Что такое случайное событие в теории вероятности

27.10.202329.04.2022 admin 0 Comments

1.1. Некоторые сведения из комбинаторики

1.2. Случайные события

1.2.2. Классическое определение вероятности

1.2.3. Статистическая вероятность

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

1.2.4. Операции над событиями. Теорема сложения вероятностей

Суммой, или объединением, нескольких событий называется событие, состоящее в наступлении хотя бы одного из этих событий (в одном и том же испытании).
Сумма А₁ + А₂ + … + А_n обозначается так:
или .
Пример. Бросаются две игральные кости. Пусть событие А состоит в выпадении 4 очков на 1 кости, а событие В – в выпадении 5 очков на другой кости. События А и В совместны. Поэтому событие А +В состоит в выпадении 4 очков на первой кости, или 5 очков на второй кости, или 4 очков на первой кости и 5 очков на второй одновременно.
Пример. СобытиеА – выигрыш по 1 займу, событие В – выигрыш по 2 займу. Тогда событие А+В – выигрыш хотя бы по одному займу (возможно по двум сразу).
Произведением или пересечением нескольких событий называется событие, состоящее в совместном появлении всех этих событий (в одном и том же испытании).
Произведение В событий А₁, А₂, …, А_n обозначается так:
.
Пример. События А и В состоят в успешном прохождении I и II туров соответственно при поступлении в институт. Тогда событие А×В состоит в успешном прохождении обоих туров.
Понятия суммы и произведения событий имеют наглядную геометрическую интерпретацию. Пусть событие А есть попадание точки в область А, а событие В – попадание точки в область В. Тогда событие А+В есть попадание точки в объединение этих областей (рис. 2.1), а событие АВ есть попадание точки в пересечение этих областей (рис. 2.2).

Рис. 2.1 Рис. 2.2
Теорема. Если события A_i(i = 1, 2, …, n) попарно несовместны, то вероятность суммы событий равна сумме вероятностей этих событий:
.
Пусть А и Ā – противоположные события, т.е. А + Ā = Ω, где Ω – достоверное событие. Из теоремы сложения вытекает, что
Р(Ω) = Р(А) + Р(Ā) = 1, поэтому
Р(Ā) = 1 – Р(А).
Если события А₁ и А₂ совместны, то вероятность суммы двух совместных событий равна:
Р(А₁ + А₂) = Р(А₁) + Р(А₂) – Р(А₁×А₂).
Теоремы сложения вероятностей позволяют перейти от непосредственного подсчета вероятностей к определению вероятностей наступления сложных событий.
Задача 1.8. Стрелок производит один выстрел по мишени. Вероятность выбить 10 очков (событие А), 9 очков (событие В) и 8 очков (событие С) равны соответственно 0,11; 0,23; 0,17. Найти вероятность того, что при одном выстреле стрелок выбьет менее 8 очков (событие D).
Решение. Перейдем к противоположному событию – при одном выстреле стрелок выбьет не менее 8 очков. Событие наступает, если произойдет А или В, или С, т.е. . Так как события А, В, С попарно несовместны, то, по теореме сложения,
, откуда .
Задача 1.9. От коллектива бригады, которая состоит из 6 мужчин и 4 женщин, на профсоюзную конференцию выбирается два человека. Какова вероятность, что среди выбранных хотя бы одна женщина (событие А).
Решение. Если произойдет событие А, то обязательно произойдет одно из следующих несовместных событий: В – «выбраны мужчина и женщина»; С – «выбраны две женщины». Поэтому можно записать: А=В+С. Найдем вероятность событий В и С. Два человека из 10 можно выбрать способами. Двух женщин из 4 можно выбрать способами. Мужчину и женщину можно выбрать 6 ×4 способами. Тогда . Так как события В и С несовместны, то, по теореме сложения,
Р(А) = Р(В + С) = Р(В) + Р(С) = 8/15 + 2/15 = 2/3.
Задача 1.10. На стеллаже в библиотеке в случайном порядке расставлено 15 учебников, причем пять из них в переплете. Библиотекарь берет наудачу три учебника. Найти вероятность того, что хотя бы один из взятых учебников окажется в переплете (событие А).
Решение. Первый способ. Требование – хотя бы один из трех взятых учебников в переплете – будет осуществлено, если произойдет любое из следующих трех несовместных событий: В – один учебник в переплете, С – два учебника в переплете, D – три учебника в переплете.
Интересующее нас событие А можно представить в виде суммы событий: A=B+C+D. По теореме сложения,
P(A) = P(B) + P(C) + P(D). (2.1)
Найдем вероятность событий B, C и D (см комбинаторные схемы):

