Что такое сумма событий какие союзы указывают на нее

Теория вероятности. Часть 2

В заданиях ЕГЭ по математике встречаются и более сложные задачи на вероятность (нежели мы рассматривали в части 1), где приходится применять правило сложения, умножения вероятностей, различать совместные и несовместные события.

Совместные и несовместные события

События называются несовместными, если появление одного из них исключает появление других. То есть, может произойти только одно определённое событие, либо другое.

Например, бросая игральную кость, можно выделить такие события, как выпадение четного числа очков и выпадение нечетного числа очков. Эти события несовместны.

События называются совместными, если наступление одного из них не исключает наступления другого.

Например, бросая игральную кость, можно выделить такие события, как выпадение нечетного числа очков и выпадение числа очков, кратных трем. Когда выпадает три, реализуются оба события.

Сумма событий

Суммой (или объединением) нескольких событий называется событие, состоящее в наступлении хотя бы одного из этих событий.

При этом сумма двух несовместных событий есть сумма вероятностей этих событий:

Например, вероятность выпадения 5 или 6 очков на игральном кубике при одном броске, будет , потому что оба события (выпадение 5, выпадение 6) неовместны и вероятность реализации одного или второго события вычисляется следующим образом:

Вероятность же суммы двух совместных событий равна сумме вероятностей этих событий без учета их совместного появления:

Например, в торговом центре два одинаковых автомата продают кофе. Вероятность того, что к концу дня в автомате закончится кофе, равна 0,3. Вероятность того, что кофе закончится в обоих автоматах, равна 0,12. Найдем вероятность того, что к концу дня кофе закончится хотя бы в одном из автоматов (то есть или в одном, или в другом, или в обоих сразу).

Вероятность первого события «кофе закончится в первом автомате» также как и вероятность второго события «кофе закончится во втором автомате» по условию равна 0,3. События являются совместными.

Вероятность совместной реализации первых двух событий по условию равна 0,12.

Значит, вероятность того, что к концу дня кофе закончится хотя бы в одном из автоматов есть

Зависимые и независимые события

Два случайных события А и В называются независимыми, если наступление одного из них не изменяет вероятность наступления другого. В противном случае события А и В называют зависимыми.

Например, при одновременном броске двух кубиков выпадение на одном из них, скажем 1, и на втором 5, – независимые события.

Произведение вероятностей

Произведением (или пересечением) нескольких событий называется событие, состоящее в совместном появлении всех этих событий.

Если происходят два независимых события А и В с вероятностями соответственно Р(А) и Р(В), то вероятность реализации событий А и В одновременно равна произведению вероятностей:

Например, нас интересует выпадение на игральном кубике два раза подряд шестерки. Оба события независимы и вероятность реализации каждого из них по отдельности – . Вероятность того, что произойдут оба эти события будет вычисляться по указанной выше формуле: .

Подборку задач на отработку темы смотрите здесь.

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

Содержание:

Основные теоремы теории вероятностей:

Теоремы сложения вероятностей

Теорема 1. Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий:

Доказательство.

Докажем теорему для схемы случаев. Пусть всевозможные исходы опыта сводятся к совокупности случаев, которые можно наглядно изобразить в виде

Теорема 1 (Обобщенная теорема сложения несовместных событий) Вероятность суммы несовместных событий равна сумме вероятностей этих событий: .

Доказательство (методом математической индукции).

Предположим, что теорема справедлива для несовместного события: , т.е. справедливо равенство: . Докажем, что теорема будет справедлива для несовместных событий.

Обозначим .

Имеем несовместного события теорема доказана) = . (что и треб. доказать)

Следствие 1. Если события образуют полную группу несовместных событий, то сумма их вероятностей равна единице: .

Доказательство.

Т.к. события несовместные, то к ним применима обобщенная теорема сложения:

, (что и треб, доказать).

Следствие 2. Сумма вероятностей противоположных событий равна единице:

Доказательство.

События А, — противоположные, т.е. по определению образуют полную группу несовместных событий, тогда по следствию 1, .

.

В формулировке таких задач встречаются слова «хотя бы», «не менее», «по крайней мере» и др.

