Вероятность события равна нулю. Классическое определение вероятности – теория и решение задач

Краткая теория

Для количественного сравнения событий по степени возможности их появления вводится числовая мера, которая называется вероятностью события. Вероятностью случайного события называется число, являющееся выражением меры объективной возможности появления события.

Величины, определяющие, насколько значительны объективные основания рассчитывать на появление события, характеризуются вероятностью события. Необходимо подчеркнуть, что вероятность есть объективная величина, существующая независимо от познающего и обусловленная всей совокупностью условий, которые способствуют появлению события.

Объяснения, которые мы дали понятию вероятности, не являются математическим определением, так как они не определяют это понятие количественно. Существует несколько определений вероятности случайного события, которые широко применяются при решении конкретных задач (классическое, геометрическое определение вероятности , статистическое и т. д.).

Классическое определение вероятности события сводит это понятие к более элементарному понятию равновозможных событий, которое уже не подлежит определению и предполагается интуитивно ясным. Например, если игральная кость - однородный куб, то выпадения любой из граней этого куба будут равновозможными событиями.

Пусть достоверное событие распадается на равновозможных случаев , сумма которых дает событие . То есть случаи из , на которые распадается , называются благоприятствующими для события , так как появление одного из них обеспечивает наступление .

Вероятность события будем обозначать символом .

Вероятность события равна отношению числа случаев , благоприятствующих ему, из общего числа единственно возможных, равновозможных и несовместных случаев к числу , т. е.

Это есть классическое определение вероятности. Таким образом, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, найти совокупность единственно возможных, равновозможных и несовместных случаев, подсчитать общее их число n, число случаев m, благоприятствующих данному событию, и затем выполнить расчет по вышеприведенной формуле.

Вероятность события, равная отношению числа благоприятных событию исходов опыта к общему числу исходов опыта называется классической вероятностью случайного события.

Из определения вытекают следующие свойства вероятности:

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.

Свойство 4. Вероятность наступления событий, образующих полную группу, равна единице.

Свойство 5. Вероятность наступления противоположного события определяется так же, как и вероятность наступления события A.

Число случаев, благоприятствующих появлению противоположного события . Отсюда вероятность наступления противоположного события равна разнице между единицей и вероятностью наступления события A:

Важное достоинство классического определения вероятности события состоит в том, что с его помощью вероятность события можно определить, не прибегая к опыту, а исходя из логических рассуждений.

При выполнении комплекса условий достоверное событие обязательно произойдет, а невозможное обязательно не произойдет. Среди событий, которые при создании комплекса условий могут произойти, а могут не произойти, на появление одних можно рассчитывать с большим основанием, на появление других с меньшим основанием. Если, например, в урне белых шаров больше, чем черных, то надеяться на появление белого шара при вынимании из урны наудачу больше оснований, чем на появление черного шара.

На соседней странице рассматривается .

Пример решения задачи

Пример 1

В ящике находится 8 белых, 4 черных и 7 красных шаров. Наудачу извлечены 3 шара. Найти вероятности следующих событий: – извлечен по крайней мере 1 красный шар, – есть по крайней мере 2 шара одного цвета, – есть по крайней мере 1 красный и 1 белый шар.

Решение задачи

Общее число исходов испытания найдем как число сочетаний из 19 (8+4+7) элементов по 3:

Найдем вероятность события – извлечен по крайней мере 1 красный шар (1,2 или 3 красных шара)

Искомая вероятность:

Пусть событие – есть по крайней мере 2 шара одного цвета (2 или 3 белых шара, 2 или 3 черных шара и 2 или 3 красных шара)

Число исходов, благоприятствующих событию:

Искомая вероятность:

Пусть событие – есть по крайней мере один красный и 1 белый шар

(1 красный, 1 белый, 1 черный или 1 красный, 2 белых или 2 красных, 1 белый)

Число исходов, благоприятствующих событию:

Искомая вероятность:

Ответ: P(A)=0.773;P(C)=0.7688; P(D)=0.6068

Пример 2

Брошены две игральные кости. Найти вероятность того, что сумма очков не меньше 5.

Решение

Пусть событие – сумма очков не меньше 5

Воспользуемся классическим определением вероятности:

Общее число возможных исходов испытания

Число испытаний, благоприятствующих интересующему нас событию

На выпавшей грани первого игрального кубика может появиться одно очко, два очка…, шесть очков. аналогично шесть исходов возможны при бросании второго кубика. Каждый из исходов бросания первой кости может сочетаться с каждым из исходов второй. Таким образом, общее число возможных элементарных исходов испытания равно числу размещений с повторениями (выбор с размещениями 2 элементов из совокупнности объема 6):

Найдем вероятность противоположного события – сумма очков меньше 5

Благоприятствовать событию будут следующие сочетания выпавших очков:

№

1-я кость

2-я кость

1

1

1

2

1

2

3

2

1

4

3

1

5

1

3

Средняя стоимость решения контрольной работы 700 - 1200 рублей (но не менее 300 руб. за весь заказ). На цену сильно влияет срочность решения (от суток до нескольких часов). Стоимость онлайн-помощи на экзамене/зачете - от 1000 руб. за решение билета.

Заявку можно оставить прямо в чате, предварительно скинув условие задач и сообщив необходимые вам сроки решения. Время ответа - несколько минут.

Глава I . СЛУЧАЙНЫЕ СОБЫТИЯ. ВЕРОЯТНОСТЬ

1.1. Закономерность и случайность, случайная изменчивость в точных науках, в биологии и медицине

Теория вероятностей – область математики, изучающая закономерности в случайных явлениях. Случайное явление – это явление, которое при неоднократном воспроизведении одного и того же опыта может протекать каждый раз несколько по-иному.

Очевидно, что в природе нет ни одного явления, в котором не присутствовали бы в той или иной мере элементы случайности, но в различных ситуациях мы учитываем их по-разному. Так, в ряде практических задач ими можно пренебречь и рассматривать вместо реального явления его упрощенную схему – «модель», предполагая, что в данных условиях опыта явление протекает вполне определенным образом. При этом выделяются самые главные, решающие факторы, характеризующие явление. Именно такая схема изучения явлений чаще всего применяется в физике, технике, механике; именно так выявляется основная закономерность, свойственная данному явлению и дающая возможность предсказать результат опыта по заданным исходным условиям. А влияние случайных, второстепенных, факторов на результат опыта учитывается здесь случайными ошибками измерений (методику их расчета рассмотрим далее).

Однако описанная классическая схема так называемых точных наук плохо приспособлена для решения многих задач, в которых многочисленные, тесно переплетающиеся между собой случайные факторы играют заметную (часто определяющую) роль. Здесь на первый план выступает случайная природа явления, которой уже нельзя пренебречь. Это явление необходимо изучать именно с точки зрения закономерностей, присущих ему как случайному явлению. В физике примерами таких явлений являются броуновское движение, радиоактивный распад, ряд квантово-механических процессов и др.

