При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность () наступления интересующего нас события от того, как развиваются остальные события.
В случае классической схемы, когда все исходы равновероятны, мы уже можем оценить значения вероятности интересующего нас отдельного события самостоятельно. Мы можем сделать это даже в том случае, если событие является сложной совокупностью нескольких элементарных исходов. А если несколько случайных событий происходит одновременно или последовательно? Как это влияет на вероятность реализации интересующего нас события?
Если я несколько раз кидаю игральную кость, и хочу, чтобы выпала "шестерка", а мне все время не везет, значит ли это, что надо увеличивать ставку, потому что, согласно теории вероятностей, мне вот-вот должно повезти? Увы, теория вероятности не утверждает ничего подобного. Ни кости, ни карты, ни монетки не умеют запоминать, что они продемонстрировали нам в прошлый раз. Им совершенно не важно, в первый раз или в десятый раз сегодня я испытываю свою судьбу. Каждый раз, когда я повторяю бросок, я знаю только одно: и на этот раз вероятность выпадения "шестерки" снова равна одной шестой. Конечно, это не значит, что нужная мне цифра не выпадет никогда. Это означает лишь то, что мой проигрыш после первого броска и после любого другого броска - независимые события.
События А и В называются независимыми , если реализация одного из них никак не влияет на вероятность другого события. Например, вероятности поражения цели первым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события "первое орудие поразило цель" и "второе орудие поразило цель" независимы.
Если два события А и В независимы, и вероятность каждого из них известна, то вероятность одновременного наступления и события А, и события В (обозначается АВ) можно посчитать, воспользовавшись следующей теоремой.
Теорема умножения вероятностей для независимых событий
P(AB) = P(A)*P(B) - вероятность одновременного наступления двух независимых событий равна произведению вероятностей этих событий.Пример. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 =0,7; р 2 =0,8. Найти вероятность попадания при одном залпе обоими орудиями одновременно.
Решение: как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р 1 *р 2 =0,56.
Что произойдет, с нашими оценками, если исходные события не являются
независимыми? Давайте немного изменим предыдущий пример.
Пример. Два стрелка на соревнованиях стреляют по мишеням, причем, если один из них стреляет метко, то соперник начинает нервничать, и его результаты ухудшаются. Как превратить эту житейскую ситуацию в математическую задачу и наметить пути ее решения? Интуитивно понятно, что надо каким-то образом разделить два варианта развития событий, составить по сути дела два сценария, две разные задачи. В первом случае, если соперник промахнулся, сценарий будет благоприятный для нервного спортсмена и его меткость будет выше. Во втором случае, если соперник прилично реализовал свой шанс, вероятность поразить мишень для второго спортсмена снижается.
Для разделения возможных сценариев (их часто называют гипотезами) развития
событий мы будем часто использовать схему "дерева вероятностей".
Эта схема похожа по смыслу на дерево решений, с которым Вам, наверное, уже
приходилось иметь дело. Каждая ветка представляет собой отдельный сценарий
развития событий, только теперь она имеет собственное значение так называемой
условной
вероятности
(q 1 , q 2 , q 1 -1, q 2 -1).
Эта схема очень удобна для анализа последовательных случайных событий.
Остается выяснить еще один немаловажный вопрос: откуда берутся исходные значения вероятностей в реальных ситуациях ? Ведь не с одними же монетами и игральными костями работает теория вероятностей? Обычно эти оценки берутся из статистики, а когда статистические сведения отсутствуют, мы проводим собственное исследование. И начинать его нам часто приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны.
Пример. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева вероятностей". При этом значение вероятности на каждой "ветке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка:
1) из всех жителей города женщин 50%,
2) из всех женщин только 30% красят волосы часто,
3) из них только 10% пользуются бальзамами для окрашенных волос,
4) из них только 10% могут набраться смелости попробовать новый товар,
5) из них 70% обычно покупает все не у нас, а у наших конкурентов.
Решение:
По закону
перемножения вероятностей, определяем вероятность интересующего нас события А
={житель города покупает у нас этот новый
бальзам}=0,00045.
Умножим это значение вероятности на число жителей города. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля.
И все-таки польза от наших оценок есть.
Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения вероятности тоже будут разные.
Во-вторых, как мы уже говорили, случайная величина не потому называется случайной, что она совсем ни от чего не зависит. Просто ее точное значение заранее не известно. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вероятностей нас особенно не устраивает, на тех факторах, на которые мы в состоянии повлиять.
Рассмотрим еще один количественный пример исследования покупательского поведения.
Пример. За день продовольственный рынок посещает в среднем 10000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 1/2. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов.
Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г?
Обсуждение. Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил.
Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы
должны найти ответ на вопрос, какова вероятность того, что человек, зашедший
в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не
имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое
время за посетителями павильона. Допустим, наши наблюдения показали, что
только пятая часть посетителей павильона что-то покупает.
Как только эти оценки нами получены, задача становится уже простой. Из 10000 человек, пришедших на рынок, 5000 зайдут в павильон молочных продуктов, покупок будет только 1000. Средний вес покупки равен 500 грамм. Интересно отметить, что для построения полной картины происходящего, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с вероятностями.
Задачи для самопроверки
1. Пусть есть электрическая цепь, состоящая из n последовательно соединенных элементов, каждый из которых работает независимо от остальных.
Известна вероятность p невыхода из строя каждого элемента. Определите
вероятность исправной работы всего участка цепи (событие А).
2. Студент знает 20 из 25 экзаменационных вопросов. Найдите вероятность того, что студент знает предложенные ему экзаменатором три вопроса.
3. Производство состоит из четырех последовательных этапов, на каждом из которых работает оборудование, для которого вероятности выхода из строя в течение ближайшего месяца равны соответственно р 1 , р 2 , р 3 и р 4 . Найдите вероятность того, что за месяц не случится ни одной остановки производства из-за неисправности оборудования.
Понятие события и вероятности события. Достоверные и невозможные события. Классическое определение вероятностей. Теорема сложения вероятностей. Теорема умножения вероятностей . Решение простейших задач на определение вероятности с использованием сложения вероятностей.
Методические указания по теме 3.1:
Понятие события и вероятности события. Достоверные и невозможные события. Классическое определение вероятностей:
Изучение каждого явления в порядке наблюдения или производства опыта связан с осуществлением некоторого комплекса условий (испытаний). Всякий результат или исход испытания 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.
Вероятность события рассматривается как мера объективной возможности появления случайного события.
Вероятностью события называется отношение числа исходов m , благоприятствующих наступлению данного события , к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е.
Вероятность любого события не может быть меньше нуля и больше единицы, т.е. . Невозможному событию соответствует вероятность , а достоверному - вероятность
Пример 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Общее число различных исходов есть n = 1000. Число исходов, благоприятствующих получению выигрыша, составляет m = 200. Согласно формуле, получим .
Пример 2. Из урны, в которой находятся 5 белых и 3 черных шара, вынимают один шар. Найти вероятность того, что шар окажется черным.
Обозначим событие, состоящее в появлении черного шара, через . Общее число случаев . Число случаев m , благоприятствующих появлению события , равно 3. По формуле получим .
Пример 3. Из урны, в которой находятся 12 белых и 8 черных шаров, вынимают наудачу два шара. Какова вероятность того, что оба шара окажутся черными?
Обозначим событие, состоящее в появлении двух черных шаров через . Общее число возможных случаев n равно числу сочетаний из 20 элементов (12 + 8) по два:
Число случаев m , благоприятствующих событию , составляет
По формуле находим вероятность появления двух черных шаров:
Теорема сложения вероятностей. Решение простейших задач на определение вероятности с использованием теоремы сложения вероятностей:
Теорема сложения вероятностей несовместных событий. Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равно сумме вероятностей этих событий:
Теорема сложения вероятностей совместных событий. Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
Пример 4. В ящике в случайном порядке разложены 20 деталей, причем пять из них стандартные. Рабочий берет наудачу три детали. Найти вероятность того, что по крайней мере она из взятых деталей окажется стандартной.
Очевидно, что по крайней мере одна из взятых деталей окажется стандартной, если произойдет любое из трех несовместных событий: B - одна деталь стандартная, две нестандартные; C - две детали стандартные, одна нестандартная и D - три детали стандартные.
Таким образом, событие A можно представить в виде суммы этих трех событий: A = B + C + D. По теореме сложения имеем P(A) = P(B) + P(C) + P(D). Находим вероятность каждого из этих событий:
Сложив найденные величины, получим 
Пример 5. Найти вероятность того, что наудачу взятое двузначное число окажется кратным либо 3, либо 5, либо тому и другому одновременно.
Пусть A - событие, состоящее в том, что наудачу взятое число кратно 3, а B - в том, что оно кратно 5. Найдем Так как A и B совместные события, то воспользуемся формулой:
Всего имеется 90 двузначных чисел: 10, 11, 98, 99. Из них 30 являются кратными 3 (благоприятствуют наступлению события A ); 18 - кратными 5 (благоприятствуют наступлению события B ) и 6 - кратными одновременно 3 и 5 (благоприятствуют наступлению события AB ). Таким образом, т.е.
