Теория вероятностей и математическая статистика

1. Предмет теории вероятностей и ее значение для решения экономических, технических задач. Вероятность и ее определение

На протяжении длительного времени человечество изучало и использовало для своей деятельности лишь так называемые детерминистические закономерности. Однако, поскольку случайные события врываются в нашу жизнь помимо нашего желания и постоянно окружают нас, и более того, поскольку почти все явления природы имеют случайный характер, необходимо научиться их изучать и разработать для этой цели методы изучения.

По форме проявления причинных связей законы природы и общества делятся на два класса: детерминированные (предопределенные) и статистические.

Например, на основании законов небесной механики по известному в настоящем положению планет Солнечной системы может быть практически однозначно предсказано их положение в любой наперед заданный момент времени, в том числе очень точно могут быть предсказаны солнечные и лунные затмения. Это пример детерминированных законов.

Вместе с тем не все явления поддаются точному предсказанию. Так, долговременные изменения климата, кратковременные изменения погоды не являются объектами для успешного прогнозирования, т.е. многие законы и закономерности гораздо менее вписываются в детерминированные рамки. Такого рода законы называются статистическими. Согласно этим законам, будущее состояние системы определяется не однозначно, а лишь с некоторой вероятностью.

Теория вероятностей, как и другие математические науки, возродилась и развилась из потребностей практики. Она занимается изучением закономерностей, присущих массовым случайным событиям.

Теория вероятностей изучает свойства массовых случайных событий, способных многократно повторяться при воспроизведении определенного комплекса условий. Основное свойство любого случайного события, независимо от его природы, -- мера, или вероятность его осуществления.

Наблюдаемые нами события (явления) можно подразделить на три вида: достоверные, невозможные и случайные.

Достоверным называют событие, которое обязательно произойдет. Невозможным называют событие, которое заведомо не произойдет. Случайным называют событие, которое может либо произойти, либо не произойти.

Теория вероятностей не ставит перед собой задачу предсказать, произойдет единичное событие или нет, так как невозможно учесть влияние на случайное событие всех причин. С другой стороны, оказывается, что достаточно большое число однородных случайных событий, независимо от их конкретной природы, подчиняется определенным закономерностям, а именно -- вероятностным закономерностям.

Итак, предметом теории вероятностей является изучение вероятностных закономерностей массовых однородных случайных событий.

Некоторые задачи, относящиеся к массовым случайным явлениям, пытались решать, используя соответствующий математический аппарат, еще в начале ХVII в. Изучая ход и результаты различных азартных игр, Б. Паскаль, П. Ферма и Х. Гюйгенс в середине XVII века заложили основы классической теории вероятностей. В своих работах они неявно использовали понятия вероятности и математического ожидания случайной величины. Только в начале XVIII в. Я. Бернулли формулирует понятие вероятности.

Дальнейшими успехами теория вероятностей обязана Муавру, Лапласу, Гауссу, Пуассону и др.

В развитие теории вероятностей огромный вклад внесли русские и советские математики, такие как П.Л. Чебышев, А.А. Марков, А.М. Ляпунов, С.Н. Бернштейн, А.Н. Колмогоров, А.Я. Хинчин, А. Прохоров и др.

Особое место в развитии теории вероятностей принадлежит и узбекистанской школе, яркими представителями которой являются академики В.И. Романовский, С.Х. Сираждинов, Т.А. Сарымсаков, Т.А. Азларов, Ш.К. Фарманов, профессора И.С. Бадалбаев, М.У. Гафуров, Ш.А. Хашимов и др.

Как уже было отмечено, потребности практики, способствовав зарождению теории вероятностей, питали ее развитие как науки, приводя к появлению все новых ее ветвей и разделов. На теорию вероятностей опирается математическая статистика, задача которой состоит в том, чтобы по выборке восстановить с определенной степенью достоверности характеристики, присущие генеральной совокупности. От теории вероятностей отделились такие отрасли науки, как теория случайных процессов, теория массового обслуживания, теория информации, теория надежности, эконометрическое моделирование и др.

В качестве важнейших сфер приложения теории вероятностей можно указать экономические, технические науки. В настоящее время трудно себе представить исследование экономико-технических явлений без моделирований, опирающихся на теорию вероятностей, без моделей корреляционного и регрессионного анализа, адекватности и "чувствительных" адаптивных моделей.

События, происходящие в автомобильных потоках, степень надежности составных частей машин, автокатастрофы на дорогах, различные ситуации в процессе проектирования дорог ввиду их недетерминированности входят в круг проблем, исследуемых посредством методов теории вероятностей.

Основные понятия теории вероятностей -- это опыт или эксперимент и события. Действия, которые осуществляются при определенных условиях и обстоятельствах, мы назовем экспериментом. Каждое конкретное осуществление эксперимента называется испытанием.

Всякий мыслимый результат эксперимента называется элементарным событием и обозначается через. Случайные события состоят из некоторого числа элементарных событий и обозначаются через A, B, C, D,...

Множество элементарных событий таких, что

1) в результате проведения эксперимента всегда происходит одно из элементарных событий;

2) при одном испытании произойдет только одно элементарное событие называется пространством элементарных событий и обозначается через.

Таким образом, любое случайное событие является подмножеством пространства элементарных событий. По определению пространства элементарных событий достоверное событие можно обозначить через. Невозможное событие обозначается через.

