Теория вероятностей и основные понятия теории. Классическая вероятность. Вероятность случайного события

Поговорим о задачах, в которых встречается фраза "хотя бы один". Наверняка вы встречали такие задачи в домашних и контрольных работах, а теперь узнаете, как их решать. Сначала я расскажу об общем правиле, а потом рассмотрим частный случай и , выпишем формулы и примеры для каждого.

Общая методика и примеры

Общая методика для решения задач, в которых встречается фраза "хотя бы один" такая:

Выписать исходное событие $A$ = (Вероятность того, что... хотя бы...).

Сформулировать противоположное событие $\bar{A}$.

Найти вероятность события $P(\bar{A})$.

Найти искомую вероятность по формуле $P(A)=1-P(\bar{A})$.

А теперь разберем ее на примерах. Вперед!

Пример 1. В ящике находится 25 стандартных и 6 бракованных однотипных деталей. Какова вероятность того, что среди трёх наудачу выбранных деталей окажется хотя бы одна бракованная?

Действуем прямо по пунктам.
1. Записываем событие, вероятность которого надо найти прямо из условия задачи:
$A$ =(Из 3 выбранных деталей хотя бы одна бракованная).

2. Тогда противоположное событие формулируется так $\bar{A}$ = (Из 3 выбранных деталей ни одной бракованной) = (Все 3 выбранные детали будут стандартные).

3. Теперь нужно понять, как найти вероятность события $\bar{A}$, для чего еще раз посмотрим на задачу: говорится об объектах двух видов (детали бракованные и нет), из которых вынимается некоторое число объектов и изучаются (бракованные или нет). Это задача решается с помощью классического определения вероятности (точнее, по формуле гипергеометрической вероятности, подробнее о ней читайте в статье).

Для первого примера запишем решение подробно, далее будем уже сокращать (а полные инструкции и калькуляторы вы найдете по ссылке выше).

Сначала найдем общее число исходов - это число способов выбрать любые 3 детали из партии в 25+6=31 деталей в ящике. Так как порядок выбора несущественнен, применяем формулу для числа сочетаний из 31 объектов по 3: $n=C_{31}^3$.

Теперь переходим к числу благоприятствующих событию исходов. Для этого нужно, чтобы все 3 выбранные детали были стандартные, их можно выбрать $m = C_{25}^3$ способами (так как стандартных деталей в ящике ровно 25).

Вероятность равна:

$$ P(\bar{A})=\frac{m}{n}=\frac{C_{25}^3 }{C_{31}^3} = \frac{23 \cdot 24\cdot 25}{29\cdot 30\cdot 31} =\frac{2300}{4495}= 0.512. $$

4. Тогда искомая вероятность:

$$ P(A)=1-P(\bar{A})=1- 0.512 = 0.488. $$

Ответ: 0.488.

Пример 2. Из колоды в 36 карт берут наудачу 6 карт. Найти вероятность того, что среди взятых карт будут: хотя бы две пики.

1. Записываем событие $A$ =(Из 6 выбранных карт будут хотя бы две пики).

2. Тогда противоположное событие формулируется так $\bar{A}$ = (Из 6 выбранных карт будет менее 2 пик) = (Из 6 выбранных карт будет ровно 0 или 1 пиковые карты, остальные другой масти).

Замечание. Тут я остановлюсь и сделаю небольшое замечание. Хотя в 90% случаях методика "перейти к противоположному событию" работает на отлично, существуют случаи, когда проще найти вероятность исходного события. В данном случае, если искать напрямую вероятность события $A$ потребуется сложить 5 вероятностей, а для события $\bar{A}$ - всего 2 вероятности. А вот если бы задача была такая "из 6 карт хотя бы 5 - пиковые", ситуация стала бы обратной и тут проще решать исходную задачу. Если опять попытаться дать инструкцию, скажу так. В задачах, где видите "хотя бы один", смело переходите к противоположному событию. Если же речь о "хотя бы 2, хотя бы 4 и т.п.", тут надо прикинуть, что легче считать.

3. Возвращаемся к нашей задаче и находим вероятность события $\bar{A}$ с помощью классического определения вероятности.

Общее число исходов (способов выбрать любые 6 карт из 36) равно $n=C_{36}^6$ (калькулятор ).

Найдем число благоприятствующих событию исходов. $m_0 = C_{27}^6$ - число способов выбрать все 6 карт непиковой масти (их в колоде 36-9=27), $m_1 = C_{9}^1\cdot C_{27}^5$ - число способов выбрать 1 карту пиковой масти (из 9) и еще 5 других мастей (из 27).

$$ P(\bar{A})=\frac{m_0+m_1}{n}=\frac{C_{27}^6+C_{9}^1\cdot C_{27}^5 }{C_{36}^6} =\frac{85215}{162316}= 0.525. $$

4. Тогда искомая вероятность:

$$ P(A)=1-P(\bar{A})=1- 0.525 = 0.475. $$

Ответ: 0.475.

