Определение вероятности. Классическая вероятность

Необходимость в действиях над вероятностями наступает тогда, когда известны вероятности некоторых событий, а вычислить нужно вероятности других событий, которые связаны с данными событиями.

Сложение вероятностей используется тогда, когда нужно вычислить вероятность объединения или логической суммы случайных событий.

Сумму событий A и B обозначают A + B или A ∪ B . Суммой двух событий называется событие, которое наступает тогда и только тогда, когда наступает хотя бы одно из событий. Это означает, что A + B – событие, которое наступает тогда и только тогда, когда при наблюдении произошло событие A или событие B , или одновременно A и B .

Если события A и B взаимно несовместны и их вероятности даны, то вероятность того, что в результате одного испытания произойдёт одно из этих событий, рассчитывают, используя сложение вероятностей.

Теорема сложения вероятностей. Вероятность того, что произойдёт одно из двух взаимно несовместных событий, равна сумме вероятностей этих событий:

Например, на охоте произведены два выстрела. Событие А – попадание в утку с первого выстрела, событие В – попадание со второго выстрела, событие (А + В ) – попадание с первого или второго выстрела или с двух выстрелов. Итак, если два события А и В – несовместные события, то А + В – наступление хотя бы одного из этих событий или двух событий.

Пример 1. В ящике 30 мячиков одинаковых размеров: 10 красных, 5 синих и 15 белых. Вычислить вероятность того, что не глядя будет взят цветной (не белый) мячик.

Решение. Примем, что событие А – «взят красный мячик», а событие В – «взят синий мячик». Тогда событие - «взят цветной (не белый) мячик». Найдём вероятность события А :

и события В :

События А и В – взаимно несовместные, так как если взят один мячик, то нельзя взять мячики разных цветов. Поэтому используем сложение вероятностей:

Теорема сложения вероятностей для нескольких несовместных событий. Если события составляют полное множество событий, то сумма их вероятностей равна 1:

Сумма вероятностей противоположных событий также равна 1:

Противоположные события образуют полное множество событий, а вероятность полного множества событий равна 1.

Вероятности противоположных событий обычно обозначают малыми буквами p и q . В частности,

из чего следуют следующие формулы вероятности противоположных событий:

Пример 2. Цель в тире разделена на 3 зоны. Вероятность того что некий стрелок выстрелит в цель в первой зоне равна 0,15, во второй зоне – 0,23, в третьей зоне – 0,17. Найти вероятность того, что стрелок попадет в цель и вероятность того, что стрелок попадёт мимо цели.

Решение: Найдём вероятность того, что стрелок попадёт в цель:

Найдём вероятность того, что стрелок попадёт мимо цели:

Задачи посложнее, в которых нужно применять и сложение и умножение вероятностей - на странице "Различные задачи на сложение и умножение вероятностей" .

Сложение вероятностей взаимно совместных событий

Два случайных события называются совместными, если наступление одного события не исключает наступления второго события в том же самом наблюдении. Например, при бросании игральной кости событием А считается выпадение числа 4, а событием В – выпадение чётного числа. Поскольку число 4 является чётным числом, эти два события совместимы. В практике встречаются задачи по расчёту вероятностей наступления одного из взаимно совместных событий.

Теорема сложения вероятностей для совместных событий. Вероятность того, что наступит одно из совместных событий, равна сумме вероятностей этих событий, из которой вычтена вероятность общего наступления обоих событий, то есть произведение вероятностей. Формула вероятностей совместных событий имеет следующий вид:

Поскольку события А и В совместимы, событие А + В наступает, если наступает одно из трёх возможных событий: или АВ . Согласно теореме сложения несовместных событий, вычисляем так:

Событие А наступит, если наступит одно из двух несовместных событий: или АВ . Однако вероятность наступления одного события из нескольких несовместных событий равна сумме вероятностей всех этих событий:

Аналогично:

Подставляя выражения (6) и (7) в выражение (5), получаем формулу вероятности для совместных событий:

При использовании формулы (8) следует учитывать, что события А и В могут быть:

• взаимно независимыми;
• взаимно зависимыми.