Пример 1. Бросается игральная кость. Пространство элементарных событий, отвечающее данному эксперименту, имеет следующий вид:

Пример 2. Пусть в урне содержатся 2 красных, 3 синих и 1 белый, всего 6 шаров. Эксперимент состоит в том, что из урны вынимаются наудачу шары. Пространство элементарных событий, отвечающее данному эксперименту, имеет следующий вид:

где элементарные события имеют следующие значения: - появился белый шар; - появился красный шар; - появился синий шар. Рассмотрим следующие события:

А -- появление белого шара;

В -- появление красного шара;

С -- появление синего шара;

D -- появление цветного (небелого) шара.

Здесь мы видим, что каждое из этих событий обладает той или иной степенью возможности: одни - большей, другие - меньшей. Очевидно, что степень возможности события В больше, чем события А; события С -- чем события В; события D -- чем события С. Чтобы количественно сравнивать между собой события по степени их возможности, очевидно, нужно с каждым событием связать определенное число, которое тем больше, чем более возможно событие.

Это число обозначим через и назовем вероятностью события А. Дадим теперь определение вероятности.

Пусть пространство элементарных событий является конечным множеством и элементы его суть. Будем считать, что они являются равновозможными элементарными событиями, т.е. каждое элементарное событие не имеет больше шансов появления, чем другие. Как известно, каждое случайное событие А состоит из элементарных событий как подмножество. Эти элементарные события называются благоприятствующими для А.

Вероятность события А определяется формулой

где m -- число благоприятствующих элементарных событий для А, n -- число всех элементарных событий, входящих в.

Если в примере 1 через А обозначить событие, состоящее в том, что выпадет четное число очков, то

В примере 2 вероятности событий имеют следующие значения:

Из определения вероятности вытекают следующие ее свойства:

1. Вероятность достоверного события равна единице.

Действительно, если событие достоверно, то все элементарные события благоприятствуют ему. В этом случае m=n и, следовательно,

2. Вероятность невозможного события равна нулю.

Действительно, если событие невозможно, то ни одно элементарное событие не благоприятствует ему. В этом случае m=0 и, следовательно,

3. Вероятность случайного события есть положительное число, заключенное между нулем и единицей.

Действительно, случайному событию благоприятствует лишь часть из общего числа элементарных событий. В этом случае, а значит, и, следовательно,

Итак, вероятность любого события удовлетворяет неравенствам

Относительной частотой события называют отношение числа испытаний, в которых событие появилось, к общему числу фактически произведенных испытаний.

Таким образом, относительная частота события А определяется формулой

где т -- число появлений события, п -- общее число испытаний.

Сопоставляя определения вероятности и относительной частоты, заключаем: определение вероятности не требует, чтобы испытания производились в действительности; определение же относительной частоты предполагает, что испытания были произведены фактически.

Пример 3. Из 80 случайно отобранных одинаковых деталей выявлено 3 бракованных. Относительная частота бракованных деталей равна

Пример 4. В течение года на одном из объектов было проведено 24 проверки, причем было зарегистрировано 19 нарушений законодательства. Относительная частота нарушений законодательства равна

Длительные наблюдения показали, что если в одинаковых условиях производятся опыты, в каждом из которых число испытаний достаточно велико, то относительная частота изменяется мало (тем меньше, чем больше произведено испытаний), колеблясь около некоторого постоянного числа. Оказалось, что это постоянное число есть вероятность появления события.

Таким образом, если опытным путем установлена относительная частота, то полученное число можно принять за приближенное значение вероятности. Это есть статистическое определение вероятности.

В заключении рассмотрим геометрическое определение вероятности.

Если пространство элементарных событий рассматривать как некоторую область на плоскости или в пространстве, а А как ее подмножество, то вероятность события А будет рассматриваться как отношение площадей или объемов А и, и находиться по следующим формулам:

Вопросы для повторения и контроля:

1. На какие классы делятся законы природы и общества по форме проявления причинных связей?

2. На какие виды можно подразделить события?

3. Что является предметом теории вероятностей?

4. Что вы знаете об истории развития теории вероятностей?

5. Каково значение теории вероятностей для экономических, технических задач?

6. Что такое эксперимент, испытание, элементарное событие и событие, как они обозначаются?

7. Что называется пространством элементарных событий?

8. Как определяется вероятность события?

9. Какие свойства вероятности вы знаете?

10. Что вы знаете об относительной частоте события?

11. В чем сущность статистического определения вероятности?

12. Каково геометрическое определение вероятности?

Биография и труды Колмогорова А.Н.

Элементарная теория вероятностей -- та часть теории вероятностей, в которой приходится иметь дело с вероятностями лишь конечного числа событий. Теория вероятностей, как математическая дисциплина...

Векторное пространство. Решение задач линейного программирования графическим способом

Теперь рассмотрим несколько задач линейного программирования и их решение графическим методом. Задача 1. max Z = 1+ - , . Решение. Заметим, что полуплоскости, определяемые системой неравенств данной задачи не имеют общих точек (рисунок 2 , тогда F (x ) = .

Пусть х Î (b ,+¥], тогда F (x ) = = 0 + .

Найдем медиану x 0,5 . Имеем F (x 0,5) = 0,5, следовательно

Итак, медиана равномерного распределения совпадает с серединой отрезка . На рис.1 приведен график плотности р (х ) и функции распределения F (x )

для равномерного распределения.

