Чтобы количественно сравнивать между собой события по степени их возможности, очевидно, нужно с каждым событием связать определённое число, которое тем больше, чем более возможно событие. Такое число мы назовём вероятностью события. Таким образом, вероятность события есть численная мера степени объективной возможности этого события.
Первым по времени определением вероятности следует считать классическое, которое возникло из анализа азартных игр и применялось вначале интуитивно.
Классический способ определения вероятности основан на понятии равновозможных и несовместных событий, которые являются исходами данного опыта и образуют полную группу несовместных событий.
Наиболее простым примером равновозможных и несовместных событий, образующих полную группу, является появление того или иного шара из урны, содержащей несколько одинаковых по размеру, весу и другим осязаемым признакам шаров, отличающихся лишь цветом, тщательно перемешанных перед выниманием.
Поэтому об испытании, исходы которого образуют полную группу несовместных и равновозможных событий, говорят, что оно сводится к схеме урн, или схеме случаев , или укладывается в классическую схему.
Равновозможные и несовместные события, составляющие полную группу, будем называть просто случаями или шансами. При этом в каждом опыте наряду со случаями могут происходить и более сложные события.
Пример : При подбрасывании игральной кости наряду со случаями А i - выпадение i- очков на верхней грани можно рассматривать такие события, как В - выпадение чётного числа очков, С - выпадение числа очков, кратных трём …
По отношению к каждому событию, которое может произойти при осуществлении эксперимента, случаи делятся на благоприятствующие , при которых это событие происходит, и неблагоприятствующие, при которых событие не происходит. В предыдущем примере, событию В благоприятствуют случаи А 2 , А 4 , А 6 ; событию С - случаи А 3 , А 6 .
Классической вероятностью появления некоторого события называется отношение числа случаев, благоприятствующих появлению этого события, к общему числу случаев равновозможных, несовместных, составляющих полную группу в данном опыте:
где Р(А) - вероятность появления события А; m - число случаев, благоприятствующих событию А; n - общее число случаев.
Примеры:
1) (смотри пример выше) Р(В) = , Р(С) = .
2) В урне находятся 9 красных и 6 синих шаров. Найти вероятность того, что вынутые наугад один, два шара окажутся красными.
А - вынутый наугад шар красный:
m = 9, n = 9 + 6 = 15, P(A) =
B - вынутые наугад два шара красные:
Из классического определения вероятности вытекают следующие свойства (показать самостоятельно):
1) Вероятность невозможного события равна 0;
2) Вероятность достоверного события равна 1;
3) Вероятность любого события заключена между 0 и 1;
4) Вероятность события, противоположного событию А,
Классическое определение вероятности предполагает, что число исходов испытания конечно. На практике же весьма часто встречаются испытания, число возможных случаев которых бесконечно. Кроме того, слабая сторона классического определения состоит в том, что очень часто невозможно представить результат испытания в виде совокупности элементарных событий. Ещё труднее указать основания, позволяющие считать элементарные исходы испытания равновозможными. Обычно о равновозможности элементарных исходов испытания заключают из соображений симметрии. Однако такие задачи на практике встречаются весьма редко. По этим причинам наряду с классическим определением вероятности пользуются и другими определениями вероятности.
Статистической вероятностью события А называется относительная частота появления этого события в произведённых испытаниях:
где - вероятность появления события А;
Относительная частота появления события А;
Число испытаний, в которых появилось событие А;
Общее число испытаний.
В отличие от классической вероятности статистическая вероятность является характеристикой опытной, экспериментальной.
Пример : Для контроля качества изделий из партии наугад выбрано 100 изделий, среди которых 3 изделия оказались бракованными. Определить вероятность брака.
Статистический способ определения вероятности применим лишь к тем событиям, которые обладают следующими свойствами:
Рассматриваемые события должны быть исходами только тех испытаний, которые могут быть воспроизведены неограниченное число раз при одном и том же комплексе условий.
События должны обладать статистической устойчивостью (или устойчи- востью относительных частот). Это означает, что в различных сериях испытаний относительная частота события изменяется незначительно.
Число испытаний, в результате которых появляется событие А, должно быть достаточно велико.
Легко проверить, что свойства вероятности, вытекающие из классического определения, сохраняются и при статистическом определении вероятности.
Фактически формулы (1) и (2) это краткая запись условной вероятности на основе таблицы сопряженности признаков. Вернемся к примеру, рассмотренному (рис. 1). Предположим, что нам стало известно, будто некая семья собирается купить широкоэкранный телевизор. Какова вероятность того, что эта семья действительно купит такой телевизор?
Рис. 1. Поведение покупателей широкоэкранных телевизоров
В данном случае нам необходимо вычислить условную вероятность Р (покупка совершена | покупка планировалась). Поскольку нам известно, что семья планирует покупку, выборочное пространство состоит не из всех 1000 семей, а только из тех, которые планируют покупку широкоэкранного телевизора. Из 250 таких семей 200 действительно купили этот телевизор. Следовательно, вероятность того, что семья действительно купит широкоэкранный телевизор, если она это запланировала, можно вычислить по следующей формуле:
Р (покупка совершена | покупка планировалась) = количество семей, планировавших и купивших широкоэкранный телевизор / количество семей, планировавших купить широкоэкранный телевизор = 200 / 250 = 0,8
Этот же результат дает формула (2):
где событие А заключается в том, что семья планирует покупку широкоформатного телевизора, а событие В - в том, что она его действительно купит. Подставляя в формулу реальные данные, получаем:
Дерево решений
На рис. 1 семьи разделены на четыре категории: планировавшие покупку широкоэкранного телевизора и не планировавшие, а также купившие такой телевизор и не купившие. Аналогичную классификацию можно выполнить с помощью дерева решений (рис. 2). Дерево, изображенное на рис. 2, имеет две ветви, соответствующие семьям, которые планировали приобрести широкоэкранный телевизор, и семьям, которые не делали этого. Каждая из этих ветвей разделяется на две дополнительные ветви, соответствующие семьям, купившим и не купившим широкоэкранный телевизор. Вероятности, записанные на концах двух основных ветвей, являются безусловными вероятностями событий А и А’ . Вероятности, записанные на концах четырех дополнительных ветвей, являются условными вероятностями каждой комбинации событий А и В . Условные вероятности вычисляются путем деления совместной вероятности событий на соответствующую безусловную вероятность каждого из них.
Рис. 2. Дерево решений
Например, чтобы вычислить вероятность того, что семья купит широкоэкранный телевизор, если она запланировала сделать это, следует определить вероятность события покупка запланирована и совершена , а затем поделить его на вероятность события покупка запланирована . Перемещаясь по дереву решения, изображенному на рис. 2, получаем следующий (аналогичный предыдущему) ответ:
Статистическая независимость
В примере с покупкой широкоэкранного телевизора вероятность того, что случайно выбранная семья приобрела широкоэкранный телевизор при условии, что она планировала это сделать, равна 200/250 = 0,8. Напомним, что безусловная вероятность того, что случайно выбранная семья приобрела широкоэкранный телевизор, равна 300/1000 = 0,3. Отсюда следует очень важный вывод. Априорная информация о том, что семья планировала покупку, влияет на вероятность самой покупки. Иначе говоря, эти два события зависят друг от друга. В противоположность этому примеру, существуют статистически независимые события, вероятности которых не зависят друг от друга. Статистическая независимость выражается тождеством: Р(А|В) = Р(А) , где Р(А|В) - вероятность события А при условии, что произошло событие В , Р(А) - безусловная вероятность события А.
Обратите внимание на то, что события А и В Р(А|В) = Р(А) . Если в таблице сопряженности признаков, имеющей размер 2×2, это условие выполняется хотя бы для одной комбинации событий А и В , оно будет справедливым и для любой другой комбинации. В нашем примере события покупка запланирована и покупка совершена не являются статистически независимыми, поскольку информация об одном событии влияет на вероятность другого.
Рассмотрим пример, в котором показано, как проверить статистическую независимость двух событий. Спросим у 300 семей, купивших широкоформатный телевизор, довольны ли они своей покупкой (рис. 3). Определите, связаны ли между собой степень удовлетворенности покупкой и тип телевизора.
