Непосредственный подсчет случаев, благоприятствующих данному событию, может оказаться затруднительным. Поэтому для определения вероятности события бывает выгодно представить данное событие в виде комбинации некоторых других, более простых событий. При этом, однако, надо знать правила, которым подчиняются вероятности при комбинации событий. Именно к этим правилам и относятся упомянутые в названии параграфа теоремы.
Первая из них относится к подсчету вероятности того, что осуществится хотя бы одно из нескольких событий.
Теорема сложения.
Пусть А и В - два несовместных события. Тогда вероятность того, что осуществится хотя бы одно из этих двух событий, равна сумме их вероятностей:
Доказательство. Пусть - полная группа попарно несовместных событий. Если то среди этих элементарных событий имеется ровно событий, благоприятствующих А, и ровно событий, благоприятствующих В. Так как события А и В несовместны, то никакое из событий не может благоприятствовать обоим этим событиям. Событию (А или В), состоящему в том, что наступает хотя бы одно из этих двух событий, благоприятствует, очевидно, как каждое из событий благоприятствующих А, так и каждое из событий
Благоприятствующих В. Поэтому общее число событий, благоприятствующих событию (А или В), равно сумме откуда следует:
что и требовалось доказать
Нетрудно видеть, что теорема сложения, сформулированная выше для случая двух событий, легко переносится на случай любого конечного числа их. Именно если попарно несовместные события, то
Для случая трех событий, например, можно написать
Важным следствием теоремы сложения является утверждение: если события попарно несовместны и единственно возможны, то
Действительно, событие или или или по предположению достоверно и его вероятность, как было указано в § 1, равна единице. В частности, если означают два взаимно противоположных события, то
Проиллюстрируем теорему сложения примерами.
Пример 1. При стрельбе по мишени вероятность сделать отличный выстрел равна 0,3, а вероятность сделать выстрел на оценку «хорошо» равна 0,4. Какова вероятность получить за сделанный выстрел оценку не ниже «хорошо»?
Решение. Если событие А означает получение оценки «отлично», а событие В - получение оценки «хорошо», то
Пример 2. В урне, содержащей шаров белого, красного и черного цвета, находятся белых шаров и I красных. Какова вероятность вынуть шар не черного цвета?
Решение. Если событие А состоит в появлении белого, а событие В - красного шара, то появление шара не черного цвета
означает появление либо белого, либо красного шара. Так как по определению вероятности
то по теореме сложения вероятность появления шара не черного цвета равна;
Эту задачу можно решить и так. Пусть событие С состоит в появлении черного шара. Число черных шаров равно так что Р (С) Появление шара не черного цвета является противоположным событием С, поэтому на основании указанного выше следствия из теоремы сложения имеем:
как и раньше.
Пример 3. В денежно-вещевой лотерее на серию в 1000 билетов приходится 120 денежных и 80 вещевых выигрышей. Какова вероятность какого-либо выигрыша на один лотерейный билет?
Решение. Если обозначить через А событие, состоящее в выпадении денежного выигрыша и через В - вещевого, то из определения вероятности следует
Интересующее нас событие представляет (А или В), поэтому из теоремы сложения вытекает
Таким образом, вероятность какого-либо выигрыша равна 0,2.
Прежде чем перейти к следующей теореме, необходимо ознакомиться с новым важным понятием - понятием условной вероятности. Для этой цели мы начнем с рассмотрения следующего примера.
Пусть на складе имеется 400 электрических лампочек, изготовленных на двух различных заводах, причем на первом изготовлено 75% всех лампочек, а на втором - 25%. Допустим, что среди лампочек, изготовленных первым заводом, 83% удовлетворяют условиям определенного стандарта, а для продукции второго завода этот процент равен 63. Определим вероятность того, что случайно взятая со склада лампочка окажется удовлетворяющей условиям стандарта.
Заметим, что общее число имеющихся стандартных лампочек состоит из лампочек, изготовленных первым
заводом, и 63 лампочек, изготовленных вторым заводом, то есть равно 312. Так как выбор любой лампочки следует считать равновозможным, то мы имеем 312 благоприятствующих случаев из 400, так что
где событие В состоит в том, что выбранная нами лампочка стандартна.
При этом подсчете не делалось никаких предположений о том, к продукции какого завода принадлежит выбранная нами лампочка. Если же какие-либо предположения такого рода сделать, то очевидно, что интересующая нас вероятность может измениться. Так, например, если известно, что выбранная лампочка изготовлена на первом заводе (событие А), то вероятность того, что она стандартна, будет уже не 0,78, а 0,83.
Такого рода вероятность, то есть вероятность события В при условии, что имеет место событие А, называют условной вероятностью события В при условии наступления события А и обозначают
Если мы в предыдущем примере обозначим через А событие, состоящее в том, что выбранная лампочка изготовлена на первом заводе, то мы можем написать
Теперь мы можем сформулировать важную теорему, относящуюся к подсчету вероятности совмещения событий.
Теорема умножения.
Вероятность совмещения событий А и В равна произведению вероятности одного из событий на условную вероятность другого в предположении, что первое имело место:
При этом под совмещением событий А и В понимается наступление каждого из них, то есть наступление как события А, так и события В.
