Общее число исходов. Вероятность события

Глава I . СЛУЧАЙНЫЕ СОБЫТИЯ. ВЕРОЯТНОСТЬ

1.1. Закономерность и случайность, случайная изменчивость в точных науках, в биологии и медицине

Теория вероятностей – область математики, изучающая закономерности в случайных явлениях. Случайное явление – это явление, которое при неоднократном воспроизведении одного и того же опыта может протекать каждый раз несколько по-иному.

Очевидно, что в природе нет ни одного явления, в котором не присутствовали бы в той или иной мере элементы случайности, но в различных ситуациях мы учитываем их по-разному. Так, в ряде практических задач ими можно пренебречь и рассматривать вместо реального явления его упрощенную схему – «модель», предполагая, что в данных условиях опыта явление протекает вполне определенным образом. При этом выделяются самые главные, решающие факторы, характеризующие явление. Именно такая схема изучения явлений чаще всего применяется в физике, технике, механике; именно так выявляется основная закономерность, свойственная данному явлению и дающая возможность предсказать результат опыта по заданным исходным условиям. А влияние случайных, второстепенных, факторов на результат опыта учитывается здесь случайными ошибками измерений (методику их расчета рассмотрим далее).

Однако описанная классическая схема так называемых точных наук плохо приспособлена для решения многих задач, в которых многочисленные, тесно переплетающиеся между собой случайные факторы играют заметную (часто определяющую) роль. Здесь на первый план выступает случайная природа явления, которой уже нельзя пренебречь. Это явление необходимо изучать именно с точки зрения закономерностей, присущих ему как случайному явлению. В физике примерами таких явлений являются броуновское движение, радиоактивный распад, ряд квантово-механических процессов и др.

Предмет изучения биологов и медиков – живой организм, зарождение, развитие и существование которого определяется очень многими и разнообразными, часто случайными внешними и внутренними факторами. Именно поэтому явления и события живого мира во многом тоже случайны по своей природе.

Элементы неопределенности, сложности, многопричинности, присущие случайным явлениям, обусловливают необходимость создания специальных математических методов для изучения этих явлений. Разработка таких методов, установление специфических закономерностей, свойственных случайным явлениям, –главные задачи теории вероятностей. Характерно, что эти закономерности выполняются лишь при массовости случайных явлений. Причем индивидуальные особенности отдельных случаев как бы взаимно погашаются, а усредненный результат для массы случайных явлений оказывается уже не случайным, а вполне закономерным. В значительной мере данное обстоятельство явилось причиной широкого распространения вероятностных методов исследования в биологии и медицине.

Рассмотрим основные понятия теории вероятностей.

1.2. Вероятность случайного события

Каждая наука, развивающая общую теорию какого-либо круга явлений, базируется на ряде основных понятий. Например, в геометрии – это понятия точки, прямой линии; в механике – понятия силы, массы, скорости и т. д. Основные понятия существуют и в теории вероятностей, одно из них – случайное событие.

Случайное событие – это всякое явление (факт), которое в результате опыта (испытания) может произойти или не произойти.

Случайные события обозначаются буквами А, В, С … и т. д. Приведем несколько примеров случайных событий:

А –выпадение орла (герба) при подбрасывании стандартной монеты;

В – рождение девочки в данной семье;

С – рождение ребенка с заранее заданной массой тела;

D – возникновение эпидемического заболевания в данном регионе в определенный период времени и т. д.

Основной количественной характеристикой случайного события является его вероятность. Пусть А – какое-то случайное событие. Вероятность случайного события А – это математическая величина, которая определяет возможность его появления. Она обозначается Р (А ).

Рассмотрим два основных метода определения данной величины.

Классическое определение вероятности случайного события обычно базируется на результатах анализа умозрительных опытов (испытаний), суть которых определяется условием поставленной задачи. При этом вероятность случайного события Р(А) равна:

где m – число случаев, благоприятствующих появлению события А ; n – общее число равновозможных случаев.

Пример 1. Лабораторная крыса помещена в лабиринт, в котором лишь один из четырех возможных путей ведет к поощрению в виде пищи. Определите вероятность выбора крысой такого пути.

Решение : по условию задачи из четырех равновозможных случаев (n =4) событию А (крыса находит пищу)
благоприятствует только один, т. е. m = 1 Тогда Р (А ) = Р (крыса находит пищу) = = 0,25= 25%.

Пример 2. В урне 20 черных и 80 белых шаров. Из нее наугад вынимается один шар. Определите вероятность того, что этот шар будет черным.

Решение : количество всех шаров в урне – это общее число равновозможных случаев n , т. е. n = 20 + 80 = 100, из них событие А (извлечение черного шара) возможно лишь в 20, т. е. m = 20. Тогда Р (А ) = Р (ч. ш.) = = 0,2 = 20%.

Перечислим свойства вероятности следующие из ее классического определения – формула (1):

1. Вероятность случайного события – величина безразмерная.

2. Вероятность случайного события всегда положительна и меньше единицы, т. е. 0 < P (A ) < 1.

3. Вероятность достоверного события, т. е. события, которое в результате опыта обязательно произойдет (m = n ), равна единице.

4. Вероятность невозможного события (m = 0) равна нулю.

5. Вероятность любого события – величина не отрицательная и не превышающая единицу:
0 £ P (A ) £ 1.

Статистическое определение вероятности случайного события применяется тогда, когда невозможно использоватьклассическое определение (1). Это часто имеет место в биологии и медицине. В таком случае вероятность Р (А ) определяют путем обобщения результатов реально проведенных серий испытаний (опытов).

Введем понятие относительной частоты появления случайного события. Пусть была проведена серия, состоящая из N опытов (число N может быть выбрано заранее); интересующее нас событие А произошло в М из них (M < N ). Отношение числа опытов М , в которых произошло это событие, к общему числу проведенных опытов N называют относительной частотой появления случайного события А в данной серии опытов – Р * (А )

Р* (А ) = .