Рис. 3. Данные, характеризующие степень удовлетворенности покупателей широкоэкранных телевизоров
Судя по этим данным,
В то же время,
Р (покупатель удовлетворен) = 240 / 300 = 0,80
Следовательно, вероятность того, что покупатель удовлетворен покупкой, и того, что семья купила HDTV-телевизор, равны между собой, и эти события являются статистически независимыми, поскольку никак не связаны между собой.
Правило умножения вероятностей
Формула для вычисления условной вероятности позволяет определить вероятность совместного события А и В . Разрешив формулу (1)
относительно совместной вероятности Р(А и В) , получаем общее, правило умножения вероятностей. Вероятность события А и В равна вероятности события А при условии, что наступило событие В В :
(3) Р(А и В) = Р(А|В) * Р(В)
Рассмотрим в качестве примера 80 семей, купивших широкоэкранный HDTV-телевизор (рис. 3). В таблице указано, что 64 семьи удовлетворены покупкой и 16 - нет. Предположим, что среди них случайным образом выбираются две семьи. Определите вероятность, что оба покупателя окажутся довольными. Используя формулу (3), получаем:
Р(А и В) = Р(А|В) * Р(В)
где событие А заключается в том, что вторая семья удовлетворена своей покупкой, а событие В - в том, что первая семья удовлетворена своей покупкой. Вероятность того, что первая семья удовлетворена своей покупкой, равна 64/80. Однако вероятность того, что вторая семья также удовлетворена своей покупкой, зависит от ответа первой семьи. Если первая семья после опроса не возвращается в выборку (выбор без возвращения), количество респондентов снижается до 79. Если первая семья оказалась удовлетворенной своей покупкой, вероятность того, что вторая семья также будет довольна, равна 63/79, поскольку в выборке осталось только 63 семьи, удовлетворенные своим приобретением. Таким образом, подставляя в формулу (3) конкретные данные, получим следующий ответ:
Р(А и В) = (63/79)(64/80) = 0,638.
Следовательно, вероятность того, что обе семьи довольны своими покупками, равна 63,8%.
Предположим, что после опроса первая семья возвращается в выборку. Определите вероятность того, что обе семьи окажутся довольными своей покупкой. В этом случае вероятности того, что обе семьи удовлетворены своей покупкой одинаковы, и равны 64/80. Следовательно, Р(А и В) = (64/80)(64/80) = 0,64. Таким образом, вероятность того, что обе семьи довольны своими покупками, равна 64,0%. Этот пример показывает, что выбор второй семьи не зависит от выбора первой. Таким образом, заменяя в формуле (3) условную вероятность Р(А|В) вероятностью Р(А) , мы получаем формулу умножения вероятностей независимых событий.
Правило умножения вероятностей независимых событий. Если события А и В являются статистически независимыми, вероятность события А и В равна вероятности события А , умноженной на вероятность события В .
(4) Р(А и В) = Р(А)Р(В)
Если это правило выполняется для событий А и В , значит, они являются статистически независимыми. Таким образом, существуют два способа определить статистическую независимость двух событий:
- События А и В являются статистически независимыми друг от друга тогда и только тогда, когда Р(А|В) = Р(А) .
- События А и B являются статистически независимыми друг от друга тогда и только тогда, когда Р(А и В) = Р(А)Р(В) .
Если в таблице сопряженности признаков, имеющей размер 2×2, одно из этих условий выполняется хотя бы для одной комбинации событий А и B , оно будет справедливым и для любой другой комбинации.
Безусловная вероятность элементарного события
(5) Р(А) = P(A|B 1)Р(B 1) + P(A|B 2)Р(B 2) + … + P(A|B k)Р(B k)
где события B 1 , B 2 , … B k являются взаимоисключающими и исчерпывающими.
Проиллюстрируем применение этой формулы на примере рис.1. Используя формулу (5), получаем:
Р(А) = P(A|B 1)Р(B 1) + P(A|B 2)Р(B 2)
где Р(А) - вероятность того, что покупка планировалась, Р(В 1) - вероятность того, что покупка совершена, Р(В 2) - вероятность того, что покупка не совершена.
ТЕОРЕМА БАЙЕСА
Условная вероятность события учитывает информацию о том, что произошло некое другое событие. Этот подход можно использовать как для уточнения вероятности с учетом вновь поступившей информации, так и для вычисления вероятности, что наблюдаемый эффект является следствием некоей конкретной причины. Процедура уточнения этих вероятностей называется теоремой Байеса. Впервые она была разработана Томасом Байесом в 18 веке.
Предположим, что компания, упомянутая выше, исследует рынок сбыта новой модели телевизора. В прошлом 40% телевизоров, созданных компанией, пользовались успехом, а 60% моделей признания не получили. Прежде чем объявить о выпуске новой модели, специалисты по маркетингу тщательно исследуют рынок и фиксируют спрос. В прошлом успех 80% моделей, получивших признание, прогнозировался заранее, в то же время 30% благоприятных прогнозов оказались неверными. Для новой модели отдел маркетинга дал благоприятный прогноз. Какова вероятность того, что новая модель телевизора будет пользоваться спросом?
Теорему Байеса можно вывести из определений условной вероятности (1) и (2). Чтобы вычислить вероятность Р(В|А), возьмем формулу (2):
и подставим вместо Р(А и В) значение из формулы (3):
Р(А и В) = Р(А|В) * Р(В)
Подставляя вместо Р(А) формулу (5), получаем теорему Байеса:
где события B 1 , В 2 , … В k являются взаимоисключающими и исчерпывающими.
Введем следующие обозначения: событие S - телевизор пользуется спросом , событие S’ - телевизор не пользуется спросом , событие F - благоприятный прогноз , событие F’ - неблагоприятный прогноз . Допустим, что P(S) = 0,4, P(S’) = 0,6, P(F|S) = 0,8, P(F|S’) = 0,3. Применяя теорему Байеса получаем:
Вероятность спроса на новую модель телевизора при условии благоприятного прогноза равна 0,64. Таким образом, вероятность отсутствия спроса при условии благоприятного прогноза равна 1–0,64=0,36. Процесс вычислений представлен на рис. 4.
Рис. 4. (а) Вычисления по формуле Байеса для оценки вероятности спроса телевизоров; (б) Дерево решения при исследовании спроса на новую модель телевизора
Рассмотрим пример применения теоремы Байеса для медицинской диагностики. Вероятность того, что человек страдает от определенного заболевания, равна 0,03. Медицинский тест позволяет проверить, так ли это. Если человек действительно болен, вероятность точного диагноза (утверждающего, что человек болен, когда он действительно болен) равна 0,9. Если человек здоров, вероятность ложноположительного диагноза (утверждающего, что человек болен, когда он здоров) равна 0,02. Допустим, что медицинский тест дал положительный результат. Какова вероятность того, что человек действительно болен? Какова вероятность точного диагноза?
Введем следующие обозначения: событие D - человек болен , событие D’ - человек здоров , событие Т - диагноз положительный , событие Т’ - диагноз отрицательный . Из условия задачи следует, что Р(D) = 0,03, P(D’) = 0,97, Р(T|D) = 0,90, P(T|D’) = 0,02. Применяя формулу (6), получаем:
Вероятность того, что при положительном диагнозе человек действительно болен, равна 0,582 (см. также рис. 5). Обратите внимание на то, что знаменатель формулы Байеса равен вероятности положительного диагноза, т.е. 0,0464.
Приведенные к настоящему моменту в открытом банке задач ЕГЭ по математике (mathege.ru), решение которых основано на одной лишь формуле, представляющей собой классическое определение вероятности.
Понять формулу проще всего на примерах.
Пример 1.
В корзине 9 красных шаров и 3 синих. Шары различаются только цветом. Наугад (не глядя) достаём один из них. Какова вероятность того, что выбранный таким образом шар окажется синего цвета?
Комментарий. В задачах по теории вероятности происходит нечто (в данном случае наше действие по вытаскиванию шара), что может иметь разный результат - исход. Нужно заметить, что на результат можно смотреть по-разному. "Мы вытащили какой-то шар" - тоже результат. "Мы вытащили синий шар" - результат. "Мы вытащили именно вот этот шар из всех возможных шаров" - такой наименее обобщенный взгляд на результат называется элементарным исходом. Именно элементарные исходы имеются в виду в формуле для вычисления вероятности.
