно носит предположительный характер. Мы предполагаем, что, скорее всего, может произойти. Вероятно, если мы бросим кубик 600 раз, одно очко выпадет 100 раз или около 100. Если у вас будет время и желание, проведите эксперимент: бросьте игральный кубик, например, 60 раз и составьте таблицу выпадений очков 1, 2, 3, 4, 5, 6. Скорее всего (вероятнее всего), все числа в вашей таблице будут около 10.

Пример 3. Найти вероятность того, что при двукратном бросании игрального кубика произведение выпавших очков будет: а) кратно 5; б) кратно 6.

Решение . При каждом из двух бросаний кубика возможны 6 исходов. Предполагается, что эти два испытания независимы друг от друга. По правилу умножения получаем, что данный опыт имеет 6 6 = 36 исходов. Будем действовать по классической вероятностной схеме, т. е. считать, что все N = 36 исходов равновероятны между собой.

Все 36 исходов можно перечислить. Например, с помощью таблицы. В данном случае все исходы – это пары (1; 1), (1; 2), ..., (1; 6), (2; 1), (2; 2), ..., (6; 5), (6; 6).

а) Если на первом месте стоит 5, то при любой второй цифре их произведение кратно 5. Получается шесть вариантов: (5; 1), (5; 2), (5; 3), (5; 4), (5; 5), (5; 6). Еще шесть вариантов получается, если 5 стоит на втором месте. Так как 5 – простое число, то других вариантов нет.

Вроде бы, ответ 6 + 6 = 12. Но один результат (5; 5) мы посчитали дважды. Значит, интересующее нас событие А наступает ровно в 11 из возможных 36 равновероятных между собой исходах, т. е. N(А) = 11, поэтому .

б) Если на первом или на втором месте стоит 6, то произведение выпавших чисел делится на 6, а всего таких вариантов, как и в случае а), будет 11. Но произведение выпавших чисел будет кратно 6 в тех случаях, когда одно из чисел, отличных от 6, - четное, а другое кратно 3. Перечислим благоприятные варианты: (2; 3), (4; 3), (3; 2), (3; 4) – всего 4 варианта. Добавив их к указанным выше 11 вариантам, получим 15 благоприятных исходов, т.е. N(А) = 15. Значит, .

Ответ: а) , б) .

Задачи на отыскание вероятностей случайных событий «в два с половиной раза» сложнее задач по комбинаторике. Сначала мы используем комбинаторику при нахождении N – количества всех исходов опыта. Во второй раз комбинаторика нужна при нахождении N(А). При этом во второй раз – это уже более сложная комбинаторика. Наконец, надо еще уметь вычислить значение дроби. Вот и получается «две с половиной комбинаторики».

Теория вероятностей возникла в XVII веке при анализе различных азартных игр. Неудивительно поэтому, что первые примеры носят игровой характер. От примеров с игральными кубиками перейдем к случайному вытаскиванию игральных карт из колоды.

Пример 4. Из колоды в 36 карт случайным образом одновременно вытаскивают 3 карты. Какова вероятность того, что среди них нет пиковой дамы?

Решение. У нас имеется множество из 36 элементов. Мы производим выбор трех элементов, порядок которых не важен. Значит, возможно, получение N = исходов. Будем действовать по классической вероятностной схеме, т. е. предположим, что все эти исходы равновероятны.

Среди всех N = исходов нам следует сосчитать те, в которых нет пиковой дамы (событие А). Отложим даму пик в сторону, и из оставшихся 35 карт будем выбирать 3 карты. Получатся все интересующие нас варианты. Значит, N(А) = .

Осталось вычислить нужную вероятность по классическому определению:

А чему равна вероятность того, что среди выбранных трех карт есть пиковая дама? Число всех таких исходов нетрудно посчитать, надо просто из всех исходов N вычесть все те исходы, в которых дамы пик нет, т. е. вычесть найденное в примере 4 число N(А) . Затем эту разность N – N(А) в соответствии с классической вероятностной схемой следует поделить на N . Вот что получим: .

Мы видим, что между вероятностями двух событий имеется определенная связь. Если событие А заключается в отсутствии дамы пик, а событие В состоит в ее наличии среди выбранных трех карт, то

Р(В) = 1 – Р(А)

Р(А) + Р(В) = 1.

К сожалению, в равенстве Р(А) + Р(В) = 1 нет никакой информации о связи событий А и В между собой; эту связь нам приходится держать в уме. Удобнее было бы заранее дать событию В название и обозначение, явно указывающие на его связь с А.

Определение 1. Событие В называют противоположным событию А и обозначают В = , если событие В происходит тогда и только тогда, когда не происходит событие А.

ТЕОРЕМА 1. Для нахождения исходов. Будем действовать по классической вероятностной схеме, т. е. предположим, что все эти исходы равновероятны между собой.

Если А – интересующее нас событие, то противоположное ему событие состоит в том, что среди выбранных пяти карт нет ни одной карты бубновой масти. Но это значит, что все 5 карт выбраны из других карточных мастей, т. е. из 36 - 9 = = 27 карт. Значит, N(А) = и можно легко найти вероятность события А : .

Теперь по теореме находим вероятность самого события А: Р(А) = 1 - Р() ≈ 0,786.

Как видим, вероятность довольна высока. Кстати, полезное напоминание: без калькулятора вычислить вероятность более или менее сложного события бывает затруднительно.

Ответ: ≈ 0,786.

В теории вероятностей используются различные стандартные игровые ситуации. Это бросание монеты или игрального кубика, вытаскивание карт из колоды. К этому списку добавим еще одну, назовем ее «урновая схема»: в темном ящике (урне) лежат неотличимые на ощупь шары различного цвета. Один или несколько шаров вытаскивают. Вычисляют вероятность того, что выбранные шары имеют какой-то определенный набор цветов.

Пример 6. В урне лежат 10 белых и 11 рыжих шаров. Случайным образом достают 5 шаров. Какова вероятность того, что среди этих 5 шаров ровно 3 белых?

Решение. Шары в урне предполагаем неразличимыми, из 21 шара случайным образом производят выбор 5 шаров, причем порядок выбора не важен. Значит, существует N = способов такого выбора. Считаем все эти способы равновероятными.

