Если вас интересует вопрос заголовка, вы наверняка студент или школьник, столкнувшийся с новым для себя предметом. Задачи теории вероятностей сейчас решают и школьники пятых классов продвинутых школ, и старшеклассники перед ЕГЭ, и студенты буквально всех специальностей — от географов до математиков. Что же это за предмет такой, и как к нему подойти?

Вероятность. Что это?

Теория вероятностей , как следует из названия, имеет дело с вероятностями. Нас окружают множество вещей и явлений, о которых, как бы ни была развита наука, нельзя сделать точных прогнозов. Мы не знаем, какую карту вытянем из колоды наугад или сколько дней в мае будет идти дождь, но, имея некоторую дополнительную информацию, можем строить прогнозы и вычислять вероятности этих случайных событий.

Таким образом, мы сталкиваемся с основным понятием случайного события — явления, поведение которого невозможно предсказать, опыта, результат которого заранее невозможно вычислить и т.п. Именно вероятности событий вычисляются в типовых задачах. Вероятность — это некоторая, строго говоря, функция, принимающая значения от 0 до 1 и характеризующая данное случайное событие. 0 — событие практически невозможно, 1 — событие практически достоверно, 0,5 (или «50 на 50») — с равной вероятностью событие произойдет или нет.

Алгоритм решения типовых задач на нахождение вероятности

Подробнее с основами теории вероятностей можно ознакомиться, например, в онлайн учебнике. А теперь не будем ходить вокруг да около, и сформулируем примерную схему , по которой следует решать стандартные учебные задачи на вычисление вероятности случайного события, а затем ниже на примерах проиллюстрируем ее применение.

• Внимательно прочитать задачу и понять, что именно происходит (что из какого ящика вытаскивается, что где лежало, сколько приборов работает и т.п.)
• Найти основной вопрос задачи вроде «вычислить вероятность того, что …» и вот это многоточие записать в виде события, вероятность которого надо найти.
• Событие записано. Теперь надо понять, к какой «схеме» теории вероятностей относится задача, чтобы правильно выбрать формулы для решения.

  Вероятность

  Ответьте на тестовые вопросы типа:

  • происходит одно испытание (например, выбрасывание двух костей) или несколько (например, проверка 10 приборов);
  • если испытаний несколько, зависимы ли результаты одного от других (зависимость или независимость событий);
  • событие происходит в единственной ситуации или задача говорит о нескольких возможных гипотезах (например, шар вынимается из любого ящика из трех, или из конкретного).

  Чем больше опыт решения задач, тем легче будет определить, какие формулы подходят.

• Выбрана формула (или несколько) для решения. Записываем все данные задачи и подставляем в данную формулу.
• Вуаля, вероятность найдена.

Готовые решения задач по любым разделам теории вероятностей, более 10000 примеров! Найди свою задачу:

Как решать задачи: классическая вероятность

Пример 1. В группе из 30 студентов на контрольной работе 6 студентов получили «5», 10 студентов – «4», 9 студентов – «3», остальные – «2». Найти вероятность того, что 3 студента, вызванные к доске, получили по контрольной работе «2».

Начинаем решение по пунктам, описанным выше.

• В задаче речь идет о выборе 3 студентов из группы, которые удовлетворяют определенным условиям.
• Вводим основное событие $X$ = (Все 3 студента, вызванные к доске, получили по контрольной работе «2»).
• Так как в задаче происходит только одно испытание и оно связано с отбором/выбором по определенному условию, речь идет о классическом определении вероятности. Запишем формулу: $P=m/n$, где $m$ – число исходов, благоприятствующих осуществлению события $X$, а $n$ – число всех равновозможных элементарных исходов.
• Теперь необходимо найти значения $m$ и $n$ для этой задачи. Сначала найдем число всех возможных исходов — число способов выбрать 3 студентов из 30. Так как порядок выбора не имеет значения, это число сочетаний из 30 по 3: $$n=C_{30}^3=\frac{30!}{3!27!}=\frac{28\cdot 29 \cdot 30}{1\cdot 2 \cdot 3}=4060.$$ Найдем число способов вызвать только студентов, получивших «2». Всего таких студентов было $30-6-10-9=5$ человек, поэтому $$m=C_{5}^3=\frac{5!}{3!2!}=\frac{4 \cdot 5}{1\cdot 2}=10.$$
• Получаем вероятность: $$P(X)=\frac{m}{n}=\frac{10}{4060}=0,002.$$ Задача решена.

Еще примеры: Решенные задачи на классическое определение вероятности.

Как решать задачи: формула Бернулли

Пример 2. Какова вероятность того, что при 8 бросаниях монеты герб выпадет 5 раз?

Снова по схеме решения задач на вероятность рассматриваем данную задачу:

• В задаче идет речь о серии одинаковых испытаний — бросаний монеты.
• Вводим основное событие $X$ = (При 8 бросаниях монеты герб выпадет 5 раз).
• Так как в задаче происходит несколько испытаний, и вероятность появления события (герба) одинакова в каждом испытании, речь идет о схеме Бернулли. Запишем формулу Бернулли, которая описывает вероятность того, что из $n$ бросков монет герб выпадет ровно $k$ раз: $$ P_{n}(k)=C_n^k \cdot p^k \cdot (1-p)^{n-k}.$$
• Записываем данные из условия задачи: $n=8, p=0,5$ (вероятность выпадения герба в каждом броске равна 0,5) и $k=5$
• Подставляем и получаем вероятность: $$ P(X)=P_{8}(5)=C_8^5 \cdot 0,5^5 \cdot (1-0,5)^{8-5}=\frac{8!}{5!3!}\cdot 0,5^8=\frac{6\cdot 7 \cdot 8}{1\cdot 2 \cdot 3} \cdot 0,5^8= 0,219.$$ Задача решена.

Еще примеры: Решенные задачи на формулу Бернулли, решебник задач по теории вероятности.

И это все? Конечно, нет.

Выше мы упомянули только малую часть тем и формул теории вероятностей, для более подробного изучения вы можете посмотреть учебник онлайн на данном сайте (или скачать классические учебники по ТВ), ознакомиться со статьями по решению вероятностных задач, бесплатными примерами, воспользоваться онлайн калькуляторами. Удачи!

Спасибо, что читаете и делитесь с другими

Другие полезные статьи по теории вероятностей

Статьи о решении математических задач

Наблюдение явления, опыт, эксперимент, которые можно провести многократно, в теории вероятностей принято называть испытанием . Результат, исход испытания называется событием .

Пример 1 . Сдача экзамена — это испытание; получение определенной отметки — событие. Выстрел — это испытание; попадание в определенную область мишени — событие. Бросание игрального кубика — это испытание; появление того или иного числа очков на брошенной игральной кости — событие.

Виды случайных событий

События называются несовместными , если появление одного из них исключает появления других событий в одном и том же испытании.

Пример 2 :

• несовместные события : день и ночь, человек читает и человек спит, число иррациональное и четное;
• совместные события : идет дождь и идет снег, человек ест и человек читает, число целое и четное.

Несколько событий образуют полную группу (пространство исходов) , если в результате испытания появиться хотя бы одно из них. Другими словами, появление хотя бы одного из событий полной группы есть достоверное событие.

Пример 3 .

Урок алгебры » Случайные события. Вероятность случайного события.»

При сдаче зачета возможны следующие исходы: «зачтено», «не зачтено», «не явился»; при подбрасывании монеты – «орел», «решка».