Доказательство. Рассмотрим полную группу из равновозможных попарно несовместных событий каждое из которых может быть благоприятствующим или неблагоприятствующим как для события А, так и для события В.
Разобьем все эти события на четыре различные группы следующим образом. К первой группе отнесем те из событий которые благоприятствуют и событию А, и событию В; ко второй и третьей группам отнесем такие события которые благоприятствуют одному из двух интересующих нас событий и не благоприятствуют другому, например ко второй группе - те, которые благоприятствуют А, но не благоприятствуют В, а к третьей - те, которые благоприятствуют В, но не благоприятствуют А; наконец, к
четвертой группе отнесем те из событий которые не благоприятствуют ни А, ни В.
Так как нумерация событий не играет роли, то можно предположить, что это разбиение на четыре группы выглядит так:
I группа:
II группа:
III группа:
IV группа:
Таким образом, среди равновозможных и попарно несовместных событий имеется событий, благоприятствующих и событию А, и событию В, I событий, благоприятствующих событию А, но не благоприятствующих событию событий, благоприятствующих В, но не благоприятствующих А, и, наконец, событий, не благоприятствующих ни А, ни В.
Заметим, между прочим, что какая-либо из рассмотренных нами четырех групп (и даже не одна) может не содержать ни одного события. В этом случае соответствующее число, означающее количество событий в такой группе, будет равно нулю.
Произведенная нами разбивка на группы позволяет сразу написать
ибо совмещению событий А и В благоприятствуют события первой группы и только они. Общее число событий, благоприятствующих А, равно общему числу событий в первой и второй группах, а благоприятствующих В - общему числу событий в первой и третьей группах.
Подсчитаем теперь вероятность то есть вероятность события В при условии, что событие А имело место. Теперь события, входящие в третью и четвертую группы, отпадают, так как их появление противоречило бы наступлению события А, и число возможных случаев оказывается равным уже не . Из них событию В благоприятствуют лишь события первой группы, так что мы получаем:
Для доказательства теоремы достаточно теперь написать очевидное тождество:
и заменить в нем все три дроби вычисленными выше вероятностями. Мы придем к утверждавшемуся в теореме равенству:
Ясно, что написанное нами выше тождество имеет смысл лишь при что справедливо всегда, если только А не есть невозможное событие.
Так как события А и В равноправны, то, поменяв их местами, получим другую форму теоремы умножения:
Впрочем, это равенство можно получить тем же путем, что и предыдущее, если заметить, что воспользоваться тождеством
Сравнивая правые части двух выражений для вероятности Р(А и В), получим полезное равенство:
Рассмотрим теперь примеры, иллюстрирующие теорему умножения.
Пример 4. В продукции некоторого предприятия признаются годными (событие А) 96% изделий. К первому сорту (событие В) оказываются принадлежащими 75 изделий из каждой сотни годных. Определить вероятность того, что произвольно взятое изделие будет годным и принадлежит к первому сорту.
Решение. Искомая вероятность есть вероятность совмещения событий А и В. По условию имеем: . Поэтому теорема умножения дает
Пример 5. Вероятность попадания в цель при отдельном выстреле (событие А) равна 0,2. Какова вероятность поразить цель, если 2% взрывателей дают отказы (т. е. в 2% случаев выстрела не
Решение. Пусть событие В состоит в том, что выстрел произойдет, а В означает противоположное событие. Тогда по условию и согласно следствию из теоремы сложения . Далее, по условию .
Поражение цели означает совмещение событий А и В (выстрел произойдет и даст попадание), поэтому по теореме умножения
Важный частный случай теоремы умножения можно получить, если воспользоваться понятием независимости событий.
Два события называются независимыми, если вероятность одного из них не изменяется в результате того, наступило или не наступило другое.
Примерами независимых событий являются выпадение различного числа очков при повторном бросании игральной кости или той или иной стороны монет при повторном бросании монеты, так как очевидно, что вероятность выпадения герба при втором бросании равна независимо от того, выпал или не выпал герб в первом.
Аналогично, вероятность вынуть во второй раз белый шар из урны с белыми и черными шарами, если вынутый первым шар предварительно возвращен, не зависит от того, белый или черный шар был вынут в первый раз. Поэтому результаты первого и второго вынимания независимы между собой. Наоборот, если шар, вынутый первым, не возвращается в урну, то результат второго вынимания зависит от первого, ибо состав шаров, находящихся в урне после первого вынимания, меняется в зависимости от его исхода. Здесь мы имеем пример зависимых событий.
Пользуясь обозначениями, принятыми для условных вероятностей, можно записать условие независимости событий А и В в виде
Воспользовавшись этими равенствами, мы можем привести теорему умножения для независимых событий к следующей форме.
Если события А и В независимы, то вероятность их совмещения равна произведению вероятностей этих событий:
Действительно, достаточно в первоначальном выражении теоремы умножения положить , что вытекает из независимости событий, и мы получим требуемое равенство.