Интересующее нас событие А наступает, когда 3 из 5 шаров – белые, а 2 – рыжие. Из 10 белых шаров, имеющихся в урне, 3 шара можно выбрать способами, а из 11 рыжих шаров 2 шара – способами. Выбор разноцветных шаров считаем независимым. По правилу умножения получаем, что нужный нам состав шаров можно выбрать N(А) = способами. Остается посчитать вероятность.

(почти одна треть).

Ответ: ≈ 0,324.

©2015-2019 сайт
Все права принадлежать их авторам. Данный сайт не претендует на авторства, а предоставляет бесплатное использование.
Дата создания страницы: 2018-01-08

Событие

Определение 1

Событием будем называть любое утверждение, которое может как произойти, так и не произойти.

Обычно события обозначаются большими английскими буквами.

Пример: $A$ – выпадение числа $6$ на кости.

В связи с тем, что событие может иметь две вариации исхода («произошло» и «не произошло») мы сталкиваемся с понятие вероятности такого события.

Понятие вероятности события

Определение 2

Вероятностью события будем называть число, которое обозначает степень возможности, что такое событие произойдет.

Вероятность события обозначается как $P(A)$

Чтобы определить границы значения этого числа введем понятие достоверного и невозможного событий.

Определение 3

Достоверным событием будем называть такое, которое произойдет при любых обстоятельствах.

Примером такого события может быть следующее: Сумма «точек» на классической кости всегда равняется $21$.

Вероятность такого события мы будем принимать за единицу.

Определение 4

Невозможным событием будем называть такое, которое не может произойти ни при каком обстоятельстве.

Примером такого события может быть следующее: При игре в «очко» игрок набрал $1$ очко.

Вероятность такого события мы будем принимать за $0$.

То есть значение вероятности любого события содержится в отрезке $$.

В современной теории вероятности принято выделять четыре определения для вероятности: классической, геометрическое, статистическое и аксиоматическое определения. Рассмотрим их отдельно.

Классическое определение

Классическое определение связано с такими неопределяемыми понятиями как равновозможность и элементарность события. Интуитивно их можно понять на следующих примерах:

Равновозможность: При подбрасывании монеты она может упасть как аверсом, так и реверсом независимо от внешних условий. То есть можно сказать что вероятность выпадения одной или другой стороны по сути одинакова.

Элементарность события: Если на кости выпадет число $4$, то это означает, что числа $1, 2, 3, 5$ и $6$ уже не выпали.

Определение 5

Вероятностью события будем называть отношения числа n равновозможных элементарных событий исходного события $B$ ко всем элементарным событиям $N$.

Математически это выглядит следующим образом:

$P(B)=\frac{n}{N}$

Геометрическое определение

Геометрическое определение применяется для случая, когда количество равновозможных событий будет бесконечно. Здесь, для введения геометрического определения рассмотрим следующий пример. Для игры дартс берем круг площадью $S$ и разбиваем его на несколько кругов. Какова вероятность, что дротик попадет в центральный круг? (Исключим здесь случаи полного непопадания в поле). Очевидно что равновозможных событий здесь будет бесконечно (как и общих событий) так как круг содержит в себе бесконечное число точек. Пусть площадь центрального круга равняется $s$. Тогда мы сталкиваемся с геометрическим определением вероятности такого события:

$P(B)=\frac{s}{S}$

Статистическое (частотное) определение

Классическое определение довольно часто не учитывает всех возможностей. Рассматривая даже классический пример с бросанием кости мы пренебрегаем возможностью, что не выпадет никакого из шести чисел (кубик просто «остановится» на уголке). Поэтому вводят следующее определение вероятности, учитывающее все возможности. Рассматриваем $N$ наблюдений. Пусть нужное нам событие при этом выпало $n$ раз. Тогда

$P(B)=lim_{N→∞}\frac{n}{N}$

Аксиоматическое определение

Данное определение задается с помощью аксиоматики Колмогорова.

Пусть $X$ - пространство всех элементарных событий. Тогда

Определение 6

Вероятностью события $B$ будем называть такую функцию $P(B)$, которая удовлетворяет следующим условиям:

1. Данная функция всегда неотрицательна,
2. Вероятность того, что произойдет хотя бы одно из попарно несовместных событий равняется сумме их вероятностей.
3. Функция всегда меньше или равна $1$, причем $P(X)=1$.

1.1. Некоторые сведения из комбинаторики

1.1.1. Размещения

Рассмотрим простейшие понятия, связанные с выбором и расположением некоторого множества объектов.
Подсчет числа способов, которыми можно совершить эти действия, часто производится при решении вероятностных задач.
Определение . Размещением из n элементов по k (k ≤ n ) называется любое упорядоченное подмножество из k элементов множества, состоящего из n различных элементов.
Пример. Следующие последовательности цифр являются размещениями по 2 элемента из 3 элементов множества {1;2;3}: 12, 13, 23, 21, 31, 32.
Заметим, что размещения отличаются порядком входящих в них элементов и их составом. Размещения 12 и 21 содержат одинаковые цифры, но порядок их расположения различен. Поэтому эти размещения считаются разными.
Число различных размещений из n элементов по k обозначается и вычисляется по формуле:
,
где n ! = 1∙2∙...∙(n - 1)∙ n (читается «n – факториал»).
Число двузначных чисел, которые можно составить из цифр 1, 2, 3 при условии, что ни одна цифра не повторяется равно: .

1.1.2. Перестановки

Определение . Перестановками из n элементов называются такие размещения из n элементов, которые различаются только расположением элементов.
Число перестановок из n элементов P n вычисляется по формуле: P n =n !
Пример. Сколькими способами могут встать в очередь 5 человек? Количество способов равно числу перестановок из 5 элементов, т.е.
P 5 =5!=1∙2∙3∙4∙5=120.
Определение . Если среди n элементов k одинаковых, то перестановка этих n элементов называется перестановкой с повторениями.
Пример. Пусть среди 6 книг 2 одинаковые. Любое расположение всех книг на полке - перестановка с повторениями.
Число различных перестановок с повторениями (из n элементов, среди которых k одинаковых) вычисляется по формуле: .
В нашем примере число способов, которыми можно расставить книги на полке, равно: .

1.1.3. Сочетания

Определение . Сочетаниями из n элементов по k называются такие размещения из n элементов по k , которые одно от другого отличаются хотя бы одним элементом.
Число различных сочетаний из n элементов по k обозначается и вычисляется по формуле: .
По определению 0!=1.
Для сочетаний справедливы следующие свойства:
1.
2.
3.
4.
Пример. Имеются 5 цветков разного цвета. Для букета выбирается 3 цветка. Число различных букетов по 3 цветка из 5 равно: .