Теорема умножения вероятностей:
Теорема умножения вероятностей независимых событий. Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле:
Теорема умножения вероятностей зависимых событий. Вероятность совместного появления двух зависимых событий равна произведению одного из них на условную вероятность второго:
Пример 6. В одной урне находятся 4 белых и 8 черных шаров, в другой - 3 белых и 9 черных. Из каждой урны вынули по шару. Найти вероятность того, что оба шара окажутся белыми.
Пусть - появление белого шара из первой урны, а - появление белого шара из второй урны. Очевидно, что события и независимы. Найдем
По формуле получим:
Вопросы для самопроверки по теме 3.1:
1. Что такое событие?
2. Какие события называются достоверными?
3. Какие события называются невозможными?
4. Дать определение вероятности.
5. Сформулировать теорему сложения вероятностей.
6. Сформулировать теорему умножения вероятностей.
Задания для самостоятельного решения по теме 3.1:
1. В ящике в случайном порядке положены 10 деталей, из которых 4 стандартных. Контролер взял наудачу 3 детали. Найти вероятность того, что хотя бы одна из взятых деталей оказалась стандартной.
2. В урне находятся 10 белых, 15 черных, 20 синих и 25 красных шаров. Найдите вероятность того, что вынутый шар окажется: 1) белым; 2) черным или красным.
3. Найдите вероятность того, что наудачу взятое двузначное число окажется кратным либо 4, либо 5, либо тому и другому одновременно.
4. Рабочий обслуживает два автомата, работающих независимо друг от друга. Вероятность того, что в течение часа первый автомат не потребует внимания рабочего, равна 0,8, а для второго автомата эта вероятность равна0,7. Найдите вероятность того, что в течение часа ни один и автоматов не потребует внимания рабочего.
5. В урне находятся 6 шаров, из которых 3 белых. Наудачу вынуты один за другим два шара. Вычислите вероятность того, что оба шара окажутся белыми.
6. В урне находятся 10 белых и 6 черных шаров. Найдите вероятность того, что три наудачу вынутых один за другим шара окажутся черными.
Лекция 7. Теория вероятностей
СЛЕДСТВИЯ ТЕОРЕМ СЛОЖЕНИЯ И УМНОЖЕНИЯ
Теорема сложения вероятностей совместных событий
Была рассмотрена теорема сложения для несовместных событий. Здесь будет изложена теорема сложения для совместных событий.
Два события называют совместными , если появление одного из них не исключает появления другого в одном и том же испытании.
Пример 1 . А – появление четырех очков при бросании игральной кости; В – появление четного числа очков. События А и В – совместные.
Пусть события А и В совместны, причем даны вероятности этих событий и вероятность их совместного появления. Как найти вероятность события А + В, состоящего в том, что появится хотя бы одно из событий А и В? Ответ на этот вопрос дает теорема сложения вероятностей совместных событий.
Теорема . Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления: Р(А + В) = Р(А) + Р(В) – Р(АВ).
Доказательство . Поскольку события А и В, по условию, совместны, то событие А + В наступит, если наступит одно из следующих трех несовместных событий: . По теореме сложения вероятностей несовместных событий, имеем:
Р(А + В) = Р(А ) + Р( В) + Р(АВ). (*)
Событие А произойдет, если наступит одно из двух несовместных событий: А
или АВ. По теореме сложения вероятностей несовместных событий имеем
Р(А) = Р(А ) + Р(АВ).
Р(А )=Р(А) – Р(АВ). (**)
Аналогично имеем
Р(В) = Р(ĀВ) + Р(АВ).
Р(ĀВ) = Р(В) – Р(АВ). (***)
Подставив (**) и (***) в (*), окончательно получим
Р(А + В) = Р(А) + Р(В) – Р(АВ). (****)
Что и требовалось доказать.
Замечание 1. При использовании полученной формулы следует иметь в виду, что события А и В могут быть как независимыми , так и зависимыми .
Для независимых событий
Р(А + В) = Р(А) + Р(В) – Р(А)*Р(В);
Для зависимых событий
Р(А + В) = Р(А) + Р(В) – Р(А)*Р А (В).
Замечание 2. Если события А и В несовместны , то их совмещение есть невозможное событие и, следовательно, Р(АВ) = 0.
Формула (****) для несовместных событий принимает вид
Р(А + В) = Р(А) + Р(В).
Мы вновь получили теорему сложения для несовместных событий. Таким образом, формула (****) справедлива как для совместных, так и для несовместных событий.
Пример 2.
Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: p 1 = 0,7; p 2 = 0,8. Найти вероятность попадания при одном залпе
(из обоих орудий) хотя бы одним из орудий.
Решение . Вероятность попадания в цель каждым из орудий не зависит от результата стрельбы из другого орудия, поэтому события А (попадание первого орудия) и В (попадание второго орудия) независимы.
Вероятность события АВ (оба орудия дали попадание)
Р(АВ) = Р(А) * Р(В) = 0,7 * 0,8 = 0,56.
Искомая вероятность Р(А + В) = Р(А) + Р(В) – Р(АВ) = 0,7 + 0,8 – 0,56 = 0,94.
Замечание 3. Так как в настоящем примере события А и В независимые, то можно было воспользоваться формулой Р = 1 – q 1 q 2
В самом деле, вероятности событий, противоположных событиям А и В, т.е. вероятности промахов, таковы:
q 1 = 1 – p 1 = 1 – 0,7 = 0,3;
q 2 = 1 – p 2 = 1 – 0,8 = 0,2;
Искомая вероятность того, что при одном залпе хотя бы одно орудие даст попадание, равна
P = 1 – q 1 q 2 = 1 – 0,3 * 0,2 = 1 – 0,06 = 0,94.
Как и следовало ожидать, получен тот же результат.
Тип занятия:
изучение нового материала.
Учебно-воспитательные задачи:
- дать понятие о случайном событии, вероятности события;
- научить вычислять вероятности события; вероятности случайных событий по классическому определению;
- научить применять теоремы сложения и умножения вероятностей для решения задач;
- продолжать формировать интерес к математике посредством решения задач с применением классического определения вероятности для непосредственного подсчета вероятностей явлений;
- прививать интерес к математике, используя исторический материал;
- воспитывать осознанное отношение к процессу обучения, прививать чувство ответственности за качество знаний, осуществлять самоконтроль за процессом решения и оформления упражнений.
Обеспечение занятия:
- карточки-задания для индивидуального опроса;
- карточки-задания для проверочной работы;
- презентация.
Студент должен знать:
- определения и формулы числа перестановок, размещений и сочетаний;
- классическое определение вероятности;
- определения суммы событий, произведения событий; формулировки и формулы теорем сложения и умножения вероятностей.
Студент должен уметь:
- вычислять перестановки, размещения и сочетания;
- вычислять вероятность события используя классическое определение и формулы комбинаторики;
- решать задачи на применение теорем сложения и умножения вероятностей.
Мотивация познавательной деятельности студентов.
Преподаватель сообщает, что возникновение теории вероятностей относится к середине XVII в. и связанно с исследованием Б. Паскаля, П. Ферма и Х.Гюйгенса (1629-1695) . Крупный шаг в развитии теории вероятности связан с работами Я.Бернулли (1654-1705). Ему принадлежит первое доказательство одного из важнейших положений теории вероятностей - законом больших чисел. Следующий этап в развитии теории связан с именами А.Муавра (1667-1754) , К. Гаусса, П. Лапласа (1749-1827) , С.Пуассона (1781-1840). Среди ученых Петербургской школой следует назвать имена А.М. Ляпунова (1857-1918) и А.А Маркова (1856-1922) . После работ этих математиков во всем мире теорию вероятностей стали называть “Русской наукой”. В средине 20-х годов А.Я. Хинчин (1894-1959) и А.Н. Колмогорова создали Московскую школу теории вероятностей. Вклад акад. А.Н.Колмогоров – лауреата Ленинской премии, международной премии им. Б. Больцано, члена ряда зарубежных академиков – в современную математику огромен. Заслуга А.Н.Колмогорова состоит не только в разработке новых научных теорий, но и еще в большей степени в том, что он воспитал целую плеяду талантливых ученых (акад. АН УССР Б.В. Гнеденко, акад. Ю.В. Прохоров, Б.А. Севастьянов и др.).
Теория вероятностей – математическая наука, изучающая закономерности случайных величин,- за последнее десятилетие превратилась в один из основных методов современных науки и техники. Бурное развитие теории автоматического регулирования привело к необходимости решать многочисленные вопросы, связанные с выяснением возможного хода процессов, на которые влияют случайные факторы. Теория вероятностей необходима широкому кругу специалистов – физикам, биологам, врача, экономистам, инженерам, военным, организаторам производства и т.д.
Ход занятия.
I . Организационный момент.
II
. Проверка домашнего задания
Провести фронтальный опрос в виде ответов на вопросы:
Проверить решение упражнений:
- Сколькими способами можно составить список из 10 человек?
- Сколькими способами из 15 рабочих можно создать бригады по 5 человек в каждой?