Пример:

Из колоды карт (36) наудачу вынимают 3 карты. Найти вероятность того, что среди них окажется хотя бы один туз.

Решение.

1 способ (по теореме 1′).

.

Т.к. события несовместны, то по теореме 1′: .

Найдем отдельно вероятности событий.

2 способ (по следствию 2).

Событие = <из 3 вынутых карт не окажется ни одного туза>.

Теорема 2. Вероятность суммы двух совместных событий равна сумме вероятностей этих

событий без вероятности их произведения (совместного осуществления):

Доказательство (геометрическое)

События отождествляют с множествами. Два раза накладываем «лепесток» друг на друга, поэтому и отнимаем его. (что и треб. доказать)

Теорема 2 ( Обобщенная теорема сложения совместных событий).

Вероятность суммы совместных событий равна , где суммы распространяются на различные значения индексов.

Для трех совместных событий теорема запишется в виде:

Доказательство для трех событий (геометрическое):

События отождествляют с множествами (см. рис.). (что и треб. доказать)

Замечание. Аналогичную формулу можно написать для произведения совместных событий:

Пример:

Для поражения самолета необходимо, чтобы были поражены оба двигателя (события и ) или была поражена кабина пилота (событие ). Требуется выразить вероятность поражения самолета (событие А) через вероятности событий .

Решение.

Т.к. события совместны, то по теореме 2 следует, что

(по замечанию) =.

Теоремы умножения вероятностей

Определение 21. Событие А называется независимым от события В, если вероятность события А не зависит от того, произошло событие В или нет.

Определение 22. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.

Примеры:

3) В урне 2 белых и 1 черный шар. Двое Таня и Ваня вынимают из урны по одному шару. Зависимы или независимы события: А = <появление белого шара у Тани>, В = <появление белого шара у Вани>?

Решение.

Найдем вероятности событий. до известия о событии В. После известия о событии В данная вероятность . Следовательно, А и В зависимые.

Определение 23. Два события называются независимыми, если появление одного из них не изменяет вероятности появления другого.

Определение 24. Несколько событий называются независимыми, если любое из них не зависит от любой совокупности остальных.

Определение 25. Вероятность события А, вычисленная при условии, что имело место другое событие В, называется условной вероятностью события А и обозначается .

В Примере 3): .

Условие независимости события А от события В:

Условие зависимости события А от события В:

Теорема 3. Вероятность произведения двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое имело место.

Доказательство.

Докажем для схемы урн истинность тождества формулы.

Пусть всевозможные исходы опыта сводятся к случаям, которые изобразим в виде точек:

Тогда, вероятности данных событий равны: , .

Вычислим условную вероятность , т.е. условную вероятность события В в предположении, что А имело место. Если известно, что А произошло, то из ранее возможных случаев остаются возможными только те, которые благоприятствовали событию А. Из них случаев благоприятны событию В, следовательно, , т.е.

— истинно, т.к. — истинное тождество. (что и треб, доказать).

Замечание 1. При применении теоремы вполне безразлично, какое из событий А или В считать первым, а какое вторым, т.е. теорему можно записать в виде:

Замечание 2. В общем случае при условная вероятность выражается формулой:

Следствие 1. Если событие А не зависит от события В, то и событие В не зависит от события А.

Замечание 3. Зависимость и независимость событий всегда взаимны.

Замечание 4. Условные вероятности обладают всеми свойствами, присущими обычным вероятностям:

1. ,

2. если наступление события В исключает возможность осуществления А, т.е. , то если событие В ведет к обязательному осуществлению А, т.е. , то .

3. Если — несовместные события, т.е. , то .

4. .

Замечание 5. Если А и В независимы, то независимы также события .

Теорема 3. ( Обобщенная теорема умножения зависимых событий).

Вероятность произведения нескольких зависимых событий равна произведению вероятностей этих событий, причем вероятность каждого следующего по порядку события вычисляется при условии, что всс предыдущие имели место:

.

Вероятность произведения двух независимых событий равна произведению вероятностей этих событий: .

Теорема 4. ( Обобщенная теорема умножения независимых событий).

Вероятность произведения нескольких независимых событий равна произведению вероятностей этих событий:

.