Рассмотрим теперь несколько событий: Будем называть их независимыми в совокупности, если вероятность появления любого из них не зависит от того, произошли ли какие-либо другие рассматриваемые события или нет
В случае событий, независимых в совокупности, теорема умножения может быть распространена на любое конечное число их, благодаря чему ее можно сформулировать так:
Вероятность совмещения событий независимых в совокупности, равна произведению вероятностей этих событий:
Пример 6. Рабочий обслуживает три автоматических станка, к каждому из которых нужно подойти для устранения неисправности, если станок остановится. Вероятность того, что первый станок не остановится в течение часа, равна 0,9. Та же вероятность для второго станка равна 0,8 и для третьего - 0,7. Определить вероятность того, что в течение часа рабочему не потребуется подойти ни к одному из обслуживаемых им станков.
Пример 7. Вероятность сбить самолет винтовочным выстрелом Какова вероятность уничтожения неприятельского самолета при одновременной стрельбе из 250 винтовок?
Решение. Вероятность того, что при одиночном выстреле самолет не будет сбит, по теореме сложения равна Тогда можно подсчитать с помощью теоремы умножения вероятность того, что самолет не будет сбит при 250 выстрелах, как вероятность совмещения событий. Она равна После этого мы можем снова воспользоваться теоремой сложения и найти вероятность того, что самолет будетсбит, как вероятность противоположного события
Отсюда видно, что, хотя вероятность сбить самолет одиночным винтовочным выстрелом ничтожно мала, тем не менее при стрельбе из 250 винтовок вероятность сбить самолет оказывается уже весьма ощутимой. Она существенно возрастает, если число винтовок увеличить. Так, при стрельбе из 500 винтовок вероятность сбить самолет, как легко подсчитать, равна при стрельбе из 1000 винтовок - даже .
Доказанная выше теорема умножения позволяет несколько расширить теорему сложения, распространив ее на случай совместимых событий. Ясно, что если события А и В совместимы, то вероятность наступления хотя бы одного из них не равна сумме их вероятностей. Например, если событие А означает выпадение четного
числа очков при бросании игральной кости, а событие В - выпадение числа очков, кратного трем, то событию (А или В) благоприятствует выпадение 2, 3, 4 и 6 очков, то есть
С другой стороны, то есть . Таким образом, в этом случае
Отсюда видно, что в случае совместимых событий теорема сложения вероятностей должна быть изменена. Как мы сейчас увидим, ее можно сформулировать таким образом, чтобы она была справедлива и для совместимых, и для несовместных событий, так что ранее рассмотренная теорема сложения окажется частным случаем новой.
Событий, которые А не благоприятствуют.
Все элементарные события, которые благоприятствуют событию (А или В), должны благоприятствовать либо только А, либо только В, либо и А и В. Таким образом, общее число таких событий равно
а вероятность
что и требовалось доказать.
Применяя формулу (9) к рассмотренному выше примеру выпадения числа очков при бросании игральной кости, получим:
что совпадает с результатом непосредственного подсчета.
Очевидно, что формула (1) является частным случаем (9). Действительно, если события А и В несовместны, то и вероятность совмещения
Примере. В электрическую цепь включены последовательно два предохранителя. Вероятность выхода из строя первого предохранителя равна 0,6, а второго 0,2. Определим вероятность прекращения питания в результате выхода из строя хотя бы одного из этих предохранителей.
Решение. Так как события А и В, состоящие в выходе из строя первого и второго из предохранителей, совместимы, то искомая вероятность определится по формуле (9):
Упражнения
При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность () наступления интересующего нас события от того, как развиваются остальные события.
В случае классической схемы, когда все исходы равновероятны, мы уже можем оценить значения вероятности интересующего нас отдельного события самостоятельно. Мы можем сделать это даже в том случае, если событие является сложной совокупностью нескольких элементарных исходов. А если несколько случайных событий происходит одновременно или последовательно? Как это влияет на вероятность реализации интересующего нас события?
Если я несколько раз кидаю игральную кость, и хочу, чтобы выпала "шестерка", а мне все время не везет, значит ли это, что надо увеличивать ставку, потому что, согласно теории вероятностей, мне вот-вот должно повезти? Увы, теория вероятности не утверждает ничего подобного. Ни кости, ни карты, ни монетки не умеют запоминать, что они продемонстрировали нам в прошлый раз. Им совершенно не важно, в первый раз или в десятый раз сегодня я испытываю свою судьбу. Каждый раз, когда я повторяю бросок, я знаю только одно: и на этот раз вероятность выпадения "шестерки" снова равна одной шестой. Конечно, это не значит, что нужная мне цифра не выпадет никогда. Это означает лишь то, что мой проигрыш после первого броска и после любого другого броска - независимые события.
События А и В называются независимыми , если реализация одного из них никак не влияет на вероятность другого события. Например, вероятности поражения цели первым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события "первое орудие поразило цель" и "второе орудие поразило цель" независимы.
Если два события А и В независимы, и вероятность каждого из них известна, то вероятность одновременного наступления и события А, и события В (обозначается АВ) можно посчитать, воспользовавшись следующей теоремой.
Теорема умножения вероятностей для независимых событий
P(AB) = P(A)*P(B) - вероятность одновременного наступления двух независимых событий равна произведению вероятностей этих событий.Пример. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 =0,7; р 2 =0,8. Найти вероятность попадания при одном залпе обоими орудиями одновременно.