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

1.2.5. Условная вероятность. Теорема умножения вероятностей

1.2.6. Формула полной вероятности и формула Байеса

Пусть B ₁, B₂,…, B_n – попарно несовместные события (гипотезы) и А – событие, которое может произойти только совместно с одним из них.
Пусть, кроме того, нам известны Р(B_i) и Р(А/B_i) (i = 1, 2, …, n).
В этих условиях справедливы формулы:
(2.5)
(2.6)
Формула (2.5) называется формулой полной вероятности. По ней вычисляется вероятность события А (полная вероятность).
Формула (2.6) называется формулой Байеса. Она позволяет произвести пересчет вероятностей гипотез, если событие А произошло.
При составлении примеров удобно считать, что гипотезы образуют полную группу.
Задача 1.16. В корзине яблоки с четырех деревьев одного сорта. С первого – 15% всех яблок, со второго – 35%, с третьего – 20%, с четвертого – 30%. Созревшие яблоки составляют соответственно 99%, 97%, 98%, 95%.
а) Какова вероятность того, что наугад взятое яблоко окажется спелым (событие А).
б) При условии, что наугад взятое яблоко оказалось спелым, вычислить вероятность того, что оно с первого дерева.
Решение. а) Имеем 4 гипотезы:
B₁ – наугад взятое яблоко снято с 1-го дерева;
B₂ – наугад взятое яблоко снято с 2-го дерева;
B₃ – наугад взятое яблоко снято с 3-го дерева;
B₄ – наугад взятое яблоко снято с 4-го дерева.
Их вероятности по условию: Р(B₁) = 0,15; Р(B₂) = 0,35; Р(B₃) = 0,2; Р(B₄) = 0,3.
Условные вероятности события А:
Р(А/B₁) = 0,99; Р(А/B₂) = 0,97; Р(А/B₃) = 0,98; Р(А/B₄) = 0,95.
Вероятность того, что наудачу взятое яблоко окажется спелым, находится по формуле полной вероятности:
Р(А)=Р(B₁)∙Р(А/B₁)+Р(B₂)∙Р(А/B₂)+Р(B₃)∙Р(А/B₃)+Р(B₄)∙Р(А/B₄)=0,969.
б) Формула Байеса для нашего случая имеет вид:
.
Задача 1.17. В урну, содержащую два шара, опущен белый шар, после чего из нее наудачу извлечен один шар. Найти вероятность того, что извлеченный шар окажется белым, если равновозможны все возможные предположения о первоначальном составе шаров (по цвету).
Решение. Обозначим через А событие – извлечен белый шар. Возможны следующие предположения (гипотезы) о первоначальном составе шаров: B₁ – белых шаров нет, В₂ – один белый шар, В₃ – два белых шара.
Поскольку всего имеется три гипотезы, и сумма вероятностей гипотез равна 1 (так как они образуют полную группу событий), то вероятность каждой из гипотез равна 1/3,т.е.
P(B₁) = P(B₂) = P(B₃) = 1/3.
Условная вероятность того, что будет извлечен белый шар, при условии, что первоначально в урне не было белых шаров, Р(А/B₁)=1/3. Условная вероятность того, что будет извлечен белый шар, при условии, что первоначально в урне был один белый шар, Р(А/B₂)=2/3. Условная вероятность того, что будет извлечен белый шар, при условии, что первоначально в урне было два белых шара Р(А/B₃)=3/ 3=1.
Искомую вероятность того, что будет извлечен белый шар, находим по формуле полной вероятности:
Р(А)=Р(B₁)∙Р(А/B₁)+Р(B₂)∙Р(А/B₂)+Р(B₃)∙Р(А/B₃)=1/3·1/3+1/3·2/3+1/3·1=2/3.
Задача 1.18. Два автомата производят одинаковые детали, которые поступают на общий конвейер. Производительность первого автомата вдвое больше производительности второго. Первый автомат производит в среднем 60% деталей отличного качества, а второй – 84%. Наудачу взятая с конвейера деталь оказалась отличного качества. Найти вероятность того, что эта деталь произведена первым автоматом.
Решение. Обозначим через А событие – деталь отличного качества. Можно сделать два предположения: B₁ – деталь произведена первым автоматом, причем (поскольку первый автомат производит вдвое больше деталей, чем второй) Р(А/B₁) = 2/3; B₂ – деталь произведена вторым автоматом, причем P(B₂) = 1/3.
Условная вероятность того, что деталь будет отличного качества, если она произведена первым автоматом,Р(А/B₁)=0,6.
Условная вероятность того, что деталь будет отличного качества, если она произведена вторым автоматом,Р(А/B₁)=0,84.
Вероятность того, что наудачу взятая деталь окажется отличного качества, по формуле полной вероятности равна
Р(А)=Р(B₁) ∙Р(А/B₁)+Р(B₂) ∙Р(А/B₂)=2/3·0,6+1/3·0,84 = 0,68.
Искомая вероятность того, что взятая отличная деталь произведена первым автоматом, по формуле Бейеса равна