Экспериментально установлено, что если серии испытаний (опытов) проводятся в одинаковых условиях и в каждой из них число N достаточно велико, то относительная частота обнаруживает свойство устойчивости: от серии к серии она меняется мало, приближаясь c увеличением числа опытов к некоторой постоянной величине. Ее и принимают за статистическую вероятность случайного события А :

Р (А) = lim , при N , (2)

Итак, статистической вероятностью Р (А ) случайного события А называют предел, к которому стремится относительная частота появления этого события при неограниченном возрастании числа испытаний (при N → ∞).

Приближенно статистическая вероятность случайного события равна относительной частоте появления этого события при большом числе испытаний:

Р (А ) ≈ Р* (А ) = (при больших N ) (3)

Например, в опытах по бросанию монеты относительная частота выпадения герба при 12000 бросаний оказалась равной 0,5016, а при 24000 бросаний – 0,5005. В соответствии с формулой (1):

P (герб) = = 0,5 = 50%

Пример. При врачебном обследовании 500 человек у 5 из них обнаружили опухоль в легких (о. л.). Определите относительную частоту и вероятность этого заболевания.

Решение : по условию задачи М = 5, N = 500, относительная частота Р *(о. л.) = М /N = 5/500 = 0,01; поскольку N достаточно велико, можно с хорошей точностью считать, что вероятность наличия опухоли в легких равна относительной частоте этого события:

Р (о. л.) = Р *(о. л.) = 0,01 = 1%.

Перечисленные ранее свойства вероятности случайного события сохраняются и при статистическом определении данной величины.

1.3. Виды случайных событий. Основные теоремы теории вероятностей

Все случайные события можно разделить на:

¾ несовместные;

¾ независимые;

¾ зависимые.

Для каждого вида событий характерны свои особенности и теоремы теории вероятностей.

1.3.1. Несовместные случайные события. Теорема сложения вероятностей

Случайные события (А, В, С, D …) называются несовместными, если появление одного из них исключает появление других событий в одном и том же испытании.

Пример1. Подброшена монета. При ее падении появление «герба» исключает появление «решки» (надписи, определяющей цену монеты). События «выпал герб» и «выпала решка» несовместные.

Пример 2. Получение студентом на одном экзамене оценки «2», или «3», или «4», или «5» – события несовместные, так как одна из этих оценок исключает другую на том же экзамене.

Для несовместных случайных событий выполняется теорема сложения вероятностей: вероятность появления одного, но все равно какого, из нескольких несовместных событий А1, А2, А3 … А k равна сумме их вероятностей:

Р(А1или А2 … или А k ) = Р(А1) + Р(А2) + …+ Р(А k ). (4)

Пример 3. В урне находится 50 шаров: 20 белых, 20 черных и 10 красных. Найдите вероятность появления белого (событие А ) или красного шара (событие В ), когда шар наугад достают из урны.

Решение: Р (А или В ) = Р (А ) + Р (В );

Р (А ) = 20/50 = 0,4;

Р (В ) = 10/50 = 0,2;

Р (А или В ) = Р (б. ш. или к. ш.) = 0,4 + 0,2 = 0,6 = 60%.

Пример 4. В классе 40 детей. Из них в возрасте от 7 до 7,5 лет 8 мальчиков (А ) и 10 девочек (В ). Найдите вероятность присутствия в классе детей такого возраста.

Решение: Р (А ) = 8/40 = 0,2; Р (В ) = 10/40 = 0,25.

Р(А или В) = 0,2 + 0,25 = 0,45 = 45%

Следующее важное понятие – полная группа событий: несколько несовместных событий образуют полную группу событий, если в результате каждого испытания может появляться только одно из событий этой группы и никакое другое.

Пример 5. Стрелок произвел выстрел по мишени. Обязательно произойдет одно из следующих событий: попадание в «десятку», в «девятку», в «восьмерку»,.. ,в «единицу» или промах. Эти 11 несовместных событий образуют полную группу.

Пример 6. На экзамене в Вузе студент может получить одну из следующих четырех оценок: 2, 3, 4 или 5. Эти четыре несовместных события также образуют полную группу.

Если несовместные события А1, А2 … А k образуют полную группу, то сумма вероятностей этих событий всегда равна единице:

Р (А1 ) + Р (А2 )+ … Р (А k ) = 1, (5)

Это утверждение часто используется при решении многих прикладных задач.

Если два события единственно возможны и несовместны, то их называют противоположными и обозначают А и . Такие события составляют полную группу, поэтому сумма их вероятностей всегда равна единице:

Р (А ) + Р () = 1. (6)

Пример 7. Пусть Р (А ) – вероятность летального исхода при некотором заболевании; она известна и равна 2%. Тогда вероятность благополучного исхода при этом заболевании равна 98% (Р () = 1 – Р (А ) = 0,98), так как Р (А ) + Р () = 1.

1.3.2. Независимые случайные события. Теорема умножения вероятностей

Случайные события называются независимыми, если появление одного из них никак не влияет на вероятность появления других событий.

Пример 1. Если есть две или более урны с цветными шарами, то извлечение какого-либо шара из одной урны никак не повлияет на вероятность извлечения других шаров из оставшихся урн.

Для независимых событий справедлива теорема умножения вероятностей: вероятность совместного (одновременного ) появления нескольких независимых случайных событий равна произведению их вероятностей:

Р(А1и А2 и А3 … и А k ) = Р(А1) ∙Р(А2) ∙…∙Р(А k ). (7)

Совместное (одновременное) появление событий означает, что происходят события и А1, и А2 , и А3 … и А k .

Пример 2. Есть две урны. В одной находится 2 черных и 8 белых шаров, в другой – 6 черных и 4 белых. Пусть событие А –выбор наугад белого шара из первой урны, В – из второй. Какова вероятность выбрать наугад одновременно из этих урн по белому шару, т. е. чему равна Р (А и В )?

Решение: вероятность достать белый шар из первой урны
Р (А ) = = 0,8 из второй – Р (В ) = = 0,4. Вероятность одновременно достать по белому шару из обеих урн –
Р (А и В ) = Р (А )·Р (В ) = 0,8∙ 0,4 = 0,32 = 32%.