- 30 учащихся обменялись друг с другом фотокарточками. Сколько всего было роздано фотокарточек?
III
. Изучение нового материала.
В толковом словаре С.И. Ожегова и Н.Ю. Шведовой читаем: «Вероятность – возможность исполнения, осуществимости чего-нибудь». Мы часто употребляем в повседневной жизни «вероятно», «вероятнее», «невероятно», вовсе не имея в виду конкретные количественные оценки этой возможности исполнения.
Основатель современной теории вероятностей А.Н. Колмогоров писал о вероятности так: «Вероятность математическая – это числовая характеристика степени возможности появления какого-либо определенного события в тех или иных определенных, могущих повторяться неограниченное число раз условиях».
Итак, в математике вероятность измеряется числом. Совсем скоро мы выясним, как именно это можно сделать. Но начнем мы с обсуждения того, у каких событий бывает «математическая вероятность» и что представляют собой эти «определенные, могущие повторяться неограниченное число раз условия». Именно поэтому рассмотрим случайные события и случайные эксперименты.
Нужно сказать, что теория вероятностей, как никакая другая область математики, полна противоречий и парадоксов. Объяснение этому очень простое – она слишком тесно связана с реальной, окружающей нас действительностью. Долгое время ее вместе с математической статистикой даже не хотели причислять к математическим дисциплинам, считая их сугубо прикладными науками.
Только в первой половине прошлого века, в основном благодаря трудам нашего великого соотечественника А.Н. Колмогорова, имя которого уже упоминалось выше, были построены математические основания теории вероятностей, которые позволили отделить собственно науку от ее приложений. Подход, предложенный Колмогоровым, теперь принято называть аксиоматическим, поскольку вероятность в нем (а точнее, вероятностное пространство) определяется как некая математическая структура, удовлетворяющая определенной системе аксиом.
Именно на этом подходе построен современный вузовский курс теории вероятностей, через который прошли в свое время все нынешние учителя математики. Однако в школе такой подход к изучению вероятности (да и математики в целом) вряд ли разумен. Если в вузе основной акцент делается на изучении математического аппарата для исследования вероятностных моделей, то в школе ученик должен научиться эти модели строить,
анализировать, проверять их адекватность реальным ситуациям. Такую точку зрения разделяют сегодня большинство ученых, занимающихся проблемами школьного математического образования
В современных школьных учебниках можно найти следующее определение: событие называется случайным
, если при одних и тех же условиях оно может как произойти, так и не произойти. Случайным будет, например, событие «При подбрасывании игрального кубика выпадет 6 очков».
В приведенном определении неявно подразумевается одно важное требование, которое необходимо подчеркнуть: мы должны иметь возможность неоднократно воспроизводить одни и те же условия, в которых наблюдается данное событие
(например, подбрасывать кубик),- иначе невозможно судить о его случайности.
Стало быть, говоря о любом случайном событии, мы всегда имеем в виду наличие определенных условий, без которых об этом событии вообще не имеет смысла говорить. Этот комплекс условий называют случайным опытом
или случайным экспериментом
.
В дальнейшем мы будем называть случайным любое событие, связанное со случайным экспериментом
. До эксперимента, как правило, невозможно точно сказать, произойдет данное событие, или не произойдет – это выясняется лишь после его завершения. Но неспроста мы сделали оговорку «как правило»: в теории вероятностей принято считать случайными все события, связанные со случайным экспериментом, в том числе:
- невозможные , которые никогда не могут произойти;
- достоверные, которые происходят при каждом таком эксперименте.
Например, событие «На игральном кубике выпадет 7 очков» - невозможное, а «На игральном кубике выпадет меньше семи очков» - достоверное. Разумеется, если речь идет о кубике, на гранях которого написаны числа от 1 до 6.
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 (В урне два шара – белый и черный, появление черного шара не исключает появление белого при том же испытании). События называются противоположными,
если в условиях испытания они, являясь единственными его исходами, несовместны. Вероятность события рассматривается как мера объективной возможности появления случайного события.
Обозначения:
Случайные события (большими буквами латинского алфавита): A,B,C,D,.. (или ). “Случайные” опускают и говорят просто “события”.
Число исходов, благоприятствующих наступлению данного события – m;
Число всех исходов (опытов) – n.
Классическое определение вероятности.
Вероятностью
события A называется отношение числа исходов m, благоприятствующих наступлению данного события к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е.
–
вероятность случайного события
Вероятность любого события не может быть меньше нуля и больше единицы, т.е. 0≤P(A)≤1
Невозможному событию соответствует вероятность P(A)=0, а достоверному – вероятность P(A)=1
Теоремы сложения вероятностей.