Задача 1.19. Имеются три партии деталей по 20 деталей в каждой. Число стандартных деталей в первой, второй и третьей партиях соответственно равны 20, 15, 10. Из выбранной партии наудачу извлечена деталь, оказавшаяся стандартной. Детали возвращают в партию и вторично из этой же партии наудачу извлекают деталь, которая также оказывается стандартной. Найти вероятность того, что детали были извлечены из третьей партии.
Решение. Обозначим через А событие – в каждом из двух испытаний (с возвращением) была извлечена стандартная деталь. Можно сделать три предположения (гипотезы): B₁ – детали извлекаются из первой партии, В₂ – детали извлекаются из второй партии, В₃ – детали извлекаются из третьей партии.
Детали извлекались наудачу из взятой партии, поэтому вероятности гипотез одинаковы: P(B₁) = P(B₂) = P(B₃) = 1/3.
Найдем условную вероятность Р(А/B₁), т.е. вероятность того, что из первой партии будут последовательно извлечены две стандартные детали. Это событие достоверно, т.к. в первой партии все детали стандартны, поэтому Р(А/B₁) = 1.
Найдем условную вероятность Р(А/B₂), т.е. вероятность того, что из второй партии будут последовательно извлечены (с возвращением) две стандартные детали: Р(А/B₂)= 15/20 ∙ 15/20 = 9/16.
Найдем условную вероятность Р(А/B₃), т.е. вероятность того, что из третьей партии будут последовательно извлечены (с возвращением) две стандартные детали: Р(А/B₃) = 10/20 · 10/20 = 1/4.
Искомая вероятность того, что обе извлеченные стандартные детали взяты из третьей партии, по формуле Бейеса равна
1.2.7. Повторные испытания
Источник
Теория вероятностей, формулы и примеры
Тема непростая, но если вы собираетесь поступать на факультет, где нужны базовые знания высшей математики, освоить материал — must have. Тем более, все формулы по теории вероятности пригодятся не только в универе, но и при решении 4 задания на ЕГЭ. Начнем!
Статья находится на проверке у методистов Skysmart.
Если вы заметили ошибку, сообщите об этом в онлайн-чат
(в правом нижнем углу экрана).
Основные понятия
Французские математики Блез Паскаль и Пьер Ферма анализировали азартные игры и исследовали прогнозы выигрыша. Тогда они заметили первые закономерности случайных событий на примере бросания костей и сформулировали теорию вероятностей.
Когда мы кидаем монетку, то не можем точно сказать, что выпадет: орел или решка.