Пример 4 . Пусть в урне содержится 6 одинаковых шаров, причем 2 из них — красные, 3 — синие и 1 — белый. Какова возможность вынуть наудачу из урны цветной шар? Можно ли охарактеризовать эту возможность числом?

Оказывается можно. Это число и называется вероятностью события А (появления цветного шара). Таким образом, вероятность есть число, характеризующее степень возможности появления события .

Каждый из возможных результатов испытания (в примере 4, испытание состоит в извлечении шара из урны) называется элементарным исходом .

Те элементарные исходы, в которых интересующее нас событие наступает, называются благоприятствующими этому событию. В примере 4 благоприятствуют событию А (появление цветного шара) 5 исходов.

События называются равновозможными , если есть основания считать, что не одно из них не является более возможным, чем другое.

Пример 5 . Появление того или иного числа очков на брошенном игральном кубике – равновозможные события.

Вероятностью P(A) события А называют отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу.

Вероятность P(A) события А определяется по формуле

где m – число элементарных исходов, благоприятствующих A ; n – число всех возможных элементарных исходов испытания.

В примере 4 всего элементарных исходов 6 ; из них 5 благоприятствуют событию А . Следовательно, вероятность того что взятый шар окажется цветным, равна P(A) = 5/6 .

Пример 6 . Определить вероятность выпадения нечётного числа очков на кости.

Решение. При бросании кости событие A – «выпало нечётное число очков» можно записать как подмножество {1, 3, 5} пространства исходов {1, 2, 3, 4, 5, 6} (рис. 1).

Число всех равновозможных исходов n = 6, а число благоприятных событию A – m = 3. Следовательно,

Пример 7 . В урне находится 7 шаров: 2 белых, 4 черных и 1 красный. Вынимается один шар наугад. Какова вероятность того, что вынутый шар будет чёрным?

Решение. Занумеруем шары. Пусть, например, шары с номерами 1 и 2 – белые, с номерами 3, 4, 5 и 6 – чёрные, а красному шару присвоим номер 7 .

Так как мы можем вынуть только один из семи шаров, то общее число равновозможных исходов равно семи (n = 7 ). Из них 4 исхода – появление шаров с номерами 3, 4, 5 и 6 – приведут к тому, что вынутый шар будет чёрным (m = 4 ). Тем самым, вероятность события А , состоящего в появлении чёрного шара, равна

Вычислите вероятность того, что вынутый шар будет белым.

Пример 8 .

Вычислить вероятность выпадения в сумме 10 очков при бросании пары костей.

Решение. Рассмотрим все равновозможные исходы в результате бросания двух костей (их число равно 36 — рекомендуем записать в виде таблицы). Выпадение в сумме 10 очков (событие А ) возможно в трёх случаях – 4 очка на первой кости и 6 на второй, 5 очков на первой и 5 на второй, 6 очков на первой и 4 на второй. Поэтому вероятность события А (выпадения в сумме 10 очков) равна

Свойство 1 . Вероятность достоверного события А равна единице: Р(А) = 1 .

Свойство 2 . Вероятность невозможного события А равна нулю: Р(А) = 0 .

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

0 £ P (A) £ 1.

Пример 9 . Так как вероятность выпадения 13 очков при бросании пары костей – невозможное событие, его вероятность равна нулю .

Классическое определение вероятности предполагает, что число элементарных исходов испытания конечно. На практике же часто встречаются испытания, число возможных исходов которых бесконечно. Кроме этого, часто невозможно представить результат испытания в виде совокупности элементарных событий. Еще труднее указать основания, позволяющие считать элементарные события равновозможными. По этой причине, наряду с классическим определением вероятности используют и другие определения, в частности статистическое определение .

Статистическое определение вероятности

Относительная частота наряду с вероятностью принадлежит к основным понятиям теории вероятностей.

Относительной частотой события А называют отношение числа испытаний, в которых событие появилось, к общему числу фактически произведенных испытаний:

где m – число появлений события А , n – общее число испытаний.

Классическая вероятность вычисляется до опыта, а относительная частота – после опыта .

Длительные наблюдения показали, что если в одинаковых условиях производят опыты, в каждом из которых число испытаний 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. Это постоянное число и есть вероятность появления события.

Таким образом, при достаточно большом количестве испытаний в качестве статистической вероятности события принимают относительную частоту или число, близкое к ней.

Пример 10 . Естествоиспытатель К. Пирсон терпеливо подбрасывал монету и после каждого бросания не ленился записывать полученный результат. Проделав эту операцию 24 000 раз, он обнаружил, что герб выпадал в 12 012 случаях. Вычисляя относительную частоту выпадения герба, он получил , что практически равно 1/2.

Многих интересует вопрос: возможно ли повлиять на случайные события, выявить какую-либо закономерность событий, получить тот результат, который желателен. Все явления, которые окружают нас, происходят и изменяются с какой-то долей случайности, неопределенности.

Со случайными событиями мы встречаемся чаще, чем это принято считать. Случайные факторы лежат в основе окружающей среды, экономики, политики, социальной и общественной жизни, они определяют течение любого процесса массового обслуживания - торговли, телефонной связи, транспортных услуг и медицинской помощи. Задача управления различного рода процессами, которая наиболее остро стоит перед современным обществом, состоит в том, чтобы научиться ориентироваться в мире случайностей и активно действовать, опираясь на скрытые специфические закономерности.

Все явления окружающей нас действительности можно рассматривать с точки зрения вероятности их наступления. Когда студент идет на экзамен, вероятность получения им хорошей оценки зависит от нескольких причин: подготовленности студента, удачно выбранного билета, самочувствия, настроя.

Экономиста может интересовать вероятность того, что цены на товар не вырастут, если не снизится объем его производства, или вероятность того, что застрахованный автомобиль не попадет в аварию.

Все эти события являются случайными и могут наступить или нет с некоторой долей неопределенности. Количественной мерой такой неопределенности является вероятность наступления случайного события, под которой понимают число, которое выражает степень уверенности в наступлении того или иного случайного события.

Случайными событиями называют возможные результаты единичной операции, или испытания .

Под испытанием следует понимать процесс, включающий в себя определенные условия и приводящий к одному из нескольких возможных исходов .

Например: испытание - бросание монеты, случайное событие - выпадение герба. Испытание - рождение ребенка, случайное событие - пол ребенка - мужской.

Исходом опыта может быть результат наблюдения, измерения, оценки.

Случайное событие может состоять из нескольких элементарных событий.

Единичный, отдельный исход испытания называется элементарным событием.

Событие называется случайным, если в результате испытания (опыта) оно может произойти, а может и не произойти.

Например, стрелок, производящий выстрел, может попасть или не попасть в цель. В этом случае испытание - это выстрел, а возможные элементарные исходы - попадание или непопадание в цель. Футбольная команда может участвовать в матче - это испытание, в результате которого могут наступить исходы, или элементарные события: выигрыш, проигрыш или ничья.

Оценка студента на экзамене - это случайное событие, которое состоит из элементарных событий: получение оценки «отлично», получение оценки «хорошо», получение оценки «удовлетворительно», получение оценки «неудовлетворительно».

Элементарные события можно классифицировать по мере их неопределенности как достоверные, невозможные и случайные.

Достовернымназывают событие, которое обязательно произойдет при определенном комплексе условий .

Например, если в ящике находятся только стандартные детали, то извлечение из него стандартной детали есть событие достоверное. Достоверным является и то, что в прямоугольном треугольнике квадрат гипотенузы равен сумме квадратов катетов.

Событие, которое не может произойти в результате данного испытания, называется невозможным .