Предмет изучения биологов и медиков – живой организм, зарождение, развитие и существование которого определяется очень многими и разнообразными, часто случайными внешними и внутренними факторами. Именно поэтому явления и события живого мира во многом тоже случайны по своей природе.

Элементы неопределенности, сложности, многопричинности, присущие случайным явлениям, обусловливают необходимость создания специальных математических методов для изучения этих явлений. Разработка таких методов, установление специфических закономерностей, свойственных случайным явлениям, –главные задачи теории вероятностей. Характерно, что эти закономерности выполняются лишь при массовости случайных явлений. Причем индивидуальные особенности отдельных случаев как бы взаимно погашаются, а усредненный результат для массы случайных явлений оказывается уже не случайным, а вполне закономерным. В значительной мере данное обстоятельство явилось причиной широкого распространения вероятностных методов исследования в биологии и медицине.

Рассмотрим основные понятия теории вероятностей.

1.2. Вероятность случайного события

Каждая наука, развивающая общую теорию какого-либо круга явлений, базируется на ряде основных понятий. Например, в геометрии – это понятия точки, прямой линии; в механике – понятия силы, массы, скорости и т. д. Основные понятия существуют и в теории вероятностей, одно из них – случайное событие.

Случайное событие – это всякое явление (факт), которое в результате опыта (испытания) может произойти или не произойти.

Случайные события обозначаются буквами А, В, С … и т. д. Приведем несколько примеров случайных событий:

А –выпадение орла (герба) при подбрасывании стандартной монеты;

В – рождение девочки в данной семье;

С – рождение ребенка с заранее заданной массой тела;

D – возникновение эпидемического заболевания в данном регионе в определенный период времени и т. д.

Основной количественной характеристикой случайного события является его вероятность. Пусть А – какое-то случайное событие. Вероятность случайного события А – это математическая величина, которая определяет возможность его появления. Она обозначается Р (А ).

Рассмотрим два основных метода определения данной величины.

Классическое определение вероятности случайного события обычно базируется на результатах анализа умозрительных опытов (испытаний), суть которых определяется условием поставленной задачи. При этом вероятность случайного события Р(А) равна:

где m – число случаев, благоприятствующих появлению события А ; n – общее число равновозможных случаев.

Пример 1. Лабораторная крыса помещена в лабиринт, в котором лишь один из четырех возможных путей ведет к поощрению в виде пищи. Определите вероятность выбора крысой такого пути.

Решение : по условию задачи из четырех равновозможных случаев (n =4) событию А (крыса находит пищу)
благоприятствует только один, т. е. m = 1 Тогда Р (А ) = Р (крыса находит пищу) = = 0,25= 25%.

Пример 2. В урне 20 черных и 80 белых шаров. Из нее наугад вынимается один шар. Определите вероятность того, что этот шар будет черным.

Решение : количество всех шаров в урне – это общее число равновозможных случаев n , т. е. n = 20 + 80 = 100, из них событие А (извлечение черного шара) возможно лишь в 20, т. е. m = 20. Тогда Р (А ) = Р (ч. ш.) = = 0,2 = 20%.

Перечислим свойства вероятности следующие из ее классического определения – формула (1):

1. Вероятность случайного события – величина безразмерная.

2. Вероятность случайного события всегда положительна и меньше единицы, т. е. 0 < P (A ) < 1.

3. Вероятность достоверного события, т. е. события, которое в результате опыта обязательно произойдет (m = n ), равна единице.

4. Вероятность невозможного события (m = 0) равна нулю.

5. Вероятность любого события – величина не отрицательная и не превышающая единицу:
0 £ P (A ) £ 1.

Статистическое определение вероятности случайного события применяется тогда, когда невозможно использоватьклассическое определение (1). Это часто имеет место в биологии и медицине. В таком случае вероятность Р (А ) определяют путем обобщения результатов реально проведенных серий испытаний (опытов).

Введем понятие относительной частоты появления случайного события. Пусть была проведена серия, состоящая из N опытов (число N может быть выбрано заранее); интересующее нас событие А произошло в М из них (M < N ). Отношение числа опытов М , в которых произошло это событие, к общему числу проведенных опытов N называют относительной частотой появления случайного события А в данной серии опытов – Р * (А )

Р* (А ) = .

Экспериментально установлено, что если серии испытаний (опытов) проводятся в одинаковых условиях и в каждой из них число N достаточно велико, то относительная частота обнаруживает свойство устойчивости: от серии к серии она меняется мало, приближаясь c увеличением числа опытов к некоторой постоянной величине. Ее и принимают за статистическую вероятность случайного события А :

Р (А) = lim , при N , (2)

Итак, статистической вероятностью Р (А ) случайного события А называют предел, к которому стремится относительная частота появления этого события при неограниченном возрастании числа испытаний (при N → ∞).

Приближенно статистическая вероятность случайного события равна относительной частоте появления этого события при большом числе испытаний:

Р (А ) ≈ Р* (А ) = (при больших N ) (3)

Например, в опытах по бросанию монеты относительная частота выпадения герба при 12000 бросаний оказалась равной 0,5016, а при 24000 бросаний – 0,5005. В соответствии с формулой (1):

P (герб) = = 0,5 = 50%

Пример. При врачебном обследовании 500 человек у 5 из них обнаружили опухоль в легких (о. л.). Определите относительную частоту и вероятность этого заболевания.

Решение : по условию задачи М = 5, N = 500, относительная частота Р *(о. л.) = М /N = 5/500 = 0,01; поскольку N достаточно велико, можно с хорошей точностью считать, что вероятность наличия опухоли в легких равна относительной частоте этого события:

Р (о. л.) = Р *(о. л.) = 0,01 = 1%.

Перечисленные ранее свойства вероятности случайного события сохраняются и при статистическом определении данной величины.

1.3. Виды случайных событий. Основные теоремы теории вероятностей

Все случайные события можно разделить на:

¾ несовместные;

¾ независимые;

¾ зависимые.

Для каждого вида событий характерны свои особенности и теоремы теории вероятностей.

1.3.1. Несовместные случайные события. Теорема сложения вероятностей

Случайные события (А, В, С, D …) называются несовместными, если появление одного из них исключает появление других событий в одном и том же испытании.

Пример1. Подброшена монета. При ее падении появление «герба» исключает появление «решки» (надписи, определяющей цену монеты). События «выпал герб» и «выпала решка» несовместные.

Пример 2. Получение студентом на одном экзамене оценки «2», или «3», или «4», или «5» – события несовместные, так как одна из этих оценок исключает другую на том же экзамене.

Для несовместных случайных событий выполняется теорема сложения вероятностей: вероятность появления одного, но все равно какого, из нескольких несовместных событий А1, А2, А3 … А k равна сумме их вероятностей:

Р(А1или А2 … или А k ) = Р(А1) + Р(А2) + …+ Р(А k ). (4)

Пример 3. В урне находится 50 шаров: 20 белых, 20 черных и 10 красных. Найдите вероятность появления белого (событие А ) или красного шара (событие В ), когда шар наугад достают из урны.