Формула вероятности для взаимно независимых событий:

Формула вероятности для взаимно зависимых событий:

Если события А и В несовместны, то их совпадение является невозможным случаем и, таким образом, P (AB ) = 0. Четвёртая формула вероятности для несовместных событий такова:

Пример 3. На автогонках при заезде на первой автомашине вероятность победить , при заезде на второй автомашине . Найти:

• вероятность того, что победят обе автомашины;
• вероятность того, что победит хотя бы одна автомашина;

1) Вероятность того, что победит первая автомашина, не зависит от результата второй автомашины, поэтому события А (победит первая автомашина) и В (победит вторая автомашина) – независимые события. Найдём вероятность того, что победят обе машины:

2) Найдём вероятность того, что победит одна из двух автомашин:

Задачи посложнее, в которых нужно применять и сложение и умножение вероятностей - на странице "Различные задачи на сложение и умножение вероятностей" .

Решить задачу на сложение вероятностей самостоятельно, а затем посмотреть решение

Пример 4. Бросаются две монеты. Событие A - выпадение герба на первой монете. Событие B - выпадение герба на второй монете. Найти вероятность события C = A + B .

Умножение вероятностей

Умножение вероятностей используют, когда следует вычислить вероятность логического произведения событий.

При этом случайные события должны быть независимыми. Два события называются взаимно независимыми, если наступление одного события не влияет на вероятность наступления второго события.

Теорема умножения вероятностей для независимых событий. Вероятность одновременного наступления двух независимых событий А и В равна произведению вероятностей этих событий и вычисляется по формуле:

Пример 5. Монету бросают три раза подряд. Найти вероятность того, что все три раза выпадет герб.

Решение. Вероятность того, что при первом бросании монеты выпадет герб , во второй раз , в третий раз . Найдём вероятность того, что все три раза выпадет герб:

Решить задачи на умножение вероятностей самостоятельно, а затем посмотреть решение

Пример 6. Имеется коробка с девятью новыми теннисными мячами. Для игры берут три мяча, после игры их кладут обратно. При выборе мячей игранные от неигранных не отличают. Какова вероятность того, что после трёх игр в коробке не останется неигранных мячей?

Пример 7. 32 буквы русского алфавита написаны на карточках разрезной азбуки. Пять карточек вынимаются наугад одна за другой и укладываются на стол в порядке появления. Найти вероятность того, что из букв получится слово "конец".

Пример 8. Из полной колоды карт (52 листа) вынимаются сразу четыре карты. Найти вероятность того, что все эти четыре карты будут разных мастей.

Пример 9. Та же задача, что в примере 8, но каждая карта после вынимания возвращается в колоду.

Задачи посложнее, в которых нужно применять и сложение и умножение вероятностей, а также вычислять произведение нескольких событий - на странице "Различные задачи на сложение и умножение вероятностей" .

Вероятность того, что произойдёт хотя бы одно из взаимно независимых событий , можно вычислить путём вычитания из 1 произведения вероятностей противоположных событий , то есть по формуле:

Пример 10. Грузы доставляют тремя видами транспорта: речным, железнодорожным и автотранспортом. Вероятность того, что груз будет доставлен речным транспортом, составляет 0,82, железнодорожным транспортом 0,87, автотранспортом 0,90. Найти вероятность того, что груз будет доставлен хотя бы одним из трёх видов транспорта.

Если события H 1 , H 2 , …, H n образуют полную группу, то для вычисления вероятности произвольного события можно использовать формулу полной вероятности:

P(А) = P(A/H 1)·P(H 1)+P(A/H 2)·P(H 2)

В соответствии с которой вероятность наступления события А может быть представлена как сумма произведений условных вероятностей события А при условии наступления событий H i на безусловные вероятности этих событий H i . Эти события H i называют гипотезами.

Из формулы полной вероятности следует формула Байеса :

Вероятности P(H i) гипотез H i называют априорными вероятностями - вероятности до проведения опытов.
Вероятности P(A/H i) называют апостериорными вероятностями – вероятности гипотез H i , уточненных в результате опыта.