Решение.
Теперь вычислим вероятность выбора синего шара.
Событие А: "выбранный шар оказался синего цвета"
Общее число всех возможных исходов: 9+3=12 (количество всех шаров, которые мы могли бы вытащить)
Число благоприятных для события А исходов: 3 (количество таких исходов, при которых событие А произошло, - то есть, количество синих шаров)
P(A)=3/12=1/4=0,25
Ответ: 0,25
Посчитаем для той же задачи вероятность выбора красного шара.
Общее число возможных исходов останется тем же, 12. Число благоприятных исходов: 9. Искомая вероятность: 9/12=3/4=0,75
Вероятность любого события всегда лежит в пределах от 0 до 1.
Иногда в повседневной речи (но не в теории вероятности!) вероятность событий оценивают в процентах. Переход между математической и разговорной оценкой осуществляется путем умножения (или деления) на 100%.
Итак,
При этом вероятность равна нулю у событий, которые не могут произойти - невероятны. Например, в нашем примере это была бы вероятность вытащить из корзины зеленый шар. (Число благоприятных исходов равно 0, Р(А)=0/12=0, если считать по формуле)
Вероятность 1 имеют события, которые абсолютно точно произойдут, без вариантов. Например, вероятность того, что «выбранный шар окажется или красным или синим» - для нашей задачи. (Число благоприятных исходов: 12, Р(А)=12/12=1)
Мы рассмотрели классический пример, иллюстрирующий определение вероятности. Все подобные задачи ЕГЭ по теории вероятности решаются применением данной формулы.
На месте красных и синих шаров могут быть яблоки и груши, мальчики и девочки, выученные и невыученные билеты, билеты, содержащие и не содержащие вопрос по какой-то теме (прототипы , ), бракованные и качественные сумки или садовые насосы (прототипы , ) – принцип остается тем же.
Немного отличаются формулировкой задачи теории вероятности ЕГЭ, где нужно вычислить вероятность выпадения какого-то события на определенный день. ( , ) Как и в предыдущих задачах нужно определить, что является элементарным исходом, после чего применить ту же формулу.
Пример 2. Конференция длится три дня. В первый и второй день выступают по 15 докладчиков, в третий день – 20. Какова вероятность того, что доклад профессора М. выпадет на третий день, если порядок докладов определяется жеребьевкой?
Что здесь является элементарным исходом? – Присвоение докладу профессора какого-то одного из всех возможных порядковых номеров для выступления. В жеребьевке участвует 15+15+20=50 человек. Таким образом, доклад профессора М. может получить один из 50 номеров. Значит, и элементарных исходов всего 50.
А какие исходы благоприятные? – Те, при которых окажется, что профессор будет выступать в третий день. То есть, последние 20 номеров.
По формуле вероятность P(A)= 20/50=2/5=4/10=0,4
Ответ: 0,4
Жеребьевка здесь представляет собой установление случайного соответствия между людьми и упорядоченными местами. В примере 2 установление соответствия рассматривалось с точки зрения того, какое из мест мог бы занять конкретный человек. Можно к той же ситуации подходить с другой стороны: кто из людей с какой вероятностью мог бы попасть на конкретное место (прототипы , , , ):
Пример 3. В жеребьевке участвуют 5 немцев, 8 французов и 3 эстонца. Какова вероятность того, что первым (/вторым/седьмым/последним – не важно) будет выступать француз.
Количество элементарных исходов – количество всех возможных людей, которые могли бы по жеребьевке попасть на данное место. 5+8+3=16 человек.
Благоприятные исходы – французы. 8 человек.
Искомая вероятность: 8/16=1/2=0,5
Ответ: 0,5
Немного отличается прототип . Остались задачи про монеты () и игральные кости (), несколько более творческие. Решение этих задач можно посмотреть на страницах прототипов.
Приведем несколько примеров на бросание монеты или кубика.
Пример 4.
Когда подбрасываем монету, какова вероятность выпадения решки?
Исходов 2 – орел или решка. (считается, что монета никогда не падает на ребро)
Благоприятный исход – решка, 1.
Вероятность 1/2=0,5
Ответ: 0,5.
Пример 5.
А если подбрасываем монету два раза? Какова вероятность того, что оба раза выпадет орел?
Главное определить, какие элементарные исходы будем рассматривать при подбрасывании двух монет. После подбрасывания двух монет может получиться один из следующих результатов:
1) PP – оба раза выпала решка
2) PO – первый раз решка, второй раз орел
3) OP – первый раз орел, второй раз решка
4) OO – оба раза выпал орел
Других вариантов нет. Значит, элементарных исходов 4. Благоприятный из них только первый, 1.
Вероятность: 1/4=0,25
Ответ: 0,25
Какова вероятность того, что из двух подбрасываний монеты один раз выпадет решка?
Количество элементарных исходов то же, 4. Благоприятные исходы – второй и третий, 2.
Вероятность выпадения одной решки: 2/4=0,5
В таких задачах может пригодиться ещё одна формула.
Если при одном бросании монеты возможных вариантов результата у нас 2, то для двух бросаний результатов будет 2·2=2 2 =4 (как в примере 5), для трех бросаний 2·2·2=2 3 =8, для четырех: 2·2·2·2=2 4 =16, … для N бросаний возможных результатов будет 2·2·...·2=2 N .
Так, можно найти вероятность выпадения 5 решек из 5 бросаний монеты.
Общее число элементарных исходов: 2 5 =32.
Благоприятных исходов: 1. (РРРРР – все 5 раз решка)
Вероятность: 1/32=0,03125
То же верно и для игральной кости. При одном бросании возможных результатов здесь 6. Значит, для двух бросаний: 6·6=36, для трех 6·6·6=216, и т. д.
Пример 6. Бросаем игральную кость. Какова вероятность, что выпадет четное число?
Всего исходов: 6, по числу граней.
Благоприятных: 3 исхода. (2, 4, 6)
Вероятность: 3/6=0,5
Пример 7. Бросаем две игральные кости. Какова вероятность, что в сумме выпадет 10? (округлить до сотых)
Для одного кубика 6 возможных исходов. Значит, для двух, по вышеупомянутому правилу, 6·6=36.
Какие исходы будут благоприятными для того, чтоб в сумме выпало 10?
10 надо разложить на сумму двух чисел от 1 до 6. Это можно сделать двумя способами: 10=6+4 и 10=5+5. Значит, для кубиков возможны варианты:
(6 на первом и 4 на втором)
(4 на первом и 6 на втором)
(5 на первом и 5 на втором)
Итого, 3 варианта.
Искомая вероятность: 3/36=1/12=0,08
Ответ: 0,08
Другие типы задач B6 будут рассмотрены в одной из следующих статей «Как решать».
Если вас интересует вопрос заголовка, вы наверняка студент или школьник, столкнувшийся с новым для себя предметом. Задачи теории вероятностей сейчас решают и школьники пятых классов продвинутых школ, и старшеклассники перед ЕГЭ, и студенты буквально всех специальностей — от географов до математиков. Что же это за предмет такой, и как к нему подойти?
Вероятность. Что это?
Теория вероятностей , как следует из названия, имеет дело с вероятностями. Нас окружают множество вещей и явлений, о которых, как бы ни была развита наука, нельзя сделать точных прогнозов. Мы не знаем, какую карту вытянем из колоды наугад или сколько дней в мае будет идти дождь, но, имея некоторую дополнительную информацию, можем строить прогнозы и вычислять вероятности этих случайных событий.
Таким образом, мы сталкиваемся с основным понятием случайного события — явления, поведение которого невозможно предсказать, опыта, результат которого заранее невозможно вычислить и т.п. Именно вероятности событий вычисляются в типовых задачах. Вероятность — это некоторая, строго говоря, функция, принимающая значения от 0 до 1 и характеризующая данное случайное событие. 0 — событие практически невозможно, 1 — событие практически достоверно, 0,5 (или «50 на 50») — с равной вероятностью событие произойдет или нет.
Алгоритм решения типовых задач на нахождение вероятности
Подробнее с основами теории вероятностей можно ознакомиться, например, в онлайн учебнике. А теперь не будем ходить вокруг да около, и сформулируем примерную схему , по которой следует решать стандартные учебные задачи на вычисление вероятности случайного события, а затем ниже на примерах проиллюстрируем ее применение.