Пример 3. Рацион с пониженным содержанием йода вызывает увеличение щитовидной железы у 60% животных большой популяции. Для эксперимента нужны 4 увеличенных железы. Найдите вероятность того, что у 4 случайно выбранных животных будет увеличенная щитовидная железа.

Решение : Случайное событие А – выбор наугад животного с увеличенной щитовидной железой. По условию задачи вероятность этого события Р (А ) = 0,6 = 60%. Тогда вероятность совместного появления четырех независимых событий – выбор наугад 4 животных с увеличенной щитовидной железой – будет равна:

Р (А 1 и А 2 и А 3 и А 4) = 0,6 ∙ 0,6 ∙0,6 ∙ 0,6=(0,6)4 ≈ 0,13 = 13%.

1.3.3. Зависимые события. Теорема умножения вероятностей для зависимых событий

Случайные события А и В называются зависимыми, если появление одного из них, например, А изменяет вероятность появления другого события – В. Поэтому для зависимых событий используются два значения вероятности: безусловная и условная вероятности.

Если А и В зависимые события, то вероятность наступления события В первым (т. е. до события А ) называется безусловной вероятностью этого события и обозначается Р (В ). Вероятность наступления события В при условии, что событие А уже произошло, называется условной вероятностью события В и обозначается Р (В /А ) или РА (В).

Аналогичный смысл имеют безусловная – Р (А ) и условная – Р (А/В ) вероятности для события А.

Теорема умножения вероятностей для двух зависимых событий: вероятность одновременного наступления двух зависимых событий А и В равна произведению безусловной вероятности первого события на условную вероятность второго:

Р (А и В ) = Р (А ) ∙Р (В/А ) , (8)

А , или

Р (А и В ) = Р (В ) ∙Р (А/В), (9)

если первым наступает событие В .

Пример 1. В урне 3 черных шара и 7 белых. Найдите вероятность того, что из этой урны один за другим (причем первый шар не возвращают в урну) будут вынуты 2 белых шара.

Решение : вероятность достать первый белый шар (событие А ) равна 7/10. После того как он вынут, в урне остается 9 шаров, из них 6 белых. Тогда вероятность появления второго белого шара (событие В ) равна Р (В /А ) = 6/9, а вероятность достать подряд два белых шара равна

Р (А и В ) = Р (А )∙Р (В /А ) = = 0,47 = 47%.

Приведенная теорема умножения вероятностей для зависимых событий допускает обобщение на любое количество событий. В частности, для трех событий, связанных друг с другом:

Р (А и В и С ) = Р (А ) ∙ Р (В/А ) ∙ Р (С/АВ ). (10)

Пример 2. В двух детских садах, каждый из которых посещает по 100 детей, произошла вспышка инфекционного заболевания. Доли заболевших составляют соответственно 1/5 и 1/4, причем в первом учреждении 70 %, а во втором – 60 % заболевших – дети младше 3-х лет. Случайным образом выбирают одного ребенка. Определите вероятность того, что:

1) выбранный ребенок относится к первому детскому саду (событие А ) и болен (событие В ).

2) выбран ребенок из второго детского сада (событие С ), болен (событие D ) и старше 3-х лет (событие Е ).

Решение . 1) искомая вероятность –

Р (А и В ) = Р (А ) ∙ Р (В /А ) = = 0,1 = 10%.

2) искомая вероятность:

Р (С и D и Е ) = Р (С ) ∙ Р (D /C ) ∙ Р (Е /CD ) = = 5%.

1.4. Формула Байеса

Если вероятность совместного появления зависимых событий А и В не зависит от того, в каком порядке они происходят, то Р (А и В ) = Р (А ) ∙Р (В/А ) = Р (В ) × Р (А/В ). В этом случае условную вероятность одного из событий можно найти, зная вероятности обоих событий и условную вероятность второго:

Р (В/А ) = (11)

Обобщением данной формулы на случай многих событий является формула Байеса.

Пусть «n » несовместных случайных событий Н1, Н2, …, Н n , образуют полную группу событий. Вероятности этих событий – Р (Н1 ), Р (Н2 ), …, Р (Н n ) известны и так как они образуют полную группу, то = 1.

Некоторое случайное событие А связано с событиями Н1, Н2, …, Н n , причем известны условные вероятности появления события А с каждым из событий Н i , т. е. известны Р (А/Н1 ), Р (А/Н2 ), …, Р (А/Н n ). При этом сумма условных вероятностей Р (А/Н i ) может быть не равна единице т. е. ≠ 1.

Тогда условная вероятность появления события Н i при реализации события А (т. е. при условии, что событие А произошло) определяется формулой Байеса:

Причем для этих условных вероятностей .

Формула Байеса нашла широкое применение не только в математике, но и в медицине. Например, она используется для вычисления вероятностей тех или иных заболеваний. Так, если Н 1,…, Н n – предполагаемые диагнозы для данного пациента, А – некоторый признак, имеющий отношение к ним (симптом, определенный показатель анализа крови, мочи, деталь рентгенограммы и т. д.), а условные вероятности Р (А/Н i ) проявления этого признака при каждом диагнозе Н i (i = 1,2,3,…n ) заранее известны, то формула Байеса (12) позволяет вычислить условные вероятности заболеваний (диагнозов) Р (Н i /А ) после того как установлено, что характерный признак А присутствует у пациента.

Пример1. При первичном осмотре больного предполагаются 3 диагноза Н 1, Н 2, Н 3. Их вероятности, по мнению врача, распределяются так: Р (Н 1) = 0,5; Р (Н 2) = 0,17; Р (Н 3) = 0,33. Следовательно, предварительно наиболее вероятным кажется первый диагноз. Для его уточнения назначается, например, анализ крови, в котором ожидается увеличение СОЭ (событие А ). Заранее известно (на основании результатов исследований), что вероятности увеличения СОЭ при предполагаемых заболеваниях равны:

Р (А /Н 1) = 0,1; Р (А /Н 2) = 0,2; Р (А /Н 3) = 0,9.