1.2. Случайные события

1.2.1. События

Познание действительности в естественных науках происходит в результате испытаний (эксперимента, наблюдений, опыта).
Испытанием или опытом называется осуществление какого-нибудь определенного комплекса условий, который может быть воспроизведен сколь угодно большое число раз.
Случайным называется событие, которое может произойти или не произойти в результате некоторого испытания (опыта).
Таким образом, событие рассматривается как результат испытания.
Пример. Бросание монеты – это испытание. Появление орла при бросании – событие.
Наблюдаемые нами события различаются по степени возможности их появления и по характеру их взаимосвязи.
Событие называется достоверным , если оно обязательно произойдет в результате данного испытания.
Пример. Получение студентом положительной или отрицательной оценки на экзамене есть событие достоверное, если экзамен протекает согласно обычным правилам.
Событие называется невозможным , если оно не может произойти в результате данного испытания.
Пример. Извлечение из урны белого шара, в которой находятся лишь цветные (небелые) шары, есть событие невозможное. Отметим, что при других условиях опыта появления белого шара не исключается; таким образом, это событие невозможно лишь в условиях нашего опыта.
Далее случайные события будем обозначать большими латинскими буквами A,B,C... Достоверное событие обозначим буквой Ω, невозможное – Ø.
Два или несколько событий называются равновозможными в данном испытании, если имеются основания считать, что ни одно из этих событий не является более возможным или менее возможным, чем другие.
Пример. При одном бросании игральной кости появление 1, 2, 3, 4, 5 и 6 очков - все это события равновозможные. Предполагается, конечно, что игральная кость изготовлена из однородного материала и имеет правильную форму.
Два события называются несовместными в данном испытании, если появление одного из них исключает появление другого, и совместными в противном случае.
Пример. В ящике имеются стандартные и нестандартные детали. Берем на удачу одну деталь. Появление стандартной детали исключает появление нестандартной детали. Эти события несовместные.
Несколько событий образуют полную группу событий в данном испытании, если в результате этого испытания обязательно наступит хотя бы одно из них.
Пример. События из примера образуют полную группу равновозможных и попарно несовместных событий.
Два несовместных события, образующих полную группу событий в данном испытании, называютсяпротивоположными событиями .
Если одно из них обозначено через A , то другое принято обозначать через (читается «не A »).
Пример. Попадание и промах при одном выстреле по цели - события противоположные.

1.2.2. Классическое определение вероятности

Вероятность события – численная мера возможности его наступления.
Событие А называется благоприятствующим событию В , если всякий раз, когда наступает событие А , наступает и событие В .
События А 1 , А 2 , ..., А n образуют схему случаев , если они:
1) равновозможны;
2) попарно несовместны;
3) образуют полную группу.
В схеме случаев (и только в этой схеме) имеет место классическое определение вероятности P (A ) события А . Здесь случаем называют каждое из событий, принадлежащих выделенной полной группе равновозможных и попарно несовместных событий.
Если n – число всех случаев в схеме, а m – число случаев, благоприятствующих событию А , то вероятность события А определяется равенством:

Из определения вероятности вытекают следующие ее свойства:
1. Вероятность достоверного события равна единице.
Действительно, если событие достоверно, то каждый случай в схеме случаев благоприятствует событию. В этом случае m = n и, следовательно,

2. Вероятность невозможного события равна нулю.
Действительно, если событие невозможно, то ни один случай из схемы случаев не благоприятствует событию. Поэтому m =0 и, следовательно,

Вероятность случайного события есть положительное число, заключенное между нулем и единицей.
Действительно, случайному событию благоприятствует лишь часть из общего числа случаев в схеме случаев. Поэтому 0<m <n , а, значит, 0<m /n <1 и, следовательно, 0 < P(A) < 1.
Итак, вероятность любого события удовлетворяет неравенствам
0 ≤ P(A) ≤ 1.
В настоящее время свойства вероятности определяются в виде аксиом, сформулированных А.Н. Колмогоровым.
Одним из основных достоинств классического определения вероятности является возможность вычислить вероятность события непосредственно, т.е. не прибегая к опытам, которые заменяют логическими рассуждениями.