Решение: как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р 1 *р 2 =0,56.
Что произойдет, с нашими оценками, если исходные события не являются
независимыми? Давайте немного изменим предыдущий пример.
Пример. Два стрелка на соревнованиях стреляют по мишеням, причем, если один из них стреляет метко, то соперник начинает нервничать, и его результаты ухудшаются. Как превратить эту житейскую ситуацию в математическую задачу и наметить пути ее решения? Интуитивно понятно, что надо каким-то образом разделить два варианта развития событий, составить по сути дела два сценария, две разные задачи. В первом случае, если соперник промахнулся, сценарий будет благоприятный для нервного спортсмена и его меткость будет выше. Во втором случае, если соперник прилично реализовал свой шанс, вероятность поразить мишень для второго спортсмена снижается.
Для разделения возможных сценариев (их часто называют гипотезами) развития
событий мы будем часто использовать схему "дерева вероятностей".
Эта схема похожа по смыслу на дерево решений, с которым Вам, наверное, уже
приходилось иметь дело. Каждая ветка представляет собой отдельный сценарий
развития событий, только теперь она имеет собственное значение так называемой
условной
вероятности
(q 1 , q 2 , q 1 -1, q 2 -1).
Эта схема очень удобна для анализа последовательных случайных событий.
Остается выяснить еще один немаловажный вопрос: откуда берутся исходные значения вероятностей в реальных ситуациях ? Ведь не с одними же монетами и игральными костями работает теория вероятностей? Обычно эти оценки берутся из статистики, а когда статистические сведения отсутствуют, мы проводим собственное исследование. И начинать его нам часто приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны.
Пример. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева вероятностей". При этом значение вероятности на каждой "ветке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка:
1) из всех жителей города женщин 50%,
2) из всех женщин только 30% красят волосы часто,
3) из них только 10% пользуются бальзамами для окрашенных волос,
4) из них только 10% могут набраться смелости попробовать новый товар,
5) из них 70% обычно покупает все не у нас, а у наших конкурентов.
Решение:
По закону
перемножения вероятностей, определяем вероятность интересующего нас события А
={житель города покупает у нас этот новый
бальзам}=0,00045.
Умножим это значение вероятности на число жителей города. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля.
И все-таки польза от наших оценок есть.
Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения вероятности тоже будут разные.
Во-вторых, как мы уже говорили, случайная величина не потому называется случайной, что она совсем ни от чего не зависит. Просто ее точное значение заранее не известно. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вероятностей нас особенно не устраивает, на тех факторах, на которые мы в состоянии повлиять.
Рассмотрим еще один количественный пример исследования покупательского поведения.
Пример. За день продовольственный рынок посещает в среднем 10000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 1/2. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов.
Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г?
Обсуждение. Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил.
Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы
должны найти ответ на вопрос, какова вероятность того, что человек, зашедший
в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не
имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое
время за посетителями павильона. Допустим, наши наблюдения показали, что
только пятая часть посетителей павильона что-то покупает.
Как только эти оценки нами получены, задача становится уже простой. Из 10000 человек, пришедших на рынок, 5000 зайдут в павильон молочных продуктов, покупок будет только 1000. Средний вес покупки равен 500 грамм. Интересно отметить, что для построения полной картины происходящего, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с вероятностями.
Задачи для самопроверки
1. Пусть есть электрическая цепь, состоящая из n последовательно соединенных элементов, каждый из которых работает независимо от остальных.
Известна вероятность p невыхода из строя каждого элемента. Определите
вероятность исправной работы всего участка цепи (событие А).
2. Студент знает 20 из 25 экзаменационных вопросов. Найдите вероятность того, что студент знает предложенные ему экзаменатором три вопроса.
3. Производство состоит из четырех последовательных этапов, на каждом из которых работает оборудование, для которого вероятности выхода из строя в течение ближайшего месяца равны соответственно р 1 , р 2 , р 3 и р 4 . Найдите вероятность того, что за месяц не случится ни одной остановки производства из-за неисправности оборудования.
Тип занятия:
изучение нового материала.
Учебно-воспитательные задачи:
- дать понятие о случайном событии, вероятности события;
- научить вычислять вероятности события; вероятности случайных событий по классическому определению;
- научить применять теоремы сложения и умножения вероятностей для решения задач;
- продолжать формировать интерес к математике посредством решения задач с применением классического определения вероятности для непосредственного подсчета вероятностей явлений;
- прививать интерес к математике, используя исторический материал;
- воспитывать осознанное отношение к процессу обучения, прививать чувство ответственности за качество знаний, осуществлять самоконтроль за процессом решения и оформления упражнений.
Обеспечение занятия:
- карточки-задания для индивидуального опроса;
- карточки-задания для проверочной работы;
- презентация.
Студент должен знать:
- определения и формулы числа перестановок, размещений и сочетаний;
- классическое определение вероятности;
- определения суммы событий, произведения событий; формулировки и формулы теорем сложения и умножения вероятностей.
Студент должен уметь:
- вычислять перестановки, размещения и сочетания;
- вычислять вероятность события используя классическое определение и формулы комбинаторики;
- решать задачи на применение теорем сложения и умножения вероятностей.