В полученном анализе зафиксировано увеличение СОЭ (событие А произошло). Тогда расчет по формуле Байеса (12) дает значения вероятностей предполагаемых заболеваний при увеличенном значении СОЭ: Р (Н 1/А ) = 0,13; Р (Н 2/А ) = 0,09;
Р (Н 3/А ) = 0,78. Эти цифры показывают, что с учетом лабораторных данных наиболее реален не первый, а третий диагноз, вероятность которого теперь оказалась достаточно большой.

Приведенный пример – простейшая иллюстрация того, как с помощью формулы Байеса можно формализовать логику врача при постановке диагноза и благодаря этому создать методы компьютерной диагностики.

Пример 2. Определите вероятность, оценивающую степень риска перинатальной* смертности ребенка у женщин с анатомически узким тазом.

Решение : пусть событие Н 1 – благополучные роды. По данным клинических отчетов, Р (Н 1) = 0,975 = 97,5 %, тогда, если Н2 – факт перинатальной смертности, то Р (Н 2) = 1 – 0,975 = 0,025 = 2,5 %.

Обозначим А – факт наличия узкого таза у роженицы. Из проведенных исследований известны: а) Р (А /Н 1) – вероятность узкого таза при благоприятных родах, Р (А /Н 1) = 0,029, б) Р (А /Н 2) – вероятность узкого таза при перинатальной смертности,
Р (А /Н 2) = 0,051. Тогда искомая вероятность перинатальной смертности при узком тазе у роженицы рассчитывается по формуле Байса (12) и равна:

Таким образом, риск перинатальной смертности при анатомически узком тазе значительно выше (почти вдвое) среднего риска (4,4 % против 2,5 %).

Подобные расчеты, обычно выполняемые с помощью компьютера, лежат в основе методов формирования групп пациентов повышенного риска, связанного с наличием того или иного отягощающего фактора.

Формула Байеса очень полезна для оценки многих других медико-биологических ситуаций, что станет очевидным при решении приведенных в пособии задач.

1.5. О случайных событиях с вероятностями близкими к 0 или к 1

При решении многих практических задач приходится иметь дело с событиями, вероятность которых очень мала, т. е. близка к нулю. На основании опыта в отношении таких событий принят следующий принцип. Если случайное событие имеет очень малую вероятность, то практически можно считать, что в единичном испытании оно не наступит, иначе говоря, возможностью его появления можно пренебречь. Ответ на вопрос, насколько малой должна быть эта вероятность, определяется существом решаемых задач, тем, насколько важен для нас результат предсказания. Например, если вероятность того, что парашют при прыжке не раскроется равна 0,01, то применение таких парашютов недопустимо. Однако равная той же 0,01 вероятность того, что поезд дальнего следования прибудет с опозданием, делает нас практически уверенными в том, что он прибудет вовремя.

Достаточно малую вероятность, при которой (в данной конкретной задаче) событие можно считать практически невозможным, называют уровнем значимости. На практике уровень значимости обычно принимают равным 0,01 (однопроцентный уровень значимости) или 0,05 (пятипроцентный уровень значимости), намного реже он берется равным 0,001.

Введение уровня значимости позволяет утверждать, что если некоторое событие А практически невозможно, то противоположное событие - практически достоверно, т. е. для него Р () » 1.

Глава II . СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

2.1. Случайные величины, их виды

В математике величина – это общее название различных количественных характеристик предметов и явлений. Длина, площадь, температура, давление и т. д. – примеры разных величин.

Величина, которая принимает различные числовые значения под влиянием случайных обстоятельств, называется случайной величиной . Примеры случайных величин: число больных на приеме у врача; точные размеры внутренних органов людей и т. д.

Различают дискретные и непрерывные случайные величины.

Случайная величина называется дискретной, если она принимает только определенные отделенные друг от друга значения, которые можно установить и перечислить.

Примерами дискретной случайной величиной являются:

– число студентов в аудитории – может быть только целым положительным числом: 0,1,2,3,4….. 20…..;

– цифра, которая появляется на верхней грани при бросании игральной кости – может принимать лишь целые значения от 1 до 6;

– относительная частота попадания в цель при 10 выстрелах – ее значения: 0; 0,1; 0,2; 0,3 …1

– число событий, происходящих за одинаковые промежутки времени: частота пульса, число вызовов скорой помощи за час, количество операций в месяц с летальным исходом и т. д.

Случайная величина называется непрерывной, если она может принимать любые значения внутри определенного интервала, который иногда имеет резко выраженные границы, а иногда – нет *. К непрерывным случайным величинам относятся, например, масса тела и рост взрослых людей, масса тела и объем мозга, количественное содержание ферментов у здоровых людей, размеры форменных элементов крови, р Н крови и т. п.

Понятие случайной величины играет определяющую роль в современной теории вероятностей, разработавшей специальные приемы перехода от случайных событий к случайным величинам.

Если случайная величина зависит от времени, то можно говорить о случайном процессе.

2.2. Закон распределения дискретной случайной величины

Чтобы дать полную характеристику дискретной случайной величины необходимо указать все ее возможные значения и их вероятности.

Соответствие между возможными значениями дискретной случайной величины и их вероятностями называется законом распределения этой величины.

Обозначим возможные значения случайной величины Х через х i , а соответствующие им вероятности – через р i *. Тогда закон распределения дискретной случайной величины можно задать тремя способами: в виде таблицы, графика или формулы.

В таблице, которая называется рядом распределения, перечисляются все возможные значения дискретной случайной величины Х и соответствующие этим значениям вероятности Р (Х ):

Х

…..

…..

P (X )

…..

…..

При этом сумма всех вероятностей р i должна быть равна единице (условие нормировки):

р i = p 1 + p 2 + ... + pn = 1. (13)

Графически закон представляется ломаной линией, которую принято называть многоугольником распределения (рис.1). Здесь по горизонтальной оси откладывают все возможные значения случайной величины х i , , а по вертикальной оси – соответствующие им вероятности р i

Аналитически закон выражается формулой. Например, если вероятность попадания в цель при одном выстреле равна р, то вероятность поражения цели 1 раз при n выстрелах дается формулой Р (n ) = n qn -1 × p , где q = 1 – р – вероятность промаха при одном выстреле.