- Внимательно прочитать задачу и понять, что именно происходит (что из какого ящика вытаскивается, что где лежало, сколько приборов работает и т.п.)
- Найти основной вопрос задачи вроде «вычислить вероятность того, что …» и вот это многоточие записать в виде события, вероятность которого надо найти.
- Событие записано. Теперь надо понять, к какой «схеме» теории вероятностей относится задача, чтобы правильно выбрать формулы для решения.
Вероятность
Ответьте на тестовые вопросы типа:
- происходит одно испытание (например, выбрасывание двух костей) или несколько (например, проверка 10 приборов);
- если испытаний несколько, зависимы ли результаты одного от других (зависимость или независимость событий);
- событие происходит в единственной ситуации или задача говорит о нескольких возможных гипотезах (например, шар вынимается из любого ящика из трех, или из конкретного).
Чем больше опыт решения задач, тем легче будет определить, какие формулы подходят.
- Выбрана формула (или несколько) для решения. Записываем все данные задачи и подставляем в данную формулу.
- Вуаля, вероятность найдена.
Готовые решения задач по любым разделам теории вероятностей, более 10000 примеров! Найди свою задачу:
Как решать задачи: классическая вероятность
Пример 1. В группе из 30 студентов на контрольной работе 6 студентов получили «5», 10 студентов – «4», 9 студентов – «3», остальные – «2». Найти вероятность того, что 3 студента, вызванные к доске, получили по контрольной работе «2».
Начинаем решение по пунктам, описанным выше.
- В задаче речь идет о выборе 3 студентов из группы, которые удовлетворяют определенным условиям.
- Вводим основное событие $X$ = (Все 3 студента, вызванные к доске, получили по контрольной работе «2»).
- Так как в задаче происходит только одно испытание и оно связано с отбором/выбором по определенному условию, речь идет о классическом определении вероятности. Запишем формулу: $P=m/n$, где $m$ – число исходов, благоприятствующих осуществлению события $X$, а $n$ – число всех равновозможных элементарных исходов.
- Теперь необходимо найти значения $m$ и $n$ для этой задачи. Сначала найдем число всех возможных исходов — число способов выбрать 3 студентов из 30. Так как порядок выбора не имеет значения, это число сочетаний из 30 по 3: $$n=C_{30}^3=\frac{30!}{3!27!}=\frac{28\cdot 29 \cdot 30}{1\cdot 2 \cdot 3}=4060.$$ Найдем число способов вызвать только студентов, получивших «2». Всего таких студентов было $30-6-10-9=5$ человек, поэтому $$m=C_{5}^3=\frac{5!}{3!2!}=\frac{4 \cdot 5}{1\cdot 2}=10.$$
- Получаем вероятность: $$P(X)=\frac{m}{n}=\frac{10}{4060}=0,002.$$ Задача решена.
Еще примеры: Решенные задачи на классическое определение вероятности.
Как решать задачи: формула Бернулли
Пример 2. Какова вероятность того, что при 8 бросаниях монеты герб выпадет 5 раз?
Снова по схеме решения задач на вероятность рассматриваем данную задачу:
- В задаче идет речь о серии одинаковых испытаний — бросаний монеты.
- Вводим основное событие $X$ = (При 8 бросаниях монеты герб выпадет 5 раз).
- Так как в задаче происходит несколько испытаний, и вероятность появления события (герба) одинакова в каждом испытании, речь идет о схеме Бернулли. Запишем формулу Бернулли, которая описывает вероятность того, что из $n$ бросков монет герб выпадет ровно $k$ раз: $$ P_{n}(k)=C_n^k \cdot p^k \cdot (1-p)^{n-k}.$$
- Записываем данные из условия задачи: $n=8, p=0,5$ (вероятность выпадения герба в каждом броске равна 0,5) и $k=5$
- Подставляем и получаем вероятность: $$ P(X)=P_{8}(5)=C_8^5 \cdot 0,5^5 \cdot (1-0,5)^{8-5}=\frac{8!}{5!3!}\cdot 0,5^8=\frac{6\cdot 7 \cdot 8}{1\cdot 2 \cdot 3} \cdot 0,5^8= 0,219.$$ Задача решена.
Еще примеры: Решенные задачи на формулу Бернулли, решебник задач по теории вероятности.
И это все? Конечно, нет.
Выше мы упомянули только малую часть тем и формул теории вероятностей, для более подробного изучения вы можете посмотреть учебник онлайн на данном сайте (или скачать классические учебники по ТВ), ознакомиться со статьями по решению вероятностных задач, бесплатными примерами, воспользоваться онлайн калькуляторами. Удачи!
Спасибо, что читаете и делитесь с другими
Другие полезные статьи по теории вероятностей
Статьи о решении математических задач
Наблюдение явления, опыт, эксперимент, которые можно провести многократно, в теории вероятностей принято называть испытанием . Результат, исход испытания называется событием .
Пример 1 . Сдача экзамена — это испытание; получение определенной отметки — событие. Выстрел — это испытание; попадание в определенную область мишени — событие. Бросание игрального кубика — это испытание; появление того или иного числа очков на брошенной игральной кости — событие.
Виды случайных событий
События называются несовместными , если появление одного из них исключает появления других событий в одном и том же испытании.
Пример 2 :
- несовместные события : день и ночь, человек читает и человек спит, число иррациональное и четное;
- совместные события : идет дождь и идет снег, человек ест и человек читает, число целое и четное.
Несколько событий образуют полную группу (пространство исходов) , если в результате испытания появиться хотя бы одно из них. Другими словами, появление хотя бы одного из событий полной группы есть достоверное событие.
Пример 3 .
Урок алгебры » Случайные события. Вероятность случайного события.»
При сдаче зачета возможны следующие исходы: «зачтено», «не зачтено», «не явился»; при подбрасывании монеты – «орел», «решка».
Пример 4 . Пусть в урне содержится 6 одинаковых шаров, причем 2 из них — красные, 3 — синие и 1 — белый. Какова возможность вынуть наудачу из урны цветной шар? Можно ли охарактеризовать эту возможность числом?
Оказывается можно. Это число и называется вероятностью события А (появления цветного шара). Таким образом, вероятность есть число, характеризующее степень возможности появления события .
Каждый из возможных результатов испытания (в примере 4, испытание состоит в извлечении шара из урны) называется элементарным исходом .
Те элементарные исходы, в которых интересующее нас событие наступает, называются благоприятствующими этому событию. В примере 4 благоприятствуют событию А (появление цветного шара) 5 исходов.
События называются равновозможными , если есть основания считать, что не одно из них не является более возможным, чем другое.
Пример 5 . Появление того или иного числа очков на брошенном игральном кубике – равновозможные события.
Вероятностью P(A) события А называют отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу.
Вероятность P(A) события А определяется по формуле
где m – число элементарных исходов, благоприятствующих A ; n – число всех возможных элементарных исходов испытания.
В примере 4 всего элементарных исходов 6 ; из них 5 благоприятствуют событию А . Следовательно, вероятность того что взятый шар окажется цветным, равна P(A) = 5/6 .
Пример 6 . Определить вероятность выпадения нечётного числа очков на кости.
Решение. При бросании кости событие A – «выпало нечётное число очков» можно записать как подмножество {1, 3, 5} пространства исходов {1, 2, 3, 4, 5, 6} (рис. 1).
Число всех равновозможных исходов n = 6, а число благоприятных событию A – m = 3. Следовательно,
Пример 7 . В урне находится 7 шаров: 2 белых, 4 черных и 1 красный. Вынимается один шар наугад. Какова вероятность того, что вынутый шар будет чёрным?
Решение. Занумеруем шары. Пусть, например, шары с номерами 1 и 2 – белые, с номерами 3, 4, 5 и 6 – чёрные, а красному шару присвоим номер 7 .
Так как мы можем вынуть только один из семи шаров, то общее число равновозможных исходов равно семи (n = 7 ). Из них 4 исхода – появление шаров с номерами 3, 4, 5 и 6 – приведут к тому, что вынутый шар будет чёрным (m = 4 ). Тем самым, вероятность события А , состоящего в появлении чёрного шара, равна
Вычислите вероятность того, что вынутый шар будет белым.