Назначение сервиса . Онлайн-калькулятор предназначен для вычисления полной вероятности с оформлением всего хода решения в формате Word (см. примеры решения задач).

Количество объектов 2 3 4 5
Задано количество изделий Заданы вероятности бракованных изделий
Завод №1: P(H1) = . Вероятность стандартных изделий: P(A|H1) =
Завод №2: P(H2) = . Вероятность стандартных изделий: P(A|H2) =
Завод №3: P(H3) = . Вероятность стандартных изделий: P(A|H3) =
Завод №4: P(H4) = . Вероятность стандартных изделий: P(A|H4) =
Завод №5: P(H5) = . Вероятность стандартных изделий: P(A|H5) =

Если исходные данные представлены в процентах (%), то их необходимо представить в виде доли. Например, 60% : 0.6 .

Пример №1 . Магазин получает электролампочки с двух заводов, причем доля первого завода составляет 25%. Известно, что доля брака на этих заводах равна соответственно 5 % и 10 % от всей выпускаемой продукции. Продавец наугад берет одну лампочку. Какова вероятность того, что она окажется бракованной?
Решение: Обозначим через А событие - «лампочка окажется бракованной». Возможны следующие гипотезы о происхождении этой лампочки: H 1 - «лампочка поступила с первого завода». H 2 - «лампочка поступила со второгозавода». Так как доля первого завода составляет 25 %, то вероятности этих гипотез равны соответственно ; .
Условная вероятность того, что бракованная лампочка выпущена первым заводом – , вторым заводом - p(A/H 2) = искомую вероятность того, что продавец взял бракованную лампочку, находим по формуле полной вероятности
0,25·0,05+0,75·0,10=0,0125+0,075=0.0875
Ответ: р(А) = 0,0875.

Пример №2 . Магазин получил две равные по количеству партии одноименного товара. Известно что, 25% первой партии и 40% второй партии составляет товар первого сорта. Какова вероятность того, что наугад выбранная единица товара будет не первого сорта?
Решение:
Обозначим через А событие - «товар окажется первого сорта». Возможны следующие гипотезы о происхождении этого товара: H 1 - «товар из первой партии». H 2 - «товар из второй партии». Так как доля первой партии составляет 25%, то вероятности этих гипотез равны соответственно ; .
Условная вероятность того, что товар из первой партии – , из второй партии - искомую вероятностьтого, что наугад выбранная единица товара будет первого сорта
р(А) = P(H 1)· p(A/H 1)+P(H 2)·(A/H 2)= 0,25·0,5+0,4·0,5=0,125+0,2=0.325
Тогда, вероятность того, что наугад выбранная единица товара будет не первого сорта будет равна: 1- 0.325 = 0,675
Ответ: .

Пример №3 . Известно, что 5% мужчин и 1% женщин - дальтоники. Наугад выбранный человек оказалась не дальтоником. Какова вероятность, что это мужчина (считать, что мужчины и женщины поровну).
Решение .
Событие A - наугад выбранный человек оказалась не дальтоником.
Найдем вероятность появления этого события.
P(A) = P(A|H=мужчина) + P(A|H=женщина) = 0.95*0.5 + 0.99*0.5 = 0.475 + 0.495 = 0.97
Тогда вероятность, что это мужчина составит: p = P(A|H=мужчина) / P(A) = 0.475/0.97 = 0.4897

Пример №4 . В спортивной олимпиаде принимают участие 4 студента с первого курса, с второго - 6, с третьей - 5. Вероятности того, что студент с первого, второго, третьего курса победит на олимпиаде, равны соответственно 0,9; 0,7 и 0,8.
а) Найдите вероятность победы наугад выбранным ее участником.
б) В условиях данной задачи один студент победил на олимпиаде. К какой группе он вероятнее всего принадлежит?
Решение .
Событие A - победа наугад выбранного участника.
Здесь P(H1) = 4/(4+6+5) = 0.267, P(H2) = 6/(4+6+5) = 0.4, P(H3) = 5/(4+6+5) = 0.333,
P(A|H1) = 0.9, P(A|H2) = 0.7,P(A|H3) = 0.8
а) P(A) = P(H1)*P(A|H1) + P(H2)*P(A|H2) + P(H3)*P(A|H3) = 0.267*0.9 + 0.4*0.7 + 0.333*0.8 = 0.787
б) Решение можно получить, используя этот калькулятор.
p1 = P(H1)*P(A|H1)/P(A)
p2 = P(H2)*P(A|H2)/P(A)
p3 = P(H3)*P(A|H3)/P(A)
Из p1, p2, p3 выбрать максимальную.