2.3. Закон распределения непрерывной случайной величины. Плотность распределения вероятности

Для непрерывных случайных величин невозможно применить закон распределения в формах, приведенных выше, поскольку такая величина имеет бесчисленное («несчетное») множество возможных значений, сплошь заполняющих некоторый интервал. Поэтому составить таблицу, в которой были бы перечислены все ее возможные значения, или построить многоугольник распределения нельзя. Кроме того, вероятность какого-либо ее конкретного значения очень мала (близка к 0)*. Вместе с тем различные области (интервалы) возможных значений непрерывной случайной величины не равновероятны. Таким образом, и в данном случае действует некий закон распределения, хотя и не в прежнем смысле.

Рассмотрим непрерывную случайную величину Х , возможные значения которой сплошь заполняют некий интервал (а , b )**. Закон распределения вероятностей такой величины должен позволить найти вероятность попадания ее значения в любой заданный интервал (х1, х2 ), лежащий внутри (а, b ), рис.2.

Эту вероятность обозначают Р (х1 < Х < х2 ), или
Р (х1 £ Х £ х2 ).

Рассмотрим сначала очень малый интервал значений Х – от х до (х + D х ); см. рис.2. Малая вероятность d Р того, что случайная величина Х примет какое-то значение из интервала (х, х + D х ), будет пропорциональна величине данного интервала D х: d Р ~ D х , или, введя коэффициент пропорциональности f , который сам может зависеть от х , получим:

d Р = f (х ) × Dх = f (x ) × dx (14)

Введенная здесь функция f (х ) называется плотностью распределения вероятностей случайной величины Х, или, короче, плотностью вероятности , плотностью распределения . Уравнение (13) – дифференциальное уравнение, решение которого дает вероятность попадания величины Х в интервал (х1 , х2) :

Р (х1 < Х < х2 ) = f (х ) d х. (15)

Графически вероятность Р (х1 < Х < х2 ) равна площади криволинейной трапеции, ограниченной осью абсцисс, кривой f (х ) и прямыми Х = х1 и Х = х2 (рис.3). Это следует из геометрического смысла определенного интеграла (15) Кривая f (х ) при этом называется кривой распределения.

Из (15) следует, что если известна функция f (х ), то, изменяя пределы интегрирования, можно найти вероятность для любых интересующих нас интервалов. Поэтому именно задание функции f (х ) полностью определяет закон распределения для непрерывных случайных величин.

Для плотности вероятности f (х ) должно выполняться условие нормировки в виде:

f (х ) d х = 1, (16)

если известно, что все значения Х лежат в интервале (а, b ), или в виде:

f (х ) d х = 1 , (17)

если границы интервала для значений Х точно неопределенны. Условия нормировки плотности вероятности (16) или (17) являются следствием того, что значения случайной величины Х достоверно лежат в пределах (а, b ) или (-¥, +¥). Из (16) и (17) следует, что площадь фигуры, ограниченной кривой распределения и осью абсцисс, всегда равна 1.

2.4. Основные числовые характеристики случайных величин

Результаты, изложенные в параграфах 2.2 и 2.3, показывают, что полную характеристику дискретной и непрерывной случайных величин можно получить, зная законы их распределения. Однако во многих практически значимых ситуациях пользуются так называемыми числовыми характеристиками случайных величин, главное назначение этих характеристик – выразить в сжатой форме наиболее существенные особенности распределения случайных величин. Важно, что данные параметры представляют собой конкретные (постоянные) значения, которые можно оценивать с помощью полученных в опытах данных. Этими оценками занимается «Описательная статистика».

В теории вероятностей и математической статистике используется достаточно много различных характеристик, но мы рассмотрим только наиболее употребляемые. Причем лишь для части из них приведем формулы, по которым рассчитываются их значения, в остальных случаях вычисления оставим компьютеру.

Рассмотрим характеристики положения – математическое ожидание, моду, медиану.

Они характеризуют положение случайной величины на числовой оси, т. е. указывают некоторое ориентировочное значение, около которого группируются все возможные значения случайной величины. Среди них важнейшую роль играет математическое ожидание М (Х ).

Вероятностью события называется отношение числа элементарных исходов, благоприятствующих данному событию, к числу всех равно­возможных исходов опыта в котором может появиться это событие. Вероятность события А обозначают через Р(А) (здесь Р - первая буква французского слова probabilite - вероятность). В соответствии с определением
(1.2.1)
где - число элементарных исходов, благоприятствующих событию А; - число всех равновозможных элементарных исходов опыта, образующих полную группу событий.
Это определение вероятности называют классическим. Оно возникло на начальном этапе развития теории вероятностей.

Вероятность события имеет следующие свойства:
1. Вероятность достоверного события равна единице. Обозначим достоверное событие буквой . Для достоверного события , поэтому
(1.2.2)
2. Вероятность невозможного события равна нулю. Обозначим невозможное событие буквой . Для невозможного события , поэтому
(1.2.3)
3. Вероятность случайного события выражается положительным числом, меньшим единицы. Поскольку для случайного события выполняются неравенства , или , то
(1.2.4)
4. Вероятность любого события удовлетворяет неравенствам
(1.2.5)
Это следует из соотношений (1.2.2) -(1.2.4).

Пример 1. В урне 10 одинаковых по размерам и весу шаров, из ко­торых 4 красных и 6 голубых. из урны извлекается один шар. Какова вероятность того, что извлеченный шар окажется голубым?

Решение . Событие "извлеченный шар оказался голубым" обозначим буквой А. Данное испытание имеет 10 равновозможных элементарных исходов, из которых 6 благоприятствуют событию А. В соответствии с формулой (1.2.1) получаем

Пример 2. Все натуральные числа от 1 до 30 записаны на одинако­вых карточках и помещены в урну. После тщательного перемешивания карточек из урны извлекается одна карточка. Какова вероятность того,что число на взятой карточке окажется кратным 5?

Решение. Обозначим через А событие "число на взятой карточке кратно 5". В данном испытании имеется 30 равновозможных элементар­ных исходов, из которых событию А благоприятствуют 6 исходов (числа 5, 10, 15, 20, 25, 30). Следовательно,

Пример 3. Подбрасываются два игральных кубика, подсчитывается сумма очков на верхних гранях. Найти вероятность события В, состоя­щего в том, что на верхних гранях кубиков в сумме будет 9 очков.