Задачи непосредственного вычисления вероятностей

Задача 1.1 . Какова вероятность появления четного числа очков (событие А) при одном бросании игрального кубика?
Решение . Рассмотрим события А i – выпало i очков, i = 1, 2, …,6. Очевидно, что эти события образуют схему случаев. Тогда число всех случаев n = 6. Выпадению четного числа очков благоприятствуют случаи А 2 , А 4 , А 6 , т.е. m = 3. Тогда .
Задача 1.2 . В урне 5 белых и 10 черных шаров. Шары тщательно перемешивают и затем наугад вынимают 1 шар. Какова вероятность того, что вынутый шар окажется белым?
Решение . Всего имеется 15 случаев, которые образуют схему случаев. Причем ожидаемому событию А – появлению белого шара, благоприятствуют 5 из них, поэтому .
Задача 1.3 . Ребенок играет с шестью буквами азбуки: А, А, Е, К, Р, Т. Найти вероятность того, что он сможет сложить случайно слово КАРЕТА (событие А).
Решение . Решение осложняется тем, что среди букв есть одинаковые – две буквы «А». Поэтому число всех возможных случаев в данном испытании равно числу перестановок с повторениями из 6 букв:
.
Эти случаи равновозможны, попарно несовместны и образуют полную группу событий, т.е. образуют схему случаев. Лишь один случай благоприятствует событию А . Поэтому
.
Задача 1.4 . Таня и Ваня договорились встречать Новый год в компании из 10 человек. Они оба очень хотели сидеть рядом. Какова вероятность исполнения их желания, если среди их друзей принято места распределять путем жребия?
Решение . Обозначим через А событие «исполнение желания Тани и Вани». 10 человек могут усесться за стол 10! разными способами. Сколько же из этих n = 10! равновозможных способов благоприятны для Тани и Вани? Таня и Ваня, сидя рядом, могут занять 20 разных позиций. В то же время восьмерка их друзей может сесть за стол 8! разными способами, поэтому m = 20∙8!. Следовательно,
.
Задача 1.5 . Группа из 5 женщин и 20 мужчин выбирает трех делегатов. Считая, что каждый из присутствующих с одинаковой вероятностью может быть выбран, найти вероятность того, что выберут двух женщин и одного мужчину.
Решение . Общее число равновозможных исходов испытания равно числу способов, которыми можно выбрать трех делегатов из 25 человек, т.е. . Подсчитаем теперь число благоприятствующих случаев, т.е. число случаев, при которых имеет место интересующее нас событие. Мужчина-делегат может быть выбран двадцатью способами. При этом остальные два делегата должны быть женщинами, а выбрать двух женщин из пяти можно . Следовательно, . Поэтому
.
Задача 1.6. Четыре шарика случайным образом разбрасываются по четырем лункам, каждый шарик попадает в ту или другую лунку с одинаковой вероятностью и независимо от других (препятствий к попаданию в одну и ту же лунку нескольких шариков нет). Найти вероятность того, что в одной из лунок окажется три шарика, в другой - один, а в двух остальных лунках шариков не будет.
Решение. Общее число случаев n =4 4 . Число способов, которыми можно выбрать одну лунку, где будут три шарика, . Число способов, которыми можно выбрать лунку, где будет один шарик, . Число способов, которыми можно выбрать из четырех шариков три, чтобы положить их в первую лунку, . Общее число благоприятных случаев . Вероятность события:
Задача 1.7. В ящике 10 одинаковых шаров, помеченных номерами 1, 2, …, 10. На удачу извлечены шесть шаров. Найти вероятность того, что среди извлечённых шаров окажутся: а) шар №1; б) шары №1 и №2.
Решение . а) Общее число возможных элементарных исходов испытания равно числу способов, которыми можно извлечь шесть шаров из десяти, т.е.
Найдём число исходов, благоприятствующих интересующему нас событию: среди отобранных шести шаров есть шар №1 и, следовательно, остальные пять шаров имеют другие номера. Число таких исходов, очевидно, равно числу способов, которыми можно отобрать пять шаров из оставшихся девяти, т.е.
Искомая вероятность равна отношению числа исходов, благоприятствующих рассматриваемому событию, к общему числу возможных элементарных исходов:
б) Число исходов, благоприятствующих интересующему нас событию (среди отобранных шаров есть шары №1 и №2, следовательно, четыре шара имеют другие номера), равно числу способов, которыми можно извлечь четыре шаров из оставшихся восьми, т.е. Искомая вероятность

1.2.3. Статистическая вероятность

Статистическое определение вероятности используется в случае, когда исходы опыта не являются равновозможными.
Относительная частота события А определяется равенством:
,
где m – число испытаний, в которых событие А наступило, n – общее число произведенных испытаний.
Я. Бернулли доказал, что при неограниченном увеличении числа опытов относительная частота появления события будет практически сколь угодно мало отличаться от некоторого постоянного числа. Оказалось, что это постоянное число есть вероятность появления события. Поэтому, естественно, относительную частоту появления события при достаточно большом числе испытаний называть статистической вероятностью в отличие от ранее введенной вероятности.
Пример 1.8 . Как приближенно установить число рыб в озере?
Пусть в озере х рыб. Забрасываем сеть и, допустим, находим в ней n рыб. Каждую из них метим и выпускаем обратно. Через несколько дней в такую же погоду и в том же месте забрасываем ту же самую сеть. Допустим, что находим в ней m рыб, среди которых k меченных. Пусть событие А – «пойманная рыба мечена». Тогда по определению относительной частоты .
Но если в озере х рыб и мы в него выпустили n меченых, то .
Так как Р * (А ) » Р (А ), то .

1.2.4. Операции над событиями. Теорема сложения вероятностей

Суммой , или объединением, нескольких событий называется событие, состоящее в наступлении хотя бы одного из этих событий (в одном и том же испытании).
Сумма А 1 + А 2 + … + А n обозначается так:
или .
Пример . Бросаются две игральные кости. Пусть событие А состоит в выпадении 4 очков на 1 кости, а событие В – в выпадении 5 очков на другой кости. События А и В совместны. Поэтому событие А +В состоит в выпадении 4 очков на первой кости, или 5 очков на второй кости, или 4 очков на первой кости и 5 очков на второй одновременно.
Пример. СобытиеА – выигрыш по 1 займу, событие В – выигрыш по 2 займу. Тогда событие А+В – выигрыш хотя бы по одному займу (возможно по двум сразу).
Произведением или пересечением нескольких событий называется событие, состоящее в совместном появлении всех этих событий (в одном и том же испытании).
Произведение В событий А 1 , А 2 , …, А n обозначается так:
.
Пример. События А и В состоят в успешном прохождении I и II туров соответственно при поступлении в институт. Тогда событие А ×В состоит в успешном прохождении обоих туров.
Понятия суммы и произведения событий имеют наглядную геометрическую интерпретацию. Пусть событие А есть попадание точки в область А , а событие В – попадание точки в область В . Тогда событие А+В есть попадание точки в объединение этих областей (рис. 2.1), а событие А В есть попадание точки в пересечение этих областей (рис. 2.2).