Если в ящике все детали стандартные, то извлечение из него нестандартной детали есть событие невозможное. Квадрат вещественного числа не может быть отрицательным. Достоверные и невозможные события, вообще говоря, не являются случайными.

Случайные события. Вероятность (стр. 1)

Фундаментом для научного подхода к поиску ответов на вопросы подобного рода является теория вероятностей.

Зарождение теории вероятностей и формирование первых понятий этой ветви математики произошло в середине 17 века, когда Паскаль, Ферма, Бернулли попытались осуществить анализ задач связанных с азартными играми новыми методами. Скоро стало ясно, что возникающая теория найдет широкий круг применения для решения многих задач возникающих в различных сферах деятельности человека .

Производя достаточно большое количество опытов или испытаний, можно определить, как часто появляется событие, и вычислить вероятность его наступления. Вероятность, определенную таким образом, называют статистической или послеопытной. В некоторых случаях можно определить доопытную вероятность, которую называют классической.

Вероятностью появления события А называют отношение числа исходов, благоприятствующих появлению этого события, к общему числу всех единственно возможных и несовместных элементарных исходов. Обозначим число благоприятствующих событию А исходов через М, а число всех возможных исходов N. тогда для определения вероятности можно использовать формулу Р (А) = М/N .

Я провела эксперимент: попробовала вытащить из 15 шариков, 2 из которых красные, остальные зеленые, произвольным образом 2 шарика. Пыталась определить вероятность того, что оба шарика окажутся красными; оба шарика будут зелеными; один шарик будет красный, другой зеленый.

Предположенный перед проведением эксперимента результат оправдался: наиболее возможным исходом является вытаскивание 2 зеленых шариков, наименее возможным исходом является вытаскивание 2 красных шариков.

При сравнении практической и теоретической вероятности, обнаружилось довольно большое расхождение, причиной которого является малое количество проведенных испытаний.

Для получения более точного результата желательно проводить как можно больше испытаний, рассматривать всевозможные исходы испытаний и благоприятные исходы. Не забывать, что проверить это всегда можно и теоретически. При этом вероятности до проведения опыта и после проведения должны совпадать.

Проведя исследование по данному вопросу, я пришла к выводу: теория вероятности не влияет на случайные события, она только позволяет выяснить степень его наступления, а вероятность, посчитанная во время эксперимента, тем точнее, чем больше проведено испытаний.

Литература:

1. Кибзун А. И. Теория вероятностей и математическая статистика. Базовый курс с примерами и задачами / А. И. Кибзун. - М.: Физматлит, 2002. - 224 с.
2. Кочетков Е. С., Смерчинская С. О., Соколов В. В. Теория вероятностей и математическая статистика. - М.: ФОРУМ: ИНФРА-М, 2006. - 240 с.
3. Письменный Д. Т. Конспект лекций по теории вероятностей, математической статистике и случайным процессам. - М.: Айрис-пресс, 2007. - 288 с.

Спасибо, что читаете и делитесь с другими

Основным понятием теории вероятностей является понятие случайного события. Случайным событием называется событие, которое при осуществлении некоторых условий может произойти или не произойти. Например, попадание в некоторый объект или промах при стрельбе по этому объекту из данного орудия является случайным событием.

Событие называется достоверным , если в результате испытания оно обязательно происходит. Невозможным называется событие, которое в результате испытания произойти не может.

Случайные события называются несовместными в данном испытании, если никакие два из них не могут появиться вместе.

Случайные события образуют полную группу , если при каждом испытании может появиться любое из них и не может появиться какое-либо иное событие, несовместное с ними.

Рассмотрим полную группу равновозможных несовместных случайных событий. Такие события будем называть исходами. Исход называется благоприятствующим появлению события $А$, если появление этого события влечет за собой появление события $А$.

Пример. В урне находится 8 пронумерованных шаров (на каждом шаре поставлено по одной цифре от 1 до 8).

Шары с цифрами 1, 2, 3 красные, остальные – черные. Появление шара с цифрой 1 (или цифрой 2 или цифрой 3) есть событие, благоприятствующее появлению красного шара. Появление шара с цифрой 4 (или цифрой 5, 6, 7, 8) есть событие, благоприятствующее появлению черного шара.

Вероятностью события $A$ называют отношение числа $m$ благоприятствующих этому событию исходов к общему числу $n$ всех равновозможных несовместных элементарных исходов, образующих полную группу $$P(A)=\frac{m}{n}. \quad(1)$$

Свойство 1. Вероятность достоверного события равна единице
Свойство 2. Вероятность невозможного события равна нулю.
Свойство 3. Вероятность случайного события есть положительное число, заключенное между нулем и единицей.

Итак, вероятность любого события удовлетворяет двойному неравенству $0 \le P(A) \le 1$ .

Онлайн-калькуляторы

Большой пласт задач, решаемых с помощью формулы (1) относится к теме гипергеометрической вероятности. Ниже по ссылкам вы можете найти описание популярных задач и онлайн-калькуляторы для их решений:

• Задача про шары (в урне находится $k$ белых и $n$ черных шаров, вынимают $m$ шаров…)
• Задача про детали (в ящике находится $k$ стандартных и $n$ бракованных деталей, вынимают $m$ деталей…)
• Задача про лотерейные билеты (в лотерее участвуют $k$ выигрышных и $n$ безвыигрышных билета, куплено $m$ билетов…)

Примеры решений задач на классическую вероятность

Пример. В урне 10 пронумерованных шаров с номерами от 1 до 10. Вынули один шар. Какова вероятность того, что номер вынутого шара не превосходит 10?

Решение. Пусть событие А = (Номер вынутого шара не превосходит 10). Число случаев благоприятствующих появлению события А равно числу всех возможных случаев m =n =10. Следовательно, Р (А )=1. Событие А достоверное .. Количество элементарных исходов (количество карт) .

Искомая вероятность
.

Формулы по теории вероятности онлайн

В данном разделе вы найдете формулы по теории вероятностей в онлайн-варианте (скачать можно на странице Таблицы и формулы по теории вероятностей). Если слово подчеркнуто, щелкнув на ссылке, вы перейдете к подробному описанию термина, примерам или вычислению на онлайн-калькуляторе. Используйте эти возможности!

А также для изучения тервера у нас есть:

Спасибо, что читаете и делитесь с другими

I. Случайные события. Основные формулы онлайн

1. Основные формулы комбинаторики

Число перестановок $$P_n = n!

Учебник по теории вероятностей

1\cdot 2 \cdot 3 \cdot … \cdot (n-1) \cdot n$$

Число размещений $$A_m^n = n \cdot (n-1) \cdot … \cdot (n-m+1)$$

Число сочетаний $$C_n^m =\frac{A_n^m}{P_m}=\frac{n!}{m! \cdot (n-m)!}$$

2. Классическое определение вероятности

$$P(A) = \frac{m}{n},$$ где $m$ — число благоприятствующих событию $A$ исходов, $n$ — число всех элементарных равновозможных исходов.

Подробнее о классической вероятности см. в онлайн-учебнике и калькуляторах решений.

3. Вероятность суммы событий

Теорема сложения вероятностей несовместных событий:

$$ P(A+B) = P(A)+P(B) $$

Теорема сложения вероятностей совместных событий:

$$ P(A+B) = P(A)+P(B)-P(AB) $$

Примеры решений и теория по алгебре событий тут.