Пример:

Из колоды карт последовательно вынуты две карты. Найти: а) вероятность того, что вторая карта окажется тузом (неизвестно, какая карта была вынута вначале), б) вероятность того, что вторая карта будет тузом, если первоначально тоже был вынут туз.

Решение.

Или можно было найти эту вероятность, используя формулу условной вероятности:

Пример:

В урне 2 белых и 3 черных шара. Из урны вынимают подряд 2 шара. Найти вероятность того, что а) оба белые, б) оба белые, если после первого вынимания шар возвращают обратно в урну, и шары перемешиваются.

Решение.

.

Теорема 5. Вероятность наступления события А, состоящего в появлении хотя бы одного из событий , независимых в совокупности, равна разности между 1 и произведением вероятностей противоположных событий:

Если все .

Пример:

Производится три выстрела по одной и той же мишени. Вероятности попадания при первом, втором и третьем выстрелах равны соответственно = 0,4; = 0,5; = 0,7. Найти вероятность того, что в результате этих трех выстрелов в мишени будет хотя бы одна пробоина.

Решение.

= <попадание в цель при первом выстреле>, = <попадание в цель при втором выстреле>, = <попадание в цель при третьем выстреле>. .

Перейдем от прямого события к противоположному: = < ни одного попадания в цель>:

,

где .

Тогда по теореме 5:

(т.к. события независимые, то по теореме 4) = .

Основные формулы для вычисления вероятностей

Ограниченность классического и статистического способов определения вероятности событий, приемлемых, главным образом, для определения вероятности простых событий, приводит к тому, что в подавляющем большинстве случаев ни один из этих способов в чистом виде для решения задачи определения наступления событий применить не удаётся.

Факт сложности или невозможности определения вероятности сложных событий явился стимулом разработки аппарата теории вероятностей, с помощью которого вероятность определяется не прямым, а косвенным методом через вероятность более простых событий.

Сущность косвенного метода определения вероятности сложного события заключается в следующем: вначале анализируют условия испытания и устанавливают события от которых зависит наступление события В, как комбинацию . Определяют вероятности наступления простых событий . После чего определяют вероятности интересующего события В как функцию известных или заданных вероятностей.

Однако определению вероятности наступления сложного события как комбинации более простых событий должны предшествовать твёрдые знания правил применения рассмотренных в лекции теорем сложения (объединения) и умножения (пересечения) событий.

Этому вопросу и будет посвящён вопрос нашего занятия.

Пример:

Для того что бы вывести из строя артиллерийскую батарею необходимо поразить либо два взвода с орудиями либо центр управления огнём. Используя операции сложения (объединения) и умножения (пересечения) событий представим сложное событие D= < поражение артиллерийской батареи>как комбинацию простых событий. Результат проиллюстрируем диаграммой Эйлера-Венна.

Обозначим через событие А = <поражение первого взвода орудий>, через событие В = <поражение второго взвода орудий>, С = <поражение центра управления огнём>. Тогда событие D = <поражение артиллерийской батареи>определится как поражение либо центра управления огнём (событие С) либо одновременно первого взвода орудий (событие А) и второго взвода орудий (событие В), т.е. будет иметь место следующая комбинация событий (рисунок 1).

Для решения такого типа задач необходимо усвоить ряд основных свойств, которыми обладают действия над событиями.

Операции сложения (объединения) и умножения (пересечения) событий обладают рядом свойств, аналогичным свойствам сложения и умножения чисел.

1. Переместительное свойство:

А + В = В + А;

2. Сочетательное свойство:

3. Распределительное свойство:

(рисунок 2).

4. Операции прибавления пустого множества и умножения на пустое множество аналогичны операциям над числами, если считать пустое множество за ноль.

Ряд операций над событиями уже не обладают свойствами по аналогии с арифметическими действиями, например:

5. (рисунок 3)

6. (рисунок 4).

7. (рисунок 5)

Основные теоремы теории вероятностей: сложение, умножение, формула полной вероятности

На предыдущей лекции мы говорили о том, что достаточно часто определить вероятность сложного события трудно или вообще невозможно. Для чего научились представлять события, как комбинацию других более простых событий используя понятия суммы (объединения) или произведения (пересечения) событий.