Пример 3. В урне 2 белых, 3 черных и 5 красных шаров. Три шара вынимают наугад. Найти вероятность того, что среди вынутых шаров хотя бы два будут разного цвета.

1. Записываем событие $A$ =(Среди вынутых 3 шаров хотя бы два разного цвета). То есть, например, "2 красных шара и 1 белый", или "1 белый, 1 черный, 1 красный", или "2 черных, 1 красный" и так далее, вариантов многовато. Попробуем правило перехода к противоположному событию.

2. Тогда противоположное событие формулируется так $\bar{A}$ = (Все три шара одного цвета) = (Выбраны 3 черных шара или 3 красных шара) - всего 2 варианта получилось, значит, этот способ решения упрощает вычисления. Кстати, все шары белого цвета не могут быть выбраны, так как их всего 2, а вынимается 3 шара.

3. Общее число исходов (способов выбрать любые 3 шара из 2+3+5=10 шаров) равно $n=C_{10}^3=120$.

Найдем число благоприятствующих событию исходов. $m = C_{3}^3+C_{5}^3=1+10=11$ - число способов выбрать или 3 черных шара (из 3), или 3 красных шара (из 5).

$$ P(\bar{A})=\frac{m}{n}=\frac{11}{120}. $$

4. Искомая вероятность:

$$ P(A)=1-P(\bar{A})=1- \frac{11}{120}=\frac{109}{120} = 0.908. $$

Ответ: 0.908.

Частный случай. Независимые события

Идем дальше, и приходим к классу задач, где рассматривается несколько независимых событий (стрелки попадают, лампочки перегорают, машины заводятся, рабочие болеют с разной вероятностью каждый и т.п.) и нужно "найти вероятность наступления хотя бы одного события" . В вариациях это может звучать так "найти вероятность, что хотя бы один стрелок из трех попадет в цель", "найти вероятность того, что хотя бы один автобус из двух вовремя приедет на вокзал", "найти вероятность, что хотя бы один элемент в устройстве из четырех элементов откажет за год" и т.д.

Если в примерах выше речь шла о применении формулы классической вероятности , здесь мы приходим к алгебре событий, используем формулы сложения и умножения вероятностей (небольшая теория ).

Итак, рассматриваются несколько независимых событий $A_1, A_2,...,A_n$, вероятности наступления каждого известны и равны $P(A_i)=p_i$ ($q_i=1-p_i$). Тогда вероятность того, что в результате эксперимента произойдет хотя бы одно из событий, вычисляется по формуле

$$ P=1-q_1\cdot q_2 \cdot ...\cdot q_n. \quad(1) $$

Строго говоря, эта формула тоже получается применением основной методики "перейти к противоположному событию" . Ведь действительно, пусть $A$=(Наступит хотя бы одно событие из $A_1, A_2,...,A_n$), тогда $\bar{A}$ = (Ни одно из событий не произойдет), что значит:

$$ P(\bar{A})=P(\bar{A_1} \cdot \bar{A_2} \cdot ... \bar{A_n})=P(\bar{A_1}) \cdot P(\bar{A_2}) \cdot ... P(\bar{A_n})=\\ =(1-P(A_1)) \cdot (1-P(A_2)) \cdot ... (1-P(A_n))=\\ =(1-p_1) \cdot (1-p_2) \cdot ... (1-p_n)=q_1\cdot q_2 \cdot ...\cdot q_n,\\ $$ откуда и получаем нашу формулу $$ P(A)=1-P(\bar{A})=1-q_1\cdot q_2 \cdot ...\cdot q_n. $$

Пример 4. Узел содержит две независимо работающие детали. Вероятности отказа деталей соответственно равны 0,05 и 0,08. Найти вероятность отказа узла, если для этого достаточно, чтобы отказала хотя бы одна деталь.

Событие $A$ =(Узел отказал) = (Хотя бы одна из двух деталей отказала). Введем независимые события: $A_1$ = (Первая деталь отказала) и $A_2$ = (Вторая деталь отказала). По условию $p_1=P(A_1)=0,05$, $p_2=P(A_2)=0,08$, тогда $q_1=1-p_1=0,95$, $q_2=1-p_2=0,92$. Применим формулу (1) и получим:

$$ P(A)=1-q_1\cdot q_2 = 1-0,95\cdot 0,92=0,126. $$

Ответ: 0,126.