Пример 8 .
Вычислить вероятность выпадения в сумме 10 очков при бросании пары костей.
Решение.
Рассмотрим все равновозможные исходы в результате бросания двух костей (их число равно 36
— рекомендуем записать в виде таблицы). Выпадение в сумме 10
очков (событие А
) возможно в трёх случаях – 4
очка на первой кости и 6
на второй, 5
очков на первой и 5
на второй, 6
очков на первой и 4
на второй. Поэтому вероятность события А (выпадения в сумме 10
очков) равна 
Свойство 1 . Вероятность достоверного события А равна единице: Р(А) = 1 .
Свойство 2 . Вероятность невозможного события А равна нулю: Р(А) = 0 .
Свойство 3 . Вероятность случайного события есть положительное число, заключенное между нулем и единицей :
0 £ P (A) £ 1.
Пример 9 . Так как вероятность выпадения 13 очков при бросании пары костей – невозможное событие, его вероятность равна нулю .
Классическое определение вероятности предполагает, что число элементарных исходов испытания конечно. На практике же часто встречаются испытания, число возможных исходов которых бесконечно. Кроме этого, часто невозможно представить результат испытания в виде совокупности элементарных событий. Еще труднее указать основания, позволяющие считать элементарные события равновозможными. По этой причине, наряду с классическим определением вероятности используют и другие определения, в частности статистическое определение .
Статистическое определение вероятности
Относительная частота наряду с вероятностью принадлежит к основным понятиям теории вероятностей.
Относительной частотой события А называют отношение числа испытаний, в которых событие появилось, к общему числу фактически произведенных испытаний:
где m – число появлений события А , n – общее число испытаний.
Классическая вероятность вычисляется до опыта, а относительная частота – после опыта .
Длительные наблюдения показали, что если в одинаковых условиях производят опыты, в каждом из которых число испытаний велико, то относительная частота обнаруживает свойство устойчивости .
Это свойство состоит в том, что в различных опытах относительная частота изменяется мало (тем меньше, чем больше произведено испытаний), колеблясь около некоторого постоянного числа. Это постоянное число и есть вероятность появления события.
Таким образом, при достаточно большом количестве испытаний в качестве статистической вероятности события принимают относительную частоту или число, близкое к ней.
Пример 10
. Естествоиспытатель К. Пирсон терпеливо подбрасывал монету и после каждого бросания не ленился записывать полученный результат. Проделав эту операцию 24 000 раз, он обнаружил, что герб выпадал в 12 012 случаях. Вычисляя относительную частоту выпадения герба, он получил 
, что практически равно 1/2.
Многих интересует вопрос: возможно ли повлиять на случайные события, выявить какую-либо закономерность событий, получить тот результат, который желателен. Все явления, которые окружают нас, происходят и изменяются с какой-то долей случайности, неопределенности.
Со случайными событиями мы встречаемся чаще, чем это принято считать. Случайные факторы лежат в основе окружающей среды, экономики, политики, социальной и общественной жизни, они определяют течение любого процесса массового обслуживания - торговли, телефонной связи, транспортных услуг и медицинской помощи. Задача управления различного рода процессами, которая наиболее остро стоит перед современным обществом, состоит в том, чтобы научиться ориентироваться в мире случайностей и активно действовать, опираясь на скрытые специфические закономерности.
Все явления окружающей нас действительности можно рассматривать с точки зрения вероятности их наступления. Когда студент идет на экзамен, вероятность получения им хорошей оценки зависит от нескольких причин: подготовленности студента, удачно выбранного билета, самочувствия, настроя.
Экономиста может интересовать вероятность того, что цены на товар не вырастут, если не снизится объем его производства, или вероятность того, что застрахованный автомобиль не попадет в аварию.
Все эти события являются случайными и могут наступить или нет с некоторой долей неопределенности. Количественной мерой такой неопределенности является вероятность наступления случайного события, под которой понимают число, которое выражает степень уверенности в наступлении того или иного случайного события.
Случайными событиями называют возможные результаты единичной операции, или испытания .
Под испытанием следует понимать процесс, включающий в себя определенные условия и приводящий к одному из нескольких возможных исходов .
Например: испытание - бросание монеты, случайное событие - выпадение герба. Испытание - рождение ребенка, случайное событие - пол ребенка - мужской.
Исходом опыта может быть результат наблюдения, измерения, оценки.
Случайное событие может состоять из нескольких элементарных событий.
Единичный, отдельный исход испытания называется элементарным событием.
Событие называется случайным, если в результате испытания (опыта) оно может произойти, а может и не произойти.
Например, стрелок, производящий выстрел, может попасть или не попасть в цель. В этом случае испытание - это выстрел, а возможные элементарные исходы - попадание или непопадание в цель. Футбольная команда может участвовать в матче - это испытание, в результате которого могут наступить исходы, или элементарные события: выигрыш, проигрыш или ничья.
Оценка студента на экзамене - это случайное событие, которое состоит из элементарных событий: получение оценки «отлично», получение оценки «хорошо», получение оценки «удовлетворительно», получение оценки «неудовлетворительно».
Элементарные события можно классифицировать по мере их неопределенности как достоверные, невозможные и случайные.
Достовернымназывают событие, которое обязательно произойдет при определенном комплексе условий .
Например, если в ящике находятся только стандартные детали, то извлечение из него стандартной детали есть событие достоверное. Достоверным является и то, что в прямоугольном треугольнике квадрат гипотенузы равен сумме квадратов катетов.
Событие, которое не может произойти в результате данного испытания, называется невозможным .
Если в ящике все детали стандартные, то извлечение из него нестандартной детали есть событие невозможное. Квадрат вещественного числа не может быть отрицательным. Достоверные и невозможные события, вообще говоря, не являются случайными.
Случайные события. Вероятность (стр. 1)
Фундаментом для научного подхода к поиску ответов на вопросы подобного рода является теория вероятностей.
Зарождение теории вероятностей и формирование первых понятий этой ветви математики произошло в середине 17 века, когда Паскаль, Ферма, Бернулли попытались осуществить анализ задач связанных с азартными играми новыми методами. Скоро стало ясно, что возникающая теория найдет широкий круг применения для решения многих задач возникающих в различных сферах деятельности человека .
Производя достаточно большое количество опытов или испытаний, можно определить, как часто появляется событие, и вычислить вероятность его наступления. Вероятность, определенную таким образом, называют статистической или послеопытной. В некоторых случаях можно определить доопытную вероятность, которую называют классической.
Вероятностью появления события А называют отношение числа исходов, благоприятствующих появлению этого события, к общему числу всех единственно возможных и несовместных элементарных исходов. Обозначим число благоприятствующих событию А исходов через М, а число всех возможных исходов N. тогда для определения вероятности можно использовать формулу Р (А) = М/N .
Я провела эксперимент: попробовала вытащить из 15 шариков, 2 из которых красные, остальные зеленые, произвольным образом 2 шарика. Пыталась определить вероятность того, что оба шарика окажутся красными; оба шарика будут зелеными; один шарик будет красный, другой зеленый.
Предположенный перед проведением эксперимента результат оправдался: наиболее возможным исходом является вытаскивание 2 зеленых шариков, наименее возможным исходом является вытаскивание 2 красных шариков.
При сравнении практической и теоретической вероятности, обнаружилось довольно большое расхождение, причиной которого является малое количество проведенных испытаний.
Для получения более точного результата желательно проводить как можно больше испытаний, рассматривать всевозможные исходы испытаний и благоприятные исходы. Не забывать, что проверить это всегда можно и теоретически. При этом вероятности до проведения опыта и после проведения должны совпадать.
Проведя исследование по данному вопросу, я пришла к выводу: теория вероятности не влияет на случайные события, она только позволяет выяснить степень его наступления, а вероятность, посчитанная во время эксперимента, тем точнее, чем больше проведено испытаний.
Литература:
- Кибзун А. И. Теория вероятностей и математическая статистика. Базовый курс с примерами и задачами / А. И. Кибзун. - М.: Физматлит, 2002. - 224 с.
- Кочетков Е. С., Смерчинская С. О., Соколов В. В. Теория вероятностей и математическая статистика. - М.: ФОРУМ: ИНФРА-М, 2006. - 240 с.