Вспомним пример, рассматриваемый нами на предыдущей лекции:

На сегодняшнем занятии мы ответим на следующий вопрос: как определить вероятность сложного события представляющего собой функцию известных или заданных вероятностей

При определении вероятностей сложных событий пользуются теоремами сложения и умножения вероятностей. Эти теоремы теоретически могут быть доказаны только для таких событий, вероятность появления которых может быть определена классическим способом. Для других событий эти теоремы принимаются как аксиомы. Поэтому мы не будем показывать доказательство этих теорем, а ограничимся только понятием «правила», понимая при этом ряд теорем и следствий из них, с помощью которых определяется вероятность комбинации событий.

Правила сложения вероятностей

Аксиома: Вероятность суммы или наступления хотя бы одного из двух несовместных событий равна сумме вероятностей этих событий (аддитивность Р):

Данную аксиому иногда называют «теоремой сложения», так как для опытов, сводящихся к «схеме случаев», она может быть доказана.

Эта аксиома легко обращается на любое число несовместных событий: вероятность суммы несовместных событий равна сумме вероятностей этих событий:

Пример №1

Решение:

Обозначим интересующее нас событие через А = <попадание в танк>, тогда = <попадание в башню танка>, = <попадание в корпус танка>, =<попадание в ходовую часть>.

А так как события несовместные (наступление одного из них исключает появление другого), то вероятность наступления события А определится как:

Вывод: полученный результат означает, что при проведении достаточно большого числа стрельб в аналогичных условиях в среднем в 325 случаях из 1000 будет получено попадание в танк.

Из данной аксиомы вытекают два важных следствия.

Следствие 1. Если события образуют полную группу несовместных событий , то сумма их вероятностей равна единице.

Следствие 2. Сумма вероятностей противоположных событий равна 1.

Для совместных событий аксиома примет следующий вид:

Вероятность суммы, или наступление хотя бы одного из двух совместных событий, равна сумме вероятности этих событий без вероятности произведения этих событий:

Справедливость этого тождества наглядно следует из его геометрической интерпретации (рисунок 1).

На диаграмме Эйлера-Венна вероятность наступления событий А (или

Пример №2

Решение: Пусть событие А = <подавление личного состава батареи>, а событие В= <повреждения материальной части>. Тогда одновременное подавление личного состава и повреждение материальной части будут являться совместным наступлением событий А и В или

Вероятность наступления события А по условию задачи равна 0,15 (Р(А)=0,15), вероятность наступления события В равна 0,45 (Р(В)=0,45), вероятность совместного наступления события А и В равна 0,25 (Р)=0,25).

Требуется найти вероятность события С =<подавления батареи противника>, которое будет заключаться либо в подавлении личного состава батареи, либо в повреждении материальной части либо того и другого, или Р(А+В).

Применив теорему сложения вероятностей, получим:

Вывод: Полученный результат означает, что при проведении достаточно большого числа стрельб в аналогичных условиях в среднем в 35 случаях из 100 батарея противника будет подавлена, т.е. поражён либо личный состав, либо повреждена техника, либо и то и другое.

Правила умножения вероятностей

Перед рассмотрением правил умножения вероятностей введём ряд новых понятий, которые необходимы для логического понимания производимых над событиями действий.

Событие А называется независимым от события В, если вероятность наступления события А не зависит от того, произошло ли событие В.

Событие А называется зависимым от события В, если вероятность наступления события А меняется в зависимости от того, произошло событие В или нет.

В качестве примеров зависимых событий можно привести следующие:

Пример №3

Раз нам требуется определить вероятность совместного наступления двух зависимых событий, одно из которых может наступить только при том условии, что имело место другое из них, введём понятие условной вероятности события.

Вероятность события В, вычисленная при условии, что имело место другое событие А называется условной вероятностью события В по отношению к событию А (обозначается )).

Теорема: Вероятность произведения или совместного наступления двух любых случайных событий равна произведению вероятностей одного из них на условную вероятность другого, вычисленную при условии, что первое имело место.

Пример №4

Вероятность попадания в танк при одном выстреле равна 0,8; вероятность поражения экипажа танка при попадании в танк равна 0,7. Определить вероятность поражения экипажа танка при одном выстреле.