Рис. 2.1 Рис. 2.2
Теорема . Если события A i (i = 1, 2, …, n ) попарно несовместны, то вероятность суммы событий равна сумме вероятностей этих событий:
.
Пусть А и Ā – противоположные события, т.е. А + Ā = Ω, где Ω – достоверное событие. Из теоремы сложения вытекает, что
Р(Ω) = Р (А ) + Р (Ā ) = 1, поэтому
Р (Ā ) = 1 – Р (А ).
Если события А 1 и А 2 совместны, то вероятность суммы двух совместных событий равна:
Р (А 1 + А 2) = Р (А 1) + Р (А 2) – Р(А 1 ×А 2).
Теоремы сложения вероятностей позволяют перейти от непосредственного подсчета вероятностей к определению вероятностей наступления сложных событий.
Задача 1.8 . Стрелок производит один выстрел по мишени. Вероятность выбить 10 очков (событие А ), 9 очков (событие В ) и 8 очков (событие С ) равны соответственно 0,11; 0,23; 0,17. Найти вероятность того, что при одном выстреле стрелок выбьет менее 8 очков (событие D ).
Решение . Перейдем к противоположному событию – при одном выстреле стрелок выбьет не менее 8 очков. Событие наступает, если произойдет А или В , или С , т.е. . Так как события А, В , С попарно несовместны, то, по теореме сложения,
, откуда .
Задача 1.9 . От коллектива бригады, которая состоит из 6 мужчин и 4 женщин, на профсоюзную конференцию выбирается два человека. Какова вероятность, что среди выбранных хотя бы одна женщина (событие А ).
Решение . Если произойдет событие А , то обязательно произойдет одно из следующих несовместных событий: В – «выбраны мужчина и женщина»; С – «выбраны две женщины». Поэтому можно записать: А=В+С . Найдем вероятность событий В и С . Два человека из 10 можно выбрать способами. Двух женщин из 4 можно выбрать способами. Мужчину и женщину можно выбрать 6 ×4 способами. Тогда . Так как события В и С несовместны, то, по теореме сложения,
Р(А) = Р(В + С) = Р(В) + Р(С ) = 8/15 + 2/15 = 2/3.
Задача 1.10. На стеллаже в библиотеке в случайном порядке расставлено 15 учебников, причем пять из них в переплете. Библиотекарь берет наудачу три учебника. Найти вероятность того, что хотя бы один из взятых учебников окажется в переплете (событие А ).
Решение . Первый способ. Требование – хотя бы один из трех взятых учебников в переплете – будет осуществлено, если произойдет любое из следующих трех несовместных событий: В – один учебник в переплете, С – два учебника в переплете, D – три учебника в переплете.
Интересующее нас событие А можно представить в виде суммы событий: A=B+C+D . По теореме сложения,
P(A) = P(B) + P(C) + P(D). (2.1)
Найдем вероятность событий B, C и D (см комбинаторные схемы):

Представив эти вероятности в равенство (2.1), окончательно получим
P(A) = 45/91 + 20/91 + 2/91 = 67/91.
Второй способ. Событие А (хотя бы один из взятых трех учебников имеет переплет) и Ā (ни один из взятых учебников не имеет переплета) – противоположные, поэтому P(A) + P(Ā ) = 1 (сумма вероятностей двух противоположных событий равна 1). Отсюда P(A ) = 1 – P(Ā). Вероятность появления события Ā (ни один из взятых учебников не имеет переплета)
Искомая вероятность
P(A ) = 1 – P(Ā ) = 1 – 24/91 = 67/91.

1.2.5. Условная вероятность. Теорема умножения вероятностей

Условной вероятностью Р(В /А ) называется вероятность события В, вычисленная в предположении, что событие А уже наступило.
Теорема . Вероятность совместного появления двух событий равна произведению вероятностей одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило:
Р(А ∙В) = Р(А )∙Р(В /А ). (2.2)
Два события называются независимыми, если появление любого из них не изменяет вероятность появления другого, т.е.
Р(А) = Р(А/В ) или Р(В ) = Р(В /А ). (2.3)
Если события А и В независимы, то из формул (2.2) и (2.3) следует
Р(А ∙В) = Р(А )∙Р(В ). (2.4)
Справедливо и обратное утверждение, т.е. если для двух событий выполняется равенство (2.4), то эти события независимы. В самом деле, из формул (2.4) и (2.2) вытекает
Р(А ∙В) = Р(А )∙Р(В ) = Р(А ) ×Р(В /А ), откуда Р(А ) = Р(В /А ).
Формула (2.2) допускает обобщение на случай конечного числа событий А 1 , А 2 ,…,А n :
Р(А 1 ∙А 2 ∙…∙А n )=Р(А 1)∙Р(А 2 /А 1)∙Р(А 3 /А 1 А 2)∙…∙Р(А n /А 1 А 2 …А n -1).
Задача 1.11 . Из урны, в которой 5 белых и 10 черных шаров, вынимают подряд два шара. Найти вероятность того, что оба шара белые (событие А ).
Решение . Рассмотрим события: В – первый вынутый шар белый; С – второй вынутый шар белый. Тогда А = ВС .
Опыт можно провести двумя способами:
1) с возвращением: вынутый шар после фиксации цвета возвращается в урну. В этом случае события В и С независимы:
Р(А) = Р(В )∙Р(С ) = 5/15 ×5/15 = 1/9;
2) без возвращения: вынутый шар откладывается в сторону. В этом случае события В и С зависимы:
Р(А) = Р(В )∙Р(С /В ).
Для события В условия прежние, , а для С ситуация изменилась. Произошло В , следовательно в урне осталось 14 шаров, среди которых 4 белых .
Итак, .
Задача 1.12 . Среди 50 электрических лампочек 3 нестандартные. Найти вероятность того, что две взятые одновременно лампочки нестандартные.
Решение . Рассмотрим события: А – первая лампочка нестандартная, В – вторая лампочка нестандартная, С – обе лампочки нестандартные. Ясно, что С = А ∙В . Событию А благоприятствуют 3 случая из 50 возможных, т.е. Р(А ) = 3/50. Если событие А уже наступило, то событию В благоприятствуют два случая из 49 возможных, т.е. Р(В /А ) = 2/49. Следовательно,
.
Задача 1.13 . Два спортсмена независимо друг от друга стреляют по одной мишени. Вероятность попадания в мишень первого спортсмена равна 0,7, а второго – 0,8. Какова вероятность того, что мишень будет поражена?
Решение . Мишень будет поражена, если в нее попадет либо первый стрелок, либо второй, либо оба вместе, т.е. произойдет событие А+В , где событие А заключается в попадании в мишень первым спортсменом, а событие В – вторым. Тогда
Р(А +В )=Р(А )+Р(В )–Р(А ∙В )=0, 7+0, 8–0, 7∙0,8=0,94.
Задача 1.14. В читальном зале имеется шесть учебников по теории вероятностей, из которых три в переплете. Библиотекарь наудачу взял два учебника. Найти вероятность того, что два учебника окажутся в переплете.
Решение . Введем обозначения событий: A – первый взятый учебник имеет переплет, В – второй учебник имеет переплет. Вероятность того, что первый учебник имеет переплет,
P(A ) = 3/6 = 1/2.
Вероятность того, что второй учебник имеет переплет, при условии, что первый взятый учебник был в переплете, т.е. условная вероятность события В , такова: P(B /А) = 2/5.
Искомая вероятность того, что оба учебника имеют переплет, по теореме умножения вероятностей событий равна
P(AB ) = P(A ) ∙ P(B /А) = 1/2·∙ 2/5 = 0,2.
Задача 1.15. В цехе работают 7 мужчин и 3 женщины. По табельным номерам наудачу отобраны три человека. Найти вероятность того, что все отобранные лица окажутся мужчинами.
Решение . Введем обозначения событий: A – первым отобран мужчина, В – вторым отобран мужчина, С – третьим отобран мужчина. Вероятность того, что первым будет отобран мужчина, P(A ) = 7/10.
Вероятность того, что вторым отобран мужчина, при условии, что первым уже был отобран мужчина, т.е. условная вероятность события В следующая: P(B/А ) = 6/9 = 2/3.
Вероятность того, что третьим будет отобран мужчина, при условии, что уже отобраны двое мужчин, т.е. условная вероятность события С такова: P(C /АВ ) = 5/8.
Искомая вероятность того, что все три отобранных лица окажутся мужчинами, P(ABC) = P(A ) P(B /А ) P(C /АВ ) = 7/10 · 2/3 · 5/8 = 7/24.