4. Вероятность произведения событий

Теорема умножения вероятностей независимых событий:

$$ P(A\cdot B) =P(A)\cdot P(B) $$

Теорема умножения вероятностей зависимых событий:

$$ P(A\cdot B) =P(A)\cdot P(B|A),\\ P(A\cdot B) =P(B)\cdot P(A|B). $$

$P(A|B)$ — условная вероятность события $A$ при условии, что произошло событие $B$,

$P(B|A)$ — условная вероятность события $B$ при условии, что произошло событие $A$.

Подробнее об условной вероятности.

5. Формула полной вероятности

$$ P(A)=\sum_{k=1}^{n} P(H_k)\cdot P(A|H_k), $$

6. Формула Байеса (Бейеса). Вычисление апостериорных вероятностей гипотез

$$ P(H_m|A) =\frac{P(H_m)\cdot P(A|H_m)}{P(A)} = \frac{P(H_m)\cdot P(A|H_m)}{\sum\limits_{k=1}^{n} P(H_k)\cdot P(A|H_k)}, $$

где $H_1, H_2, …, H_n$ — полная группа гипотез.

Примеры и теория на эту тему.

7. Формула Бернулли

$$ P_n(k)=C_n^k \cdot p^k \cdot (1-p)^{n-k} = \frac{n!}{k! \cdot (n-k)!}\cdot p^k \cdot (1-p)^{n-k} $$ вероятность появления события ровно $k$ раз в $n$ независимых испытаниях, $p$ — вероятность появления события при одном испытании.

Еще полезное по формуле Бернулли теория и примеры, онлайн-калькуляторы.

8. Наивероятнейшее число наступления события

Наивероятнейшее число $k_0$ появления события при $n$ независимых испытаниях (где $p$ — вероятность появления события при одном испытании):

$$ np-(1-p) \le k_0 \le np+p. $$

Вычислить наивероятнейшее значение онлайн.

9. Локальная формула Лапласа

$$ P_n(k) = \frac{1}{\sqrt{npq}} \varphi\left(\frac{k-np}{\sqrt{npq}} \right) $$

вероятность появления события ровно $k$ раз при $n$ независимых испытаниях, $p$ — вероятность появления события при одном испытании, $q=1-p$.

Значения функции $\varphi(x)$ берутся из таблицы.

10. Интегральная формула Лапласа

$$ P_n(m_1, m_2) = \Phi\left(\frac{m_2-np}{\sqrt{npq}} \right)-\Phi\left(\frac{m_1-np}{\sqrt{npq}} \right) $$

вероятность появления события не менее $m_1$ и не более $m_2$ раз при $n$ независимых испытаниях, $p$ — вероятность появления события при одном испытании, $q=1-p$.
Значения функции $\Phi(x)$ берутся из таблицы.

Теория и примеры на формулы Муавра-Лапласа.

11. Оценка отклонения относительной частоты от постоянной вероятности $p$

$$ P\left(\left| \frac{m}{n} -p\right| \le \varepsilon\right) = 2 \Phi\left(\varepsilon\cdot \frac{n}{\sqrt{p(1-p)}} \right) $$

$\varepsilon$ — величина отклонения, $p$ — вероятность появления события.

Решенные задачи по теории вероятностей

Нужна готовая задача по терверу? Найдите на сайте-решебнике:

Каталог формул по теории вероятности онлайн

Полный список страниц с формулами:

Спасибо, что читаете и делитесь с другими

С практической точки зрения, вероятность события - это отношение количества тех наблюдений, при которых рассматриваемое событие наступило, к общему количеству наблюдений. Такая трактовка допустима в случае достаточно большого количества наблюдений или опытов. Например, если среди встреченных на улице людей примерно половина - женщины, то можно говорить, что вероятность того, что встреченный на улице человек окажется женщиной, равна 1/2. Другими словами, оценкой вероятности события может служить частота его наступления в длительной серии независимых повторений случайного эксперимента .

Вероятность в математике

В современном математическом подходе классическая (то есть не квантовая) вероятность задаётся аксиоматикой Колмогорова . Вероятностью называется мера P , которая задаётся на множестве X , называемом вероятностным пространством . Эта мера должна обладать следующими свойствами:

Из указанных условий следует, что вероятностная мера P также обладает свойством аддитивности : если множества A 1 и A 2 не пересекаются, то . Для доказательства нужно положить все A 3 , A 4 , … равными пустому множеству и применить свойство счётной аддитивности.

Вероятностная мера может быть определена не для всех подмножеств множества X . Достаточно определить её на сигма-алгебре , состоящей из некоторых подмножеств множества X . При этом случайные события определяются как измеримые подмножества пространства X , то есть как элементы сигма-алгебры .

Вероятность смысле

Когда мы находим, что основания для того, чтобы какой-нибудь возможный факт произошел в действительности, перевешивают противоположные основания, мы считаем этот факт вероятным , в противном случае - невероятным . Этот перевес положительных оснований над отрицательными, и наоборот, может представлять неопределённое множество степеней, вследствие чего вероятность (и невероятность ) бывает большею или меньшею .

Сложные единичные факты не допускают точного вычисления степеней своей вероятности, но и здесь важно бывает установить некоторые крупные подразделения. Так, например, в области юридической , когда подлежащий суду личный факт устанавливается на основании свидетельских показаний, он всегда остаётся, строго говоря, лишь вероятным, и необходимо знать, насколько эта вероятность значительна; в римском праве здесь принималось четверное деление: probatio plena (где вероятность практически переходит в достоверность ), далее - probatio minus plena , затем - probatio semiplena major и, наконец, probatio semiplena minor .

Кроме вопроса о вероятности дела, может возникать, как в области права, так и в области нравственной (при известной этической точке зрения) вопрос о том, насколько вероятно, что данный частный факт составляет нарушение общего закона. Этот вопрос, служащий основным мотивом в религиозной юриспруденции Талмуда , вызвал и в римско-католическом нравственном богословии (особенно с конца XVI века) весьма сложные систематические построения и огромную литературу, догматическую и полемическую (см. Пробабилизм) .

Понятие вероятности допускает определенное численное выражение в применении лишь к таким фактам, которые входят в состав определенных однородных рядов. Так (в самом простом примере), когда кто-нибудь бросает сто раз кряду монету, мы находим здесь один общий или большой ряд (сумма всех падений монеты), слагающийся из двух частных или меньших, в данном случае численно равных, рядов (падения «орлом» и падения «решкой»); Вероятность, что в данный раз монета упадет решкой, то есть что этот новый член общего ряда будет принадлежать к этому из двух меньших рядов, равняется дроби, выражающей численное отношение между этим малым рядом и большим, именно 1/2, то есть одинаковая вероятность принадлежит к тому или другому из двух частных рядов. В менее простых примерах заключение не может быть выведено прямо из данных самой задачи, а требует предварительной индукции . Так, например, спрашивается: какая вероятность существует для данного новорожденного дожить до 80 лет? Здесь должно составить общий, или большой, ряд из известного числа людей, рожденных в подобных же условиях и умирающих в различном возрасте (это число должно быть достаточно велико, чтобы устранить случайные отклонения, и достаточно мало, чтобы сохранялась однородность ряда, ибо для человека, рождённого, например, в Санкт-Петербурге в обеспеченном культурном семействе, всё миллионное население города, значительная часть которого состоит из лиц разнообразных групп, могущих умереть раньше времени - солдат, журналистов, рабочих опасных профессий, - представляет группу слишком разнородную для настоящего определения вероятности); пусть этот общий ряд состоит из десяти тысяч человеческих жизней; в него входят меньшие ряды, представляющие число доживающих до того или другого возраста; один из этих меньших рядов представляет число доживающих до 80 лет. Но определить численность этого меньшего ряда (как и всех других) невозможно a priori ; это делается чисто индуктивным путем, посредством статистики . Положим, статистические исследования установили, что из 10000 петербуржцев среднего класса до 80 лет доживают только 45; таким образом, этот меньший ряд относится к большому, как 45 к 10000, и вероятность для данного лица принадлежать к этому меньшему ряду, то есть дожить до 80 лет, выражается дробью 0,0045. Исследование вероятности с математической точки зрения составляет особую дисциплину - теорию вероятностей .