Нормальное распределение

Определение 7. Непрерывная случайная величина имеет нормальное распределение, с двумя параметрами a, s, если

, s>0. (5)

Тот факт, что случайная величина имеет нормальное распределение, будем кратко записывать в виде Х ~ N (a ;s ).

Покажем, что p (x ) – плотность

(показано в лекции 6).

График плотности нормального распределения (рис. 3) называют нормальной кривой (кривой Гаусса).

Плотность распределения симметрична относительно прямой х = a . Если х ® ¥, то р (х ) ® 0. При уменьшении s график «стягивается» к оси симметрии х = a .

Нормальное распределение играет особую роль в теории вероятностей и ее приложениях. Это связано с тем, что в соответствии с центральной предельной теоремой теории вероятностей при выполнении определенных условий сумма большого числа случайных величин имеет «примерно» нормальное распределение.

Так как – плотность нормального закона распределения с параметрами а = 0 и s =1, то функция = Ф (х ), с помощью которой вычисляется вероятность , является функцией распределения нормального распределения с параметрами а = 0 и s =1.

Функцию распределения случайной величины Х с произвольными параметрами а , s можно выразить через Ф (х ) – функцию распределения нормальной случайной величины с параметрами а = 0 и s =1.

Пусть Х ~ N (a ;s), тогда

. (6)

Сделаем замену переменных под знаком интеграла , получим

F (x ) = . (7)

В практических приложениях теории вероятностей часто требуется найти вероятность того, что случайная величина примет значение из заданного отрезка . В соответствии с формулой (7) эту вероятность можно найти по табличным значениям функции Лапласа

Найдем медиану нормальной случайной величины Х ~ N (a ;s ). Так как плотность распределения р(х) симметрична относительно оси х = а , то

р (х < a ) = p (x > a ) = 0,5.

Следовательно, медиана нормальной случайной величины совпадает с параметром а :

Х 0,5 = а.

Задача 1. Поезда в метро идут с интервалом в 2 мин. Пассажир выходит на платформу в некоторый момент времени. Время Х, в течение которого ему придется ждать поезд, представляет собой случайную величину, распределенную с равномерной плотностью на участке (0, 2) мин. Найти вероятность того, что пассажиру придется ждать ближайший поезд не более 0,5 мин.

Решение . Очевидно, что p(x) = 1/2. Тогда, Р 0,5 = Р( 1,5 2) = = 0,25

Задача 2. Волжский автомобильный завод запускает в производство новый двигатель. Предполагается, что средняя длина пробега автомобиля с новым двигателем – 160 тыс. км, со стандартным отклонением – σ = 30 тыс.км. Чему равна вероятность, что до первого ремонта число км. пробега автомобиля будет находиться в пределах от 100 тыс. км. до 180 тыс. км.

Решение. Р(100000< X < 180000) = Ф(2/3)–Ф(–2) = 0,2454 + 0,4772 = 0,7226.

Свойства дисперсии

1.Дисперсия постоянной C равна 0,DC = 0, С = const .

Доказательство . DC = M (С – MC ) 2 = М (С – С ) = 0.

2. D (CX ) = С 2 DX .

Доказательство. D (CX ) = M (CX ) 2 – M 2 (CX ) = C 2 MX 2 – C 2 (MX ) 2 = C 2 (MX 2 – M 2 X ) = С 2 DX .

3. Если X и Y – независимые случайные величины , то

Доказательство .

4. Если Х 1 , Х 2 , … не зависимы, то .

Это свойство можно доказать методом индукции, используя свойство 3.

Доказательство . D(X – Y) = DX + D(–Y) = DX + (–1) 2 D(Y) = DX + D(Y).

6.

Доказательство . D(C+X) = M(X+C–M(X+C)) 2 = M(X+C–MX–MC) 2 = M(X+C–MX–C) 2 = M(X–MX) 2 = DX.

Пусть – независимые случайные величины, причем , .

Составим новую случайную величину , найдем математическое ожидание и дисперсию Y .

; .

То есть при n ®¥ математическое ожидание среднего арифметического n независимых одинаково распределенных случайных величин остается неизменным, равным математическому ожиданию а, в то время как дисперсия стремится к нулю.

Это свойство статистической устойчивости среднего арифметического лежит в основе закона больших чисел.

Нормальное распределение

Пусть X имеет нормальное распределение. Раннее, в лекции 11 (пример 2) было показано, что если

То Y ~ N(0,1).

Отсюда , и тогда , поэтому найдем сначала DY .

Следовательно

DX = D (sY +a ) = s 2 DY = s 2 , s x = s. (2)

Распределение Пуассона

Как известно

Следовательно,

Равномерное распределение

Известно, что .

Ранее мы показали, что , воспользуемся формулой .

Доказательство.

Последний интеграл в цепочке равенств равен 0, так как из условия задачи следует, что p(MX+t) – четная функция относительно t (p(MX+t) = p(MX-t) ), а t 2 k +1 – нечетная функция.

Так как плотности нормального и равномерного законов распределений симметричны относительно х = МХ , то все центральные моменты нечетного порядка равны 0.

Теорема 2. Если X ~N (a ,s), то .