- Письменный Д. Т. Конспект лекций по теории вероятностей, математической статистике и случайным процессам. - М.: Айрис-пресс, 2007. - 288 с.
Спасибо, что читаете и делитесь с другими
Основным понятием теории вероятностей является понятие случайного события. Случайным событием называется событие, которое при осуществлении некоторых условий может произойти или не произойти. Например, попадание в некоторый объект или промах при стрельбе по этому объекту из данного орудия является случайным событием.
Событие называется достоверным , если в результате испытания оно обязательно происходит. Невозможным называется событие, которое в результате испытания произойти не может.
Случайные события называются несовместными в данном испытании, если никакие два из них не могут появиться вместе.
Случайные события образуют полную группу , если при каждом испытании может появиться любое из них и не может появиться какое-либо иное событие, несовместное с ними.
Рассмотрим полную группу равновозможных несовместных случайных событий. Такие события будем называть исходами. Исход называется благоприятствующим появлению события $А$, если появление этого события влечет за собой появление события $А$.
Пример. В урне находится 8 пронумерованных шаров (на каждом шаре поставлено по одной цифре от 1 до 8).
Шары с цифрами 1, 2, 3 красные, остальные – черные. Появление шара с цифрой 1 (или цифрой 2 или цифрой 3) есть событие, благоприятствующее появлению красного шара. Появление шара с цифрой 4 (или цифрой 5, 6, 7, 8) есть событие, благоприятствующее появлению черного шара.
Вероятностью события $A$ называют отношение числа $m$ благоприятствующих этому событию исходов к общему числу $n$ всех равновозможных несовместных элементарных исходов, образующих полную группу $$P(A)=\frac{m}{n}. \quad(1)$$
Свойство 1.
Вероятность достоверного события равна единице
Свойство 2.
Вероятность невозможного события равна нулю.
Свойство 3.
Вероятность случайного события есть положительное число, заключенное между нулем и единицей.
Итак, вероятность любого события удовлетворяет двойному неравенству $0 \le P(A) \le 1$ .
Онлайн-калькуляторы
Большой пласт задач, решаемых с помощью формулы (1) относится к теме гипергеометрической вероятности. Ниже по ссылкам вы можете найти описание популярных задач и онлайн-калькуляторы для их решений:
- Задача про шары (в урне находится $k$ белых и $n$ черных шаров, вынимают $m$ шаров…)
- Задача про детали (в ящике находится $k$ стандартных и $n$ бракованных деталей, вынимают $m$ деталей…)
- Задача про лотерейные билеты (в лотерее участвуют $k$ выигрышных и $n$ безвыигрышных билета, куплено $m$ билетов…)
Примеры решений задач на классическую вероятность
Пример. В урне 10 пронумерованных шаров с номерами от 1 до 10. Вынули один шар. Какова вероятность того, что номер вынутого шара не превосходит 10?
Решение. Пусть событие А = (Номер вынутого шара не превосходит 10). Число случаев благоприятствующих появлению события А равно числу всех возможных случаев m =n =10. Следовательно, Р (А )=1. Событие А достоверное .. Количество элементарных исходов (количество карт) .
Искомая вероятность 
.
Формулы по теории вероятности онлайн
В данном разделе вы найдете формулы по теории вероятностей в онлайн-варианте (скачать можно на странице Таблицы и формулы по теории вероятностей). Если слово подчеркнуто, щелкнув на ссылке, вы перейдете к подробному описанию термина, примерам или вычислению на онлайн-калькуляторе. Используйте эти возможности!
А также для изучения тервера у нас есть:
Спасибо, что читаете и делитесь с другими
I. Случайные события. Основные формулы онлайн
1. Основные формулы комбинаторики
Число перестановок $$P_n = n!
Учебник по теории вероятностей
1\cdot 2 \cdot 3 \cdot … \cdot (n-1) \cdot n$$
Число размещений $$A_m^n = n \cdot (n-1) \cdot … \cdot (n-m+1)$$
Число сочетаний $$C_n^m =\frac{A_n^m}{P_m}=\frac{n!}{m! \cdot (n-m)!}$$
2. Классическое определение вероятности
$$P(A) = \frac{m}{n},$$ где $m$ — число благоприятствующих событию $A$ исходов, $n$ — число всех элементарных равновозможных исходов.
Подробнее о классической вероятности см. в онлайн-учебнике и калькуляторах решений.
3. Вероятность суммы событий
Теорема сложения вероятностей несовместных событий:
$$ P(A+B) = P(A)+P(B) $$
Теорема сложения вероятностей совместных событий:
$$ P(A+B) = P(A)+P(B)-P(AB) $$
Примеры решений и теория по алгебре событий тут.
4. Вероятность произведения событий
Теорема умножения вероятностей независимых событий:
$$ P(A\cdot B) =P(A)\cdot P(B) $$
Теорема умножения вероятностей зависимых событий:
$$ P(A\cdot B) =P(A)\cdot P(B|A),\\ P(A\cdot B) =P(B)\cdot P(A|B). $$
$P(A|B)$ — условная вероятность события $A$ при условии, что произошло событие $B$,
$P(B|A)$ — условная вероятность события $B$ при условии, что произошло событие $A$.
Подробнее об условной вероятности.
5. Формула полной вероятности
$$ P(A)=\sum_{k=1}^{n} P(H_k)\cdot P(A|H_k), $$
6. Формула Байеса (Бейеса). Вычисление апостериорных вероятностей гипотез
$$ P(H_m|A) =\frac{P(H_m)\cdot P(A|H_m)}{P(A)} = \frac{P(H_m)\cdot P(A|H_m)}{\sum\limits_{k=1}^{n} P(H_k)\cdot P(A|H_k)}, $$
где $H_1, H_2, …, H_n$ — полная группа гипотез.
Примеры и теория на эту тему.
7. Формула Бернулли
$$ P_n(k)=C_n^k \cdot p^k \cdot (1-p)^{n-k} = \frac{n!}{k! \cdot (n-k)!}\cdot p^k \cdot (1-p)^{n-k} $$ вероятность появления события ровно $k$ раз в $n$ независимых испытаниях, $p$ — вероятность появления события при одном испытании.
Еще полезное по формуле Бернулли теория и примеры, онлайн-калькуляторы.
8. Наивероятнейшее число наступления события
Наивероятнейшее число $k_0$ появления события при $n$ независимых испытаниях (где $p$ — вероятность появления события при одном испытании):
$$ np-(1-p) \le k_0 \le np+p. $$
Вычислить наивероятнейшее значение онлайн.
9. Локальная формула Лапласа
$$ P_n(k) = \frac{1}{\sqrt{npq}} \varphi\left(\frac{k-np}{\sqrt{npq}} \right) $$
вероятность появления события ровно $k$ раз при $n$ независимых испытаниях, $p$ — вероятность появления события при одном испытании, $q=1-p$.
Значения функции $\varphi(x)$ берутся из таблицы.
10. Интегральная формула Лапласа
$$ P_n(m_1, m_2) = \Phi\left(\frac{m_2-np}{\sqrt{npq}} \right)-\Phi\left(\frac{m_1-np}{\sqrt{npq}} \right) $$
вероятность появления события не менее $m_1$ и не более $m_2$ раз при $n$ независимых испытаниях, $p$ — вероятность появления события при одном испытании, $q=1-p$.
Значения функции $\Phi(x)$ берутся из таблицы.
Теория и примеры на формулы Муавра-Лапласа.
11. Оценка отклонения относительной частоты от постоянной вероятности $p$
$$ P\left(\left| \frac{m}{n} -p\right| \le \varepsilon\right) = 2 \Phi\left(\varepsilon\cdot \frac{n}{\sqrt{p(1-p)}} \right) $$
$\varepsilon$ — величина отклонения, $p$ — вероятность появления события.
Решенные задачи по теории вероятностей
Нужна готовая задача по терверу? Найдите на сайте-решебнике:
Каталог формул по теории вероятности онлайн
Полный список страниц с формулами:
Спасибо, что читаете и делитесь с другими
Вряд ли многие люди задумываются, можно ли просчитать события, которые в той или иной мере случайны. Выражаясь простыми словами, реально ли узнать, какая сторона кубика в выпадет в следующий раз. Именно этим вопросом задались два великих ученых, положившие начало такой науке, как теория вероятности, вероятность события в которой изучается достаточно обширно.