Пример №5 . На предприятии имеется три станка одного типа. Один из них дает 20% общей продукции, второй – 30%, третий – 50 %. При этом первый станок производит 5% брака, второй 4%, третий – 2%. Найти вероятность того, что случайно отобранное негодное изделие выпущено первым станком.

Все на свете происходит детерминировано или случайно…
Аристотель

Вероятность: основные правила

Теория вероятностей вычисляет вероятности различных событий. Основным в теории вероятностей является понятие случайного события.

Например, вы бросаете монету, она случайным образом падает на герб или решку. Заранее вы не знаете, на какую сторону монета упадет. Вы заключаете договор страхования, заранее вы не знаете, будут или нет проводиться выплаты.

В актуарных расчетах нужно уметь оценивать вероятность различных событий, поэтому теория вероятностей играет ключевую роль. Ни одна другая область математики не может оперировать с вероятностями событий.

Рассмотрим более подробно подбрасывание монеты. Имеется 2 взаимно исключающих исхода: выпадение герба или выпадение решки. Исход бросания является случайным, так как наблюдатель не может проанализировать и учесть все факторы, которые влияют на результат. Какова вероятность выпадения герба? Большинство ответит ½, но почему?

Пусть формально А обозначает выпадение герба. Пусть монета бросается n раз. Тогда вероятность события А можно определить как долю тех бросков, в результате которых выпадает герб:

где n общее количество бросков, n(A) число выпадений герба.

Отношение (1) называется частотой события А в длинной серии испытаний.

Оказывается, в различных сериях испытаний соответствующая частота при больших n группируется около некоторой постоянной величины Р(А) . Эта величина называется вероятностью события А и обозначается буквой Р - сокращение от английского слова probability - вероятность .

Формально имеем:

(2)

Этот закон называется законом больших чисел.

Если монета правильная (симметричная), то вероятность выпадения герба равняется вероятности выпадения решки и равняется ½.

Пусть А и В некоторые события, например, произошел или нет страховой случай. Объединением двух событий называется событие, состоящее в выполнении события А , события В , или обоих событий вместе. Пересечением двух событий А и В называется событие, состоящее в осуществлении как события А , так и события В .

Основные правила исчисления вероятностей событий следующие:

1. Вероятность любого события заключена между нулем и единицей:

2. Пусть А и В два события, тогда:

Читается так: вероятность объединения двух событий равна сумме вероятностей этих событий минус вероятность пересечения событий. Если события являются несовместными или непересекающимися, то вероятность объединения (суммы) двух событий равна сумме вероятностей. Этот закон называется законом сложения вероятностей .

Мы говорим, что события является достоверным, если его вероятность равна 1. При анализе тех или иных явлений возникает вопрос, как влияет наступление события В на наступление события А . Для этого вводится условная вероятность :

(4)

Читается так: вероятность наступления А при условии В равняется вероятности пересечения А и В , деленной на вероятность события В .
В формуле (4) предполагается, что вероятность события В больше нуля.

Формулу (4) можно записать также в виде:

(5)

Это формула умножения вероятностей.

Условную вероятность называют также апостериорной вероятностью события А - вероятность наступления А после наступления В .

В этом случае саму вероятность называют априорной вероятностью. Имеется еще несколько важных формул, которые интенсивно используются в актуарных расчетах.