Чем больше моментов случайной величины известно, тем более детальное представление о законе распределения мы имеем. В теории вероятностей и математической статистике наиболее часто используются две числовые характеристики, основанные на центральных моментах 3-го и 4-го порядков. Это коэффициент асимметрии и эксцесс случайной величины.

Определение 3. Коэффициентом асимметрии случайной величины Х называется число b = .

Коэффициент асимметрии является центральным и начальным моментом нормированной случайной величины Y , где . Справедливость этого утверждения следует из следующих соотношений:

Асимметрия случайной величины Х равна асимметрии случайной величины Y = αХ + β

c точностью до знака α, . Это следует из того, что нормирование случайных величин aХ + b и Х приводит к одной и той же случайной величине Y с точностью до знака

Если распределение вероятностей несимметрично, причем «длинная часть» графика расположена справа от центра группирования, то β(х ) > 0; если же «длинная часть» графика расположена слева, то β(х ) < 0. Для нормального и равномерного распределений β = 0.

В качестве характеристики большей или меньшей степени «сглаженности» кривой плотности или многоугольника распределения по сравнению с нормальной плотностью используется понятие эксцесса.

Определение 4. Эксцессом случайной величины Х называется величина

Эксцесс случайной величины Х равен разности начального и центрального моментов 4-го порядка нормированной случайной величины и числа3, т.е. . Покажем это:

Эксцесс случайной величины Х равен эксцессу случайной величины

Y = αХ + β.

Найдем эксцесс нормальной случайной величины Х.

Если Х ~N (a ,s), то ~ (0,1).

Таким образом, эксцесс нормально распределенной случайной величины равен 0. Если плотность распределения одномодальна и более «островершинна», чем плотность нормального распределения с той же дисперсией, то g(Х ) > 0, если при тех же условиях менее «островершинна», то g(Х ) < 0.

Закон больших чисел

Закон больших чисел устанавливает условия сходимости среднего арифметического случайных величин к среднему арифметическому математических ожиданий.

Определение 1 . Последовательность случайных величин называется сходящейся по вероятности p к числу b, если
.

Перейдем в этом неравенстве к пределу при и получим

.

Интервальная оценка

Если получена точечная оценка неизвестного параметра по выборке, то говорить о полученной оценке как об истинном параметре довольно рискованно. В некоторых случаях, целесообразнее, получив разброс оценки параметра, говорить об интервальной оценке истинного значения параметра. В качестве иллюстрации сказанного рассмотрим построение доверительного интервала для математического ожидания нормального распределения.

Мы показали, что – наилучшая оценка (абсолютно корректная) для математического ожидания МХ = Q, поэтому является абсолютно корректной оценкой также и для параметра a = нормального распределенияР, где t – значение аргумента функции Лапласа, при котором Ф (t ) = , e = .

1. Колемаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и мате-

матическая статистика. М.: Высшая Школа, 1991.

2. Елисеева И.И., Князевский В.С., Ниворожкина Л.И., Морозова З.А. Теория статистики с основами теории вероятностей. М.: Юнити, 2001.

3. Секей Г. Парадоксы в теории вероятностей и математической статистике. М.: Мир, 1990.

4. Кремер Н.Ш. Теория вероятностей и математическая статистика. М.: Юнити, 2001

5. Смирнов Н.В. Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. М.: Наука,1969.

6. Статистические методы построения эмпирических формул. М.: Высшая Школа, 1988.

ЛЕКЦИЯ 1. ТЕОРИИ ВЕРОЯТНОСТЕЙ. ИСТОРИЯ ВОЗНИКНОВЕНИЯ. КЛАССИЧЕСКОЕ ОПРЕДЕЛЕНИЕ ВЕРОЯТНОСТИ.. 3

ЛЕКЦИЯ 2. ТЕОРЕМЫ СЛОЖЕНИЯ И УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ. СТАТИСТИЧЕСКОЕ, ГЕОМЕТРИЧЕСКОЕ ОПРЕДЕЛЕНИЕ ВЕРОЯТНОСТИ.. 8

ЛЕКЦИЯ 3. АКСИОМАТИЧЕСКОЕ ПОСТРОЕНИЕ ТЕОРИИ ВЕРОЯТНОСТЕЙ. АКСИОМАТИКА КОЛМОГОРОВА.. 14

ЛЕКЦИЯ 4. СЛУЧАЙНАЯ ВЕЛИЧИНА. ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ.. 17

ЛЕКЦИЯ 5. РАСПРЕДЕЛЕНИЯ ДИСКРЕТНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН.. 21

ЛЕКЦИЯ 6. ИНТЕГРАЛЬНАЯ ТЕОРЕМА МУАВРА–ЛАПЛАСА, ТЕОРЕМА БЕРНУЛЛИ.. 26

ЛЕКЦИЯ 7. НЕПРЕРЫВНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ... 29

ЛЕКЦИЯ 8. ПОНЯТИЕ МНОГОМЕРНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ... 35

ЛЕКЦИЯ 9. ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ МНОГОМЕРНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ... 39

ЛЕКЦИЯ 10. СВОЙСТВА ПЛОТНОСТИ ВЕРОЯТНОСТЕЙ ДВУМЕРНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ 43

ЛЕКЦИЯ 11. ФУНКЦИИ ОТ СЛУЧАЙНЫХ ВЕЛИЧИН.. 48

ЛЕКЦИЯ 12. ТЕОРЕМА О ПЛОТНОСТИ СУММЫ ДВУХ СЛУЧАЙНЫХ ВЕЛИЧИН.. 52

ЛЕКЦИЯ 13. РАСПРЕДЕЛЕНИЯ СТЬЮДЕНТА, ФИШЕРА.ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫ

Важные замечания!
1. Если вместо формул ты видишь абракадабру, почисти кэш. Как это сделать в твоем браузере написано здесь:
2. Прежде чем на начнешь читать статью, обрати внимание на наш навигатор по самым полезным ресурса для

Что такое вероятность?