Теорема сложения вероятностей несовместных событий.
Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равна сумме вероятностей этих событий:
P(A+B)=P(A)+P(B);
P(+ +…+=P(+P+…+P().
Теорема сложения вероятностей совместных событий.
Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
P(A+B)=P(A)+P(B)-P(AB)
Для трех совместных событий имеет место формула:
P(A+B+C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)
Событие, противоположное событию A (т.е. ненаступление события A), обозначают . Сумма вероятностей двух противоположных событий равна единице: P(A)+P()=1
Вероятность наступления события A, вычисленная в предположении, что событие B уже произошло, называется условной вероятностью
события A при условии B и обозначается (A) или P(A/B).
Если A и B – независимые события, то
P(B)-(B)=(B).
События A,B,C,… называются независимыми в совокупности, если вероятность каждого из них не меняется в связи с наступлением или ненаступлением других событий по отдельности или в любой их комбинации.
Теоремы умножения вероятностей.
Теорема умножения вероятностей независимых событий.
Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
P(AB)=P(A) P(B)
Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле:
P()=P() P()… P().
Теорема умножения вероятностей зависимых событий.
Вероятность совместного появления двух зависимых событий равна произведению одного из них на условную вероятность второго:
P(AB)=P(A) (B)=P(B) (A)
IV
. Применение знаний при решении типовых задач
Задача 1.
В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Решение:
Событие A-билет выигрышный. Общее число различных исходов есть n=1000
Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле P(A)=, получим P(A)== = 0,2 = 0,147
Задача 4
.
В ящике в случайном порядке разложены 20 деталей, причем 5 из них стандартные. Рабочий берет наудачу 3 детали. Найти вероятность того, что по крайней мере одна из взятых деталей окажется стандартной.
Задача 5.
Найти вероятность того, что наудачу взятое двухзначное число окажется кратным либо 3, либо 5, либо тому и другому одновременно
Задача 6.
В одной урне находятся 4 белых и 8 черных шаров, в другой – 3 белых и 9 черных. Из каждой урны вынули по шару. Найти вероятность того, что оба шара окажутся белыми.
Решение:
Пусть A - появление белого шара из первой урны, а B – появление белого шара из второй урны. Очевидно, что события A и B независимы. Найдем P(A)=4/12=1/3, P(B)=3/12=1/4, получим
P(AB)=P(A) P(B)=(1/3) (1/4)=1/12=0,083
Задача
7.
В ящике находится 12 деталей, из которых 8 стандартных. Рабочий берет наудачу одну за другой две детали. Найти вероятность того, что обе детали окажутся стандартными.
Решение:
Введем следующие обозначения: A – первая взятая деталь стандартная; B – вторая взятая деталь стандартная. Вероятность того, что первая деталь стандартная, составляет P(A)=8/12=2/3. Вероятность того, что вторая взятая деталь окажется стандартной при условии, что была стандартной первая деталь, т.е. условная вероятность события B, равна (B)=7/11.
Вероятность того, что обе детали окажутся стандартными, находим по теореме умножения вероятностей зависимых событий:
P(AB)=P(A) (B)=(2/3) (7/11)=14/33=0,424
Самостоятельное применение знаний, умений и навыков.
Вариант 1.
- Какова вероятность того, что наудачу выбранное целое число от 40 до 70 является кратным 6?
- Какова вероятность того, что при пяти бросаниях монеты она три раза упадет гербом к верху?
Вариант 2.
- Какова вероятность того, что наудачу выбранное целое число от 1 до 30 (включительно) является делителем числа 30?
- В НИИ работает 120 человек, из них 70 знают английский язык, 60 – немецкий, а 50 – знают оба. Какова вероятность того, что выбранный наудачу сотрудник не знает ни одного иностранного языка?
VI . Подведение итогов занятия.
VII
. Домашнее задание:
Г.Н. Яковлев, математика, книга 2, § 24.1, 24.2, стр. 365-386. Упражнения 24.11, 24.12, 24.17
Изучение теории вероятности начинается с решения задач на сложение и умножение вероятностей. Стоит сразу упомянуть, что студент при освоении данной области знаний может столкнуться с проблемой: если физические или химические процессы можно представить визуально и понять эмпирически, то уровень математической абстракции очень высок, и понимание здесь приходит только с опытом.
Однако игра стоит свеч, ведь формулы - как рассматриваемые в данной статье, так и более сложные - используются сегодня повсеместно и вполне могут пригодиться в работе.