Формула полной вероятности

Допустим, что проводится опыт, об условиях которого можно заранее сделать взаимно исключающие друг друга предположения (гипотезы):

Мы предполагаем, что имеет место либо гипотеза , либо … либо. Вероятности этих гипотез известны и равны:

Тогда имеет место формула полной вероятности :

(6)

Вероятность наступления события А равна сумме произведений вероятности наступления А при каждой гипотезе на вероятность этой гипотезы.

Формула Байеса

Формула Байеса позволяет пересчитывать вероятность гипотез в свете новой информации, которую дал результат А .

Формула Байеса в известном смысле является обратной к формуле полной вероятности.

Рассмотрим следующую практическую задачу.

Задача 1

Предположим, произошла авиакатастрофа и эксперты заняты исследованием ее причин. Заранее известны 4 причины, по которым произошла катастрофа: либо причина, либо , либо , либо . По имеющейся статистике эти причины имеют следующие вероятности:

При осмотре места катастрофы найдены следы воспламенения горючего, согласно статистике вероятность этого события при тех или иных причинах такая:

Вопрос: какая причина катастрофы наиболее вероятна?

Вычислим вероятности причин при условия наступления события А .

Отсюда видно, что наиболее вероятной является первая причина, так как ее вероятность максимальна.

Задача 2

Рассмотрим посадку самолета на аэродром.

При посадке погодные условия могут быть такими: низкой облачности нет (), низкая облачность есть (). В первом случае вероятность благополучной посадки равна P1 . Во втором случае - Р2 . Ясно, что P1>P2 .

Приборы, обеспечивающие слепую посадку, имеют вероятность безотказной работы Р . Если есть низкая облачность и приборы слепой посадки отказали, вероятность удачного приземления равна Р3 , причем Р3<Р2 . Известно, что для данного аэродрома доля дней в году с низкой облачностью равна .

Найти вероятность благополучной посадки самолета.

Нужно найти вероятность .

Имеются два взаимно исключающих варианта: приборы слепой посадки действуют, приборы слепой посадки отказали, поэтому имеем:

Отсюда по формуле полной вероятности:

Задача 3

Страховая компания занимается страхованием жизни. 10% застрахованных в этой компании являются курильщиками. Если застрахованный не курит, вероятность его смерти на протяжении года равна 0.01 Если же он курильщик, то эта вероятность равна 0.05.

Какова доля курильщиков среди тех застрахованных, которые умерли в течение года?

Варианты ответов: (А) 5%, (Б) 20%, (В) 36 %, (Г) 56%, (Д) 90%.

Решение

Введём события:

Условие задачи означает, что

Кроме того, поскольку события и образуют полную группу попарно несовместимых событий, то .
Интересующая нас вероятность - это .

Используя формулу Байеса, мы имеем:

поэтому верным является вариант (В ).

Задача 4

Страховая компания продаёт договора страхования жизни трёх категорий: стандартные, привилегированные и ультрапривилегированные.

50% всех застрахованных являются стандартными, 40% - привилегированными и 10% - ультрапривилегированными.

Вероятность смерти в течение года для стандартного застрахованного равна 0.010, для привилегированного - 0.005, а для ультра привилегированного - 0.001.

Чему равна вероятность того, что умерший застрахованный является ультрапривилегированным?

Решение

Введем в рассмотрение следующие события:

В терминах этих событий интересующая нас вероятность - это . По условию:

Поскольку события , , образуют полную группу попарно несовместимых событий, используя формулу Байеса мы имеем:

Случайные величины и их характеристики

Пусть некоторая случайная величина, например, ущерб от пожара или величина страховых выплат.
Случайная величина полностью характеризуется своей функцией распределения.

Определение. Функция называется функцией распределения случайной величины ξ .

Определение. Если существует такая функция , что для произвольных a выполнено

то говорят, что случайная величина ξ имеет плотность распределения вероятности f(x) .

Определение. Пусть . Для непрерывной функции распределения F теоретической α-квантилью называется решение уравнения .

Такое решение может быть не единственным.

Квантиль уровня ½ называется теоретической медианой , квантили уровней ¼ и ¾ - нижней и верхней квартилями соответственно.

В актуарных приложениях важную роль играет неравенство Чебышева:

при любом

Символ математического ожидания.