Столкнувшись с этим термином первый раз, я бы не понял, что это такое. Поэтому попытаюсь объяснить доступно.

Вероятность - это шанс того, что произойдет нужное нам событие.

Например, ты решил зайти к знакомому, помнишь подъезд и даже этаж на котором он живет. А вот номер и расположение квартиры забыл. И вот стоишь ты на лестничной клетке, а перед тобой двери на выбор.

Каков шанс (вероятность) того, что если ты позвонишь в первую дверь, тебе откроет твой друг? Всего квартиры, а друг живет только за одной из них. С равным шансом мы можем выбрать любую дверь.

Но каков этот шанс?

Дверей, нужная дверь. Вероятность угадать, позвонив в первую дверь: . То есть один раз из трех ты точно угадаешь.

Мы хотим узнать, позвонив раз, как часто мы будем угадывать дверь? Давай рассмотри все варианты:

Ты позвонил в 1ю дверь

Ты позвонил в 2ю дверь

Ты позвонил в 3ю дверь

А теперь рассмотрим все варианты, где может находиться друг:

а. За 1ой дверью
б. За 2ой дверью
в. За 3ей дверью

Сопоставим все варианты в виде таблицы. Галочкой обозначены варианты, когда твой выбор совпадает с местоположением друга, крестиком - когда не совпадает.

Как видишь всего возможно вариантов местоположения друга и твоего выбора, в какую дверь звонить.

А благоприятных исходов всего . То есть раза из ты угадаешь, позвонив в дверь раз, т.е. .

Это и есть вероятность - отношение благоприятного исхода (когда твой выбор совпал с местоположение друга) к количеству возможных событий.

Определение - это и есть формула. Вероятность принято обозначать p, поэтому:

Такую формулу писать не очень удобно, поэтому примем за - количество благоприятных исходов, а за - общее количество исходов.

Вероятность можно записывать в процентах, для этого нужно умножить получившийся результат на:

Наверное, тебе бросилось в глаза слово «исходы». Поскольку математики называют различные действия (у нас такое действие - это звонок в дверь) экспериментами, то результатом таких экспериментов принято называть исход.

Ну а исходы бывают благоприятные и неблагоприятные.

Давай вернемся к нашему примеру. Допустим, мы позвонили в одну из дверей, но нам открыл незнакомый человек. Мы не угадали. Какова вероятность, что если позвоним в одну из оставшихся дверей, нам откроет наш друг?

Если ты подумал, что, то это ошибка. Давай разбираться.

У нас осталось две двери. Таким образом, у нас есть возможные шаги:

1) Позвонить в 1-ую дверь
2) Позвонить во 2-ую дверь

Друг, при всем этом, точно находится за одной из них (ведь за той, в которую мы звонили, его не оказалось):

а) Друг за 1-ой дверью
б) Друг за 2-ой дверью

Давай снова нарисуем таблицу:

Как видишь, всего есть варианта, из которых - благоприятны. То есть вероятность равна.

А почему не?

Рассмотренная нами ситуация - пример зависимых событий. Первое событие - это первый звонок в дверь, второе событие - это второй звонок в дверь.

А зависимыми они называются потому что влияют на следующие действия. Ведь если бы после первого звонка в дверь нам открыл друг, то какова была бы вероятность того, что он находится за одной из двух других? Правильно, .

Но если есть зависимые события, то должны быть и независимые ? Верно, бывают.

Хрестоматийный пример - бросание монетки.

Бросаем монетку раз. Какова вероятность того, что выпадет, например, орел? Правильно - , ведь вариантов всего (либо орел, либо решка, пренебрежем вероятностью монетки встать на ребро), а устраивает нас только.

Но выпала решка. Ладно, бросаем еще раз. Какова сейчас вероятность выпадения орла? Ничего не изменилось, все так же. Сколько вариантов? Два. А сколько нас устраивает? Один.

И пусть хоть тысячу раз подряд будет выпадать решка. Вероятность выпадения орла на раз будет все также. Вариантов всегда, а благоприятных - .

Отличить зависимые события от независимых легко:

Если эксперимент проводится раз (раз бросают монетку, 1 раз звонят в дверь и т.д.), то события всегда независимые.

Если эксперимент проводится несколько раз (монетку бросают раз, в дверь звонят несколько раз), то первое событие всегда независимое. А дальше, если количество благоприятных или количество всех исходов меняется, то события зависимые, а если нет - независимые.

Давай немного потренируемся определять вероятность.

Пример 1.

Монетку бросают два раза. Какова вероятность того, что два раза подряд выпадет орел?

Решение:

Рассмотрим все возможные варианты:

Орел-орел

Орел-решка

Решка-орел

Решка-решка

Как видишь, всего варианта. Из них нас устраивает только. То есть вероятность:

Если в условии просят просто найти вероятность, то ответ нужно давать в виде десятичной дроби. Если было бы указано, что ответ нужно дать в процентах, тогда мы умножили бы на.