Решение: Р (А или В ) = Р (А ) + Р (В );

Р (А ) = 20/50 = 0,4;

Р (В ) = 10/50 = 0,2;

Р (А или В ) = Р (б. ш. или к. ш.) = 0,4 + 0,2 = 0,6 = 60%.

Пример 4. В классе 40 детей. Из них в возрасте от 7 до 7,5 лет 8 мальчиков (А ) и 10 девочек (В ). Найдите вероятность присутствия в классе детей такого возраста.

Решение: Р (А ) = 8/40 = 0,2; Р (В ) = 10/40 = 0,25.

Р(А или В) = 0,2 + 0,25 = 0,45 = 45%

Следующее важное понятие – полная группа событий: несколько несовместных событий образуют полную группу событий, если в результате каждого испытания может появляться только одно из событий этой группы и никакое другое.

Пример 5. Стрелок произвел выстрел по мишени. Обязательно произойдет одно из следующих событий: попадание в «десятку», в «девятку», в «восьмерку»,.. ,в «единицу» или промах. Эти 11 несовместных событий образуют полную группу.

Пример 6. На экзамене в Вузе студент может получить одну из следующих четырех оценок: 2, 3, 4 или 5. Эти четыре несовместных события также образуют полную группу.

Если несовместные события А1, А2 … А k образуют полную группу, то сумма вероятностей этих событий всегда равна единице:

Р (А1 ) + Р (А2 )+ … Р (А k ) = 1, (5)

Это утверждение часто используется при решении многих прикладных задач.

Если два события единственно возможны и несовместны, то их называют противоположными и обозначают А и . Такие события составляют полную группу, поэтому сумма их вероятностей всегда равна единице:

Р (А ) + Р () = 1. (6)

Пример 7. Пусть Р (А ) – вероятность летального исхода при некотором заболевании; она известна и равна 2%. Тогда вероятность благополучного исхода при этом заболевании равна 98% (Р () = 1 – Р (А ) = 0,98), так как Р (А ) + Р () = 1.

1.3.2. Независимые случайные события. Теорема умножения вероятностей

Случайные события называются независимыми, если появление одного из них никак не влияет на вероятность появления других событий.

Пример 1. Если есть две или более урны с цветными шарами, то извлечение какого-либо шара из одной урны никак не повлияет на вероятность извлечения других шаров из оставшихся урн.

Для независимых событий справедлива теорема умножения вероятностей: вероятность совместного (одновременного ) появления нескольких независимых случайных событий равна произведению их вероятностей:

Р(А1и А2 и А3 … и А k ) = Р(А1) ∙Р(А2) ∙…∙Р(А k ). (7)

Совместное (одновременное) появление событий означает, что происходят события и А1, и А2 , и А3 … и А k .

Пример 2. Есть две урны. В одной находится 2 черных и 8 белых шаров, в другой – 6 черных и 4 белых. Пусть событие А –выбор наугад белого шара из первой урны, В – из второй. Какова вероятность выбрать наугад одновременно из этих урн по белому шару, т. е. чему равна Р (А и В )?

Решение: вероятность достать белый шар из первой урны
Р (А ) = = 0,8 из второй – Р (В ) = = 0,4. Вероятность одновременно достать по белому шару из обеих урн –
Р (А и В ) = Р (А )·Р (В ) = 0,8∙ 0,4 = 0,32 = 32%.

Пример 3. Рацион с пониженным содержанием йода вызывает увеличение щитовидной железы у 60% животных большой популяции. Для эксперимента нужны 4 увеличенных железы. Найдите вероятность того, что у 4 случайно выбранных животных будет увеличенная щитовидная железа.

Решение : Случайное событие А – выбор наугад животного с увеличенной щитовидной железой. По условию задачи вероятность этого события Р (А ) = 0,6 = 60%. Тогда вероятность совместного появления четырех независимых событий – выбор наугад 4 животных с увеличенной щитовидной железой – будет равна:

Р (А 1 и А 2 и А 3 и А 4) = 0,6 ∙ 0,6 ∙0,6 ∙ 0,6=(0,6)4 ≈ 0,13 = 13%.

1.3.3. Зависимые события. Теорема умножения вероятностей для зависимых событий

Случайные события А и В называются зависимыми, если появление одного из них, например, А изменяет вероятность появления другого события – В. Поэтому для зависимых событий используются два значения вероятности: безусловная и условная вероятности.

Если А и В зависимые события, то вероятность наступления события В первым (т. е. до события А ) называется безусловной вероятностью этого события и обозначается Р (В ). Вероятность наступления события В при условии, что событие А уже произошло, называется условной вероятностью события В и обозначается Р (В /А ) или РА (В).

Аналогичный смысл имеют безусловная – Р (А ) и условная – Р (А/В ) вероятности для события А.

Теорема умножения вероятностей для двух зависимых событий: вероятность одновременного наступления двух зависимых событий А и В равна произведению безусловной вероятности первого события на условную вероятность второго:

Р (А и В ) = Р (А ) ∙Р (В/А ) , (8)

А , или

Р (А и В ) = Р (В ) ∙Р (А/В), (9)

если первым наступает событие В .

Пример 1. В урне 3 черных шара и 7 белых. Найдите вероятность того, что из этой урны один за другим (причем первый шар не возвращают в урну) будут вынуты 2 белых шара.

Решение : вероятность достать первый белый шар (событие А ) равна 7/10. После того как он вынут, в урне остается 9 шаров, из них 6 белых. Тогда вероятность появления второго белого шара (событие В ) равна Р (В /А ) = 6/9, а вероятность достать подряд два белых шара равна

Р (А и В ) = Р (А )∙Р (В /А ) = = 0,47 = 47%.

Приведенная теорема умножения вероятностей для зависимых событий допускает обобщение на любое количество событий. В частности, для трех событий, связанных друг с другом:

Р (А и В и С ) = Р (А ) ∙ Р (В/А ) ∙ Р (С/АВ ). (10)

Пример 2. В двух детских садах, каждый из которых посещает по 100 детей, произошла вспышка инфекционного заболевания. Доли заболевших составляют соответственно 1/5 и 1/4, причем в первом учреждении 70 %, а во втором – 60 % заболевших – дети младше 3-х лет. Случайным образом выбирают одного ребенка. Определите вероятность того, что:

1) выбранный ребенок относится к первому детскому саду (событие А ) и болен (событие В ).

2) выбран ребенок из второго детского сада (событие С ), болен (событие D ) и старше 3-х лет (событие Е ).

Решение . 1) искомая вероятность –

Р (А и В ) = Р (А ) ∙ Р (В /А ) = = 0,1 = 10%.

2) искомая вероятность:

Р (С и D и Е ) = Р (С ) ∙ Р (D /C ) ∙ Р (Е /CD ) = = 5%.

1.4. Формула Байеса

Если вероятность совместного появления зависимых событий А и В не зависит от того, в каком порядке они происходят, то Р (А и В ) = Р (А ) ∙Р (В/А ) = Р (В ) × Р (А/В ). В этом случае условную вероятность одного из событий можно найти, зная вероятности обоих событий и условную вероятность второго:

Р (В/А ) = (11)

Обобщением данной формулы на случай многих событий является формула Байеса.