Мотивация познавательной деятельности студентов.
Преподаватель сообщает, что возникновение теории вероятностей относится к середине XVII в. и связанно с исследованием Б. Паскаля, П. Ферма и Х.Гюйгенса (1629-1695) . Крупный шаг в развитии теории вероятности связан с работами Я.Бернулли (1654-1705). Ему принадлежит первое доказательство одного из важнейших положений теории вероятностей - законом больших чисел. Следующий этап в развитии теории связан с именами А.Муавра (1667-1754) , К. Гаусса, П. Лапласа (1749-1827) , С.Пуассона (1781-1840). Среди ученых Петербургской школой следует назвать имена А.М. Ляпунова (1857-1918) и А.А Маркова (1856-1922) . После работ этих математиков во всем мире теорию вероятностей стали называть “Русской наукой”. В средине 20-х годов А.Я. Хинчин (1894-1959) и А.Н. Колмогорова создали Московскую школу теории вероятностей. Вклад акад. А.Н.Колмогоров – лауреата Ленинской премии, международной премии им. Б. Больцано, члена ряда зарубежных академиков – в современную математику огромен. Заслуга А.Н.Колмогорова состоит не только в разработке новых научных теорий, но и еще в большей степени в том, что он воспитал целую плеяду талантливых ученых (акад. АН УССР Б.В. Гнеденко, акад. Ю.В. Прохоров, Б.А. Севастьянов и др.).
Теория вероятностей – математическая наука, изучающая закономерности случайных величин,- за последнее десятилетие превратилась в один из основных методов современных науки и техники. Бурное развитие теории автоматического регулирования привело к необходимости решать многочисленные вопросы, связанные с выяснением возможного хода процессов, на которые влияют случайные факторы. Теория вероятностей необходима широкому кругу специалистов – физикам, биологам, врача, экономистам, инженерам, военным, организаторам производства и т.д.
Ход занятия.
I . Организационный момент.
II
. Проверка домашнего задания
Провести фронтальный опрос в виде ответов на вопросы:
Проверить решение упражнений:
- Сколькими способами можно составить список из 10 человек?
- Сколькими способами из 15 рабочих можно создать бригады по 5 человек в каждой?
- 30 учащихся обменялись друг с другом фотокарточками. Сколько всего было роздано фотокарточек?
III
. Изучение нового материала.
В толковом словаре С.И. Ожегова и Н.Ю. Шведовой читаем: «Вероятность – возможность исполнения, осуществимости чего-нибудь». Мы часто употребляем в повседневной жизни «вероятно», «вероятнее», «невероятно», вовсе не имея в виду конкретные количественные оценки этой возможности исполнения.
Основатель современной теории вероятностей А.Н. Колмогоров писал о вероятности так: «Вероятность математическая – это числовая характеристика степени возможности появления какого-либо определенного события в тех или иных определенных, могущих повторяться неограниченное число раз условиях».
Итак, в математике вероятность измеряется числом. Совсем скоро мы выясним, как именно это можно сделать. Но начнем мы с обсуждения того, у каких событий бывает «математическая вероятность» и что представляют собой эти «определенные, могущие повторяться неограниченное число раз условия». Именно поэтому рассмотрим случайные события и случайные эксперименты.
Нужно сказать, что теория вероятностей, как никакая другая область математики, полна противоречий и парадоксов. Объяснение этому очень простое – она слишком тесно связана с реальной, окружающей нас действительностью. Долгое время ее вместе с математической статистикой даже не хотели причислять к математическим дисциплинам, считая их сугубо прикладными науками.
Только в первой половине прошлого века, в основном благодаря трудам нашего великого соотечественника А.Н. Колмогорова, имя которого уже упоминалось выше, были построены математические основания теории вероятностей, которые позволили отделить собственно науку от ее приложений. Подход, предложенный Колмогоровым, теперь принято называть аксиоматическим, поскольку вероятность в нем (а точнее, вероятностное пространство) определяется как некая математическая структура, удовлетворяющая определенной системе аксиом.
Именно на этом подходе построен современный вузовский курс теории вероятностей, через который прошли в свое время все нынешние учителя математики. Однако в школе такой подход к изучению вероятности (да и математики в целом) вряд ли разумен. Если в вузе основной акцент делается на изучении математического аппарата для исследования вероятностных моделей, то в школе ученик должен научиться эти модели строить,
анализировать, проверять их адекватность реальным ситуациям. Такую точку зрения разделяют сегодня большинство ученых, занимающихся проблемами школьного математического образования
В современных школьных учебниках можно найти следующее определение: событие называется случайным
, если при одних и тех же условиях оно может как произойти, так и не произойти. Случайным будет, например, событие «При подбрасывании игрального кубика выпадет 6 очков».
В приведенном определении неявно подразумевается одно важное требование, которое необходимо подчеркнуть: мы должны иметь возможность неоднократно воспроизводить одни и те же условия, в которых наблюдается данное событие
(например, подбрасывать кубик),- иначе невозможно судить о его случайности.
Стало быть, говоря о любом случайном событии, мы всегда имеем в виду наличие определенных условий, без которых об этом событии вообще не имеет смысла говорить. Этот комплекс условий называют случайным опытом
или случайным экспериментом
.