Происхождение
Как ни странно, толчком к развитию данного раздела математики стали… азартные игры. Действительно, игра в кости, бросание монетки, покер, рулетка - это типичные примеры, в которых используются сложение и умножение вероятностей. На примере задач в любом учебнике это можно увидеть наглядно. Людям было интересно узнать, как увеличить свои шансы на победу, и, надо сказать, некоторые в этом преуспели.
Например, уже в XXI веке один человек, чьего имени раскрывать мы не будем, использовал эти накопленные веками знания, чтобы буквально «обчистить» казино, выиграв в рулетку несколько десятков миллионов долларов.
Впрочем, несмотря на повышенный интерес к предмету, только к XX веку была разработана теоретическая база, делающая «теорвер» полноценной Сегодня же практически в любой науке можно встретить расчёты, использующие вероятностные методы.
Применимость
Важным моментом при использовании формул сложения и умножения вероятностей, условной вероятности является выполнимость центральной предельной теоремы. В противном случае хоть это и может и не осознаваться студентом, все вычисления, какими бы правдоподобными они ни казались, будут некорректны.
Да, у высокомотивированного учащегося возникает соблазн использовать новые знания при каждом удобном случае. Но в данном случае следует несколько притормозить и строго очертить рамки применимости.
Теория вероятности имеет дело со случайными событиями, которые в эмпирическом плане представляют собой результаты экспериментов: мы можем бросать кубик с шестью гранями, вытаскивать карту из колоды, предсказывать количество бракованных деталей в партии. Однако в некоторых вопросах использовать формулы из этого раздела математики категорически нельзя. Особенности рассмотрения вероятностей события, теорем сложения и умножения событий мы обсудим в конце статьи, а пока обратимся к примерам.
Основные понятия
Под случайным событием подразумевается некоторый процесс или результат, который может проявиться, а может и не проявиться в результате эксперимента. Например, мы подбрасываем бутерброд - он может упасть маслом вверх или маслом вниз. Любой из двух исходов будет являться случайным, и мы заранее не знаем, какой из них будет иметь место.
При изучении сложения и умножения вероятностей нам понадобятся ещё два понятия.
Совместными называются такие события, появление одного из которых не исключает появления другого. Скажем, два человека одновременно стреляют по мишени. Если один из них произведет успешный никак не отразится на возможности второго попасть в «яблочко» или промахнуться.
Несовместными будут такие события, появление которых одновременно является невозможным. Например, вытаскивая из коробки только один шарик, нельзя достать сразу и синий, и красный.
Обозначение
Понятие вероятности обозначается латинской заглавной буквой P. Далее в скобках следуют аргументы, обозначающие некоторые события.
В формулах теоремы сложения, условной вероятности, теоремы умножения вы увидите в скобках выражения, например: A+B, AB или A|B. Рассчитываться они будут различными способами, к ним мы сейчас и обратимся.
Сложение
Рассмотрим случаи, в которых используются формулы сложения и умножения вероятностей.
Для несовместных событий актуальна самая простая формула сложения: вероятность любого из случайных исходов будет равна сумме вероятностей каждого из этих исходов.
Предположим, что есть коробка с 2 синими, 3 красными и 5 жёлтыми шариками. Итого в коробке имеется 10 предметов. Какова доля истинности утверждения, что мы вытащим синий или красный шар? Она будет равна 2/10 + 3/10, т. е. пятьдесят процентов.
В случае же несовместных событий формула усложняется, поскольку добавляется дополнительное слагаемое. Вернемся к нему через один абзац, после рассмотрения ещё одной формулы.
Умножение
Сложение и умножение вероятностей независимых событий используются в разных случаях. Если по условию эксперимента нас устраивает любой из двух возможных исходов, мы посчитаем сумму; если же мы хотим получить два некоторых исхода друг за другом, мы прибегнем к использованию другой формулы.
Возвращаясь к примеру из предыдущего раздела, мы хотим вытащить сначала синий шарик, а затем - красный. Первое число нам известно - это 2/10. Что происходит дальше? Шаров остается 9, красных среди них всё столько же - три штуки. Согласно расчётам получится 3/9 или 1/3. Но что теперь делать с двумя числами? Правильный ответ - перемножать, чтобы получилось 2/30.
Совместные события
Теперь можно вновь обратиться к формуле суммы для совместных событий. Для чего мы отвлекались от темы? Чтобы узнать, как перемножаются вероятности. Сейчас нам это знание пригодится.
Мы уже знаем, какими будут первые два слагаемых (такие же, как и в рассмотренной ранее формуле сложения), теперь же потребуется вычесть произведение вероятностей, которое мы только что научились рассчитывать. Для наглядности напишем формулу: P(A+B) = P(A) + P(B) - P(AB). Получается, что в одном выражении используется и сложение, и умножение вероятностей.