См. также

Примечания

Литература

Wikimedia Foundation . 2010 .

Антонимы :

Смотреть что такое "Вероятность" в других словарях:

Общенаучная и филос. категория, обозначающая количественную степень возможности появления массовых случайных событий при фиксированных условиях наблюдения, характеризующую устойчивость их относительных частот. В логике семантическая степень… … Философская энциклопедия

ВЕРОЯТНОСТЬ, число в интервале от нуля до единицы включительно, представляющее возможность свершения данного события. Вероятность события определяется как отношение числа шансов того, что событие может произойти, к общему количеству возможных… … Научно-технический энциклопедический словарь

По всей вероятности.. Словарь русских синонимов и сходных по смыслу выражений. под. ред. Н. Абрамова, М.: Русские словари, 1999. вероятность возможность, вероятие, шанс, объективная возможность, маза, допустимость, риск. Ant. невозможность… … Словарь синонимов

вероятность - Мера того, что событие может произойти. Примечание Математическое определение вероятности: «действительное число в интервале от 0 до 1, относящееся к случайному событию». Число может отражать относительную частоту в серии наблюдений… … Справочник технического переводчика

Вероятность - «математическая, числовая характеристика степени возможности появления какого либо события в тех или иных определенных, могущих повторяться неограниченное число раз условиях». Если исходить из этого классического… … Экономико-математический словарь

- (probability) Возможность наступления какого либо события или определенного результата. Может быть представлена в виде шкалы с делениями от 0 до 1. При нулевой вероятности события его наступление невозможно. При вероятности, равной 1, наступление … Словарь бизнес-терминов

1.1. Некоторые сведения из комбинаторики

1.1.1. Размещения

Рассмотрим простейшие понятия, связанные с выбором и расположением некоторого множества объектов.
Подсчет числа способов, которыми можно совершить эти действия, часто производится при решении вероятностных задач.
Определение . Размещением из n элементов по k (k ≤ n ) называется любое упорядоченное подмножество из k элементов множества, состоящего из n различных элементов.
Пример. Следующие последовательности цифр являются размещениями по 2 элемента из 3 элементов множества {1;2;3}: 12, 13, 23, 21, 31, 32.
Заметим, что размещения отличаются порядком входящих в них элементов и их составом. Размещения 12 и 21 содержат одинаковые цифры, но порядок их расположения различен. Поэтому эти размещения считаются разными.
Число различных размещений из n элементов по k обозначается и вычисляется по формуле:
,
где n ! = 1∙2∙...∙(n - 1)∙ n (читается «n – факториал»).
Число двузначных чисел, которые можно составить из цифр 1, 2, 3 при условии, что ни одна цифра не повторяется равно: .

1.1.2. Перестановки

Определение . Перестановками из n элементов называются такие размещения из n элементов, которые различаются только расположением элементов.
Число перестановок из n элементов P n вычисляется по формуле: P n =n !
Пример. Сколькими способами могут встать в очередь 5 человек? Количество способов равно числу перестановок из 5 элементов, т.е.
P 5 =5!=1∙2∙3∙4∙5=120.
Определение . Если среди n элементов k одинаковых, то перестановка этих n элементов называется перестановкой с повторениями.
Пример. Пусть среди 6 книг 2 одинаковые. Любое расположение всех книг на полке - перестановка с повторениями.
Число различных перестановок с повторениями (из n элементов, среди которых k одинаковых) вычисляется по формуле: .
В нашем примере число способов, которыми можно расставить книги на полке, равно: .

1.1.3. Сочетания

Определение . Сочетаниями из n элементов по k называются такие размещения из n элементов по k , которые одно от другого отличаются хотя бы одним элементом.
Число различных сочетаний из n элементов по k обозначается и вычисляется по формуле: .
По определению 0!=1.
Для сочетаний справедливы следующие свойства:
1.
2.
3.
4.
Пример. Имеются 5 цветков разного цвета. Для букета выбирается 3 цветка. Число различных букетов по 3 цветка из 5 равно: .

1.2. Случайные события

1.2.1. События

Познание действительности в естественных науках происходит в результате испытаний (эксперимента, наблюдений, опыта).
Испытанием или опытом называется осуществление какого-нибудь определенного комплекса условий, который может быть воспроизведен сколь угодно большое число раз.
Случайным называется событие, которое может произойти или не произойти в результате некоторого испытания (опыта).
Таким образом, событие рассматривается как результат испытания.
Пример. Бросание монеты – это испытание. Появление орла при бросании – событие.
Наблюдаемые нами события различаются по степени возможности их появления и по характеру их взаимосвязи.
Событие называется достоверным , если оно обязательно произойдет в результате данного испытания.
Пример. Получение студентом положительной или отрицательной оценки на экзамене есть событие достоверное, если экзамен протекает согласно обычным правилам.
Событие называется невозможным , если оно не может произойти в результате данного испытания.
Пример. Извлечение из урны белого шара, в которой находятся лишь цветные (небелые) шары, есть событие невозможное. Отметим, что при других условиях опыта появления белого шара не исключается; таким образом, это событие невозможно лишь в условиях нашего опыта.
Далее случайные события будем обозначать большими латинскими буквами A,B,C... Достоверное событие обозначим буквой Ω, невозможное – Ø.
Два или несколько событий называются равновозможными в данном испытании, если имеются основания считать, что ни одно из этих событий не является более возможным или менее возможным, чем другие.
Пример. При одном бросании игральной кости появление 1, 2, 3, 4, 5 и 6 очков - все это события равновозможные. Предполагается, конечно, что игральная кость изготовлена из однородного материала и имеет правильную форму.
Два события называются несовместными в данном испытании, если появление одного из них исключает появление другого, и совместными в противном случае.
Пример. В ящике имеются стандартные и нестандартные детали. Берем на удачу одну деталь. Появление стандартной детали исключает появление нестандартной детали. Эти события несовместные.
Несколько событий образуют полную группу событий в данном испытании, если в результате этого испытания обязательно наступит хотя бы одно из них.
Пример. События из примера образуют полную группу равновозможных и попарно несовместных событий.
Два несовместных события, образующих полную группу событий в данном испытании, называютсяпротивоположными событиями .
Если одно из них обозначено через A , то другое принято обозначать через (читается «не A »).
Пример. Попадание и промах при одном выстреле по цели - события противоположные.