Пусть «n » несовместных случайных событий Н1, Н2, …, Н n , образуют полную группу событий. Вероятности этих событий – Р (Н1 ), Р (Н2 ), …, Р (Н n ) известны и так как они образуют полную группу, то = 1.

Некоторое случайное событие А связано с событиями Н1, Н2, …, Н n , причем известны условные вероятности появления события А с каждым из событий Н i , т. е. известны Р (А/Н1 ), Р (А/Н2 ), …, Р (А/Н n ). При этом сумма условных вероятностей Р (А/Н i ) может быть не равна единице т. е. ≠ 1.

Тогда условная вероятность появления события Н i при реализации события А (т. е. при условии, что событие А произошло) определяется формулой Байеса:

Причем для этих условных вероятностей .

Формула Байеса нашла широкое применение не только в математике, но и в медицине. Например, она используется для вычисления вероятностей тех или иных заболеваний. Так, если Н 1,…, Н n – предполагаемые диагнозы для данного пациента, А – некоторый признак, имеющий отношение к ним (симптом, определенный показатель анализа крови, мочи, деталь рентгенограммы и т. д.), а условные вероятности Р (А/Н i ) проявления этого признака при каждом диагнозе Н i (i = 1,2,3,…n ) заранее известны, то формула Байеса (12) позволяет вычислить условные вероятности заболеваний (диагнозов) Р (Н i /А ) после того как установлено, что характерный признак А присутствует у пациента.

Пример1. При первичном осмотре больного предполагаются 3 диагноза Н 1, Н 2, Н 3. Их вероятности, по мнению врача, распределяются так: Р (Н 1) = 0,5; Р (Н 2) = 0,17; Р (Н 3) = 0,33. Следовательно, предварительно наиболее вероятным кажется первый диагноз. Для его уточнения назначается, например, анализ крови, в котором ожидается увеличение СОЭ (событие А ). Заранее известно (на основании результатов исследований), что вероятности увеличения СОЭ при предполагаемых заболеваниях равны:

Р (А /Н 1) = 0,1; Р (А /Н 2) = 0,2; Р (А /Н 3) = 0,9.

В полученном анализе зафиксировано увеличение СОЭ (событие А произошло). Тогда расчет по формуле Байеса (12) дает значения вероятностей предполагаемых заболеваний при увеличенном значении СОЭ: Р (Н 1/А ) = 0,13; Р (Н 2/А ) = 0,09;
Р (Н 3/А ) = 0,78. Эти цифры показывают, что с учетом лабораторных данных наиболее реален не первый, а третий диагноз, вероятность которого теперь оказалась достаточно большой.

Приведенный пример – простейшая иллюстрация того, как с помощью формулы Байеса можно формализовать логику врача при постановке диагноза и благодаря этому создать методы компьютерной диагностики.

Пример 2. Определите вероятность, оценивающую степень риска перинатальной* смертности ребенка у женщин с анатомически узким тазом.

Решение : пусть событие Н 1 – благополучные роды. По данным клинических отчетов, Р (Н 1) = 0,975 = 97,5 %, тогда, если Н2 – факт перинатальной смертности, то Р (Н 2) = 1 – 0,975 = 0,025 = 2,5 %.

Обозначим А – факт наличия узкого таза у роженицы. Из проведенных исследований известны: а) Р (А /Н 1) – вероятность узкого таза при благоприятных родах, Р (А /Н 1) = 0,029, б) Р (А /Н 2) – вероятность узкого таза при перинатальной смертности,
Р (А /Н 2) = 0,051. Тогда искомая вероятность перинатальной смертности при узком тазе у роженицы рассчитывается по формуле Байса (12) и равна:

Таким образом, риск перинатальной смертности при анатомически узком тазе значительно выше (почти вдвое) среднего риска (4,4 % против 2,5 %).

Подобные расчеты, обычно выполняемые с помощью компьютера, лежат в основе методов формирования групп пациентов повышенного риска, связанного с наличием того или иного отягощающего фактора.

Формула Байеса очень полезна для оценки многих других медико-биологических ситуаций, что станет очевидным при решении приведенных в пособии задач.

1.5. О случайных событиях с вероятностями близкими к 0 или к 1

При решении многих практических задач приходится иметь дело с событиями, вероятность которых очень мала, т. е. близка к нулю. На основании опыта в отношении таких событий принят следующий принцип. Если случайное событие имеет очень малую вероятность, то практически можно считать, что в единичном испытании оно не наступит, иначе говоря, возможностью его появления можно пренебречь. Ответ на вопрос, насколько малой должна быть эта вероятность, определяется существом решаемых задач, тем, насколько важен для нас результат предсказания. Например, если вероятность того, что парашют при прыжке не раскроется равна 0,01, то применение таких парашютов недопустимо. Однако равная той же 0,01 вероятность того, что поезд дальнего следования прибудет с опозданием, делает нас практически уверенными в том, что он прибудет вовремя.

Достаточно малую вероятность, при которой (в данной конкретной задаче) событие можно считать практически невозможным, называют уровнем значимости. На практике уровень значимости обычно принимают равным 0,01 (однопроцентный уровень значимости) или 0,05 (пятипроцентный уровень значимости), намного реже он берется равным 0,001.

Введение уровня значимости позволяет утверждать, что если некоторое событие А практически невозможно, то противоположное событие - практически достоверно, т. е. для него Р () » 1.

Глава II . СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

2.1. Случайные величины, их виды

В математике величина – это общее название различных количественных характеристик предметов и явлений. Длина, площадь, температура, давление и т. д. – примеры разных величин.

Величина, которая принимает различные числовые значения под влиянием случайных обстоятельств, называется случайной величиной . Примеры случайных величин: число больных на приеме у врача; точные размеры внутренних органов людей и т. д.

Различают дискретные и непрерывные случайные величины.

Случайная величина называется дискретной, если она принимает только определенные отделенные друг от друга значения, которые можно установить и перечислить.

Примерами дискретной случайной величиной являются:

– число студентов в аудитории – может быть только целым положительным числом: 0,1,2,3,4….. 20…..;

– цифра, которая появляется на верхней грани при бросании игральной кости – может принимать лишь целые значения от 1 до 6;

– относительная частота попадания в цель при 10 выстрелах – ее значения: 0; 0,1; 0,2; 0,3 …1

– число событий, происходящих за одинаковые промежутки времени: частота пульса, число вызовов скорой помощи за час, количество операций в месяц с летальным исходом и т. д.

Случайная величина называется непрерывной, если она может принимать любые значения внутри определенного интервала, который иногда имеет резко выраженные границы, а иногда – нет *. К непрерывным случайным величинам относятся, например, масса тела и рост взрослых людей, масса тела и объем мозга, количественное содержание ферментов у здоровых людей, размеры форменных элементов крови, р Н крови и т. п.

Понятие случайной величины играет определяющую роль в современной теории вероятностей, разработавшей специальные приемы перехода от случайных событий к случайным величинам.