Читается так: вероятность того, что модуль больше меньше или равняется математическому ожиданию величины модуль , деленному на .

Время жизни как случайная величина

Неопределенность момента смерти является основным фактором риска при страховании жизни.

Относительно момента смерти отдельного человека нельзя сказать ничего определенного. Однако если мы имеем дело с большой однородной группой людей и не интересуемся судьбой отдельных людей из этой группы, то мы находимся в рамках теории вероятностей как науки о массовых случайных явлениях, обладающих свойством устойчивости частот.

Соответственно, мы можем говорить о продолжительности жизни как о случайной величине Т.

Функция выживания

В теории вероятностей описывают стохастическую природу любой случайной величины Т функцией распределения F (x), которая определяется как вероятность того, что случайная величина Т меньше, чем число x :

.

В актуарной математике приятно работать не с функцией распределения, а с дополнительной функцией распределения . Применительно к продолжительной жизни - это вероятность того, что человек доживет до возраста x лет.

называется функцией выживания (survival function ):

Функция выживания обладает следующими свойствами:

В таблицах продолжительности жизни обычно считают, что существует некоторый предельный возраст (limiting age ) (как правило, лет) и соответственно при x >.

При описании смертности аналитическими законами обычно считают, что время жизни неограниченно, однако подбирают вид и параметры законов так, чтобы вероятность жизни свыше некоторого возраста была пренебрежимо мала.

Функция выживания имеет простой статистический смысл.

Допустим, что мы наблюдаем за группой из новорожденных (как правило, ), которых мы наблюдаем и можем фиксировать моменты их смерти.

Обозначим число живых представителей этой группы в возрасте через . Тогда:

.

Символ E здесь и ниже используется для обозначения математического ожидания.

Итак, функция выживания равна средней доле доживших до возраста из некоторой фиксированной группы новорожденных.

В актуарной математике часто работают не с функцией выживания , а с только что введенной величиной (зафиксировав начальный размер группы ).

Функция выживания может быть восстановлена по плотности:

Характеристики продолжительности жизни

С практической точки зрения важны следующие характеристики:

1 . Среднее время жизни

,
2 . Дисперсия времени жизни

,
где
,

Не будем долго размышлять о высоком — начнем сразу с определения.

Схема Бернулли — это когда производится n однотипных независимых опытов, в каждом из которых может появиться интересующее нас событие A , причем известна вероятность этого события P (A ) = p. Требуется определить вероятность того, что при проведении n испытаний событие A появится ровно k раз.

Задачи, которые решаются по схеме Бернулли, чрезвычайно разнообразны: от простеньких (типа «найдите вероятность, что стрелок попадет 1 раз из 10») до весьма суровых (например, задачи на проценты или игральные карты). В реальности эта схема часто применяется для решения задач, связанных с контролем качества продукции и надежности различных механизмов, все характеристики которых должны быть известны до начала работы.

Вернемся к определению. Поскольку речь идет о независимых испытаниях, и в каждом опыте вероятность события A одинакова, возможны лишь два исхода:

1. A — появление события A с вероятностью p;
2. «не А» — событие А не появилось, что происходит с вероятностью q = 1 − p.

Важнейшее условие, без которого схема Бернулли теряет смысл — это постоянство. Сколько бы опытов мы ни проводили, нас интересует одно и то же событие A , которое возникает с одной и той же вероятностью p.

Между прочим, далеко не все задачи в теории вероятностей сводятся к постоянным условиям. Об этом вам расскажет любой грамотный репетитор по высшей математике. Даже такое нехитрое дело, как вынимание разноцветных шаров из ящика, не является опытом с постоянными условиями. Вынули очередной шар — соотношение цветов в ящике изменилось. Следовательно, изменились и вероятности.

Если же условия постоянны, можно точно определить вероятность того, что событие A произойдет ровно k раз из n возможных. Сформулируем этот факт в виде теоремы:

Теорема Бернулли. Пусть вероятность появления события A в каждом опыте постоянна и равна р. Тогда вероятность того, что в n независимых испытаниях событие A появится ровно k раз, рассчитывается по формуле:

где C n k — число сочетаний, q = 1 − p.