Но если подкидывать монету много раз — окажется, что каждая сторона выпадает примерно равное количество раз. Из чего можно сформулировать вероятность: 50% на 50%, что выпадет «орел» или «решка».
Теория вероятностей — это раздел математики, который изучает закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.
Вероятность — это степень возможности, что какое-то событие произойдет. Если у нас больше оснований полагать, что что-то скорее произойдет, чем нет — такое событие называют вероятным.
Ну, скажем, смотрим на тучи и понимаем, что дождь — вполне себе вероятное событие. А если светит яркое солнце, то дождь — маловероятное или невероятное событие.
Случайная величина — это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Случайные величины можно разделить на две категории:
Вероятностное пространство — это математическая модель случайного эксперимента (опыта). Вероятностное пространство содержит в себе всю информацию о свойствах случайного эксперимента, которая нужна, чтобы проанализировать его через теорию вероятностей.
Формулы по теории вероятности
Теория вероятности изучает события и их вероятности. Если событие сложное, то его можно разбить на простые составные части — так легче и быстрее найти их вероятности. Рассмотрим основные формулы теории вероятности.
Случайные события. Основные формулы комбинаторики
Классическое определение вероятности
Вероятностью события A в некотором испытании называют отношение:
P (A) = m/n, где n — общее число всех равновозможных, элементарных исходов этого испытания, а m — количество элементарных исходов, благоприятствующих событию A
Таким образом, вероятность любого события удовлетворяет двойному неравенству:
Пример 1. В пакете 15 конфет: 5 с молочным шоколадом и 10 — с горьким. Какова вероятность вынуть из пакета конфету с белым шоколадом?
Так как в пакете нет конфет с белым шоколадом, то m = 0, n = 15. Следовательно, искомая вероятность равна нулю:
Неприятная новость для любителей белого шоколада: в этом примере событие «вынуть конфету с белым шоколадом» — невозможное.
Пример 2. Из колоды в 36 карт вынули одну карту. Какова вероятность появления карты червовой масти?
Количество элементарных исходов, то есть количество карт равно 36 (n). Число случаев, благоприятствующих появлению карты червовой масти (А) равно 9 (m).

Геометрическое определение вероятности
Геометрическая вероятность события А определяется отношением:
P(A)= m(A)/m(G), где m(G) и m(A) — геометрические меры (длины, площади или объемы) всего пространства элементарных исходов G и события А соответственно
Чаще всего, в одномерном случае речь идет о длинах отрезков, в двумерном — о площадях фигур, а в трехмерном — об объемах тел.
Пример. Какова вероятность встречи с другом, если вы договорились встретиться в парке в промежутке с 12.00 до 13.00 и ждете друг друга 5 минут?
У нас есть отличные курсы по математике для учеников с 1 по 11 классы — приглашаем на вводный урок!
Сложение и умножение вероятностей
Теорема о сложении вероятностей звучит так: вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий:
P(A + B) = P(A) + P(B)
Эта теорема справедлива для любого числа несовместных событий:

Если случайные события A₁, A₂. A_n образуют полную группу несовместных событий, то справедливо равенство:
Произведением событий А и В называется событие АВ, которое наступает тогда, когда наступают оба события: А и В одновременно. Случайные события А и B называются совместными, если при данном испытании могут произойти оба эти события.
Вторая теорема о сложении вероятностей: вероятность суммы совместных событий вычисляется по формуле:
P(A + B) = P(A) + P(B) − P(AB)
События событий А и В называются независимыми, если появление одного из них не меняет вероятности появления другого. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.
Теорема об умножении вероятностей: вероятность произведения независимых событий А и В вычисляется по формуле:
P(AB) = P(A) * P(B)
Пример. Студент разыскивает нужную ему формулу в трех справочниках. Вероятности того, что формула содержится в первом, втором и третьем справочниках равны 0,6; 0,7 и 0,8.
Найдем вероятности того, что формула содержится:
А — формула содержится в первом справочнике;
В — формула содержится во втором справочнике;
С — формула содержится в третьем справочнике.
Воспользуемся теоремами сложения и умножения вероятностей.
Ответ: 1 — 0,188; 2 — 0,452; 3 — 0,336.
Формула полной вероятности и формула Байеса
По теореме умножения вероятностей:

Аналогично, для остальных гипотез:

Эта формула называется формулой Байеса. Вероятности гипотез называются апостериорными вероятностями, тогда как — априорными вероятностями.
Пример. Одного из трех стрелков вызывают на линию огня, он производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго — 0,5; для третьего — 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком.
Формула Бернулли
При решении вероятностных задач часто бывает, что одно и тоже испытание повторяется многократно, и исход каждого испытания независит от исходов других. Такой эксперимент называют схемой повторных независимых испытаний или схемой Бернулли.
Примеры повторных испытаний:
Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы. А вероятность появления события А в каждом случае постоянна и не изменяется от испытания к испытанию.
Биномиальное распределение — распределение числа успехов (появлений события).
Пример. Среди видео, которые снимает блогер, бывает в среднем 4% некачественных: то свет плохой, то звук пропал, то ракурс не самый удачный. Найдем вероятность того, что среди 30 видео два будут нестандартными.
Опыт заключается в проверке каждого из 30 видео на качество. Событие А — это какая-то неудача (свет, ракурс, звук), его вероятность p = 0,04, тогда q = 0,96. Отсюда по формуле Бернулли можно найти ответ:
Ответ: вероятность плохого видео приблизительно 0,202. Блогер молодец🙂
Наивероятнейшее число успехов
Биномиальное распределение ( по схеме Бернулли) помогает узнать, какое число появлений события А наиболее вероятно. Формула для наиболее вероятного числа успехов k (появлений события) выглядит так:
Пример. В очень большом секретном чатике сидит 730 человек. Вероятность того, что день рождения наугад взятого участника чата приходится на определенный день года — равна 1/365 для каждого из 365 дней. Найдем наиболее вероятное число счастливчиков, которые родились 1 января.
Формула Пуассона
При большом числе испытаний n и малой вероятности р формулой Бернулли пользоваться неудобно. Например, 0.97 999 вычислить весьма затруднительно.
В этом случае для вычисления вероятности того, что в n испытаниях событие произойдет k раз, используют формулу Пуассона:
Здесь λ = np обозначает среднее число появлений события в n испытаниях.
Эта формула дает удовлетворительное приближение для p ≤ 0,1 и np ≤10.
События, для которых применима формула Пуассона, называют редкими, так как вероятность, что они произойдут — очень мала (обычно порядка 0,001-0,0001).
При больших np рекомендуют применять формулы Лапласа, которую рассмотрим чуть позже.
Пример. В айфоне 1000 разных элементов, которые работают независимо друг от друга. Вероятность отказа любого элемента в течении времени Т равна 0,002. Найти вероятность того, что за время Т откажут ровно три элемента.
P₁₀₀₀(3) = λ 3 /3! * e −λ = 2 3 /3! * e −2 ≈ 0,18.
Ответ: ориентировочно 0,18.
Теоремы Муавра-Лапласа
Кроме того, пусть P_n(k₁;k₂) — вероятность того, что число появлений события А находится между k₁ и k₂.
Локальная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Интегральная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Функции Гаусса и Лапласа обладают свойствами, которые пригодятся, чтобы правильно пользоваться таблицей значений этих функций:
Теоремы Лапласа дают удовлетворительное приближение при npq ≥ 9. Причем чем ближе значения q, p к 0,5, тем точнее данные формулы. При маленьких или больших значениях вероятности (близких к 0 или 1) формула дает большую погрешность по сравнению с исходной формулой Бернулли.
Источник