В дальнейшем мы будем называть случайным любое событие, связанное со случайным экспериментом
. До эксперимента, как правило, невозможно точно сказать, произойдет данное событие, или не произойдет – это выясняется лишь после его завершения. Но неспроста мы сделали оговорку «как правило»: в теории вероятностей принято считать случайными все события, связанные со случайным экспериментом, в том числе:
- невозможные , которые никогда не могут произойти;
- достоверные, которые происходят при каждом таком эксперименте.
Например, событие «На игральном кубике выпадет 7 очков» - невозможное, а «На игральном кубике выпадет меньше семи очков» - достоверное. Разумеется, если речь идет о кубике, на гранях которого написаны числа от 1 до 6.
События называются несовместными,
если каждый раз возможно появление только одного из них. События называются совместными
, если в данных условиях появление одного из этих событий не исключает появление другого при том же испытании (В урне два шара – белый и черный, появление черного шара не исключает появление белого при том же испытании). События называются противоположными,
если в условиях испытания они, являясь единственными его исходами, несовместны. Вероятность события рассматривается как мера объективной возможности появления случайного события.
Обозначения:
Случайные события (большими буквами латинского алфавита): A,B,C,D,.. (или ). “Случайные” опускают и говорят просто “события”.
Число исходов, благоприятствующих наступлению данного события – m;
Число всех исходов (опытов) – n.
Классическое определение вероятности.
Вероятностью
события A называется отношение числа исходов m, благоприятствующих наступлению данного события к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е.
–
вероятность случайного события
Вероятность любого события не может быть меньше нуля и больше единицы, т.е. 0≤P(A)≤1
Невозможному событию соответствует вероятность P(A)=0, а достоверному – вероятность P(A)=1
Теоремы сложения вероятностей.
Теорема сложения вероятностей несовместных событий.
Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равна сумме вероятностей этих событий:
P(A+B)=P(A)+P(B);
P(+ +…+=P(+P+…+P().
Теорема сложения вероятностей совместных событий.
Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
P(A+B)=P(A)+P(B)-P(AB)
Для трех совместных событий имеет место формула:
P(A+B+C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)
Событие, противоположное событию A (т.е. ненаступление события A), обозначают . Сумма вероятностей двух противоположных событий равна единице: P(A)+P()=1
Вероятность наступления события A, вычисленная в предположении, что событие B уже произошло, называется условной вероятностью
события A при условии B и обозначается (A) или P(A/B).
Если A и B – независимые события, то
P(B)-(B)=(B).
События A,B,C,… называются независимыми в совокупности, если вероятность каждого из них не меняется в связи с наступлением или ненаступлением других событий по отдельности или в любой их комбинации.
Теоремы умножения вероятностей.
Теорема умножения вероятностей независимых событий.
Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
P(AB)=P(A) P(B)
Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле:
P()=P() P()… P().
Теорема умножения вероятностей зависимых событий.
Вероятность совместного появления двух зависимых событий равна произведению одного из них на условную вероятность второго:
P(AB)=P(A) (B)=P(B) (A)
IV
. Применение знаний при решении типовых задач
Задача 1.
В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Решение:
Событие A-билет выигрышный. Общее число различных исходов есть n=1000
Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле P(A)=, получим P(A)== = 0,2 = 0,147
Задача 4
.
В ящике в случайном порядке разложены 20 деталей, причем 5 из них стандартные. Рабочий берет наудачу 3 детали. Найти вероятность того, что по крайней мере одна из взятых деталей окажется стандартной.
Задача 5.
Найти вероятность того, что наудачу взятое двухзначное число окажется кратным либо 3, либо 5, либо тому и другому одновременно
Задача 6.
В одной урне находятся 4 белых и 8 черных шаров, в другой – 3 белых и 9 черных. Из каждой урны вынули по шару. Найти вероятность того, что оба шара окажутся белыми.
Решение:
Пусть A - появление белого шара из первой урны, а B – появление белого шара из второй урны. Очевидно, что события A и B независимы. Найдем P(A)=4/12=1/3, P(B)=3/12=1/4, получим
P(AB)=P(A) P(B)=(1/3) (1/4)=1/12=0,083
Задача
7.
В ящике находится 12 деталей, из которых 8 стандартных. Рабочий берет наудачу одну за другой две детали. Найти вероятность того, что обе детали окажутся стандартными.
Решение:
Введем следующие обозначения: A – первая взятая деталь стандартная; B – вторая взятая деталь стандартная. Вероятность того, что первая деталь стандартная, составляет P(A)=8/12=2/3. Вероятность того, что вторая взятая деталь окажется стандартной при условии, что была стандартной первая деталь, т.е. условная вероятность события B, равна (B)=7/11.
Вероятность того, что обе детали окажутся стандартными, находим по теореме умножения вероятностей зависимых событий:
P(AB)=P(A) (B)=(2/3) (7/11)=14/33=0,424
Самостоятельное применение знаний, умений и навыков.
Вариант 1.
- Какова вероятность того, что наудачу выбранное целое число от 40 до 70 является кратным 6?