Пример 5. Студент разыскивает нужную ему формулу в трех справочниках. Вероятность того, что формула содержится в первом справочнике, равна 0,8, во втором - 0,7, в третьем - 0,6. Найти вероятность того, что формула содержится хотя бы в одном справочнике.

Действуем аналогично. Рассмотрим основное событие
$A$ =(Формула содержится хотя бы в одном справочнике). Введем независимые события:
$A_1$ = (Формула есть в первом справочнике),
$A_2$ = (Формула есть во втором справочнике),
$A_3$ = (Формула есть в третьем справочнике).

По условию $p_1=P(A_1)=0,8$, $p_2=P(A_2)=0,7$, $p_3=P(A_3)=0,6$, тогда $q_1=1-p_1=0,2$, $q_2=1-p_2=0,3$, $q_3=1-p_3=0,4$. Применим формулу (1) и получим:

$$ P(A)=1-q_1\cdot q_2\cdot q_3 = 1-0,2\cdot 0,3\cdot 0,4=0,976. $$

Ответ: 0,976.

Пример 6. Рабочий обслуживает 4 станка, работающих независимо друг от друга. Вероятность того, что в течение смены первый станок потребует внимания рабочего, равна 0,3, второй – 0,6, третий – 0,4 и четвёртый – 0,25. Найти вероятность того, что в течение смены хотя бы один станок не потребует внимания мастера.

Думаю, вы уже уловили принцип решения, вопрос только в количестве событий, но и оно не оказывает влияния на сложность решения (в отличие от общих задач на сложение и умножение вероятностей). Только будьте внимательны, вероятности указаны для "потребует внимания", а вот вопрос задачи "хотя бы один станок НЕ потребует внимания". Вводить события нужно такие же, как и основное (в данном случае, с НЕ), чтобы пользоваться общей формулой (1).

Получаем:
$A$ = (В течение смены хотя бы один станок НЕ потребует внимания мастера),
$A_i$ = ($i$-ый станок НЕ потребует внимания мастера), $i=1,2,3,4$,
$p_1 = 0,7$, $p_2 = 0,4$, $p_3 = 0,6$, $p_4 = 0,75$.

Искомая вероятность:

$$ P(A)=1-q_1\cdot q_2\cdot q_3 \cdot q_4= 1-(1-0,7)\cdot (1-0,4)\cdot (1-0,6)\cdot (1-0,75)=0,982. $$

Ответ: 0,982. Почти наверняка мастер будет отдыхать всю смену;)

Частный случай. Повторные испытания

Итак, у нас есть $n$ независимых событий (или повторений некоторого опыта), причем вероятности наступления этих событий (или наступления события в каждом из опытов) теперь одинаковы и равны $p$. Тогда формула (1) упрощается к виду:

$$ P=1-q_1\cdot q_2 \cdot ...\cdot q_n = 1-q^n. $$

Фактически мы сужаемся к классу задач, который носит название "повторные независимые испытания" или "схема Бернулли", когда проводится $n$ опытов, вероятность наступления события в каждом из которых равна $p$. Нужно найти вероятность, что событие появится хотя бы раз из $n$ повторений:

$$ P=1-q^n. \quad(2) $$

Подробнее о схеме Бернулли можно прочитать в онлайн-учебнике , а также посмотреть статьи-калькуляторы о решении различных подтипов задач (о выстрелах, лотерейных билетах и т.п.). Ниже же будут разобраны задачи только с "хотя бы один".

Пример 7. Пусть вероятность того, что телевизор не потребует ремонта в течение гарантийного срока, равна 0,9. Найти вероятность того, что в течение гарантийного срока из 3 телевизоров хотя бы один не потребует ремонта.

Решения короче вы еще не видели.
Просто выписываем из условия: $n=3$, $p=0,9$, $q=1-p=0,1$.
Тогда вероятность того, что в течение гарантийного срока из 3 телевизоров хотя бы один не потребует ремонта, по формуле (2):

$$ P=1-0,1^3=1-0,001=0,999 $$

Ответ: 0,999.

Пример 8. Производится 5 независимых выстрелов по некоторой цели. Вероятность попадания при одном выстреле равна 0,8. Найти вероятность того, что будет хотя бы одно попадание.

Опять, начинаем с формализации задачи, выписывая известные величины. $n=5$ выстрелов, $p=0,8$ - вероятность попадания при одном выстреле, $q=1-p=0,2$.
И тогда вероятность того, что будет хотя бы одно попадание из пяти выстрелов равна: $$ P=1-0,2^5=1-0,00032=0,99968 $$

Ответ: 0,99968.