Решение. В этом испытании всего 6 2 = 36 равновозможных элемен­тарных исходов. Событию В благоприятствуют 4 исхода: (3;6), (4;5), (5;4), (6;3), поэтому

Пример 4 . Наудачу выбрано натуральное число, не превосходящее 10. Какова вероятность того, что это число является простым?

Решение. Обозначим буквой С событие "выбранное число является простым". В данном случае n = 10, m = 4 (простые числа 2, 3, 5, 7). Следовательно, искомая вероятность

Пример 5. Подбрасываются две симметричные монеты. Чему равна вероятность того, что на верхних сторонах обеих монет оказались цифры?

Решение. Обозначим буквой D событие "на верхней стороне каж­дой монеты оказалась цифра". В этом испытании 4 равновозможных элементарных исходов: (Г, Г), (Г, Ц), (Ц, Г), (Ц, Ц). (Запись (Г, Ц) озна­чает, что на первой монете герб, на второй - цифра). Событию D благо­приятствует один элементарный исход (Ц, Ц). Поскольку m = 1, n = 4 , то

Пример 6. Какова вероятность того, что в наудачу выбранном дву­значном числе цифры одинаковы?

Решение. Двузначными числами являются числа от 10 до 99; всего таких чисел 90. Одинаковые цифры имеют 9 чисел (это числа 11, 22, 33, 44, 55, 66, 77, 88, 99). Так как в данном случае m = 9, n = 90, то
,
где А -событие "число с одинаковыми цифрами".

Пример 7. Из букв слова дифференциал наугад выбирается одна буква. Какова вероятность того, что эта буква будет: а) гласной, б) согласной, в) буквой ч ?

Решение . В слове дuфференцuал 12 букв, из них 5 гласных и 7 со­гласных. Буквы ч в этом слове нет. Обозначим события: А - "гласная буква", В - "согласная буква", С - "буква ч ". Число благоприятствующих элементарных исходов: -для события А, - для события В, - для события С. Поскольку n = 12 , то
, и .

Пример 8. Подбрасывается два игральных кубика, отмечается чис­ло очков на верхней грани каждого кубика. Найти вероятность того, на обоих кубиках выпало одинаковое число очков.

Решение. Обозначим это событие буквой А. Событюо А благопри­ятствуют 6 элементарных исходов: (1;]), (2;2), (3;3), (4;4), (5;5), (6;6). Всего равновозможных элементарных исходов, образующих полную группу событий, в данном случае n=6 2 =36. Значит, искомая вероятность

Пример 9. В книге 300 страниц. Чему равна вероятность того, что наугад открытая страница будет иметь порядковый номер, кратный 5?

Решение. Из условия задачи следует, что всех равновозможных элементарных исходов, образующих полную группу событий, будет n = 300. Из них m = 60 благоприятствуют наступлению указанного со­бытия. Действительно, номер, кратный 5, имеет вид 5k, где k -натураль­ное число, причем , откуда . Следовательно,
, где А - событие "страница" имеет порядковый номер, кратный 5".

Пример 10 . Подбрасываются два игральных кубика, подсчитыва­ется сумма очков на верхних гранях. Что вероятнее -получить в сумме 7 или 8?

Решение . Обозначим события: А - "выпало 7 очков", В - "выпало 8 очков". Событию А благоприятствуют 6 элементарных исходов: (1; 6), (2; 5),(3; 4), (4; 3), (5; 2), (6; 1), а событию В - 5 исходов: (2; 6), (3; 5), (4; 4), (5; 3), (6; 2). Всех равновозможных элементарных исходов n = 6 2 = 36. Значит, и .

Итак, Р(А)>Р(В), то есть получить в сумме 7 очков - более вероятное собы­тие, чем получить в сумме 8 очков.

Задачи

1. Наудачу выбрано натуральное число, не превосходящее 30. Како­ва вероятность того, что это число кратно 3?
2. В урне a красных и b голубых шаров, одинаковых по размерам и весу. Чему равна вероятность того, что наудачу извлеченный шар из этой урны окажется голубым?
3. Наудачу· выбрано число, не превосходящее 30. Какова вероятность того, что это число является делителем зо?
4. В урне а голубых и b красных шаров, одинаковых по размерам и весу. Из этой урны извлекают один шар и откладывают в сторону. Этот шар оказался красным. После этого из урны вынимают еще один шар. Найти вероятность того, что второй шар также красный.
5. Наудачу выбрано наryральное число, не превосходящее 50. Какова вероятность того, что это число является простым?
6. Подбрасывается три игральных кубика, подсчитывается сумма очков на верхних гранях. Что вероятнее - получить в сумме 9 или 10 оч­ков?
7. Подбрасывается три игральных кубика, подсчитывается сумма выпавших очков. Что вероятнее - получить в сумме 11 (событие А) или 12 очков (событие В)?

Ответы

1. 1/3. 2 . b /(a +b ). 3 . 0,2. 4 . (b -1)/(a +b -1). 5 .0,3.6 . p 1 = 25/216 - вероятность получить в сумме 9 очков; p 2 = 27/216 - вероятность получить в сумме 10 очков; p 2 > p 1 7 . Р(А) = 27/216, Р(В) = 25/216, Р(А) > Р(В).

Вопросы

1. Что называют вероятностью события?
2. Чему равна вероятность достоверного события?
3. Чему равна вероятность невозможного события?
4. В каких пределах заключена вероятность случайного события?
5. В каких пределах заключена вероятность любого события?
6. Какое определение вероятности называют классическим?

Основы теории вероятности

План:

1. Случайные события

2. Классическое определение вероятности

3. Вычисление вероятностей событий и комбинаторика

4. Геометрическая вероятность

Теоретические сведения

Случайные события.