Решение:

Пусть событие А = <попадание в танк при одном выстреле>, а событие В = <поражение экипажа танка>. Интересующее нас событие С = <поражение экипажа танка при одном выстреле>будет иметь место только в том случае, если наступит событие А, при этом наступление события С возможно только тогда, когда одновременно наступят события А и В.

Вероятность наступления события А по условию задачи равна 0,8 (Р(А)=0,8); вероятность наступления события В равна 0,7 (Р(В)=0,7).

Требуется найти вероятность поражения экипажа танка при одном выстреле, которая будет являться произведением вероятностей попадания в танк при одном выстреле и поражении экипажа танка при условии что имело место попадание в него, т.е. Р(С)=Р().

Применив теорему умножения вероятностей, получим:

Вывод: полученный результат означает, что при проведении

достаточно большого числа стрельб в аналогичных условиях по одному выстрелу в каждом в среднем в 56 случаях из 100 экипаж танка будет поражён.

Правило умножения вероятностей легко обращается на случай произвольного числа событий:

Из данной теоремы вытекает ряд важных следствий.

Следствие 1. Вероятность произведения двух независимых событий равна произведению вероятностей этих событий.

Пример №5

Решение:

Вероятность наступления события А по условию задачи равна 0,7 (Р(А)=0,7), вероятность наступления события В равна 0,4 (Р(В)=0,4).

Вывод: полученный результат означает, что при проведении

достаточно большого числа стрельб в аналогичных условиях в среднем в 28 случаях из 100 в цель попадут оба студента.

Зависимость и независимость событий всегда взаимны. Если событие А не зависит от события В, то и событие В не зависит от события А. Таким образом, можно уточнить данное ранее определение независимых событий. Два события называются независимыми, если появление одного из них не изменяет вероятности появления другого.

Из рассмотренных выше правил сложения и умножения вероятностей вытекает ещё одно очень важное следствие: если противоположное событие распадается на меньшее число вариантов, чем прямое событие, то имеет смысл при вычислении вероятностей переходить к противоположному событию:

Пример №6

Решение:

Обозначим за событие попадание в танк первым орудием с первого выстрела>, за событие= <попадание в танк первым орудием со второго выстрела>;В=< попадание в танк вторым орудием>. Тогда интересующее нас событие С= <поражение танка>определится как:

Так как события В несовместны и независимы, то вероятность наступления события С будет равна:

Вывод: полученный результат означает, что при проведении достаточно большого числа испытаний в аналогичных условиях в среднем в 95 случаях из 100, танк будет поражён.

Формула полной вероятности

При изложении третьего вопроса лекции преподаватель на примере поражения движущегося танка обозначает проблему определения вероятности сложного события (давая при этом понятие гипотезы).

После чего преподаватель доводит условие задачи (Пример 7), формулу для вычисления полной вероятности события (без её вывода) и условия её применения.

При постановке задачи и пояснения физической сущности вопроса преподаватель использует оверхэд-проектор и подготовленные слайды.

Решение задачи преподаватель проводит на доске, особое внимание при этом обращая на методику её решения и порядок записи. В заключении решения задачи преподаватель под запись доводит вывод, отражающий физическую сущность полученного результата.

При решении ряда практических задач вычисление вероятности некоторого сложного события можно существенно облегчить, если связать наступление этого события с наступлением единственно возможных и несовместных событий, под которыми понимаются гипотезы о всех возможных исходах испытаний.

Пусть, например, производится выстрел по танку (рисунок 2).

Под гипотезами понимают полную группу единственно возможных несовместных событий, которые могут наступить в результате проведения испытаний.

В условиях нашей задачи гипотезы о возможном исходе стрельбы будут следующие:

Вероятности этих гипотез можно определить и не проводя стрельбу по танку, достаточно, например, провести стрельбу его макету. Далее можно поставить задачу определения условных вероятностей поражения танка при попадании в различные его отсеки, т.е. поставить задачу определения условных вероятностей поражения танка при реализации выбранных гипотез: =; =<при попадании в корпус танка>; Нз= <при попадании в ходовую часть танка>:

Указанные условные вероятности возможно определить опытным путём, проводя полигонные стрельбы по танку.