Думаю, с применением формулы (2) все более чем ясно (не забудьте почитать и о других задачах, решаемых в рамках схемы Бернулли, ссылки были выше). А ниже я приведу чуть более сложную задачу. Такие задачи встречаются пореже, но и их способ решения надо усвоить. Поехали!

Пример 9. Производится n независимых опытов, в каждом из которых некоторое событие A появляется с вероятностью 0,7. Сколько нужно сделать опытов для того, чтобы с вероятностью 0,95 гарантировать хотя бы одно появление события A?

Имеем схему Бернулли, $n$ - количество опытов, $p=0,7$ - вероятность появления события А.

Тогда вероятность того, что произойдет хотя бы одно событие А в $n$ опытах, равна по формуле (2): $$ P=1-q^n=1-(1-0,7)^n=1-0,3^n $$ По условию эта вероятность должна быть не меньше 0,95, поэтому:

$$ 1-0,3^n \ge 0,95,\\ 0,3^n \le 0,05,\\ n \ge \log_{0,3} 0,05 = 2,49. $$

Округляя, получаем что нужно провести не менее 3 опытов.

Ответ: минимально нужно сделать 3 опыта.

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.

События, которые происходят реально или в нашем воображении, можно разделить на 3 группы. Это достоверные события, которые обязательно произойдут, невозможные события и случайные события. Теория вероятностей изучает случайные события, т.е. события, которые могут произойти или не произойти. В данной статье будет представлена в кратком виде теория вероятности формулы и примеры решения задач по теории вероятности, которые будут в 4 задании ЕГЭ по математике (профильный уровень).

Зачем нужна теория вероятности

Исторически потребность исследования этих проблем возникла в XVII веке в связи с развитием и профессионализацией азартных игр и появлением казино. Это было реальное явление, которое требовало своего изучения и исследования.

Игра в карты, кости, рулетку создавала ситуации, когда могло произойти любое из конечного числа равновозможных событий. Возникла необходимость дать числовые оценки возможности наступления того или иного события.

В XX веке выяснилось, что эта, казалось бы, легкомысленная наука играет важную роль в познании фундаментальных процессов, протекающих в микромире. Была создана современная теория вероятностей.

Основные понятия теории вероятности

Объектом изучения теории вероятностей являются события и их вероятности. Если событие является сложным, то его можно разбить на простые составляющие, вероятности которых найти несложно.

Суммой событий А и В называется событие С, заключающееся в том, что произошло либо событие А, либо событие В, либо события А и В одновременно.

Произведением событий А и В называется событие С, заключающееся в том, что произошло и событие А и событие В.

События А и В называется несовместными, если они не могут произойти одновременно.

Событие А называется невозможным, если оно не может произойти. Такое событие обозначается символом .

Событие А называется достоверным, если оно обязательно произойдет. Такое событие обозначается символом .

Пусть каждому событию А поставлено в соответствие число P{А). Это число P(А) называется вероятностью события А, если при таком соответствии выполнены следующие условия.

Важным частным случаем является ситуация, когда имеется равновероятных элементарных исходов, и произвольные из этих исходов образуют события А. В этом случае вероятность можно ввести по формуле . Вероятность, введенная таким образом, называется классической вероятностью. Можно доказать, что в этом случае свойства 1-4 выполнены.

Задачи по теории вероятностей, которые встречаются на ЕГЭ по математике, в основном связаны с классической вероятностью. Такие задачи могут быть очень простыми. Особенно простыми являются задачи по теории вероятностей в демонстрационных вариантах. Легко вычислить число благоприятных исходов , прямо в условии написано число всех исходов .

Ответ получаем по формуле .

Пример задачи из ЕГЭ по математике по определению вероятности

На столе лежат 20 пирожков — 5 с капустой, 7 с яблоками и 8 с рисом. Марина хочет взять пирожок. Какова вероятность, что она возьмет пирожок с рисом?

Решение.

Всего равновероятных элементарных исходов 20, то есть Марина может взять любой из 20 пирожков. Но нам нужно оценить вероятность того, что Марина возьмет пирожок с рисом, то есть , где А — это выбор пирожка с рисом. Значит у нас количество благоприятных исходов (выборов пирожков с рисом) всего 8. Тогда вероятность будет определяться по формуле:

Независимые, противоположные и произвольные события

Однако в открытом банке заданий стали встречаться и более сложные задания. Поэтому обратим внимание читателя и на другие вопросы, изучаемые в теории вероятностей.

События А и В называется независимыми, если вероятность каждого из них не зависит от того, произошло ли другое событие.