1.2.6. Формула полной вероятности и формула Байеса

Пусть B 1 , B 2 ,…, B n – попарно несовместные события (гипотезы) и А – событие, которое может произойти только совместно с одним из них.
Пусть, кроме того, нам известны Р(B i ) и Р(А /B i ) (i = 1, 2, …, n ).
В этих условиях справедливы формулы:
(2.5)
(2.6)
Формула (2.5) называется формулой полной вероятности . По ней вычисляется вероятность события А (полная вероятность).
Формула (2.6) называется формулой Байеса . Она позволяет произвести пересчет вероятностей гипотез, если событие А произошло.
При составлении примеров удобно считать, что гипотезы образуют полную группу.
Задача 1.16 . В корзине яблоки с четырех деревьев одного сорта. С первого – 15% всех яблок, со второго – 35%, с третьего – 20%, с четвертого – 30%. Созревшие яблоки составляют соответственно 99%, 97%, 98%, 95%.
а) Какова вероятность того, что наугад взятое яблоко окажется спелым (событие А ).
б) При условии, что наугад взятое яблоко оказалось спелым, вычислить вероятность того, что оно с первого дерева.
Решение . а) Имеем 4 гипотезы:
B 1 – наугад взятое яблоко снято с 1-го дерева;
B 2 – наугад взятое яблоко снято с 2-го дерева;
B 3 – наугад взятое яблоко снято с 3-го дерева;
B 4 – наугад взятое яблоко снято с 4-го дерева.
Их вероятности по условию: Р(B 1) = 0,15; Р(B 2) = 0,35; Р(B 3) = 0,2; Р(B 4) = 0,3.
Условные вероятности события А :
Р(А /B 1) = 0,99; Р(А /B 2) = 0,97; Р(А /B 3) = 0,98; Р(А /B 4) = 0,95.
Вероятность того, что наудачу взятое яблоко окажется спелым, находится по формуле полной вероятности:
Р(А )=Р(B 1)∙Р(А /B 1)+Р(B 2)∙Р(А /B 2)+Р(B 3)∙Р(А /B 3)+Р(B 4)∙Р(А /B 4)=0,969.
б) Формула Байеса для нашего случая имеет вид:
.
Задача 1.17. В урну, содержащую два шара, опущен белый шар, после чего из нее наудачу извлечен один шар. Найти вероятность того, что извлеченный шар окажется белым, если равновозможны все возможные предположения о первоначальном составе шаров (по цвету).
Решение . Обозначим через А событие – извлечен белый шар. Возможны следующие предположения (гипотезы) о первоначальном составе шаров: B 1 – белых шаров нет, В 2 – один белый шар, В 3 – два белых шара.
Поскольку всего имеется три гипотезы, и сумма вероятностей гипотез равна 1 (так как они образуют полную группу событий), то вероятность каждой из гипотез равна 1/3,т.е.
P(B 1) = P(B 2) = P(B 3) = 1/3.
Условная вероятность того, что будет извлечен белый шар, при условии, что первоначально в урне не было белых шаров, Р(А /B 1)=1/3. Условная вероятность того, что будет извлечен белый шар, при условии, что первоначально в урне был один белый шар, Р(А /B 2)=2/3. Условная вероятность того, что будет извлечен белый шар, при условии, что первоначально в урне было два белых шара Р(А /B 3)=3/ 3=1.
Искомую вероятность того, что будет извлечен белый шар, находим по формуле полной вероятности:
Р (А )=Р(B 1)∙Р(А /B 1)+Р(B 2)∙Р(А /B 2)+Р(B 3)∙Р(А /B 3)=1/3·1/3+1/3·2/3+1/3·1=2/3.
Задача 1.18 . Два автомата производят одинаковые детали, которые поступают на общий конвейер. Производительность первого автомата вдвое больше производительности второго. Первый автомат производит в среднем 60% деталей отличного качества, а второй – 84%. Наудачу взятая с конвейера деталь оказалась отличного качества. Найти вероятность того, что эта деталь произведена первым автоматом.
Решение . Обозначим через А событие – деталь отличного качества. Можно сделать два предположения: B 1 – деталь произведена первым автоматом, причем (поскольку первый автомат производит вдвое больше деталей, чем второй) Р(А /B 1) = 2/3; B 2 – деталь произведена вторым автоматом, причем P(B 2) = 1/3.
Условная вероятность того, что деталь будет отличного качества, если она произведена первым автоматом,Р(А /B 1)=0,6.
Условная вероятность того, что деталь будет отличного качества, если она произведена вторым автоматом,Р(А /B 1)=0,84.
Вероятность того, что наудачу взятая деталь окажется отличного качества, по формуле полной вероятности равна
Р(А )=Р(B 1) ∙Р(А /B 1)+Р(B 2) ∙Р(А /B 2)=2/3·0,6+1/3·0,84 = 0,68.
Искомая вероятность того, что взятая отличная деталь произведена первым автоматом, по формуле Бейеса равна