Ответ:

Пример 2.

В коробке конфет все конфеты упакованы в одинаковую обертку. Однако из конфет - с орехами, с коньяком, с вишней, с карамелью и с нугой.

Какова вероятность, взяв одну конфету, достать конфету с орехами. Ответ дайте в процентах.

Решение:

Сколько всего возможных исходов? .

То есть, взяв одну конфету, она будет одной из, имеющихся в коробке.

А сколько благоприятных исходов?

Потому что в коробке только конфет с орехами.

Ответ:

Пример 3.

В коробке шаров. из них белые, - черные.

Какова вероятность вытащить белый шар?

Мы добавили в коробку еще черных шаров. Какова теперь вероятность вытащить белый шар?

Решение:

а) В коробке всего шаров. Из них белых.

Вероятность равна:

б) Теперь шаров в коробке стало. А белых осталось столько же - .

Ответ:

Полная вероятность

Вероятность всех возможных событий равна ().

Допустим, в ящике красных и зеленых шаров. Какова вероятность вытащить красный шар? Зеленый шар? Красный или зеленый шар?

Вероятность вытащить красный шар

Зеленый шар:

Красный или зеленый шар:

Как видишь, сумма всех возможных событий равна (). Понимание этого момента поможет тебе решить многие задачи.

Пример 4.

В ящике лежит фломастеров: зеленых, красных, синих, желтых, черный.

Какова вероятность вытащить НЕ красный фломастер?

Решение:

Давай посчитаем количество благоприятных исходов.

НЕ красный фломастер, это значит зеленый, синий, желтый или черный.

Вероятность того, что событие не произойдет, равна минус вероятность того, что событие произойдет.
Правило умножения вероятностей независимых событий

Что такое независимые события ты уже знаешь.

А если нужно найти вероятность того, что два (или больше) независимых события произойдут подряд?

Допустим мы хотим знать, какова вероятность того, что бросая монетку раза, мы два раза увидим орла?

Мы уже считали - .

А если бросаем монетку раза? Какова вероятность увидеть орла раза подряд?

Всего возможных вариантов:

Орел-орел-орел

Орел-орел-решка

Орел-решка-орел

Орел-решка-решка

Решка-орел-орел

Решка-орел-решка

Решка-решка-орел

Решка-решка-решка

Не знаю как ты, но я раза ошибся, составляя этот список. Ух! А подходит нам только вариант (первый).

Для 5 бросков можешь составить список возможных исходов сам. Но математики не столь трудолюбивы, как ты.

Поэтому они сначала заметили, а потом доказали, что вероятность определенной последовательности независимых событий каждый раз уменьшается на вероятность одного события.

Другими словами,

Рассмотрим на примере все той же, злосчастной, монетки.

Вероятность выпадения орла в испытании? . Теперь мы бросаем монетку раз.

Какова вероятность выпадения раз подряд орла?

Это правило работает не только, если нас просят найти вероятность того, что произойдет одно и то же событие несколько раз подряд.

Если бы мы хотели найти последовательность РЕШКА-ОРЕЛ-РЕШКА, при бросках подряд, мы поступили бы также.

Вероятность выпадения решка - , орла - .

Вероятность выпадения последовательности РЕШКА-ОРЕЛ-РЕШКА-РЕШКА:

Можешь проверить сам, составив таблицу.

Правило сложения вероятностей несовместных событий.

Так стоп! Новое определение.

Давай разбираться. Возьмем нашу изношенную монетку и бросим её раза.
Возможные варианты:

Орел-орел-орел

Орел-орел-решка

Орел-решка-орел

Орел-решка-решка

Решка-орел-орел

Решка-орел-решка

Решка-решка-орел

Решка-решка-решка

Так вот несовместные события, это определенная, заданная последовательность событий. - это несовместные события.

Если мы хотим определить, какова вероятность двух (или больше) несовместных событий то мы складываем вероятности этих событий.

Нужно понять, что выпадение орла или решки - это два независимых события.

Если мы хотим определить, какова вероятность выпадения последовательности) (или любой другой), то мы пользуемся правилом умножения вероятностей.
Какова вероятность выпадения при первом броске орла, а при втором и третьем решки?

Но если мы хотим узнать, какова вероятность выпадения одной из нескольких последовательностей, например, когда орел выпадет ровно раз, т.е. варианты и, то мы должны сложить вероятности этих последовательностей.

Всего вариантов, нам подходит.

То же самое мы можем получить, сложив вероятности появления каждой последовательности:
Таким образом, мы складываем вероятности, когда хотим определить вероятность некоторых, несовместных, последовательностей событий.

Есть отличное правило, помогающее не запутаться, когда умножать, а когда складывать:

Возвратимся к примеру, когда мы подбросили монетку раза, и хотим узнать вероятность увидеть орла раз.
Что должно произойти?

Должны выпасть:
(орел И решка И решка) ИЛИ (решка И орел И решка) ИЛИ (решка И решка И орел).
Вот и получается:

Давай рассмотрим несколько примеров.

Пример 5.

В коробке лежит карандашей. красных, зеленых, оранжевых и желтых и черных. Какова вероятность вытащить красный или зеленый карандаши?

Решение:

Пример 6.

Игральную кость бросают дважды, какова вероятность того, что в сумме выпадет 8 очков?