Событие B состоит в том, что событие А не произошло, т.е. событие B является противоположным к событию А. Вероятность противоположного события равна единице минус вероятность прямого события,т.е. .

Теоремы сложения и умножения вероятностей, формулы

Для произвольных событий А и В вероятность суммы этих событий равна сумме их вероятностей без вероятности их совместного события, т.е. .

Для независимых событий А и В вероятность произведения этих событий равна произведению их вероятностей, т.е. в этом случае .

Последние 2 утверждения называются теоремами сложения и умножения вероятностей.

Не всегда подсчет числа исходов является столь простым. В ряде случаев необходимо использовать формулы комбинаторики. При этом наиболее важным является подсчет числа событий, удовлетворяющих определенным условиям. Иногда такого рода подсчеты могут становиться самостоятельными заданиями.

Сколькими способами можно усадить 6 учеников на 6 свободных мест? Первый ученик займет любое из 6 мест. Каждому из этих вариантов соответствует 5 способов занять место второму ученику. Для третьего ученика остается 4 свободных места, для четвертого - 3, для пятого - 2, шестой займет единственное оставшееся место. Чтобы найти число всех вариантов, надо найти произведение , которое обозначается символом 6! и читается «шесть факториал».

В общем случае ответ на этот вопрос дает формула для числа перестановок из п элементов В нашем случае .

Рассмотрим теперь другой случай с нашими учениками. Сколькими способами можно усадить 2 учеников на 6 свободных мест? Первый ученик займет любое из 6 мест. Каждому из этих вариантов соответствует 5 способов занять место второму ученику. Чтобы найти число всех вариантов, надо найти произведение .

В общем случае ответ на этот вопрос дает формула для числа размещений из n элементов по k элементам

В нашем случае .

И последний случай из этой серии. Сколькими способами можно выбрать трех учеников из 6? Первого ученика можно выбрать 6 способами, второго - 5 способами, третьего - четырьмя. Но среди этих вариантов 6 раз встречается одна и та же тройка учеников. Чтобы найти число всех вариантов, надо вычислить величину: . В общем случае ответ на этот вопрос дает формула для числа сочетаний из элементов по элементам:

В нашем случае .

Примеры решения задач из ЕГЭ по математике на определение вероятности

Задача 1. Из сборника под ред. Ященко.

На тарелке 30 пирожков: 3 с мясом, 18 с капустой и 9 с вишней. Саша наугад выбирает один пирожок. Найдите вероятность того, что он окажется с вишней.

.

Ответ: 0,3.

Задача 2. Из сборника под ред. Ященко.

В каждой партии из 1000 лампочек в среднем 20 бракованных. Найдите вероятность того, что наугад взятая лампочка из партии будет исправной.

Решение: Количество исправных лампочек 1000-20=980. Тогда вероятность того, что взятая наугад лампочка из партии будет исправной:

Ответ: 0,98.

Вероятность того, что на тестировании по математике учащийся У. верно решит больше 9 задач, равна 0,67. Вероятность того, что У. верно решит больше 8 задач, равна 0,73. Найдите вероятность того, что У. верно решит ровно 9 задач.

Если мы вообразим числовую прямую и на ней отметим точки 8 и 9, то мы увидим, что условие «У. верно решит ровно 9 задач» входит в условие «У. верно решит больше 8 задач», но не относится к условию «У. верно решит больше 9 задач».

Однако, условие «У. верно решит больше 9 задач» содержится в условии «У. верно решит больше 8 задач». Таким образом, если мы обозначим события: «У. верно решит ровно 9 задач» — через А, «У. верно решит больше 8 задач» — через B, «У. верно решит больше 9 задач» через С. То решение будет выглядеть следующим образом:

Ответ: 0,06.

На экзамене по геометрии школьник отвечает на один вопрос из списка экзаменационных вопросов. Вероятность того, что это вопрос по теме «Тригонометрия», равна 0,2. Вероятность того, что это вопрос по теме «Внешние углы», равна 0,15. Вопросов, которые одновременно относятся к этим двум темам, нет. Найдите вероятность того, что на экзамене школьнику достанется вопрос по одной из этих двух тем.

Давайте подумаем какие у нас даны события. Нам даны два несовместных события. То есть либо вопрос будет относиться к теме «Тригонометрия», либо к теме «Внешние углы». По теореме вероятности вероятность несовместных событий равна сумме вероятностей каждого события, мы должны найти сумму вероятностей этих событий, то есть:

Ответ: 0,35.

Помещение освещается фонарём с тремя лампами. Вероятность перегорания одной лампы в течение года равна 0,29. Найдите вероятность того, что в течение года хотя бы одна лампа не перегорит.