Случайное явление – явление, исход которого однозначно не определен. Это понятие можно трактовать в достаточно широком смысле. А, именно: все в природе достаточно случайно, появление и рождение любого индивидуума есть случайное явление, выбор товара в магазине также случайное явление, получение оценки на экзамене есть случайное явление, заболевание и выздоровление есть случайные явления и т.д.

Примеры случайных явлений:

~ Производится стрельба из орудия, установленным под заданным углом к горизонту. Попадание его в цель случайно, но попадание снаряда в некоторую "вилку", есть закономерность. Можно указать расстояние, ближе которого и дальше которого, снаряд не полетит. Получится некоторая "вилка рассеивания снарядов"

~ Одно и тоже тело взвешивается несколько раз. Строго говоря, каждый раз будут получаться разные результаты, пусть отличающиеся на ничтожно малую величину, но отличаться.

~ Самолет, летая по одному и тому же маршруту, имеет некоторый полетный коридор, в пределах которого может лавировать самолет, но никогда у него не будет строго одинакового маршрута

~ Спортсмен никогда не сможет пробежать одну и туже дистанцию с одинаковым временем. Его результаты также будут находиться в пределах некоторого численного промежутка.

Опыт, эксперимент, наблюдение являются испытаниями

Испытание – наблюдение или выполнение некоторого комплекса условий, выполняемых неоднократно, причем регулярно повторяющихся в оной и тоже последовательности, длительности, с соблюдением иных одинаковых параметров.

Рассмотрим выполнение спортсменом выстрела по мишени. Чтобы он был произведен, необходимо выполнить такие условия как изготовка спортсмена, зарядка оружия, прицеливание и т.д. "Попал" и "не попал" – события, как результат выстрела.

Событие – качественный результат испытания.

Событие может произойти или не произойти События обозначаются заглавными латинскими буквами. Например: D ="Стрелок попал в мишень". S="Вынут белый шар". K="Взятый наудачу лотерейный билет без выигрыша.".

Подбрасывание монеты – испытание. Падение ее "гербом" – одно событие, падение ее "цифрой" – второе событие.

Любое испытание предполагает наступления нескольких событий. Одни из них могут быть нужными в данный момент времени исследователю, другие – не нужными.

Событие называется случайным , если при осуществлении определенной совокупности условий S оно может либо произойти, либо не произойти. В дальней­шем, вместо того чтобы говорить "совокупность условий S осуществлена", будем говорить кратко: "произведено испытание". Таким образом, событие будет рассматри­ваться как результат испытания.

~ Стрелок стреляет по мишени, разделенной на четыре, области. Выстрел - это испытание. Попадание в определенную область мишени - событие.

~ В урне имеются цветные шары. Из урны наудачу берут один шар. Извлечение шара из урны есть испытание. Появле­ние шара определенного цвета - событие.

Виды случайных событий

1. События называют несовместными, если появле­ние одного из них исключает появление других событий в одном и том же испытании.

~ Из ящика с деталями наудачу извлечена деталь. Появление стандартной детали исключает появление нестандартной детали. События € появилась стандартная деталь" и с появилась не­стандартная деталь" - несовместные.

~ Брошена монета. Появление "герба" исключает по­явление надписи. События "появился герб" и "появилась надпись" - несовместные.

Несколько событий образуют полную группу, если в результате испытания появится хотя бы одно из них. Другими словами, появление хотя бы одного из событий полной группы есть достоверное событие.

В частности, если события, образующие полную группу, попарно несов­местны, то в результате испытания появится одно и только одно из этих событий.Этот частный случай представляет для нас наибольший интерес, поскольку используется далее.

~ Приобретены два билета денежно-вещевой лотереи. Обязательно произойдет одно и только одно из следующих событий:

1. "выигрыш выпал на первый билет и не выпал на второй",

2. "выигрыш не выпал на первый билет и выпал на второй",

3. "выигрыш выпал на оба билета",

4. "на оба билета выигрыш не выпал".

Эти события обра­зуют полную группу попарно несовместных событий,

~ Стрелок произвел выстрел по цели. Обязательно прои­зойдет одно из следующих двух событий: попадание, промах. Эти два несовместных события также образуют полную группу.

2. События называют равновозможными, если есть осно­вания считать, что ни одно из них не является более возможным, чем другое.

~ Появление "герба" и появление надписи при бросании монеты - равновозможные события. Действительно, предполагается, что монета изготовлена из однородного материала, имеет правильную цилиндрическую форму, и наличие чеканки не оказывает влияния на выпадение той или иной стороны монеты.

~ Появление того или иного числа очков на брошенной игральной кости - равновозможные события. Действительно, предпо­лагается, что игральная кость изготовлена из однородного материала, имеет форму правильного многогранника, и наличие очков не оказы­вает влияния на выпадение любой грани.

3. Событие называется достоверным, если оно не может не произойти

4. Событие называется не достоверным , если оно не может произойти.

5. Событие называются противоположным к некоторому событию, если оно состоит из не появления данного события. Противоположные события не совместимые, но одно из них должно обязательно произойти. Противоположные события принято обозначать как отрицания, т.е. над буквой пишется черточка. События противоположные: А и Ā; U и Ū и т.д. .

Классическое определение вероятности

Вероятность - одно из основных понятий теории вероятностей.

Существует несколько определений этого понятия. Приведем определение, которое называют клас­сическим. Далее укажем слабые стороны этого определе­ния и приведем другие определения, позволяющие пре­одолеть недостатки классического определения.

Рассмотрим ситуацию: В ящике содержится 6 оди­наковых шаров, причем 2 - красные, 3- синие и 1-белый. Очевидно, возмож­ность вынуть наудачу из урны цветной (т. е. красный или синий) шар больше, чем возможность извлечь белый шар. Эту возможность можно охарактеризовать числом, которое и называют вероятностью события (появления - цветного шара).

Вероятность - число, характеризующее степень воз­можности появления события.

В рассматриваемой ситуации обозначим:

Событие А ="Вытаскивание цветного шара".

Каждый из возможных результатов испытания (испытание состоит в извлечении шара из урны) назовем элементарным (возможным) исходом и событием. Элементарные исходы можно обозначать буквами с индексами внизу, например: k 1 , k 2 .