Задача 1.19 . Имеются три партии деталей по 20 деталей в каждой. Число стандартных деталей в первой, второй и третьей партиях соответственно равны 20, 15, 10. Из выбранной партии наудачу извлечена деталь, оказавшаяся стандартной. Детали возвращают в партию и вторично из этой же партии наудачу извлекают деталь, которая также оказывается стандартной. Найти вероятность того, что детали были извлечены из третьей партии.
Решение . Обозначим через А событие – в каждом из двух испытаний (с возвращением) была извлечена стандартная деталь. Можно сделать три предположения (гипотезы): B 1 – детали извлекаются из первой партии, В 2 – детали извлекаются из второй партии, В 3 – детали извлекаются из третьей партии.
Детали извлекались наудачу из взятой партии, поэтому вероятности гипотез одинаковы:  P(B 1) = P(B 2) = P(B 3) = 1/3.
Найдем условную вероятность Р(А /B 1), т.е. вероятность того, что из первой партии будут последовательно извлечены две стандартные детали. Это событие достоверно, т.к. в первой партии все детали стандартны, поэтому Р(А /B 1) = 1.
Найдем условную вероятность Р(А /B 2), т.е. вероятность того, что из второй партии будут последовательно извлечены (с возвращением) две стандартные детали: Р(А /B 2)= 15/20 ∙ 15/20 = 9/16.
Найдем условную вероятность Р(А /B 3), т.е. вероятность того, что из третьей партии будут последовательно извлечены (с возвращением) две стандартные детали: Р(А /B 3) = 10/20 · 10/20 = 1/4.
Искомая вероятность того, что обе извлеченные стандартные детали взяты из третьей партии, по формуле Бейеса равна

1.2.7. Повторные испытания

Если производится несколько испытаний, причем вероятность события А в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимыми относительно события А. В разных независимых испытаниях событие А может иметь либо различные вероятности, либо одну и ту же вероятность. Будем далее рассматривать лишь такие независимые испытания, в которых событие А имеет одну ту же вероятность.
Пусть производится п независимых испытаний, в каждом из которых событие А может появиться либо не появиться. Условимся считать, что вероятность события А в каждом испытании одна и та же, а именно равна р. Следовательно, вероятность ненаступления события А в каждом испытании также постоянна и равна 1–р. Такая вероятностная схема называется схемой Бернулли . Поставим перед собой задачу вычислить вероятность того, что при п испытаниях по схеме Бернулли событие А осуществится ровно k раз (k – число успехов) и, следовательно, не осуществится п– раз. Важно подчеркнуть, что не требуется, чтобы событие А повторилось ровно k раз в определенной последовательности. Искомую вероятность обозначим Р п (k ). Например, символ Р 5 (3) означает вероятность того, что в пяти испытаниях событие появится ровно 3 раза и, следовательно, не наступит 2 раза.
Поставленную задачу можно решить с помощью так называемой формулы Бернулли, которая имеет вид:
.
Задача 1.20. Вероятность того, что расход электроэнергии в продолжение одних суток не превысит установленной нормы, равна р =0,75. Найти вероятность того, что в ближайшие 6 суток расход электроэнергии в течение 4 суток не превысит нормы.
Решение. Вероятность нормального расхода электроэнергии в продолжение каждых из 6 суток постоянна и равнар =0,75. Следовательно, вероятность перерасхода электроэнергии в каждые сутки также постоянна и равна q= 1–р =1–0,75=0,25.
Искомая вероятность по формуле Бернулли равна
.
Задача 1.21 . Два равносильных шахматиста играют в шахматы. Что вероятнее: выиграть две партии из четырех или три партии из шести (ничьи во внимание не принимаются)?
Решение . Играют равносильные шахматисты, поэтому вероятность выигрыша р = 1/2, следовательно, вероятность проигрыша q также равна 1/2. Т.к. во всех партиях вероятность выигрыша постоянна и безразлична, в какой последовательности будут выиграны партии, то применима формула Бернулли.
Найдем вероятность того, что две партии из четырех будут выиграны:

Найдем вероятность того, что будут выиграны три партии из шести:

Т.к. P 4 (2) > P 6 (3), то вероятнее выиграть две партии из четырех, чем три из шести.
Однакоможно видеть, что пользоваться формулой Бернулли при больших значениях n достаточно трудно, так как формула требует выполнения действий над громадными числами и поэтому в процессе вычислений накапливаются погрешности; в итоге окончательный результат может значительно отличаться от истинного.
Для решения этой проблемы существуют несколько предельных теорем, которые используются для случая большого числа испытаний.
1. Теорема Пуассона
При проведении большого числа испытаний по схеме Бернулли (при n => ∞) и при малом числе благоприятных исходов k (при этом предполагается, что вероятность успеха p мала), формула Бернулли приближается к формуле Пуассона
.
Пример 1.22. Вероятность брака при выпуске предприятием единицы продукции равна p =0,001. Какая вероятность, что при выпуске 5000 единиц продукции из них будет менее 4 бракованных (событие А Решение . Т.к. n велико, воспользуемся локальной теоремой Лапласа:

Вычислим x :
Функция – четная, поэтому φ(–1,67) = φ(1,67).
По таблице приложения П.1 найдем φ(1,67) = 0,0989.
Искомая вероятность P 2400 (1400) = 0,0989.
3. Интегральная теорема Лапласа
Если вероятность р появления события A в каждом испытании по схеме Бернулли постоянна и отлична от нуля и единицы, то при большом числе испытаний n , вероятность Р п (k 1 , k 2) появления события A в этих испытаниях от k 1 доk 2 раз приближенно равна
Р п (k 1 , k 2) = Φ (x"" ) – Φ (x" ), где
– функция Лапласа,

Определенный интеграл, стоящий в функции Лапласа не вычисляется на классе аналитических функций, поэтому для его вычисления используется табл. П.2, приведенная в приложении.
Пример 1.24. Вероятность появления события в каждом из ста независимых испытаний постоянна и равна p = 0,8. Найти вероятность того, что событие появится: a) не менее 75 раз и не более 90 раз; б) не менее 75 раз; в) не более 74 раз.
Решение . Воспользуемся интегральной теоремой Лапласа:
Р п (k 1 , k 2) = Φ (x"" ) – Φ(x" ), где Ф(x ) – функция Лапласа,

а) По условию, n = 100, p = 0,8, q = 0,2, k 1 = 75, k 2 = 90. Вычислим x"" и x" :


Учитывая, что функция Лапласа нечетна, т.е. Ф(-x ) = – Ф( x ), получим
P 100 (75;90) = Ф (2,5) – Ф(–1,25) = Ф(2,5) + Ф(1,25).
По табл. П.2. приложения найдем:
Ф(2,5) = 0,4938; Ф(1,25) = 0,3944.
Искомая вероятность
P 100 (75; 90) = 0,4938 + 0,3944 = 0,8882.
б) Требование, чтобы событие появилось не менее 75 раз, означает, что число появлений события может быть равно 75, либо 76, …, либо 100. Т.о., в рассматриваемом случае следует принять k 1 = 75, k 2 = 100. Тогда

.
По табл. П.2. приложения найдем Ф(1,25) = 0,3944; Ф(5) = 0,5.
Искомая вероятность
P 100 (75;100) = (5) – (–1,25) = (5) + (1,25) = 0,5 + 0,3944 = 0,8944.
в) Событие – «А появилось не менее 75 раз» и «А появилось не более 74 раз» противоположны, поэтому сумма вероятностей этих событий равна 1. Следовательно, искомая вероятность
P 100 (0;74) = 1 – P 100 (75; 100) = 1 – 0,8944 = 0,1056.