Если случайная величина зависит от времени, то можно говорить о случайном процессе.

2.2. Закон распределения дискретной случайной величины

Чтобы дать полную характеристику дискретной случайной величины необходимо указать все ее возможные значения и их вероятности.

Соответствие между возможными значениями дискретной случайной величины и их вероятностями называется законом распределения этой величины.

Обозначим возможные значения случайной величины Х через х i , а соответствующие им вероятности – через р i *. Тогда закон распределения дискретной случайной величины можно задать тремя способами: в виде таблицы, графика или формулы.

В таблице, которая называется рядом распределения, перечисляются все возможные значения дискретной случайной величины Х и соответствующие этим значениям вероятности Р (Х ):

Х

…..

…..

P (X )

…..

…..

При этом сумма всех вероятностей р i должна быть равна единице (условие нормировки):

р i = p 1 + p 2 + ... + pn = 1. (13)

Графически закон представляется ломаной линией, которую принято называть многоугольником распределения (рис.1). Здесь по горизонтальной оси откладывают все возможные значения случайной величины х i , , а по вертикальной оси – соответствующие им вероятности р i

Аналитически закон выражается формулой. Например, если вероятность попадания в цель при одном выстреле равна р, то вероятность поражения цели 1 раз при n выстрелах дается формулой Р (n ) = n qn -1 × p , где q = 1 – р – вероятность промаха при одном выстреле.

2.3. Закон распределения непрерывной случайной величины. Плотность распределения вероятности

Для непрерывных случайных величин невозможно применить закон распределения в формах, приведенных выше, поскольку такая величина имеет бесчисленное («несчетное») множество возможных значений, сплошь заполняющих некоторый интервал. Поэтому составить таблицу, в которой были бы перечислены все ее возможные значения, или построить многоугольник распределения нельзя. Кроме того, вероятность какого-либо ее конкретного значения очень мала (близка к 0)*. Вместе с тем различные области (интервалы) возможных значений непрерывной случайной величины не равновероятны. Таким образом, и в данном случае действует некий закон распределения, хотя и не в прежнем смысле.

Рассмотрим непрерывную случайную величину Х , возможные значения которой сплошь заполняют некий интервал (а , b )**. Закон распределения вероятностей такой величины должен позволить найти вероятность попадания ее значения в любой заданный интервал (х1, х2 ), лежащий внутри (а, b ), рис.2.

Эту вероятность обозначают Р (х1 < Х < х2 ), или
Р (х1 £ Х £ х2 ).

Рассмотрим сначала очень малый интервал значений Х – от х до (х + D х ); см. рис.2. Малая вероятность d Р того, что случайная величина Х примет какое-то значение из интервала (х, х + D х ), будет пропорциональна величине данного интервала D х: d Р ~ D х , или, введя коэффициент пропорциональности f , который сам может зависеть от х , получим:

d Р = f (х ) × Dх = f (x ) × dx (14)

Введенная здесь функция f (х ) называется плотностью распределения вероятностей случайной величины Х, или, короче, плотностью вероятности , плотностью распределения . Уравнение (13) – дифференциальное уравнение, решение которого дает вероятность попадания величины Х в интервал (х1 , х2) :

Р (х1 < Х < х2 ) = f (х ) d х. (15)

Графически вероятность Р (х1 < Х < х2 ) равна площади криволинейной трапеции, ограниченной осью абсцисс, кривой f (х ) и прямыми Х = х1 и Х = х2 (рис.3). Это следует из геометрического смысла определенного интеграла (15) Кривая f (х ) при этом называется кривой распределения.

Из (15) следует, что если известна функция f (х ), то, изменяя пределы интегрирования, можно найти вероятность для любых интересующих нас интервалов. Поэтому именно задание функции f (х ) полностью определяет закон распределения для непрерывных случайных величин.

Для плотности вероятности f (х ) должно выполняться условие нормировки в виде:

f (х ) d х = 1, (16)

если известно, что все значения Х лежат в интервале (а, b ), или в виде:

f (х ) d х = 1 , (17)

если границы интервала для значений Х точно неопределенны. Условия нормировки плотности вероятности (16) или (17) являются следствием того, что значения случайной величины Х достоверно лежат в пределах (а, b ) или (-¥, +¥). Из (16) и (17) следует, что площадь фигуры, ограниченной кривой распределения и осью абсцисс, всегда равна 1.

2.4. Основные числовые характеристики случайных величин

Результаты, изложенные в параграфах 2.2 и 2.3, показывают, что полную характеристику дискретной и непрерывной случайных величин можно получить, зная законы их распределения. Однако во многих практически значимых ситуациях пользуются так называемыми числовыми характеристиками случайных величин, главное назначение этих характеристик – выразить в сжатой форме наиболее существенные особенности распределения случайных величин. Важно, что данные параметры представляют собой конкретные (постоянные) значения, которые можно оценивать с помощью полученных в опытах данных. Этими оценками занимается «Описательная статистика».

В теории вероятностей и математической статистике используется достаточно много различных характеристик, но мы рассмотрим только наиболее употребляемые. Причем лишь для части из них приведем формулы, по которым рассчитываются их значения, в остальных случаях вычисления оставим компьютеру.

Рассмотрим характеристики положения – математическое ожидание, моду, медиану.

Они характеризуют положение случайной величины на числовой оси, т. е. указывают некоторое ориентировочное значение, около которого группируются все возможные значения случайной величины. Среди них важнейшую роль играет математическое ожидание М (Х ).

МУНИЦИПАЛЬНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ГИМНАЗИЯ № 6

на тему «Классическое определение вероятности».

Выполнила ученица 8 «Б» класса

Климантова Александра.

Учитель по математике: Виденькина В. А.

Воронеж, 2008

Во многих играх используют игральный кубик. У кубика 6 граней, на каждой грани отмечено различное количество точек-от 1 до 6. Играющий бросает кубик и смотрит, сколько точек имеется на выпавшей грани (на той грани, которая располагается сверху). Довольно часто точки на грани кубика заменяют соответствующим числом и тогда говорят о выпадении 1, 2 или 6. Бросание кубика можно считать опытом, экспериментом, испытанием, а полученный результат-исходом испытания или элементарным событием. Людям интересно угадывать наступление того или иного события, предсказывать его исход. Какие предсказания они могут сделать, когда бросают игральный кубик? Например, такие:

1) событие А-выпадает цифра 1, 2, 3, 4, 5 или 6;

2) событие В-выпадает цифра 7, 8 или 9;

3) событие С-выпадает цифра 1.

Событие А, предсказанное в первом случае, обязательно наступит. Вообще, событие, которое в данном опыте обязательно наступит, называют достоверным событием .

Событие В, предсказанное во втором случае, никогда не наступит, это просто невозможно. Вообще, событие, которое в данном опыте наступить не может, называют невозможным событием .

А событие С, предсказанное в третьем случае, наступит или не наступит? На этот вопрос мы с полной уверенностью ответить не в состоянии, поскольку 1 может выпасть, а может и не выпасть. Событие, которое в данном опыте может как наступить, так и не наступить, называют случайным событием .