В нашем примере 6 шаров, поэтому 6 возможных исходов: появился белый шар; появился красный шар; появился синий шар и т.д. Легко видеть, что эти исходы образуют полную группу попарно несовместных событий (обязательно появится только один шар) и они равновозможные (шар вынимают наудачу, шары одинаковы и тщательно перемешаны).

Элементарные исходы, в которых интересующее нас событие наступает, назовем благоприятствующими исходами этому событию. В нашем примере благоприятствуют со­бытию А (появлению цветного шара) следующие 5 исхо­дов:

Таким образом, событие А наблюдается, если в испы­тании наступает один, безразлично какой, из элементар­ных исходов, благоприятствующих А. Это появление любого цветного шара, которых в ящике 5 штук

В рассмат­риваемом примере элементарных исходов 6; из них 5 благоприятствуют событию А. Следовательно, Р(А)= 5/6. Это число дает ту количественную оценку степени возможности появления цветного шара.

Определение вероятности:

Вероятностью события А называется отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу.

Р(А)=m/n или Р(А)=m: n, где:

m -число элементарных исходов, благоприятствую­щих А;

п - число всех возможных элементарных исходов испытания.

Здесь предполагается, что элементарные исходы не­совместные, равновозможные и образуют полную группу.

Из определения вероятности вытекают следующие ее свойства:

1. Вероятность достоверного события равна единице.

Действительно, если событие достоверно, то каждый элементарный исход испытания благоприятствует собы­тию. В этом случае m = n следовательно, p=1

2. Вероятность невозможного события равна нулю.

Действительно, если событие невозможно, то ни один из элементарных исходов испытания не благоприятствует событию. В этом случае m=0, следовательно, p=0.

3.Вероятность случайного события есть положительное число, заключенное между нулем и еди­ницей. 0т < n.

В последующих темах будут приведены теоремы, которые позволяют по из­вестным вероятностям одних событий находить вероятно­сти других событий.

Промер. В группе студентов 6 девушек и 4 юношей. Какова вероятность того, что наудачу выбранный студент будет девушка? будет юноша?

p дев = 6 / 10 =0,6 p юн = 4 / 10 = 0,4

Понятие "вероятность" в современные строгие курсы теории вероятностей построены на теоретико-множественной основе. Рассмотрим некоторые моменты такого подхода.

Пусть в результате испытания наступает одно и только одно из событий: w i (i=1, 2, .... п). События w i ,- называется элементарными событиями (элементарными исходами). О тсюда следует, что элементарные события попарно несовместны. Множество всех элементарных событий, которые могут появиться в испытании, называют пространством элементарных событий Ω (греческая буква омега заглавная), а сами элементарные собы­тия - точками этого пространства. .

Событие А отождествляют с подмножеством (пространства Ω), элементы которого есть элементарные исходы, благоприятствующие А; событие В есть подмножество Ω , элементы которого есть исходы, благоприятствующие В, и т, д. Таким образом, множества всех со­бытий, которые могут наступить в испытании, есть множество всех подмножеств Ω, Само Ω наступает при любом исходе испытания, поэтому Ω - достоверное событие; пустое подмножество пространства Ω- -невозможное событие (оно не наступает ни при каком исходе испытания).

Элементарные события выделяются из числа всех событий тем, "по каждое из них содержит только один элемент Ω

Каждому элементарному исходу w i ставят в соответствие поло­жительное число р i - вероятность этого исхода, причем сумма всех р i равна 1 или со знаком суммы этот факт запишется в виде выражения:

По определению, вероятность Р(А) события А равна сумме вероят­ностей элементарных исходов, благоприятствующих А. Поэтому вероятность события достоверного равна единице, не­возможного - нулю, произвольного - заключена между нулем и еди­ницей.

Рассмотрим важный частный случай, когда все исходы равновоз­можные, Число исходов равно л, сумма вероятностей всех исходов равна единице; следовательно, вероятность каждого исхода равна 1/п. Пусть событию А благоприятствует m исходов.

Вероятность события А равна сумме вероятностей исходов, благоприятствующих А:

Р(А)=1/n + 1/n+…+1/n = n·1/n=1

Получено классическое определение вероятности.

Существует еще аксиоматический подход к понятию "вероятность". В системе аксиом, предложенной. Колмогоровым А. Н, неопре­деляемыми понятиями являются элементарное событие и вероятность. Построение логически полноценной теории вероятностей основано на аксиоматическом определении случайного события и его вероятно­сти.

Приведем аксиомы, определяющие вероятность:

1. Каждому событию А поставлено в соответствие неотрицатель­ное действительное число Р(А). Это число называется вероятностью события А.

2. Вероятность достоверного события равна единице:

3. Вероятность наступления хотя бы одного из попарно несов­местных событий равна сумме вероятностей этих событий.

Исходя из этих аксиом, свойства вероятностей к зависимости между ними выводят в качестве теорем.

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

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

Ход занятия:

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

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

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

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

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

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

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

C = A 1 +A 2 +…+A n .

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

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

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

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

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

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

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

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

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

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

Рассмотрим несколько примеров:

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

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

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

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

Как видим из определения вероятности события, для всех событий

0 < Р(А) < 1.

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

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

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

Р(А или В)=Р(А) + Р(В).

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

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

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

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

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

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

Р(А) + Р() = 1

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

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

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

Р(А+В) = Р(А) + Р(В) - Р (АВ).

Теорема умножения вероятностей:

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

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

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

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

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

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

Различные определения вероятности случайного события

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

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

Классическое определение вероятности случайного события.

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

Где

Число благоприятных исходов опыта;

Общее числоисходов опыта.

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

Примеры.

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

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

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

Замечание. Классическое определение вероятности применимо при двух условиях:

1) все исходы опыта должны быть равновероятными;

2) опыт должен иметь конечное число исходов.

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

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

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

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

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

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

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

Объединяя все случаи, можно сформулировать правило вычисления геометрической вероятности:

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

, где

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

Интересным приложением понятия геометрической вероятности является задача о встрече.

Задача. (О встрече)

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

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

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

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

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

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

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

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

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

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

Для несовместных событий и

Итак,