Предмет теории вероятностей . Случайные события и их классификация. Классическое определение вероятности . Общие принципы комбинаторики.

Вероятность относится к числу таких понятий, которыми мы охотно пользуемся в повседневной жизни, совсем не задумываясь об этом. Например, даже наша речь носит отпечаток стихийно-вероятностного подхода к окружающей нас действительности. Мы часто употребляем слова "вероятно ", "маловероятно ", "невероят­но" . Уже в этих словах имеется попытка оценить возможность появления того или иного события, т.е. попытка дать количественную оценку этой возможности. Идея выражать числами степень возможности появления тех или иных событий возникла после того, как люди попытались обобщить достаточно большое число наблюдений за явлениями, в которых проявляется свойство устойчивости, т.е. способность повторяться довольно часто.

Например, нельзя заранее определить результат одного подбрасывания монеты. Но если подбрасывать монету достаточно большое число раз, то почти наверняка можно утверждать, что примерно половину раз она упадет на "орла", а половину на "решку". Число подобных примеров, в которых интуитивное представление о численном значении вероятности того или иного события, можно привести очень много. Однако все подобные примеры сопровождаются неопределенными понятиями типа "честное" подбрасывание, "правильная" монета и т.п. Теория вероятностей стала наукой лишь тогда, когда были выявлены основные понятия теории вероятностей, четко сформулировано само понятие вероятности, построена вероятностная аксиоматическая модель.

Любая наука, развивающая общую теорию какого-либо круга явлений, содержит ряд основных понятий, на которых она базируется. Таковы, например, в геометрии понятия точки, прямой, плоскости, линии, поверхности; в математическом анализе – функции, предела, дифференциала, интеграла; в механике – силы, массы, скорости, ускорения. Естественно, что такие понятия есть и в теории вероятностей. Одним из таких основных понятий является понятие случайного события .

1. Случайные события и их вероятности

1.1. Случайные события и их классификация

Под событием будем понимать любое явление, которое происходит в результате осуществления определенного комплекса условий. Осуществление этого комплекса условий называют экспериментом (опытом, испытанием ). Заметим, что в проведении опыта необязательно должен участвовать сам исследователь. Опыт можно поставить мысленно, или он может протекать независимо от него; в последнем случае исследователь выступает в качестве наблюдателя.

Событие называется достоверным , если оно непременно должно произойти при выполнении определенных условий. Так, достоверным является выпадение не более шести очков при бросании обычной игральной кости; утверждение, что вода является находится в жидком состоянии при +20 0 С в нормальных условиях, и т.п. Событие называется невозможным , если оно заведомо не наступит при выполнении определенных условий. Так, невозможным событием является утверждение, что можно извлечь более четырех тузов из обычной колоды карт; или утверждение Мюнхгаузена, что он мог поднять себя за волосы, и т.п. Событие называется случайным, если оно может либо произойти, либо не произойти при выполнении определенных условий. Например, выпадение «орла» при бросании монеты; попадание в цель при одном выстреле по мишени и т.п.

В теории вероятностей любое событие рассматривается как результат некоторого эксперимента. Поэтому события часто называют исходами . При этом исход того или иного эксперимента должен зависеть от ряда случайных факторов, т.е. любой исход должен являться случайным событием; в противном случае, такими событиями должны заниматься другие науки. Особо следует отметить, что в теории вероятностей рассматриваются только такие эксперименты, которые можно повторить (воспроизвести) при неизменном комплексе условий произвольное число раз (по крайней мере теоретически). То есть, теория вероятностей изучает лишь такие события, в отношении которых имеет смысл не только утверждение об их случайности, но и возможна объективная оценка доли случаев их появления. В связи с этим, подчеркнем, что теория вероятностей не занимается изучением уникальных событий, как бы они ни были интересными сами по себе. Например, утверждение, что в данном месте в данное время произойдет землетрясение, относится к числу случайных событий. Однако подобные события уникальны, поскольку их нельзя воспроизвести.

Другой пример, событие, состоящее в том, что данный механизм проработает больше года, является случайным, но уникальным. Конечно, каждый механизм индивидуален по своим качествам, но этих механизмов может изготовляться очень много, причем изготовленных в одних и тех же условиях. Испытания многих сходных объектов дает ту информацию, которая позволяет оценить долю числа появления рассматриваемого случайного события. Таким образом, в теории вероятностей имеют дело с повторением испытаний двух типов : 1) повторение испытаний для одного и того же объекта ; 2) испытание многих сходных объектов .

В дальнейшем для краткости слово «случайный» будем опускать. События будем обозначать заглавными буквами латинского алфавита: A, B, C и т.д.

События A и B называются несовместными , если наступление одного из них исключает возможность появления другого. Например, при подбрасывании монеты могут наступить два события: выпадет "орел" или "решка". Однако, одновременно эти события, при одном подбрасывании, появится не могут. Если в результате испытания возможно одновременное появление событий A и B, то такие события называются совместными . Например, выпадение четного числа очков при подбрасывании игральной кости (событие А) и числа очков, кратного трем (событие В) будут совместными, ибо выпадение шести очков означает наступление и события А, и события В.

Событие А называется независимым от события В, если вероятность появления события А не зависит от того, произошло событие В или нет; в противном случае такие события называются зависимыми . Например, вероятность события того. что во второй раз из урны, содержащей белые и черные шары, будет вынут белый шар, не зависит от того, какой шар был вынут в первый раз, если он был возвращен обратно. Однако если первый шар не был возвращен обратно, то результат второго извлечения уже будет зависеть от первого, ибо состав шаров в урне уже изменится в зависимости от результата первого извлечения.

Вопрос . Зависимы или нет несовместные события?