Думая про наступление достоверного события, мы слово «вероятно» использовать, скорее всего, не будем. Например, если сегодня среда, то завтра четверг, это-достоверное событие. Мы в среду не станем говорить: «Вероятно, завтра четверг», мы скажем коротко и ясно: «Завтра четверг». Правда, если мы склонны к красивым фразам, то можем сказать так: «Со стопроцентной вероятностью утверждаю, что завтра четверг». Напротив, если сегодня среда, то наступление назавтра пятницы-невозможное событие. Оценивая это событие в среду, мы можем сказать так: «Уверен, что завтра не пятница». Или так: «Невероятно, что завтра пятница». Ну а если мы склонны к красивым фразам, то можем сказать так: «Вероятность того, что завтра пятница, равна нулю». Итак, достоверное событие-это событие, наступающее при данных условиях со стопроцентной вероятностью (т. е. наступающее в 10 случаях из 10, в 100 случаях из 100 и т. д.). Невозможное событие-это событие, не наступающее при данных условиях никогда, событие с нулевой вероятностью .

Но, к сожалению (а может быть, и к счастью), не все в жизни так четко и ясно: это будет всегда (достоверное событие), этого не будет никогда (невозможное событие). Чаще всего мы сталкиваемся именно со случайными событиями, одни из которых более вероятны, другие менее вероятны. Обычно люди используют слова «более вероятно» или «менее вероятно», как говорится, по наитию, опираясь на то, что называют здравым смыслом. Но очень часто такие оценки оказываются недостаточными, поскольку бывает важно знать, на сколько процентов вероятно случайное событие или во сколько раз одно случайное событие вероятнее другого. Иными словами, нужны точные количественные характеристики, нужно уметь охарактеризовать вероятность числом.

Первые шаги в этом направлении мы уже сделали. Мы говорили, что вероятность наступления достоверного события характеризуется как стопроцентная , а вероятность наступления невозможного события-как нулевая . Учитывая, что 100 % равно 1, люди договорились о следующем:

1) вероятность достоверного события считается равной 1;

2) вероятность невозможного события считается равной 0.

А как подсчитать вероятность случайного события? Ведь оно произошло случайно , значит, не подчиняется закономерностям, алгоритмам, формулам. Оказывается, и в мире случайного действуют определенные законы, позволяющие вычислять вероятности. Этим занимается раздел математики, который так и называется–теория вероятностей .

Математика имеет дело с моделью некоторого явления окружающей нас действительности. Из всех моделей, используемых в теории вероятностей, мы ограничимся самой простой.

Классическая вероятностная схема

Для нахождения вероятности события А при проведении некоторого опыта следует:

1) найти число N всех возможных исходов данного опыта;

2) принять предположение о равновероятности (равновозможности) всех этих исходов;

3) найти количество N(А) тех исходов опыта, в которых наступает событие А;

4) найти частное; оно и будет равно вероятности события А.

Принято вероятность события А обозначать: Р(А). Объяснение такого обозначения очень простое: слово «вероятность» по-французски–probabilite , по-английски–probability .В обозначении используется первая буква слова.

Используя это обозначение, вероятность события А по классической схеме можно найти с помощью формулы

Р(А)=.

Часто все пункты приведенной классической вероятностной схемы выражают одной довольно длинной фразой.

Классическое определение вероятности

Вероятностью события А при проведении некоторого испытания называют отношение числа исходов, в результате которых наступает событие А, к общему числу всех равновозможных между собой исходов этого испытания.

Пример 1 . Найти вероятность того, что при одном бросании игрального кубика выпадет: а) 4; б) 5; в) четное число очков; г) число очков, большее 4; д) число очков, не кратное трем.

Решение . Всего имеется N=6 возможных исходов: выпадение грани куба с числом очков, равным 1, 2, 3, 4, 5 или 6. Мы считаем, что ни один из них не имеет никаких преимуществ перед другими, т. е. принимаем предположение о равновероятности этих исходов.

а) Ровно в одном из исходов произойдет интересующее нас событие А–выпадение числа 4. Значит, N(A)=1 и

P ( A )= =.

б) Решение и ответ такие же, как и в предыдущем пункте.

в) Интересующее нас событие В произойдёт ровно в трёх случаях, когда выпадает число очков 2, 4 или 6. Значит,

N ( B )=3 и P ( B )==.

г) Интересующее нас событие С произойдет ровно в двух случаях, когда выпадет число очков 5 или 6. Значит,

N ( C ) =2 и Р(С)=.

д) Из шести возможных выпавших чисел четыре (1, 2, 4 и 5) не кратны трем, а остальные два (3 и 6) делятся на три. Значит, интересующее нас событие наступает ровно в четырех из шести возможных и равновероятных между собой и равновероятных между собой исходах опыта. Поэтому в ответе получается

. ; б) ; в) ; г) ; д).

Реальный игральный кубик вполне может отличаться от идеального (модельного) кубика, поэтому для описания его поведения требуется более точная и детальная модель, учитывающая преимущества одной грани перед другой, возможное наличие магнитов и т. п. Но «дьявол кроется в деталях», а большая точность ведет, как правило, к большей сложности, и получение ответа становится проблемой. Мы же ограничиваемся рассмотрением простейшей вероятностной модели, где все возможные исходы равновероятны.

Замечание 1 . Рассмотрим еще пример. Был задан вопрос: «Какова вероятность выпадения тройки при одном бросании кубика?» Ученик ответил так: «Вероятность равна 0, 5». И объяснил свой ответ: «Тройка или выпадет, или нет. Значит, всего есть два исхода и ровно в одном наступает интересующее нас событие. По классической вероятностной схеме получаем ответ 0, 5». Есть в этом рассуждении ошибка? На первый взгляд–нет. Однако она все же есть, причем в принципиальном моменте. Да, действительно, тройка или выпадет, или нет, т. е. при таком определении исхода бросания N=2. Правда и то, что N(A)=1 и уж, разумеется, верно, что

=0, 5, т. е. три пункта вероятностной схемы учтены, а вот выполнение пункта 2) вызывает сомнения. Конечно, с чисто юридической точки зрения, мы имеем право считать, что выпадение тройки равновероятно ее невыпадению. Но вот можем ли мы так считать, не нарушая свои же естественные предположения об «одинаковости» граней? Конечно, нет! Здесь мы имеем дело с правильным рассуждением внутри некоторой модели. Только вот сама эта модель «неправильная», не соответствующая реальному явлению.

Замечание 2 . Рассуждая о вероятности, не упускайте из виду следующее важное обстоятельство. Если мы говорим, что при бросании кубика вероятность выпадения одного очка равна

, это совсем не значит, что, кинув кубик 6 раз, вы получите одно очко ровно один раз, бросив кубик 12 раз, вы получите одно очко ровно два раза, бросив кубик 18 раз, вы получите одно очко ровно три раза и т. д. Слово вероятно носит предположительный характер. Мы предполагаем, что скорее всего может произойти. Вероятно, если мы бросим кубик 600 раз, одно очко выпадет 100 раз или около 100.