Рассмотрим возможные события. У нас есть три лампочки, каждая из которых может перегореть или не перегореть независимо от любой другой лампочки. Это независимые события.

Тогда укажем варианты таких событий. Примем обозначения: — лампочка горит, — лампочка перегорела. И сразу рядом подсчитаем вероятность события. Например, вероятность события, в котором произошли три независимых события «лампочка перегорела», «лампочка горит», «лампочка горит»: , где вероятность события «лампочка горит» подсчитывается как вероятность события, противоположного событию «лампочка не горит», а именно: .

Теория вероятностей – это раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Долгое время теория вероятностей не имела четкого определения. Оно было сформулировано лишь в 1929 году. Возникновение теории вероятностей как науки относят к средним векам и первым попыткам математического анализа азартных игр (орлянка, кости, рулетка). Французские математики XVII века Блез Паскаль и Пьер Ферма, исследуя прогнозирование выигрыша в азартных играх, открыли первые вероятностные закономерности, возникающие при бросании костей.

Теория вероятности возникла как наука из убеждения, что в основе массовых случайных событий лежат определенные закономерности. Теория вероятности изучает данные закономерности.

Теория вероятностей занимается изучением событий, наступление которых достоверно неизвестно. Она позволяет судить о степени вероятности наступления одних событий по сравнению с другими.

Например: определить однозначно результат выпадения «орла» или «решки» в результате подбрасывания монеты нельзя, но при многократном подбрасывании выпадает примерно одинаковое число «орлов» и «решек», что означает, что вероятность того, что выпадет «орел» или «решка», равна 50%.

Испытанием в этом случае называется реализация определенного комплекса условий, то есть в данном случае подбрасывание монеты. Испытание может воспроизводиться неограниченное количество раз. При этом комплекс условий включает в себя случайные факторы.

Результатом испытания является событие . Событие бывает:

1. Достоверное (всегда происходит в результате испытания).
2. Невозможное (никогда не происходит).
3. Случайное (может произойти или не произойти в результате испытания).

Например, при подбрасывании монеты невозможное событие - монета станет на ребро, случайное событие - выпадение «орла» или «решки». Конкретный результат испытания называется элементарным событием . В результате испытания происходят только элементарные события. Совокупность всех возможных, различных, конкретных исходов испытаний называется пространством элементарных событий .

Основные понятия теории

Вероятность - степень возможности происхождения события. Когда основания для того, чтобы какое-нибудь возможное событие произошло в действительности, перевешивают противоположные основания, то это событие называют вероятным, в противном случае - маловероятным или невероятным.

Случайная величина - это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Например: число на пожарную станцию за сутки, число попадания при 10 выстрелах и т.д.

Случайные величины можно разделить на две категории.

1. Дискретной случайной величиной называется такая величина, которая в результате испытания может принимать определенные значения с определенной вероятностью, образующие счетное множество (множество, элементы которого могут быть занумерованы). Это множество может быть как конечным, так и бесконечным. Например, количество выстрелов до первого попадания в цель является дискретной случайной величиной, т.к. эта величина может принимать и бесконечное, хотя и счетное количество значений.
2. Непрерывной случайной величиной называется такая величина, которая может принимать любые значения из некоторого конечного или бесконечного промежутка. Очевидно, что количество возможных значений непрерывной случайной величины бесконечно.

Вероятностное пространство - понятие, введенное А.Н. Колмогоровым в 30-х годах XX века для формализации понятия вероятности, которое дало начало бурному развитию теории вероятностей как строгой математической дисциплине.

Вероятностное пространство - это тройка (иногда обрамляемая угловыми скобками: , где

Это произвольное множество, элементы которого называются элементарными событиями, исходами или точками;
- сигма-алгебра подмножеств , называемых (случайными) событиями;
- вероятностная мера или вероятность, т.е. сигма-аддитивная конечная мера, такая что .

Теорема Муавра-Лапласа - одна из предельных теорем теории вероятностей, установлена Лапласом в 1812 году. Она утверждает, что число успехов при многократном повторении одного и того же случайного эксперимента с двумя возможными исходами приблизительно имеет нормальное распределение. Она позволяет найти приближенное значение вероятности.

Если при каждом из независимых испытаний вероятность появления некоторого случайного события равна () и - число испытаний, в которых фактически наступает, то вероятность справедливости неравенства близка (при больших ) к значению интеграла Лапласа.

Функция распределения в теории вероятностей - функция, характеризующая распределение случайной величины или случайного вектора; вероятность того, что случайная величина X примет значение, меньшее или равное х, где х - произвольное действительное число. При соблюдении известных условий полностью определяет случайную величину.