- Какова вероятность того, что при пяти бросаниях монеты она три раза упадет гербом к верху?
Вариант 2.
- Какова вероятность того, что наудачу выбранное целое число от 1 до 30 (включительно) является делителем числа 30?
- В НИИ работает 120 человек, из них 70 знают английский язык, 60 – немецкий, а 50 – знают оба. Какова вероятность того, что выбранный наудачу сотрудник не знает ни одного иностранного языка?
VI . Подведение итогов занятия.
VII
. Домашнее задание:
Г.Н. Яковлев, математика, книга 2, § 24.1, 24.2, стр. 365-386. Упражнения 24.11, 24.12, 24.17
Тема: 15. ОСНОВНЫЕ ТЕОРЕМЫ ТЕОРИИ
ВЕРОЯТНОСТЕЙ И ИХ СЛЕДСТВИЯ
1. Теорема сложения вероятностей совместных событий.
2. Теорема умножения вероятностей независимых событий.
3. Условная вероятность события. Теорема умножения вероятностей зависимых событий.
4. Теорема сложения вероятностей совместных событий.
5. Формула полной вероятности, формула Бейеса.
6. Повторение испытаний.
1. Теорема сложения вероятностей совместных событий.
Суммой нескольких событий называется событие, состоящее в наступлении хотя бы одного из данных событий.
Если события А и В – совместные, то их сумма А+В обозначает наступление или события А, или события В, или обоих событий вместе. Если А и В – несовместные события, то их сумма А+В означает наступление или события А, или события В.
Произведением двух событий А и В называют событие АВ, состоящее в совместном появлении этих событий.
Теорема: Вероятность появления одного из двух несовместных событий, безразлично какого, равна сумме вероятностей этих событий
Р (А+В) = Р (А)+ Р(В).
Следствие: Сумма вероятностей несовместных событий А 1 ,...,А n , образующих полную группу, равна единице:
Р(А 1) + Р(А 2)+... +Р (А n) = 1
2. Теорема умножения вероятностей независимых
событий .
Два события называются независимыми, если вероятность появления одного из них не зависит от того, появилось или не появилось другое событие.
Несколько событий называются взаимно независимыми (или независимыми в совокупности), если каждое из них и любая комбинация, составленная из остальных (части или всех) событий, являются независимыми событиями.
Если события А 1 ,А 2 ,...,А n взаимно независимы, то и противоположные их события также взаимно независимы.
Теорема : Вероятность произведения нескольких взаимно независимых событий равна произведению вероятностей этих событий.
Р(А 1 А 2 ,...А n ) = Р(А 1 ) Р(А 2 ) ... Р(А n )
Для двух событий Р(АВ) = Р(А) Р(В)
Задача . Два товароведа работают независимо друг от друга. Вероятность пропустить бракованное изделие первым товароведом 0,1; вторым 0,2. Какова вероятность того, что при просмотре изделия оба товароведа не пропустят брак.
Решение : событие А - брак пропустил I товаровед, событие В - брак пропустил II товаровед.
Где событие А – брак не пропустит I товаровед,
событие В - брак не пропустит II товаровед.
Так как оба работают независимо друг от друга, то А и В независимые события.
3. Условная вероятность события. Теорема умножения вероятностей зависимых событий.
Событие В называют зависимым от события А, если появление события А изменяет вероятность появления события В.
Вероятность события В, найденная при условии, что событие А произошло, называется условной вероятностью события В и обозначается Р А (В).
Теорема : Вероятность совместного появления двух зависимых событий А и В равна произведению вероятности одного из них на условную вероятность другого, найденную в предположении, что первое событиеуже наступило, т.е.
Р(АВ) = Р(А) Р А (В) или Р(АВ) = Р(В) Р В (А)
Теорема умножения вероятностей может быть распространена на любое число m зависимых событий А 1 А 2 ...А m .
Р(А 1 А 2 ..А m )=Р(А 1 )
причем вероятность последующего события вычисляется в предположении, что все предыдущие произошли.
Задача. В коробке 2 белых и 3 синих ручки. Из коробки вынимают подряд две ручки. Найти вероятность того, что обе ручки белые.
Решение: событие А - обе ручки белые, событие В - появление первой белой ручки, событие С - появление второй белой ручки.
Тогда А= В С.
Так как первая ручка не возвращается в коробку, т.е. состав коробки изменился, то события В и С зависимые.
Р (В) = 2/5; Вероятность события С находим в предположении, что В уже произошло, т.е. Р B (С) = ¼.
Искомая вероятность
Понятие события и вероятности события. Достоверные и невозможные события. Классическое определение вероятностей. Теорема сложения вероятностей. Теорема умножения вероятностей . Решение простейших задач на определение вероятности с использованием сложения вероятностей.
Методические указания по теме 3.1:
Понятие события и вероятности события. Достоверные и невозможные события. Классическое определение вероятностей:
Изучение каждого явления в порядке наблюдения или производства опыта связан с осуществлением некоторого комплекса условий (испытаний). Всякий результат или исход испытания называется событием.
Если событие при заданных условиях может произойти или не произойти, то оно называется случайным. В том случае, когда событие должно непременно произойти, его называют достоверным , а в том случае, когда оно заведомо не может произойти, - невозможным.