1.2.2. Классическое определение вероятности

Вероятность события – численная мера возможности его наступления.
Событие А называется благоприятствующим событию В , если всякий раз, когда наступает событие А , наступает и событие В .
События А 1 , А 2 , ..., А n образуют схему случаев , если они:
1) равновозможны;
2) попарно несовместны;
3) образуют полную группу.
В схеме случаев (и только в этой схеме) имеет место классическое определение вероятности P (A ) события А . Здесь случаем называют каждое из событий, принадлежащих выделенной полной группе равновозможных и попарно несовместных событий.
Если n – число всех случаев в схеме, а m – число случаев, благоприятствующих событию А , то вероятность события А определяется равенством:

Из определения вероятности вытекают следующие ее свойства:
1. Вероятность достоверного события равна единице.
Действительно, если событие достоверно, то каждый случай в схеме случаев благоприятствует событию. В этом случае m = n и, следовательно,

2. Вероятность невозможного события равна нулю.
Действительно, если событие невозможно, то ни один случай из схемы случаев не благоприятствует событию. Поэтому m =0 и, следовательно,

Вероятность случайного события есть положительное число, заключенное между нулем и единицей.
Действительно, случайному событию благоприятствует лишь часть из общего числа случаев в схеме случаев. Поэтому 0<m <n , а, значит, 0<m /n <1 и, следовательно, 0 < P(A) < 1.
Итак, вероятность любого события удовлетворяет неравенствам
0 ≤ P(A) ≤ 1.
В настоящее время свойства вероятности определяются в виде аксиом, сформулированных А.Н. Колмогоровым.
Одним из основных достоинств классического определения вероятности является возможность вычислить вероятность события непосредственно, т.е. не прибегая к опытам, которые заменяют логическими рассуждениями.

Задачи непосредственного вычисления вероятностей

Задача 1.1 . Какова вероятность появления четного числа очков (событие А) при одном бросании игрального кубика?
Решение . Рассмотрим события А i – выпало i очков, i = 1, 2, …,6. Очевидно, что эти события образуют схему случаев. Тогда число всех случаев n = 6. Выпадению четного числа очков благоприятствуют случаи А 2 , А 4 , А 6 , т.е. m = 3. Тогда .
Задача 1.2 . В урне 5 белых и 10 черных шаров. Шары тщательно перемешивают и затем наугад вынимают 1 шар. Какова вероятность того, что вынутый шар окажется белым?
Решение . Всего имеется 15 случаев, которые образуют схему случаев. Причем ожидаемому событию А – появлению белого шара, благоприятствуют 5 из них, поэтому .
Задача 1.3 . Ребенок играет с шестью буквами азбуки: А, А, Е, К, Р, Т. Найти вероятность того, что он сможет сложить случайно слово КАРЕТА (событие А).
Решение . Решение осложняется тем, что среди букв есть одинаковые – две буквы «А». Поэтому число всех возможных случаев в данном испытании равно числу перестановок с повторениями из 6 букв:
.
Эти случаи равновозможны, попарно несовместны и образуют полную группу событий, т.е. образуют схему случаев. Лишь один случай благоприятствует событию А . Поэтому
.
Задача 1.4 . Таня и Ваня договорились встречать Новый год в компании из 10 человек. Они оба очень хотели сидеть рядом. Какова вероятность исполнения их желания, если среди их друзей принято места распределять путем жребия?
Решение . Обозначим через А событие «исполнение желания Тани и Вани». 10 человек могут усесться за стол 10! разными способами. Сколько же из этих n = 10! равновозможных способов благоприятны для Тани и Вани? Таня и Ваня, сидя рядом, могут занять 20 разных позиций. В то же время восьмерка их друзей может сесть за стол 8! разными способами, поэтому m = 20∙8!. Следовательно,
.
Задача 1.5 . Группа из 5 женщин и 20 мужчин выбирает трех делегатов. Считая, что каждый из присутствующих с одинаковой вероятностью может быть выбран, найти вероятность того, что выберут двух женщин и одного мужчину.
Решение . Общее число равновозможных исходов испытания равно числу способов, которыми можно выбрать трех делегатов из 25 человек, т.е. . Подсчитаем теперь число благоприятствующих случаев, т.е. число случаев, при которых имеет место интересующее нас событие. Мужчина-делегат может быть выбран двадцатью способами. При этом остальные два делегата должны быть женщинами, а выбрать двух женщин из пяти можно . Следовательно, . Поэтому
.
Задача 1.6. Четыре шарика случайным образом разбрасываются по четырем лункам, каждый шарик попадает в ту или другую лунку с одинаковой вероятностью и независимо от других (препятствий к попаданию в одну и ту же лунку нескольких шариков нет). Найти вероятность того, что в одной из лунок окажется три шарика, в другой - один, а в двух остальных лунках шариков не будет.
Решение. Общее число случаев n =4 4 . Число способов, которыми можно выбрать одну лунку, где будут три шарика, . Число способов, которыми можно выбрать лунку, где будет один шарик, . Число способов, которыми можно выбрать из четырех шариков три, чтобы положить их в первую лунку, . Общее число благоприятных случаев . Вероятность события:
Задача 1.7. В ящике 10 одинаковых шаров, помеченных номерами 1, 2, …, 10. На удачу извлечены шесть шаров. Найти вероятность того, что среди извлечённых шаров окажутся: а) шар №1; б) шары №1 и №2.
Решение . а) Общее число возможных элементарных исходов испытания равно числу способов, которыми можно извлечь шесть шаров из десяти, т.е.
Найдём число исходов, благоприятствующих интересующему нас событию: среди отобранных шести шаров есть шар №1 и, следовательно, остальные пять шаров имеют другие номера. Число таких исходов, очевидно, равно числу способов, которыми можно отобрать пять шаров из оставшихся девяти, т.е.
Искомая вероятность равна отношению числа исходов, благоприятствующих рассматриваемому событию, к общему числу возможных элементарных исходов:
б) Число исходов, благоприятствующих интересующему нас событию (среди отобранных шаров есть шары №1 и №2, следовательно, четыре шара имеют другие номера), равно числу способов, которыми можно извлечь четыре шаров из оставшихся восьми, т.е. Искомая вероятность