Решение.

Как мы можем получить очков?

(и) или (и) или (и) или (и) или (и).

Вероятность выпадения одной (любой) грани - .

Считаем вероятность:

Тренировка.

Думаю, теперь тебе стало понятно, когда нужно как считать вероятности, когда их складывать, а когда умножать. Не так ли? Давай немного потренируемся.

Задачи:

Возьмем карточную колоду, в которой карты, из них пик, червей, 13 треф и 13 бубен. От до туза каждой масти.

Какова вероятность вытащить трефы подряд (первую вытащенную карту мы кладем обратно в колоду и перемешиваем)?

Какова вероятность вытащить черную карту (пики или трефы)?

Какова вероятность вытащить картинку (вальта, даму, короля или туза)?

Какова вероятность вытащить две картинки подряд (первую вытащенную карту мы убираем из колоды)?

Какова вероятность, взяв две карты, собрать комбинацию - (валет, дама или король) и туз Последовательность, в которой будут вытащены карты, не имеет значения.

Ответы:

Если ты смог сам решить все задачи, то ты большой молодец! Теперь задачи на теорию вероятностей в ЕГЭ ты будешь щелкать как орешки!

ТЕОРИЯ ВЕРОЯТНОСТЕЙ. СРЕДНИЙ УРОВЕНЬ

Рассмотрим пример. Допустим, мы бросаем игральную кость. Что это за кость такая, знаешь? Так называют кубик с цифрами на гранях. Сколько граней, столько и цифр: от до скольки? До.

Итак, мы бросаем кость и хотим, чтобы выпало или. И нам выпадает.

В теории вероятностей говорят, что произошло благоприятное событие (не путай с благополучным).

Если бы выпало, событие тоже было бы благоприятным. Итого может произойти всего два благоприятных события.

А сколько неблагоприятных? Раз всего возможных событий, значит, неблагоприятных из них события (это если выпадет или).

Определение:

Вероятностью называется отношение количества благоприятных событий к количеству всех возможных событий . То есть вероятность показывает, какая доля из всех возможных событий приходится на благоприятные.

Обозначают вероятность латинской буквой (видимо, от английского слова probability - вероятность).

Принято измерять вероятность в процентах (см. темы и ) . Для этого значение вероятности нужно умножать на. В примере с игральной костью вероятность.

А в процентах: .

Примеры (реши сам):

С какой вероятностью при бросании монетки выпадет орел? А с какой вероятностью выпадет решка?

С какой вероятностью при бросании игральной кости выпадет четное число? А с какой - нечетное?

В ящике простых, синих и красных карандашей. Наугад тянем один карандаш. Какова вероятность вытащить простой?

Решения:

Сколько всего вариантов? Орел и решка - всего два. А сколько из них благоприятных? Только один - орел. Значит, вероятность
С решкой то же самое: .

Всего вариантов: (сколько сторон у кубика, столько и различных вариантов). Благоприятных из них: (это все четные числа:).
Вероятность. С нечетными, естественно, то же самое.

Всего: . Благоприятных: . Вероятность: .

Полная вероятность

Все карандаши в ящике зеленые. Какова вероятность вытащить красный карандаш? Шансов нет: вероятность (ведь благоприятных событий -).

Такое событие называется невозможным .

А какова вероятность вытащить зеленый карандаш? Благоприятных событий ровно столько же, сколько событий всего (все события - благоприятные). Значит, вероятность равна или.

Такое событие называется достоверным .

Если в ящике зеленых и красных карандашей, какова вероятность вытащить зеленый или красный? Опять же. Заметим такую вещь: вероятность вытащить зеленый равна, а красный - .

В сумме эти вероятности равны ровно. То есть, сумма вероятностей всех возможных событий равна или.

Пример:

В коробке карандашей, среди них синих, красных, зеленых, простых, желтый, а остальные - оранжевые. Какова вероятность не вытащить зеленый?

Решение:

Помним, что все вероятности в сумме дают. А вероятность вытащить зеленый равна. Значит, вероятность не вытащить зеленый равна.

Запомни этот прием: вероятность того, что событие не произойдет равна минус вероятность того, что событие произойдет.

Независимые события и правило умножения

Ты кидаешь монетку раза, и хочешь, чтобы оба раза выпал орел. Какова вероятность этого?

Давай переберем все возможные варианты и определим, сколько их:

Орел-Орел, Решка-Орел, Орел-Решка, Решка-Решка. Какие еще?

Всего варианта. Из них нам подходит только один: Орел-Орел. Итого, вероятность равна.

Хорошо. А теперь кидаем монетку раза. Посчитай сам. Получилось? (ответ).

Ты мог заметить, что с добавлением каждого следующего броска вероятность уменьшается в раза. Общее правило называется правилом умножения :

Вероятности независимых событий переменожаются.

Что такое независимые события? Все логично: это те, которые не зависят друг от друга. Например, когда мы бросаем монетку несколько раз, каждый раз производится новый бросок, результат которого не зависит от всех предыдущих бросков. С таким же успехом мы можем бросать одновременно две разные монетки.

Еще примеры:

Игральную кость бросают дважды. Какова вероятность, что оба раза выпадет?

Монетку бросают раза. Какова вероятность, что в первый раз выпадет орел, а потом два раза решка?