Различные определения вероятности случайного события

Теория вероятностей – математическая наука, которая по вероятностям одних событий позволяет оценивать вероятности других событий, связанных с первыми.

Подтверждением того, что понятие «вероятность события» не имеет определения, является тот факт, что в теории вероятностей существует несколько подходов к объяснению этого понятия:

Классическое определение вероятности случайного события.

Вероятность события равна отношению числа благоприятных событию исходов опыта к общему числу исходов опыта.

Где

Число благоприятных исходов опыта;

Общее числоисходов опыта.

Исход опыта называется благоприятным для события , если при этом исходе опыта появилось событие . Например, если событие - появление карты красной масти, то появление туза бубей – исход, благоприятный событию .

Примеры.

1) Вероятность выпадения 5 очков на грани кубика равна , поскольку кубик может упасть любой из 6 граней кверху, а 5 очков находятся только на одной грани.

2) Вероятность выпадения герба при однократном бросании монеты - , поскольку монета может упасть гербом или решкой – два исхода опыта, а герб изображен лишь на одной стороне монеты.

3) Если в урне 12 шаров, из которых 5 – черные, то вероятность вынуть черный шар - , поскольку всего исходов опята – 12, а благоприятных из них - 5

Замечание. Классическое определение вероятности применимо при двух условиях:

1) все исходы опыта должны быть равновероятными;

2) опыт должен иметь конечное число исходов.

На практике бывает сложно доказать, что события равновероятные: например,при произведении опыта с подбрасыванием монеты на результат опыта могут влиять такие факторы как несимметричность монеты, влияние ее формы на аэродинамические характеристики полета, атмосферные условия и т.д., кроме того, существуют опыты с бесконечным числом исходов.

Пример . Ребенок бросает мяч, и максимальное расстояние, на которое он может забросить мяч – 15 метров. Найти вероятность того, что мяч улетит за отметку 3 м.

Решение. Искомую вероятность предлагается считать, как отношение длины отрезка, находящегося за отметкой 3 м (благоприятная область) к длине всего отрезка (всевозможные исходы):

Пример. Точку случайным образом бросают в круг радиуса 1. Какова вероятность того, что точка попадет во вписанный в круг квадрат?

Решение. Под вероятностью того, что точка попадет в квадрат, понимают в данном случае отношение площади квадрата (благоприятной площади)к площади круга (общая площадь фигуры, куда бросают точку):

Диагональ квадрата равна 2 и выражается через его сторону по теореме Пифагора:

Аналогичные рассуждения проводят и в пространстве: если в теле объема случайным образом выбирается точка, то вероятность того, что точка окажется в части тела объема , вычисляется как отношение объема благоприятной части к общему объему тела:

Объединяя все случаи, можно сформулировать правило вычисления геометрической вероятности:

Если в некоторой области случайным образом выбирается точка, то вероятность того, что точка окажется в части этой области равна:

, где

Обозначает меру области: в случае отрезка – это длина, в случае плоской области – это площадь, в случае пространственного тела – это объем, на поверхности – площадь поверхности, на кривой – длина кривой.

Интересным приложением понятия геометрической вероятности является задача о встрече.

Задача. (О встрече)

Два студента договорились о встрече, например, в10 часов утра на следующих условиях: каждый приходит в любое время в течение часа с 10 до 11 и ждет 10 минут, после чего уходит. Какова вероятность встречи?

Решение. Проиллюстрируем условия задачи следующим образом: на оси отложим время, идущее для первого из встречающихся, а на оси - время, идущее для второго. Поскольку эксперимент длится один час, то по обеим осям отложим отрезки длины 1. Моменты времени, когда встречающиеся пришли одновременно, интерпретируется диагональю квадрата.

Пусть первый пришел в некоторый момент времени . Студенты встретятся, если время прибытия второго на место встречи заключается в промежутке

Рассуждая так для любого момента времени , получим, что область времени, интерпретирующая возможность встречи («пересечение времён»нахождения на нужном месте первого и второго студентов) находится между двумя прямыми: и . Вероятность встречи определяется по формуле геометрической вероятности:

В 1933 г. Колмогоров А.М. (1903 - 1987) предложил аксиоматический подход к построению и изложению теории вероятности, который стал общепринятымв настоящее время. При построении теории вероятности как формальной аксиоматической теории требуется не только ввести базовое понятие – вероятность случайного события, но и описать его свойства с помощью аксиом (утверждений интуитивно верных, принимаемых без доказательства).

Такими утверждениями являются утверждения, аналогичные свойствам относительной частоты появления события.

Относительной частотой появления случайного события называется отношение числа появлений события в испытаниях к общему числу проведенных испытаний:

Очевидно, , для достоверного события , для невозможного события , для несовместных событий и верно следующее:

Пример. Проиллюстрируем последнее утверждение. Пусть из колоды в 36 карт вынимают карты. Пусть событие означает появление бубей , событие означает появление червей, а событие - появление карты красной масти. Очевидно, события и несовместны. При появлении красной масти ставим метку возле события , при появлении бубей – возле события , а при появлении червей – возле события . Очевидно, что метка возле события будет поставлена тогда и только тогда, когда будет поставлена метка возле события или возле события , т.е. .

Назовем вероятностью случайного события число, сопоставленное событию по следующему правилу:

Для несовместных событий и

Итак,

Относительная частота

Разберём классическое определение вероятности при помощи формул и примеров.

Случайные события называются несовместимыми , если они не могут происходить одновременно. Например, когда мы подкидываем монету, выпадет что-то одно – «герб» или число» и они не могут появится одновременно, так как логично, что это невозможно. Несовместимыми могут быть такие события, как попадание и промах после сделанного выстрела.

Случайные события конечного множества образовывают полную группу попарно несовместимых событий, если при каждом испытании появляется одна, и только одна из этих событий – единственно возможные.

Рассмотрим всё тот же пример с подкидыванием монеты:

Первая монета Вторая монета События

1) «герб» «герб»

2) «герб» «число»

3) «число» «герб»

4) «число» «число»

Или сокращённо – «ГГ», – «ГЧ», – «ЧГ», – «ЧЧ».

События называются равновозможными , если условия исследования обеспечивают одинаковую возможность появления каждой из них.

Как вы понимаете, когда подбрасываете симметричную монету, тогда у неё одинаковые возможности, и есть вероятность, что выпадет как «герб», так и «число». Это же касается подбрасывания симметричного игрального кубика, так как есть вероятность того, что могут появится грани с любым числом 1, 2, 3, 4, 5, 6.

Допустим, что теперь кубик подбрасываем со смещением центра тяжести, например, в сторону грани с цифрой 1, тогда чаще всего будет выпадать противоположная грань, то есть грань с другой цифрой. Таким образом, в этой модели возможности появления для каждой из цифр от 1 до 6 будут разными.

Равновозможные и единственно возможные случайные события называются случаями.