Математическое ожидание - среднее значение случайной величины (это распределение вероятностей случайной величины, рассматривается в теории вероятностей). В англоязычной литературе обозначается через , в русской - . В статистике часто используют обозначение .

Пусть задано вероятностное пространство и определенная на нем случайная величина . То есть, по определению, - измеримая функция. Тогда, если существует интеграл Лебега от по пространству , то он называется математическим ожиданием, или средним значением и обозначается .

Дисперсия случайной величины - мера разброса данной случайной величины, т. е. ее отклонения от математического ожидания. Обозначается в русской литературе и в зарубежной. В статистике часто употребляется обозначение или . Квадратный корень из дисперсии называется среднеквадратичным отклонением, стандартным отклонением или стандартным разбросом.

Пусть - случайная величина, определенная на некотором вероятностном пространстве. Тогда

где символ обозначает математическое ожидание.

В теории вероятностей два случайных события называются независимыми , если наступление одного из них не изменяет вероятность наступления другого. Аналогично, две случайные величины называют зависимыми , если значение одной из них влияет на вероятность значений другой.

Простейшая форма закона больших чисел – это теорема Бернулли, утверждающая, что если вероятность события одинакова во всех испытаниях, то с увеличением числа испытаний частота события стремится к вероятности события и перестает быть случайной.

Закон больших чисел в теории вероятностей утверждает, что среднее арифметическое конечной выборки из фиксированного распределения близко к теоретическому среднему математическому ожиданию этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти наверняка.

Общий смысл закона больших чисел - совместное действие большого числа одинаковых и независимых случайных факторов приводит к результату, в пределе не зависящему от случая.

На этом свойстве основаны методы оценки вероятности на основе анализа конечной выборки. Наглядным примером является прогноз результатов выборов на основе опроса выборки избирателей.

Центральные предельные теоремы - класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы (ни одно из слагаемых не доминирует, не вносит в сумму определяющего вклада), имеет распределение, близкое к нормальному.

Так как многие случайные величины в приложениях формируются под влиянием нескольких слабо зависимых случайных факторов, их распределение считают нормальным. При этом должно соблюдаться условие, что ни один из факторов не является доминирующим. Центральные предельные теоремы в этих случаях обосновывают применение нормального распределения.

Ясно, что каждое событие обладает той или иной степенью возможности своего наступления (своей реализации). Чтобы количественно сравнивать между собой события по степени их возможности, очевидно, нужно с каждым событием связать определенное число, которое тем больше, чем более возможно событие. Такое число называется вероятностью события.

Вероятность события – есть численная мера степени объективной возможности наступления этого события.

Рассмотрим стохастический эксперимент и случайное событие А, наблюдаемое в этом эксперименте. Повторим этот эксперимент n раз и пусть m(A) – число экспериментов, в которых событие А произошло.

Отношение (1.1)

называется относительной частотой события А в проведенной серии экспериментов.

Легко убедиться в справедливости свойств:

если А и В несовместны (АВ= ), то ν(А+В) = ν(А) + ν(В) (1.2)

Относительная частота определяется только после проведения серии экспериментов и, вообще говоря, может меняться от серии к серии. Однако опыт показывает, что во многих случаях при увеличении числа опытов относительная частота приближается к некоторому числу. Этот факт устойчивости относительной частоты неоднократно проверялся и может считаться экспериментально установленным.

Пример 1.19. . Если бросить одну монету, никто не сможет предсказать, какой стороной она упадет кверху. Но если бросить две тонны монет, то каждый скажет, что примерно одна тонна упадет кверху гербом, то есть относительная частота выпадения герба примерно равна 0,5.

Если при увеличении числа опытов относительная частота события ν(А) стремится к некоторому фиксированному числу, то говорят, что событие А статистически устойчиво , а это число называют вероятностью события А.

Вероятностью события А называется некоторое фиксированное число Р(А), к которому стремится относительная частота ν(А) этого события при увеличении числа опытов, то есть,

Это определение называют статистическим определением вероятности .

Рассмотрим некий стохастический эксперимент и пусть пространство его элементарных событий состоит из конечного или бесконечного (но счетного) множества элементарных событий ω 1 , ω 2 , …, ω i , … . предположим, что каждому элементарному событию ω i прописан некоторое число - р i , характеризующее степень возможности появления данного элементарного события и удовлетворяющее следующим свойствам:

Такое число p i называется вероятностью элементарного события ω i .