Эта формула так и называется: формула Бернулли. Интересно заметить, что задачи, приведенные ниже, вполне решаются без использования этой формулы. Например, можно применить формулы сложения вероятностей. Однако объем вычислений будет просто нереальным.

Задача. Вероятность выпуска бракованного изделия на станке равна 0,2. Определить вероятность того, что в партии из десяти выпущенных на данном станке деталей ровно k будут без брака. Решить задачу для k = 0, 1, 10.

По условию, нас интересует событие A выпуска изделий без брака, которое случается каждый раз с вероятностью p = 1 − 0,2 = 0,8. Нужно определить вероятность того, что это событие произойдет k раз. Событию A противопоставляется событие «не A », т.е. выпуск бракованного изделия.

Таким образом, имеем: n = 10; p = 0,8; q = 0,2.

Итак, находим вероятность того, что в партии все детали бракованные (k = 0), что только одна деталь без брака (k = 1), и что бракованных деталей нет вообще (k = 10):

Задача. Монету бросают 6 раз. Выпадение герба и решки равновероятно. Найти вероятность того, что:

1. герб выпадет три раза;
2. герб выпадет один раз;
3. герб выпадет не менее двух раз.

Итак, нас интересует событие A , когда выпадает герб. Вероятность этого события равна p = 0,5. Событию A противопоставляется событие «не A », когда выпадает решка, что случается с вероятностью q = 1 − 0,5 = 0,5. Нужно определить вероятность того, что герб выпадет k раз.

Таким образом, имеем: n = 6; p = 0,5; q = 0,5.

Определим вероятность того, что герб выпал три раза, т.е. k = 3:

Теперь определим вероятность того, что герб выпал только один раз, т.е. k = 1:

Осталось определить, с какой вероятностью герб выпадет не менее двух раз. Основная загвоздка — во фразе «не менее». Получается, что нас устроит любое k , кроме 0 и 1, т.е. надо найти значение суммы X = P 6 (2) + P 6 (3) + ... + P 6 (6).

Заметим, что эта сумма также равна (1 − P 6 (0) − P 6 (1)), т.е. достаточно из всех возможных вариантов «вырезать» те, когда герб выпал 1 раз (k = 1) или не выпал вообще (k = 0). Поскольку P 6 (1) нам уже известно, осталось найти P 6 (0):

Задача. Вероятность того, что телевизор имеет скрытые дефекты, равна 0,2. На склад поступило 20 телевизоров. Какое событие вероятнее: что в этой партии имеется два телевизора со скрытыми дефектами или три?

Интересующее событие A — наличие скрытого дефекта. Всего телевизоров n = 20, вероятность скрытого дефекта p = 0,2. Соответственно, вероятность получить телевизор без скрытого дефекта равна q = 1 − 0,2 = 0,8.

Получаем стартовые условия для схемы Бернулли: n = 20; p = 0,2; q = 0,8.

Найдем вероятность получить два «дефектных» телевизора (k = 2) и три (k = 3):

\[\begin{array}{l}{P_{20}}\left(2 \right) = C_{20}^2{p^2}{q^{18}} = \frac{{20!}}{{2!18!}} \cdot {0,2^2} \cdot {0,8^{18}} \approx 0,137\\{P_{20}}\left(3 \right) = C_{20}^3{p^3}{q^{17}} = \frac{{20!}}{{3!17!}} \cdot {0,2^3} \cdot {0,8^{17}} \approx 0,41\end{array}\]

Очевидно, P 20 (3) > P 20 (2), т.е. вероятность получить три телевизора со скрытыми дефектами больше вероятности получить только два таких телевизора. Причем, разница неслабая.

Небольшое замечание по поводу факториалов. Многие испытывают смутное ощущение дискомфорта, когда видят запись «0!» (читается «ноль факториал»). Так вот, 0! = 1 по определению.

P . S . А самая большая вероятность в последней задаче — это получить четыре телевизора со скрытыми дефектами. Подсчитайте сами — и убедитесь.

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.