Зарождение
Если попытаться дать определение такому понятию, как теория вероятности, то получится следующее: это один из разделов математики, который занимается изучением постоянства случайных событий. Ясное дело, данное понятие толком не раскрывает всю суть, поэтому необходимо рассмотреть ее более детально.
Хотелось бы начать с создателей теории. Как было выше упомянуто, их было двое, это и Именно они одни из первых попытались с использованием формул и математических вычислений просчитать исход того или иного события. В целом же зачатки этой науки проявлялись еще в средневековье. В то время разные мыслители и ученые пытались проанализировать азартные игры, такие как рулетка, кости и так далее, тем самым установить закономерность и процентное соотношение выпадения того или иного числа. Фундамент же был заложен в семнадцатом столетии именно вышеупомянутыми учеными.
Поначалу их труды нельзя было отнести к великим достижениям в этой области, ведь все, что они сделали, это были попросту эмпирические факты, а опыты ставились наглядно, без использования формул. Со временем получилось добиться больших результатов, которые появились вследствие наблюдения за бросанием костей. Именно этот инструмент помог вывести первые внятные формулы.
Единомышленники
Нельзя не упомянуть о таком человеке, как Христиан Гюйгенс, в процессе изучения темы, носящей название "теория вероятности" (вероятность события освещается именно в этой науке). Данная персона очень интересна. Он, так же как и представленные выше ученые, пытался в виде математических формул вывести закономерность случайных событий. Примечательно, что делал он это не совместно с Паскалем и Ферма, то есть все его труды никак не пересекались с этими умами. Гюйгенс вывел
Интересен тот факт, что его работа вышла задолго до результатов трудов первооткрывателей, а точнее, на двадцать лет раньше. Среди обозначенных понятий известнее всего стали:
- понятие вероятности как величины шанса;
- математическое ожидание для дискретных случаев;
- теоремы умножения и сложения вероятностей.
Также нельзя не вспомнить который тоже внес весомый вклад в изучении проблемы. Проводя свои, ни от кого не зависящие испытания, он сумел представить доказательство закона больших чисел. В свою очередь, ученые Пуассон и Лаплас, которые работали в начале девятнадцатого столетия, смогли доказать изначальные теоремы. Именно с этого момента для анализа ошибок в ходе наблюдений начали использовать теорию вероятностей. Стороной обойти данную науку не смогли и русские ученые, а точнее Марков, Чебышев и Дяпунов. Они, исходя из проделанной работы великих гениев, закрепили данный предмет в качестве раздела математики. Трудились эти деятели уже в конце девятнадцатого столетия, и благодаря их вкладу, были доказаны такие явления, как:
- закон больших чисел;
- теория цепей Маркова;
- центральная предельная теорема.
Итак, с историей зарождения науки и с основными персонами, повлиявшими на нее, все более или менее понятно. Сейчас же пришло время конкретизировать все факты.
Основные понятия
Перед тем как касаться законов и теорем, стоит изучить основные понятия теории вероятностей. Событие в ней занимает главенствующую роль. Данная тема довольно объемная, но без нее не удастся разобраться во всем остальном.
Событие в теории вероятности - этолюбая совокупность исходов проведенного опыта. Понятий данного явления существует не так мало. Так, ученый Лотман, работающий в этой области, высказался, что в данном случае речь идет о том, что «произошло, хотя могло и не произойти».
Случайные события (теория вероятности уделяет им особое внимание) - это понятие, которое подразумевает абсолютно любое явление, имеющее возможность произойти. Или же, наоборот, этот сценарий может не случиться при выполнении множества условий. Также стоит знать, что захватывают весь объем произошедших явлений именно случайные события. Теория вероятности указывает на то, что все условия могут повторяться постоянно. Именно их проведение получило название "опыт" или же "испытание".
Достоверное событие - это то явление, которое в данном испытании на сто процентов произойдет. Соответственно, невозможное событие - это то, которое не случится.
Совмещение пары действий (условно случай A и случай B) есть явление, которое происходит одновременно. Они обозначаются как AB.
Сумма пар событий А и В - это С, другими словами, если хотя бы одно из них произойдет (А или В), то получится С. Формула описываемого явления записывается так: С = А + В.
Несовместные события в теории вероятности подразумевают, что два случая взаимно исключают друг друга. Одновременно они ни в коем случае не могут произойти. Совместные события в теории вероятности - это их антипод. Здесь подразумевается, что если произошло А, то оно никак не препятствует В.
Противоположные события (теория вероятности рассматривает их очень подробно) просты для понимания. Лучше всего разобраться с ними в сравнении. Они почти такие же, как и несовместные события в теории вероятности. Но их отличие заключается в том, что одно из множества явлений в любом случае должно произойти.
Равновозможные события - это те действия, возможность повтора которых равна. Чтобы было понятней, можно представить бросание монеты: выпадение одной из ее сторон равновероятно выпадению другой.
Благоприятствующее событие легче рассмотреть на примере. Допустим, есть эпизод В и эпизод А. Первое - это бросок игрального кубика с появлением нечетного числа, а второе - появление числа пять на кубике. Тогда получается, что А благоприятствует В.
Независимые события в теории вероятности проецируются только на два и больше случаев и подразумевают независимость какого-либо действия от другого. Например, А - выпадение решки при бросании монеты, а В - доставание валета из колоды. Они и есть независимые события в теории вероятности. С этим моментом стало понятнее.
Зависимые события в теории вероятности также допустимы лишь для их множества. Они подразумевают зависимость одного от другого, то есть явление В может произойти только в том случае, если А уже произошло или же, наоборот, не произошло, когда это - главное условие для В.
Исход случайного эксперимента, состоящего из одного компонента, - это элементарные события. Теория вероятности поясняет, что это такое явление, которое совершилось лишь единожды.
Основные формулы
Итак, выше были рассмотрены понятия "событие", "теория вероятности", определение основным терминам этой науки также было дано. Сейчас же пришло время ознакомиться непосредственно с важными формулами. Эти выражения математически подтверждают все главные понятия в таком непростом предмете, как теория вероятности. Вероятность события и здесь играет огромную роль.
Начать лучше с основных И перед тем как приступить к ним, стоит рассмотреть, что это такое.
Комбинаторика - это в первую очередь раздел математики, он занимается изучением огромного количества целых чисел, а также различных перестановок как самих чисел, так и их элементов, различных данных и т. п., ведущих к появлению ряда комбинаций. Помимо теории вероятности, эта отрасль важна для статистики, компьютерной науки и криптографии.
Итак, теперь можно переходить к представлению самих формул и их определению.
Первой из них будет выражение для числа перестановок, выглядит оно следующим образом:
P_n = n ⋅ (n - 1) ⋅ (n - 2)…3 ⋅ 2 ⋅ 1 = n!
Применяется уравнение только в том случае, если элементы различаются лишь порядком расположения.
Теперь будет рассмотрена формула размещения, выглядит она так:
A_n^m = n ⋅ (n - 1) ⋅ (n-2) ⋅ ... ⋅ (n - m + 1) = n! : (n - m)!
Это выражение применимо уже не только лишь к порядку размещения элемента, но и к его составу.
Третье уравнение из комбинаторики, и оно же последнее, называется формулой для числа сочетаний:
C_n^m = n ! : ((n - m))! : m !
Сочетанием называются выборки, которые не упорядочены, соответственно, к ним и применяется данное правило.
С формулами комбинаторики получилось разобраться без труда, теперь можно перейти к классическому определению вероятностей. Выглядит это выражение следующим образом:
В данной формуле m - это число условий, благоприятствующих событию A, а n - число абсолютно всех равновозможных и элементарных исходов.
Существует большое количество выражений, в статье не будут рассмотрены все, но затронуты будут самые важные из них такие, как, например, вероятность суммы событий:
P(A + B) = P(A) + P(B) - эта теорема для сложения только несовместных событий;
P(A + B) = P(A) + P(B) - P(AB) - а эта для сложения только совместимых.