Допустим, мы должны решить любую из двух задач, чтобы получить зачёт. Первую мы можем решить с вероятностью 0,3, а вторую - 0,6. Решение: 0,3 + 0,6 - 0,18 = 0,72. Заметьте, просто просуммировать числа здесь будет недостаточно.
Условная вероятность
Наконец, существует понятие условной вероятности, аргументы которой обозначаются в скобках и разделяются вертикальной чертой. Запись P(A|B) читается следующим образом: «вероятность события A при условии события B».
Посмотрим пример: друг дает вам некоторый прибор, пусть это будет телефон. Он может быть сломан (20 %) или исправен (80 %). Любой попавший в руки прибор вы в состоянии починить с вероятностью 0,4 либо не в состоянии этого сделать (0,6). Наконец, если прибор находится в рабочем состоянии, вы можете дозвониться до нужного человека с вероятностью 0,7.
Легко заметить, как в данном случае проявляется условная вероятность: вы не сможете дозвониться до человека, если телефон сломан, а если он исправен, вам не требуется его чинить. Таким образом, чтобы получить какие-либо результаты на «втором уровне», нужно узнать, какое событие выполнилось на первом.
Расчёты
Рассмотрим примеры решения задач на сложение и умножение вероятностей, воспользовавшись данными из предыдущего абзаца.
Для начала найдем вероятность того, что вы почините отданный вам аппарат. Для этого, во-первых, он должен быть неисправен, а во-вторых, вы должны справиться с починкой. Это типичная задача с использованием умножения: получаем 0,2*0,4 = 0,08.
Какова вероятность, что вы сразу дозвонитесь до нужного человека? Проще простого: 0,8*0,7 = 0,56. В этом случае вы обнаружили, что телефон исправен и успешно совершили звонок.
Наконец, рассмотрим такой вариант: вы получили сломанный телефон, починили его, после чего набрали номер, и человек на противоположном конце взял трубку. Здесь уже требуется перемножение трёх составляющих: 0,2*0,4*0,7 = 0,056.
А что делать, если у вас сразу два нерабочих телефона? С какой вероятностью вы почините хотя бы один из них? на сложение и умножение вероятностей, поскольку используются совместные события. Решение: 0,4 + 0,4 - 0,4*0,4 = 0,8 - 0,16 = 0,64. Таким образом, если вам в руки попадёт два сломанных аппарата, вы справитесь с починкой в 64% случаев.
Внимательное использование
Как говорилось в начале статьи, использование теории вероятности должно быть обдуманным и осознанным.
Чем больше серия экспериментов, тем ближе подходит теоретически предсказываемое значение к полученному на практике. Например, мы бросаем монетку. Теоретически, зная о существовании формул сложения и умножения вероятностей, мы можем предсказать, сколько раз выпадет «орёл» и «решка», если мы проведем эксперимент 10 раз. Мы провели эксперимент, и по стечению обстоятельств соотношение выпавших сторон составило 3 к 7. Но если провести серию из 100, 1000 и более попыток, окажется, что график распределения всё ближе подбирается к теоретическому: 44 к 56, 482 к 518 и так далее.
А теперь представьте, что данный эксперимент проводится не с монеткой, а с производством какого-нибудь новейшего химического вещества, вероятности получения которого мы не знаем. Мы провели бы 10 экспериментов и, не получив успешного результата, могли бы обобщить: «вещество получить невозможно». Но кто знает, проведи мы одиннадцатую попытку - достигли бы мы цели или нет?
Таким образом, если вы обращаетесь к неизведанному, к неисследованной области, теория вероятности может оказаться неприменима. Каждая последующая попытка в этом случае может оказаться успешной и обобщения типа «X не существует» или «X является невозможным» будут преждевременны.
Заключительное слово
Итак, мы рассмотрели два вида сложения, умножение и условные вероятности. При дальнейшем изучении данной области необходимо научиться различать ситуации, когда используется каждая конкретная формула. Кроме того, нужно представлять, применимы ли вообще вероятностные методы при решении вашей задачи.
Если вы будете практиковаться, то через некоторое время начнете осуществлять все требуемые операции исключительно в уме. Для тех, кто увлекается карточными играми, этот навык можно считать крайне ценным - вы значительно увеличите свои шансы на победу, всего лишь рассчитывая вероятность выпадения той или иной карты или масти. Впрочем, полученным знаниям вы без труда найдете применение и в других сферах деятельности.
-