События называются несовместными, если каждый раз возможно появление только одного из них. События называются совместными, если в данных условиях появление одного из этих событий не исключает появление другого при том же испытании.
События называются противоположными, если в условиях испытания они, являясь единственными его исходами, несовместны.
Вероятность события рассматривается как мера объективной возможности появления случайного события.
Вероятностью события называется отношение числа исходов m , благоприятствующих наступлению данного события , к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е.
Вероятность любого события не может быть меньше нуля и больше единицы, т.е. . Невозможному событию соответствует вероятность , а достоверному - вероятность
Пример 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Общее число различных исходов есть n = 1000. Число исходов, благоприятствующих получению выигрыша, составляет m = 200. Согласно формуле, получим .
Пример 2. Из урны, в которой находятся 5 белых и 3 черных шара, вынимают один шар. Найти вероятность того, что шар окажется черным.
Обозначим событие, состоящее в появлении черного шара, через . Общее число случаев . Число случаев m , благоприятствующих появлению события , равно 3. По формуле получим .
Пример 3. Из урны, в которой находятся 12 белых и 8 черных шаров, вынимают наудачу два шара. Какова вероятность того, что оба шара окажутся черными?
Обозначим событие, состоящее в появлении двух черных шаров через . Общее число возможных случаев n равно числу сочетаний из 20 элементов (12 + 8) по два:
Число случаев m , благоприятствующих событию , составляет
По формуле находим вероятность появления двух черных шаров:
Теорема сложения вероятностей. Решение простейших задач на определение вероятности с использованием теоремы сложения вероятностей:
Теорема сложения вероятностей несовместных событий. Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равно сумме вероятностей этих событий:
Теорема сложения вероятностей совместных событий. Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
Пример 4. В ящике в случайном порядке разложены 20 деталей, причем пять из них стандартные. Рабочий берет наудачу три детали. Найти вероятность того, что по крайней мере она из взятых деталей окажется стандартной.
Очевидно, что по крайней мере одна из взятых деталей окажется стандартной, если произойдет любое из трех несовместных событий: B - одна деталь стандартная, две нестандартные; C - две детали стандартные, одна нестандартная и D - три детали стандартные.
Таким образом, событие A можно представить в виде суммы этих трех событий: A = B + C + D. По теореме сложения имеем P(A) = P(B) + P(C) + P(D). Находим вероятность каждого из этих событий:
Сложив найденные величины, получим 
Пример 5. Найти вероятность того, что наудачу взятое двузначное число окажется кратным либо 3, либо 5, либо тому и другому одновременно.
Пусть A - событие, состоящее в том, что наудачу взятое число кратно 3, а B - в том, что оно кратно 5. Найдем Так как A и B совместные события, то воспользуемся формулой:
Всего имеется 90 двузначных чисел: 10, 11, 98, 99. Из них 30 являются кратными 3 (благоприятствуют наступлению события A ); 18 - кратными 5 (благоприятствуют наступлению события B ) и 6 - кратными одновременно 3 и 5 (благоприятствуют наступлению события AB ). Таким образом, т.е.
Теорема умножения вероятностей:
Теорема умножения вероятностей независимых событий. Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле:
Теорема умножения вероятностей зависимых событий. Вероятность совместного появления двух зависимых событий равна произведению одного из них на условную вероятность второго:
Пример 6. В одной урне находятся 4 белых и 8 черных шаров, в другой - 3 белых и 9 черных. Из каждой урны вынули по шару. Найти вероятность того, что оба шара окажутся белыми.
Пусть - появление белого шара из первой урны, а - появление белого шара из второй урны. Очевидно, что события и независимы. Найдем
По формуле получим:
Вопросы для самопроверки по теме 3.1:
1. Что такое событие?
2. Какие события называются достоверными?
3. Какие события называются невозможными?
4. Дать определение вероятности.
5. Сформулировать теорему сложения вероятностей.
6. Сформулировать теорему умножения вероятностей.
Задания для самостоятельного решения по теме 3.1:
1. В ящике в случайном порядке положены 10 деталей, из которых 4 стандартных. Контролер взял наудачу 3 детали. Найти вероятность того, что хотя бы одна из взятых деталей оказалась стандартной.
2. В урне находятся 10 белых, 15 черных, 20 синих и 25 красных шаров. Найдите вероятность того, что вынутый шар окажется: 1) белым; 2) черным или красным.
3. Найдите вероятность того, что наудачу взятое двузначное число окажется кратным либо 4, либо 5, либо тому и другому одновременно.
4. Рабочий обслуживает два автомата, работающих независимо друг от друга. Вероятность того, что в течение часа первый автомат не потребует внимания рабочего, равна 0,8, а для второго автомата эта вероятность равна0,7. Найдите вероятность того, что в течение часа ни один и автоматов не потребует внимания рабочего.
5. В урне находятся 6 шаров, из которых 3 белых. Наудачу вынуты один за другим два шара. Вычислите вероятность того, что оба шара окажутся белыми.
6. В урне находятся 10 белых и 6 черных шаров. Найдите вероятность того, что три наудачу вынутых один за другим шара окажутся черными.
Loading...