Вероятность произведения событий:
P(A ⋅ B) = P(A) ⋅ P(B) - эта теорема для независимых событий;
(P(A ⋅ B) = P(A) ⋅ P(B∣A); P(A ⋅ B) = P(A) ⋅ P(A∣B)) - а эта для зависимых.
Закончит список формула событий. Теория вероятностей рассказывает нам о теоремеБайеса, которая выглядит так:
P(H_m∣A) = (P(H_m)P(A∣H_m)) : (∑_(k=1)^n P(H_k)P(A∣H_k)),m = 1,...,n
В данной формуле H 1 , H 2 , …, H n - это полная группа гипотез.
Примеры
Если тщательно изучить любой раздел математики, в нем не обходится без упражнений и образцов решений. Так и теория вероятности: события, примеры здесь являются неотъемлемым компонентом, подтверждающим научные выкладки.
Формула для числа перестановок
Допустим, в карточной колоде есть тридцать карт, начиная с номинала один. Далее вопрос. Сколько есть способов сложить колоду так, чтобы карты с номиналом один и два не были расположены рядом?
Задача поставлена, теперь давайте перейдем к ее решению. Для начала нужно определить число перестановок из тридцати элементов, для этого берем представленную выше формулу, получается P_30 = 30!.
Исходя из этого правила, мы узнаем, сколько есть вариантов сложить колоду по-разному, но нам необходимо вычесть из них те, в которых первая и вторая карта будут рядом. Для этого начнем с варианта, когда первая находится над второй. Получается, что первая карта может занять двадцать девять мест - с первого по двадцать девятое, а вторая карта со второго по тридцатое, получается всего двадцать девять мест для пары карт. В свою очередь, остальные могут принимать двадцать восемь мест, причем в произвольном порядке. То есть для перестановки двадцати восьми карт есть двадцать восемь вариантов P_28 = 28!
В итоге получается, что если рассматривать решение, когда первая карта находится над второй, лишних возможностей получится 29 ⋅ 28! = 29!
Используя этот же метод, нужно вычислить число избыточных вариантов для того случая, когда первая карта находится под второй. Получается также 29 ⋅ 28! = 29!
Из этого следует, что лишних вариантов 2 ⋅ 29!, в то время как необходимых способов сбора колоды 30! - 2 ⋅ 29!. Остается только лишь посчитать.
30! = 29! ⋅ 30; 30!- 2 ⋅ 29! = 29! ⋅ (30 - 2) = 29! ⋅ 28
Теперь нужно перемножать между собой все числа от одного до двадцати девяти, после чего в конце умножить все на 28. Ответ получается 2,4757335 ⋅〖10〗^32
Решение примера. Формула для числа размещения
В данной задаче необходимо выяснить, сколько есть способов, чтобы поставить пятнадцать томов на одной полке, но при условии, что всего томов тридцать.
В этой задаче решение немного проще, чем в предыдущей. Используя уже известную формулу, необходимо вычислить суммарное число расположений из тридцати томов по пятнадцать.
A_30^15 = 30 ⋅ 29 ⋅ 28⋅... ⋅ (30 - 15 + 1) = 30 ⋅ 29 ⋅ 28 ⋅ ... ⋅ 16 = 202 843 204 931 727 360 000
Ответ, соответственно, будет равен 202 843 204 931 727 360 000.
Теперь возьмем задачу чуть сложнее. Необходимо узнать, сколько есть способов расставить тридцать книг на двух книжных полках, при условии, что на одной полке могут находиться лишь пятнадцать томов.
Перед началом решения хотелось бы уточнить, что некоторые задачи решаются несколькими путями, так и в этой есть два способа, но в обоих применена одна и та же формула.
В этой задаче можно взять ответ из предыдущей, ведь там мы вычислили, сколько раз можно заполнить полку на пятнадцать книг по-разному. Получилось A_30^15 = 30 ⋅ 29 ⋅ 28 ⋅ ... ⋅ (30 - 15 + 1) = 30 ⋅ 29 ⋅ 28 ⋅ ...⋅ 16.
Вторую же полку рассчитаем по формуле перестановки, ведь в нее помещается пятнадцать книг, в то время как всего остается пятнадцать. Используем формулу P_15 = 15!.
Получается, что в сумме будет A_30^15 ⋅ P_15 способов, но, помимо этого, произведение всех чисел от тридцати до шестнадцати надо будет умножить на произведение чисел от одного до пятнадцати, в итоге получится произведение всех чисел от одного до тридцати, то есть ответ равен 30!
Но эту задачу можно решить и по-иному - проще. Для этого можно представить, что есть одна полка на тридцать книг. Все они расставлены на этой плоскости, но так как условие требует, чтобы полок было две, то мы одну длинную пилим пополам, получается две по пятнадцать. Из этого получается что вариантов расстановки может быть P_30 = 30!.
Решение примера. Формула для числа сочетания
Сейчас будет рассмотрен вариант третьей задачи из комбинаторики. Необходимо узнать, сколько способов есть, чтобы расставить пятнадцать книг при условии, что выбирать необходимо из тридцати абсолютно одинаковых.
Для решения будет, конечно же, применена формула для числа сочетаний. Из условия становится понятным, что порядок одинаковых пятнадцати книг не важен. Поэтому изначально нужно выяснить общее число сочетаний из тридцати книг по пятнадцать.
C_30^15 = 30 ! : ((30-15)) ! : 15 ! = 155 117 520
Вот и все. Используя данную формулу, в кратчайшее время удалось решить такую задачу, ответ, соответственно, равен 155 117 520.
Решение примера. Классическое определение вероятности
С помощью формулы, указанной выше, можно найти ответ в несложной задаче. Но это поможет наглядно увидеть и проследить ход действий.
В задаче дано, что в урне есть десять абсолютно одинаковых шариков. Из них четыре желтых и шесть синих. Из урны берется один шарик. Необходимо узнать вероятность доставания синего.
Для решения задачи необходимо обозначить доставание синего шарика событием А. Данный опыт может иметь десять исходов, которые, в свою очередь, элементарные и равновозможные. В то же время из десяти шесть являются благоприятствующими событию А. Решаем по формуле:
P(A) = 6: 10 = 0,6
Применив эту формулу, мы узнали, что возможность доставания синего шарика равна 0,6.
Решение примера. Вероятность суммы событий
Сейчас будет представлен вариант, который решается с использованием формулы вероятности суммы событий. Итак, в условии дано, что есть два ящика, в первом находится один серый и пять белых шариков, а во втором - восемь серых и четыре белых шара. В итоге из первого и второго короба взяли по одному из них. Необходимо узнать, каков шанс того, что доставаемые шарики будут серого и белого цвета.
Чтобы решить данную задачу, необходимо обозначить события.
- Итак, А - взяли серый шарик из первого ящика: P(A) = 1/6.
- А’ - взяли белый шарик также из первого ящика: P(A") = 5/6.
- В - извлекли серый шарик уже из второго короба: P(B) = 2/3.
- В’ - взяли серый шарик из второго ящика: P(B") = 1/3.
По условию задачи необходимо, чтобы случилось одно из явлений: АВ’ или же А’В. Используя формулу, получаем: P(AB") = 1/18, P(A"B) = 10/18.
Сейчас была использована формула по умножению вероятности. Далее, чтобы узнать ответ, необходимо применить уравнение их сложения:
P = P(AB" + A"B) = P(AB") + P(A"B) = 11/18.
Вот так, используя формулу, можно решать подобные задачи.
Итог
В статье была представлена информация по теме "Теория вероятности", вероятность события в которой играет важнейшую роль. Конечно же, не все было учтено, но, исходя из представленного текста, можно теоретически ознакомиться с данным разделом математики. Рассматриваемая наука может пригодиться не только в профессиональном деле, но и в повседневной жизни. С ее помощью можно просчитать любую возможность какого-либо события.
В тексте были затронуты также знаменательные даты в истории становления теории вероятности как науки, и фамилии людей, чьи труды были в нее вложены. Вот так человеческое любопытство привело к тому, что люди научились просчитывать даже случайные события. Когда-то они просто заинтересовались этим, а сегодня об этом уже знают все. И никто не скажет, что ждет нас в будущем, какие еще гениальные открытия, связанные с рассматриваемой теорией, будут совершены. Но одно можно сказать точно - исследования на месте не стоят!