Пример №7

Известны также вероятности попадания снаряда в каждый из отсеков танка. Вероятность попадания в башню танка равна 0,2. Вероятность попадания в корпус равна 0,3; вероятность попадания в ходовую часть равна 0,1.

Требуется определить вероятность поражения танка при одном выстреле.

Вычислить вероятность наступления интересующего нас события позволяет формула, получившая особое название формулы полной вероятности.

Полная вероятность события равна сумме парных произведений вероятностей каждой из гипотез на отвечающие им условные вероятности наступления этого события.

При определении полной вероятности необходимо следить, чтобы были учтены все гипотезы о возможном исходе испытания, при которых может наступить интересующее нас событие, т.е. гипотезы должны составлять полную группу несовместных событий. Свидетельством полного учёта всех гипотез является выполнение равенства

Если данное равенство не выполняется, то это означает, что учтены не все гипотезы о возможных исходах испытания.

Вернёмся к решению примера.

Решение:

Таким образом, возможные гипотезы об исходах стрельбы:

= <попадание в башню танка>;

= <попадание в корпус танка>;

= <попадание в ходовую часть>.

По условию задачи вероятности гипотез будут равны:

гипотеза = <попадание в корпус танка>— равна 0,3 (Р() = 0,3);

Интересующее нас событие А = <поражение танка>. По условию задачи вероятность поражения танка при реализации гипотез:

= <попадание в башню танка>равна 0,8 (Р(А|) = 0,8);

= <попадание в корпус танка>равна 0,6 (Р(А|) = 0,6);

= <попадание в ходовую часть>равна 0,5 (Р(А|) = 0,5).

Проверим, все ли гипотезы об исходах стрельбы учтены:

Таким образом, вероятность гипотезы = <промах>равна 0,4. (Р|) =0,4).

Вероятность поражения танка при реализации гипотезы = <промах>равна 0. (Р(А|) = 0).

Применяя формулу полной вероятности для решения задачи получим:

Следовательно, полная вероятность поражения танка при одном выстреле равна

Вывод: Полученный результат означает, что при проведении

достаточно большого числа стрельб в аналогичных условиях в среднем в 39 случаях из 100 танк окажется поражённым.

Формула Байеса, вероятность появления хотя бы одного события

Пусть имеется полная группа несовместных гипотез с известными вероятностями их наступления Пусть в результате опыта наступило событие А, условные вероятности которого по каждой из гипотез известны, т.е. известны вероятности

Требуется определить какие вероятности имеют гипотезы относительно события А, т.е. условные вероятности

Теорема. Вероятность гипотезы после испытания равна произведению вероятности гипотезы до испытания на соответствующую ей условную вероятность события, которое произошло при испытании, делённому на полную вероятность этого события.

Эта формула называется формулой Байеса.

Доказательство.

По Теореме умножения вероятностей получаем:

Тогда если

Для нахождения вероятности Р(А) используем формулу полной вероятности.

Если до испытания все гипотезы равновероятны с вероятностью, то формула Байеса примет вид:

Пример №8

Решение: пусть событие — появление прибора, собранного специалистом высшей квалификации; событие — появление прибора, собранного специалистом средней квалификации. Вероятности этих событий равны соответственно

Пусть событие А означает появление надёжного прибора. По условию примера вероятность события А при условии, что появится прибор, собранный специалистом высшей квалификации, = 0,9. Аналогично вероятность появления надёжного прибора при условии, что появится прибор, собранный специалистом средней квалификации, = 0,8.

Искомая вероятность появления прибора, собранного специалистом высшей квалификации, т.е. события при условии, что появилось событие А, определяется по формуле

При копировании любых материалов с сайта evkova.org обязательна активная ссылка на сайт www.evkova.org

Сайт создан коллективом преподавателей на некоммерческой основе для дополнительного образования молодежи

Сайт пишется, поддерживается и управляется коллективом преподавателей

Whatsapp и логотип whatsapp являются товарными знаками корпорации WhatsApp LLC.

Cайт носит информационный характер и ни при каких условиях не является публичной офертой, которая определяется положениями статьи 437 Гражданского кодекса РФ. Анна Евкова не оказывает никаких услуг.

Источник