Игрок бросает две кости. Какова вероятность, что сумма чисел на них будет равна?

Ответы:

События независимы, значит, работает правило умножения: .

Вероятность орла равна. Вероятность решки - тоже. Перемножаем:

12 может получиться только, если выпадут две -ки: .

Несовместные события и правило сложения

Несовместными называются события, которые дополняют друг друга до полной вероятности. Из названия видно, что они не могут произойти одновременно. Например, если бросаем монетку, может выпасть либо орел, либо решка.

Пример.

В коробке карандашей, среди них синих, красных, зеленых, простых, желтый, а остальные - оранжевые. Какова вероятность вытащить зеленый или красный?

Решение .

Вероятность вытащить зеленый карандаш равна. Красный - .

Благоприятных событий всего: зеленых + красных. Значит, вероятность вытащить зеленый или красный равна.

Эту же вероятность можно представить в таком виде: .

Это и есть правило сложения: вероятности несовместных событий складываются.

Задачи смешанного типа

Пример.

Монетку бросают два раза. Какова вероятность того, что результат бросков будет разный?

Решение .

Имеется в виду, что если первым выпал орел, второй должна быть решка, и наоборот. Получается, что здесь две пары независимых событий, и эти пары друг с другом несовместны. Как бы не запутаться, где умножать, а где складывать.

Есть простое правило для таких ситуаций. Попробуй описать, что должно произойти, соединяя события союзами «И» или «ИЛИ». Например, в данном случае:

Должны выпасть (орел и решка) или (решка и орел).

Там где стоит союз «и», будет умножение, а там где «или» - сложение:

Попробуй сам:

С какой вероятностью при двух бросаниях монетки оба раза выпадет одно и та же сторона?

Игральную кость бросают дважды. Какова вероятность, что в сумме выпадет очков?

Решения:

Еще пример:

Бросаем монетку раза. Какова вероятность, что хотя-бы один раз выпадет орел?

Решение:

ТЕОРИЯ ВЕРОЯТНОСТЕЙ. КОРОТКО О ГЛАВНОМ

Вероятность - это отношение количества благоприятных событий к количеству всех возможных событий.

Независимые события

Два события независимы если при наступлении одного вероятность наступления другого не изменяется.

Полная вероятность

Вероятность всех возможных событий равна ().

Вероятность того, что событие не произойдет, равна минус вероятность того, что событие произойдет.

Правило умножения вероятностей независимых событий

Вероятность определенной последовательности независимых событий, равна произведению вероятностей каждого из событий

Несовместные события

Несовместными называются события, которые никак не могут произойти одновременно в результате эксперимента. Ряд несовместных событий образуют полную группу событий.

Вероятности несовместных событий складываются.

Описав что должно произойти, используя союзы «И» или «ИЛИ», вместо «И» ставим знак умножения, а вместо «ИЛИ» — сложения.

Ну вот, тема закончена. Если ты читаешь эти строки, значит ты очень крут.

Потому что только 5% людей способны освоить что-то самостоятельно. И если ты дочитал до конца, значит ты попал в эти 5%!

Теперь самое главное.

Ты разобрался с теорией по этой теме. И, повторюсь, это… это просто супер! Ты уже лучше, чем абсолютное большинство твоих сверстников.

Проблема в том, что этого может не хватить…

Для чего?

Для успешной сдачи ЕГЭ, для поступления в институт на бюджет и, САМОЕ ГЛАВНОЕ, для жизни.

Я не буду тебя ни в чем убеждать, просто скажу одну вещь…

Люди, получившие хорошее образование, зарабатывают намного больше, чем те, кто его не получил. Это статистика.

Но и это - не главное.

Главное то, что они БОЛЕЕ СЧАСТЛИВЫ (есть такие исследования). Возможно потому, что перед ними открывается гораздо больше возможностей и жизнь становится ярче? Не знаю...

Но, думай сам...

Что нужно, чтобы быть наверняка лучше других на ЕГЭ и быть в конечном итоге… более счастливым?

НАБИТЬ РУКУ, РЕШАЯ ЗАДАЧИ ПО ЭТОЙ ТЕМЕ.

На экзамене у тебя не будут спрашивать теорию.

Тебе нужно будет решать задачи на время .

И, если ты не решал их (МНОГО!), ты обязательно где-нибудь глупо ошибешься или просто не успеешь.

Это как в спорте - нужно много раз повторить, чтобы выиграть наверняка.

Найди где хочешь сборник, обязательно с решениями, подробным разбором и решай, решай, решай!

Можно воспользоваться нашими задачами (не обязательно) и мы их, конечно, рекомендуем.

Для того, чтобы набить руку с помощью наших задач нужно помочь продлить жизнь учебнику YouClever, который ты сейчас читаешь.

Как? Есть два варианта:

Открой доступ ко всем скрытым задачам в этой статье -

Открой доступ ко всем скрытым задачам во всех 99-ти статьях учебника - Купить учебник - 499 руб

Да, у нас в учебнике 99 таких статей и доступ для всех задач и всех скрытых текстов в них можно открыть сразу.

Доступ ко всем скрытым задачам предоставляется на ВСЕ время существования сайта.

И в заключение...

Если наши задачи тебе не нравятся, найди другие. Только не останавливайся на теории.

“Понял” и “Умею решать” - это совершенно разные навыки. Тебе нужны оба.

Найди задачи и решай!