Пусть теперь А- случайное событие, наблюдаемое в этом опыте, и ему соответствует некоторое множество

В такой постановке вероятностью события А называют сумму вероятностей элементарных событий, благоприятствующих А (входящих в соответствующее множество А):

(1.4)

Введенная таким образом вероятность обладает теми же свойствами, что и относительная частота, а именно:

И если АВ= (А и В несовместны),

то P(А+В) = P(А) + P(В)

Действительно, согласно (1.4)

В последнем соотношении мы воспользовались тем, что ни одно элементарное событие не может благоприятствовать одновременно двум несовместным событиям.

Особо отметим, что теория вероятностей не указывает способов определения р i , их надо искать из соображений практического характера или получать из соответствующего статистического эксперимента.

В качестве примера рассмотрим классическую схему теории вероятностей. Для этого рассмотрим стохастический эксперимент, пространство элементарных событий которого состоит из конечного (n) числа элементов. Предположим дополнительно, что все эти элементарные события равновозможны, то есть вероятности элементарных событий равны p(ω i)=p i =p. Отсюда следует, что

Пример 1.20 . При бросании симметричной монеты выпадение герба и «решки» равновозможны, их вероятности равны 0,5.

Пример 1.21 . При бросании симметричного кубика все грани равновозможны, их вероятности равны 1/6.

Пусть теперь событию А благоприятствует m элементарных событий, их обычно называют исходами, благоприятствующими событию А . Тогда

Получили классическое определение вероятности : вероятность Р(А) события А равна отношению числа исходов, благоприятствующих событию А, к общему числу исходов

Пример 1.22 . В урне лежит m белых шаров и n черных. Чему равна вероятность вытащить белый шар?

Решение . Всего элементарных событий m+n. Они все равновероятны. Благоприятствующих событию А из них m. Следовательно, .

Из определения вероятности вытекают следующие ее свойства:

Свойство 1 . Вероятность достоверного события равна единице.

Действительно, если событие достоверно, то каждый элементарный исход испытания благоприятствует собы­тию. В этом случае т=п, следовательно,

P(A)=m/n=n/n=1. (1.6)

Свойство 2. Вероятность невозможного события равна нулю.

Действительно, если событие невозможно, то ни один из элементарных исходов испытания не благоприятствует событию. В этом случае т = 0, следовательно, P(A)=m/n=0/n=0. (1.7)

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

Действительно, случайному событию благоприятствует лишь часть из общего числа элементарных исходов испы­тания. То есть, 0≤m≤n, значит, 0≤m/n≤1, следовательно, вероятность любого события удовлетворяет двойному неравенству 0≤P(A) ≤1. (1.8)

Сопоставляя определения вероятности (1.5) и относительной частоты (1.1), заключаем: определение вероятности не требует, чтобы испытания производились в действительности; определение же относительной частоты предполагает, что испытания были произведены фактически . Другими словами, вероятность вычисляют до опыта, а относительную частоту - после опыта.

Однако, вычисление вероятности требует наличия предварительной информации о количестве или вероятностях благоприятствующих данному событию элементарных исходов. В случае отсутствия такой предварительной информации для определения вероятности прибегают к эмпирическим данным, то есть, по результатам стохастического эксперимента определяют относительную частоту события.

Пример 1.23 . Отдел технического контроля обнаружил 3 нестандартных детали в партии из 80 случайно отобранных деталей. Относительная частота появления нестандартных деталей r (А) = 3/80.

Пример 1.24 . По цели.произвели 24 выстрела, причем было зарегистрировано 19 попаданий. Относительная частота поражения цели. r (А) =19/24.

Длительные наблюдения показали, что если в одинаковых условиях производят опыты, в каждом из которых число испытаний достаточно велико, то относительная частота обнаруживает свойство устойчивости. Это свойство состоит в том, что в различных опытах относительная частота изменяется мало (тем меньше, чем больше произведено испытаний), колеблясь около некоторого постоянного числа. Оказалось, что это постоянное число можно принять за приближенное значение вероятности.

Подробнее и точнее связь между относительной частотой и вероятностью будет изложена далее. Теперь же проиллюстрируем свойство устойчивости на примерах.

Пример 1.25 . По данным шведской статистики, относительная частота рождения девочек за 1935 г. по месяцам характеризуется сле­дующими числами (числа расположены в порядке следования месяцев, начиная с января): 0,486; 0,489; 0,490; 0.471; 0,478; 0,482; 0.462; 0,484; 0,485; 0,491; 0,482; 0,473

Относительная частота колеблется около числа 0,481, которое можно принять за приближеннее значение вероятности рождения девочек.

Заметим, что статистические данные различных стран дают примерно то же значение относительной частоты.

Пример 1.26. Многократно проводились опыты бросания монеты, в которых подсчитывали число появление «герба». Результаты нескольких опытов приведены в таблице.