1.2.3. Статистическая вероятность

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

1.2.4. Операции над событиями. Теорема сложения вероятностей

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

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

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

1.2.5. Условная вероятность. Теорема умножения вероятностей

Условной вероятностью Р(В /А ) называется вероятность события В, вычисленная в предположении, что событие А уже наступило.
Теорема . Вероятность совместного появления двух событий равна произведению вероятностей одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило:
Р(А ∙В) = Р(А )∙Р(В /А ). (2.2)
Два события называются независимыми, если появление любого из них не изменяет вероятность появления другого, т.е.
Р(А) = Р(А/В ) или Р(В ) = Р(В /А ). (2.3)
Если события А и В независимы, то из формул (2.2) и (2.3) следует
Р(А ∙В) = Р(А )∙Р(В ). (2.4)
Справедливо и обратное утверждение, т.е. если для двух событий выполняется равенство (2.4), то эти события независимы. В самом деле, из формул (2.4) и (2.2) вытекает
Р(А ∙В) = Р(А )∙Р(В ) = Р(А ) ×Р(В /А ), откуда Р(А ) = Р(В /А ).
Формула (2.2) допускает обобщение на случай конечного числа событий А 1 , А 2 ,…,А n :
Р(А 1 ∙А 2 ∙…∙А n )=Р(А 1)∙Р(А 2 /А 1)∙Р(А 3 /А 1 А 2)∙…∙Р(А n /А 1 А 2 …А n -1).
Задача 1.11 . Из урны, в которой 5 белых и 10 черных шаров, вынимают подряд два шара. Найти вероятность того, что оба шара белые (событие А ).
Решение . Рассмотрим события: В – первый вынутый шар белый; С – второй вынутый шар белый. Тогда А = ВС .
Опыт можно провести двумя способами:
1) с возвращением: вынутый шар после фиксации цвета возвращается в урну. В этом случае события В и С независимы:
Р(А) = Р(В )∙Р(С ) = 5/15 ×5/15 = 1/9;
2) без возвращения: вынутый шар откладывается в сторону. В этом случае события В и С зависимы:
Р(А) = Р(В )∙Р(С /В ).
Для события В условия прежние, , а для С ситуация изменилась. Произошло В , следовательно в урне осталось 14 шаров, среди которых 4 белых .
Итак, .
Задача 1.12 . Среди 50 электрических лампочек 3 нестандартные. Найти вероятность того, что две взятые одновременно лампочки нестандартные.
Решение . Рассмотрим события: А – первая лампочка нестандартная, В – вторая лампочка нестандартная, С – обе лампочки нестандартные. Ясно, что С = А ∙В . Событию А благоприятствуют 3 случая из 50 возможных, т.е. Р(А ) = 3/50. Если событие А уже наступило, то событию В благоприятствуют два случая из 49 возможных, т.е. Р(В /А ) = 2/49. Следовательно,
.
Задача 1.13 . Два спортсмена независимо друг от друга стреляют по одной мишени. Вероятность попадания в мишень первого спортсмена равна 0,7, а второго – 0,8. Какова вероятность того, что мишень будет поражена?
Решение . Мишень будет поражена, если в нее попадет либо первый стрелок, либо второй, либо оба вместе, т.е. произойдет событие А+В , где событие А заключается в попадании в мишень первым спортсменом, а событие В – вторым. Тогда
Р(А +В )=Р(А )+Р(В )–Р(А ∙В )=0, 7+0, 8–0, 7∙0,8=0,94.
Задача 1.14. В читальном зале имеется шесть учебников по теории вероятностей, из которых три в переплете. Библиотекарь наудачу взял два учебника. Найти вероятность того, что два учебника окажутся в переплете.
Решение . Введем обозначения событий: A – первый взятый учебник имеет переплет, В – второй учебник имеет переплет. Вероятность того, что первый учебник имеет переплет,
P(A ) = 3/6 = 1/2.
Вероятность того, что второй учебник имеет переплет, при условии, что первый взятый учебник был в переплете, т.е. условная вероятность события В , такова: P(B /А) = 2/5.
Искомая вероятность того, что оба учебника имеют переплет, по теореме умножения вероятностей событий равна
P(AB ) = P(A ) ∙ P(B /А) = 1/2·∙ 2/5 = 0,2.
Задача 1.15. В цехе работают 7 мужчин и 3 женщины. По табельным номерам наудачу отобраны три человека. Найти вероятность того, что все отобранные лица окажутся мужчинами.
Решение . Введем обозначения событий: A – первым отобран мужчина, В – вторым отобран мужчина, С – третьим отобран мужчина. Вероятность того, что первым будет отобран мужчина, P(A ) = 7/10.
Вероятность того, что вторым отобран мужчина, при условии, что первым уже был отобран мужчина, т.е. условная вероятность события В следующая: P(B/А ) = 6/9 = 2/3.
Вероятность того, что третьим будет отобран мужчина, при условии, что уже отобраны двое мужчин, т.е. условная вероятность события С такова: P(C /АВ ) = 5/8.
Искомая вероятность того, что все три отобранных лица окажутся мужчинами, P(ABC) = P(A ) P(B /А ) P(C /АВ ) = 7/10 · 2/3 · 5/8 = 7/24.

1.2.6. Формула полной вероятности и формула Байеса

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

Задача 1.19 . Имеются три партии деталей по 20 деталей в каждой. Число стандартных деталей в первой, второй и третьей партиях соответственно равны 20, 15, 10. Из выбранной партии наудачу извлечена деталь, оказавшаяся стандартной. Детали возвращают в партию и вторично из этой же партии наудачу извлекают деталь, которая также оказывается стандартной. Найти вероятность того, что детали были извлечены из третьей партии.
Решение . Обозначим через А событие – в каждом из двух испытаний (с возвращением) была извлечена стандартная деталь. Можно сделать три предположения (гипотезы): B 1 – детали извлекаются из первой партии, В 2 – детали извлекаются из второй партии, В 3 – детали извлекаются из третьей партии.
Детали извлекались наудачу из взятой партии, поэтому вероятности гипотез одинаковы:  P(B 1) = P(B 2) = P(B 3) = 1/3.
Найдем условную вероятность Р(А /B 1), т.е. вероятность того, что из первой партии будут последовательно извлечены две стандартные детали. Это событие достоверно, т.к. в первой партии все детали стандартны, поэтому Р(А /B 1) = 1.
Найдем условную вероятность Р(А /B 2), т.е. вероятность того, что из второй партии будут последовательно извлечены (с возвращением) две стандартные детали: Р(А /B 2)= 15/20 ∙ 15/20 = 9/16.
Найдем условную вероятность Р(А /B 3), т.е. вероятность того, что из третьей партии будут последовательно извлечены (с возвращением) две стандартные детали: Р(А /B 3) = 10/20 · 10/20 = 1/4.
Искомая вероятность того, что обе извлеченные стандартные детали взяты из третьей партии, по формуле Бейеса равна

1.2.7. Повторные испытания

Если производится несколько испытаний, причем вероятность события А в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимыми относительно события А. В разных независимых испытаниях событие А может иметь либо различные вероятности, либо одну и ту же вероятность. Будем далее рассматривать лишь такие независимые испытания, в которых событие А имеет одну ту же вероятность.
Пусть производится п независимых испытаний, в каждом из которых событие А может появиться либо не появиться. Условимся считать, что вероятность события А в каждом испытании одна и та же, а именно равна р. Следовательно, вероятность ненаступления события А в каждом испытании также постоянна и равна 1–р. Такая вероятностная схема называется схемой Бернулли . Поставим перед собой задачу вычислить вероятность того, что при п испытаниях по схеме Бернулли событие А осуществится ровно k раз (k – число успехов) и, следовательно, не осуществится п– раз. Важно подчеркнуть, что не требуется, чтобы событие А повторилось ровно k раз в определенной последовательности. Искомую вероятность обозначим Р п (k ). Например, символ Р 5 (3) означает вероятность того, что в пяти испытаниях событие появится ровно 3 раза и, следовательно, не наступит 2 раза.
Поставленную задачу можно решить с помощью так называемой формулы Бернулли, которая имеет вид:
.
Задача 1.20. Вероятность того, что расход электроэнергии в продолжение одних суток не превысит установленной нормы, равна р =0,75. Найти вероятность того, что в ближайшие 6 суток расход электроэнергии в течение 4 суток не превысит нормы.
Решение. Вероятность нормального расхода электроэнергии в продолжение каждых из 6 суток постоянна и равнар =0,75. Следовательно, вероятность перерасхода электроэнергии в каждые сутки также постоянна и равна q= 1–р =1–0,75=0,25.
Искомая вероятность по формуле Бернулли равна
.
Задача 1.21 . Два равносильных шахматиста играют в шахматы. Что вероятнее: выиграть две партии из четырех или три партии из шести (ничьи во внимание не принимаются)?
Решение . Играют равносильные шахматисты, поэтому вероятность выигрыша р = 1/2, следовательно, вероятность проигрыша q также равна 1/2. Т.к. во всех партиях вероятность выигрыша постоянна и безразлична, в какой последовательности будут выиграны партии, то применима формула Бернулли.
Найдем вероятность того, что две партии из четырех будут выиграны:

Найдем вероятность того, что будут выиграны три партии из шести:

Т.к. P 4 (2) > P 6 (3), то вероятнее выиграть две партии из четырех, чем три из шести.
Однакоможно видеть, что пользоваться формулой Бернулли при больших значениях n достаточно трудно, так как формула требует выполнения действий над громадными числами и поэтому в процессе вычислений накапливаются погрешности; в итоге окончательный результат может значительно отличаться от истинного.
Для решения этой проблемы существуют несколько предельных теорем, которые используются для случая большого числа испытаний.
1. Теорема Пуассона
При проведении большого числа испытаний по схеме Бернулли (при n => ∞) и при малом числе благоприятных исходов k (при этом предполагается, что вероятность успеха p мала), формула Бернулли приближается к формуле Пуассона
.
Пример 1.22. Вероятность брака при выпуске предприятием единицы продукции равна p =0,001. Какая вероятность, что при выпуске 5000 единиц продукции из них будет менее 4 бракованных (событие А Решение . Т.к. n велико, воспользуемся локальной теоремой Лапласа:

Вычислим x :
Функция – четная, поэтому φ(–1,67) = φ(1,67).
По таблице приложения П.1 найдем φ(1,67) = 0,0989.
Искомая вероятность P 2400 (1400) = 0,0989.
3. Интегральная теорема Лапласа
Если вероятность р появления события A в каждом испытании по схеме Бернулли постоянна и отлична от нуля и единицы, то при большом числе испытаний n , вероятность Р п (k 1 , k 2) появления события A в этих испытаниях от k 1 доk 2 раз приближенно равна
Р п (k 1 , k 2) = Φ (x"" ) – Φ (x" ), где
– функция Лапласа,

Определенный интеграл, стоящий в функции Лапласа не вычисляется на классе аналитических функций, поэтому для его вычисления используется табл. П.2, приведенная в приложении.
Пример 1.24. Вероятность появления события в каждом из ста независимых испытаний постоянна и равна p = 0,8. Найти вероятность того, что событие появится: a) не менее 75 раз и не более 90 раз; б) не менее 75 раз; в) не более 74 раз.
Решение . Воспользуемся интегральной теоремой Лапласа:
Р п (k 1 , k 2) = Φ (x"" ) – Φ(x" ), где Ф(x ) – функция Лапласа,

а) По условию, n = 100, p = 0,8, q = 0,2, k 1 = 75, k 2 = 90. Вычислим x"" и x" :


Учитывая, что функция Лапласа нечетна, т.е. Ф(-x ) = – Ф( x ), получим
P 100 (75;90) = Ф (2,5) – Ф(–1,25) = Ф(2,5) + Ф(1,25).
По табл. П.2. приложения найдем:
Ф(2,5) = 0,4938; Ф(1,25) = 0,3944.
Искомая вероятность
P 100 (75; 90) = 0,4938 + 0,3944 = 0,8882.
б) Требование, чтобы событие появилось не менее 75 раз, означает, что число появлений события может быть равно 75, либо 76, …, либо 100. Т.о., в рассматриваемом случае следует принять k 1 = 75, k 2 = 100. Тогда

.
По табл. П.2. приложения найдем Ф(1,25) = 0,3944; Ф(5) = 0,5.
Искомая вероятность
P 100 (75;100) = (5) – (–1,25) = (5) + (1,25) = 0,5 + 0,3944 = 0,8944.
в) Событие – «А появилось не менее 75 раз» и «А появилось не более 74 раз» противоположны, поэтому сумма вероятностей этих событий равна 1. Следовательно, искомая вероятность
P 100 (0;74) = 1 – P 100 (75; 100) = 1 – 0,8944 = 0,1056.

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):

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.

Теория вероятностей - это математическая наука, изучающая закономерности случайных событий. Вероятностным экспериментом (испытанием, наблюдением) называется эксперимент, результат которого нельзя предсказать заранее. В данном эксперименте любой его результат (исход) является событием.

Событие может быть достоверным (всегда происходит в результате испытания); невозможным (заведомо не происходит при испытании); случайным (может произойти или не произойти в условиях данного эксперимента).

Событие, которое нельзя разбить на более простые события, называется элементарным. Событие, представленное в виде совокупности нескольких элементарных событий, называется сложным (фирма не понесла убытки – прибыль может быть положительной либо равной нулю).

Два события, которые не могут происходить одновременно (увеличение налогов – рост располагаемого дохода; увеличение объема инвестиций – снижение уровня риска), называются несовместными.

Иными словами, два события несовместны, если появление одного из них исключает появление другого. В противном случае они являются совместными (увеличение объема продаж – увеличение прибыли). События называются противоположными, если одно из них происходит тогда и только тогда, когда не происходит другое (товар реализован – товар не реализован).

Вероятность события – это численная мера, которая вводится для сравнения событий по степени возможности их появления.

Классическое определение вероятности. Вероятностью Р (А ) события А называется отношение числа m равновозможных элементарных событий (исходов), благоприятствующих появлению события А , к общему числу n всех возможных элементарных исходов данного эксперимента:

Из вышеизложенного вытекают следующие основные свойства вероятности:

1. 0 £ Р (А ) £ 1.

2. Вероятность достоверного события А равна 1: Р (А ) = 1.

3. Вероятность невозможного события А равна 0: Р (А ) = 0.

4. Если события А и В несовместны, то Р (А + В ) = Р (А ) + Р (В ); если же события А и В совместны, то Р (А + В ) = Р (А ) + Р (В ) - Р (А . B). (Р (А . B) – вероятность совместного появления этих событий).

5. Если А и противоположные события, то Р () = 1 - Р (А ).

Если вероятность осуществления одного события не изменяет вероятности появления другого, то такие события называются независимыми.

При непосредственном вычислении вероятностей событий, характеризующихся большим числом исходов, следует пользоваться формулами комбинаторики . Для исследования группы событий (гипотез)

применяются формулы полной вероятности, Бейеса и Бернулли (n независимых испытаний – повторение опытов) .

При статистическом определении вероятности события А под n понимается полное число фактически проведенных испытаний, в которых событие А встретилось ровно m раз. В этом случае отношение m /n называется относительной частотой (частостью) W n (A ) появления события А в n произведенных испытаниях.

При определении вероятности по методу экспертных оценок под n понимается количество экспертов (специалистов в данной области), опрашиваемых на предмет возможности осуществления события А . При этом m из них утверждают, что событие А произойдет.

Понятия случайного события недостаточно для описания результатов наблюдений величин, имеющих числовое выражение. Например, при анализе финансового результата предприятия в первую очередь интересуются его размерами. Поэтому понятие случайного события дополняется понятием случайной величины.

Под случайной величиной (СВ) понимается величина, которая в результате наблюдения (испытания) принимает одно из возможного множества своих значений, заранее неизвестное и зависящее от случайных обстоятельств. Для каждого элементарного события СВ имеет единственное значение.

Различают дискретные и непрерывные СВ. Для дискретной СВ множество ее возможных значений конечно или счетно, т. е. СВ принимает отдельные изолированные значения, которые могут быть заранее перечислены, с определенными вероятностями. Для непрерывной СВ множество ее возможных значений бесконечно и несчетно, например, все числа данного интервала, т.е. возможные значения СВ не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Примеры случайных величин: Х - ежедневное число покупателей в супермаркете (дискретная СВ); Y - число детей, родившихся в течение суток в определенном административном центре (дискретная СВ); Z - координата точки попадания артиллерийского снаряда (непрерывная СВ).

Многие СВ, рассматриваемые в экономике, имеют настолько большое число возможных значений, что их удобнее представлять в виде непрерывных СВ. Например, курсы валют, доход населения и т. п.

Для описания СВ необходимо установить соотношение между всеми возможными значениями СВ и их вероятностями. Такое соотношение будет называться законом распределения СВ . Для дискретной СВ его можно задать таблично, аналитически (в виде формулы) либо графически. Например, таблично для СВ Х