Есть случайные события, которые относятся к случаям, а есть случайные события, которые не относятся к случаям. Ниже на примерах рассмотрим эти события.

Те случаи, в результате которых случайное событие появляется, называются благоприятными случаями для этого события.

Если обозначить через , которые влияют на событие при всех возможных случаях, а через – вероятность случайного события , тогда можно записать известное классическое определение вероятности:

Определение

Вероятность события называют отношения числа благоприятных этому событию случаев, к общему числу всех возможных случаев, то есть:

Свойства вероятности

Классическая вероятность рассмотрена, а теперь разберём основные и важные свойства вероятности.

Свойство 1. Вероятность достоверного события равняется единице.

Например, если в ведёрке все шариков белые, тогда событию , наугад выбрать белый шарик, влияют случаев, .

Свойство 2. Вероятность невозможного события равняется нулю.

Свойство 3. Вероятностью случайного события есть положительное число:

Значит, вероятность любого события удовлетворяет неравенство:

Теперь решим несколько примеров на классическое определение вероятности.

Примеры классического определения вероятности

Пример 1

Задача

В корзине 20 шариков, из них 10 белых, 7 красных и 3 чёрных. Наугад выбирается один шарик. Выбран белый шарик (событие ), красный шарик (событие ) и чёрный шарик (событие ). Найти вероятность случайных событий .

Решение

Согласно условию задачи, способствуют , а случаев из возможных, поэтому по формуле (1):

– вероятность белого шарика.

Аналогично для красного:

И для чёрного: .

Ответ

Вероятность случайного события , , .

Пример 2

Задача

В ящике лежат 25 одинаковых электроламп, из них 2 бракованные. Найти вероятность того, что наугад выбранная электролампа не бракованная.

Решение

По условию задачи все лампы одинаковые и выбирается только одна. Всего возможностей выбрать . Среди всех 25 лампа две бракованные, значит, оставшихся пригодных лампа . Поэтому по формуле (1) вероятность выбора пригодной электролампы (событие ) равняется:

Ответ

Вероятность того, что наугад выбранная электролампа не бракованная = .

Пример 3

Задача

Наугад подбрасываются две монеты. Найти вероятность таких событий:

1) – на обеих монетах выпало по гербу;

2) – на одной из монет выпал герб, а на второй – число;

3) – на обеих монетах выпали числа;

4) – хотя бы один раз выпал герб.

Решение

Здесь имеем дело с четырьмя событиями . Установим, какие случаи способствуют каждой из них. Событию способствует один случай, это когда на обеих монетах выпал герб (сокращённо «ГГ»).

Чтобы разобраться с событием , представим, что одна монета серебряная, а вторая – медная. При подбрасывании монет могут быть случаи:

1) на серебряной герб, на медной – число (обозначим – «ГЧ»);

2) на серебряной число, на медной – герб ( – «ЧГ»).

Значит, событию способствуют случаи и .

Событию способствует один случай: на обеих монетах выпали числа – «ЧЧ».

Таким образом, события или (ГГ, ГЧ, ЧГ, ЧЧ) образовывают полную группу событий, все эти события несовместимы, так как в результате подбрасывания происходит только одна из них. Кроме того, для симметричных монет все четыре события равновозможные, поэтому их можно считать случаями. Всех возможных событий – четыре .

Событию способствует только одно событие, поэтому его вероятность равняется:

Событию способствуют два случая , поэтому:

Вероятность события такая же, как и для :

Событию способствуют три случая: ГГ, ГЧ, ЧГ и поэтому:

Так как рассмотрены события ГГ, ГЧ, ЧГ, ЧЧ, которые равновозможные и создают полную группу событий, тогда появление любой из них – это достоверное событие (обозначим её буквой , которой способствуют все 4 случая . Поэтому вероятность:

Значит, подтверждается первое свойство вероятности.

Ответ

Вероятность события .

Вероятность события .

Вероятность события .

Вероятность события .

Пример 4

Задача

Подкидываются два игральных кубика с одинаковой и правильной геометрической формой. Найти вероятность всех возможных сумм на обеих гранях, что выпадают.

Решение

Чтобы было удобнее решать задачу, представьте, что один кубик белый, а второй – чёрный. С каждой из шести граней белого кубика и также может выпасть одна из шести граней чёрного кубика, поэтому всех возможных пар будет .

Так как возможность появления граней на отдельном кубике одинаковая (кубики правильной геометрической формы!), тогда одинаковой будет возможность появления каждой пары граней, причём, в результате подбрасывания выпадает только одна из пар. Значи события несовместимы, единовозможные. Это случаи, и всех возможных случаев – 36.

Теперь рассмотрим возможность значения суммы на гранях. Очевидно, что самая маленькая сумма 1 + 1 = 2, а самая большая 6 + 6 = 12. Оставшаяся часть суммы вырастает на единицу, начиная со второй. Обозначим событий, индексы которых равняются сумме очков, что выпали на гранях кубиков. Для каждой из этих событий выпишем благоприятные случаи при помощи обозначений , где – сумма, – очки на верхней грани белого кубика и – очки на грани чёрного кубика.

Значит, для события:

для – один случай (1 + 1);

для – два случая (1 + 2; 2 + 1);

для – три случая (1 + 3; 2 + 2; 3 + 1);

для – четыре случая (1 + 4; 2 + 3; 3 + 2; 4 + 1);

для – пять случаев (1 + 5; 2 + 4; 3 + 3; 4 + 2; 5 + 1);

для – шесть случаев (1 + 6; 2 + 5; 3 + 4; 4 + 3; 5 + 2; 6 + 1);

для – пять случаев (2 + 6; 3 + 5; 4 + 4; 5 + 3; 6 + 2);

для – четыре случая (3 + 6; 4 + 5; 5 + 4; 6 + 3);

для – три случая (4 + 6; 5 + 5; 6 + 4);

для – два случая (5 + 6; 6 + 5);

для – один случай (6 + 6).

Таким образом значения вероятности такие:

Ответ

Пример 5

Задача

Троим участникам перед фестивалем предложили тянуть жребий: каждый из участников по очереди подходит к ведёрку и наугад выбирает одну из трёх карточек с номерами 1, 2 и 3, что означает порядковый номер выступления данного участника.

Найти вероятность таких событий:

1) – порядковый номер в очереди совпадает с номером карточки, то есть порядковым номером выступления;

2) – ни один номер в очереди не совпадает с номером выступления;

3) – только один из номеров в очереди совпадает с номером выступления;

4) – хотя бы один из номеров в очереди совпадёт с номером выступления.

Решение

Возможными результатами выбора карточек – это перестановки из трёх элементов , количество таких перестановок равняется . Каждая из перестановок и есть событие. Обозначим эти события через . Каждому событию припишем в скобках соответствующую перестановку:

; ; ; ; ; .

Перечисленные события равновозможные и единовозможные, то есть, это и есть случаи. Обозначим так: (1ч, 2ч, 3ч) – соответствующие номера в очереди.

Начнём с события . Благоприятный только один случай поэтому:

Благоприятными для события – два случая и , поэтому:

Событию способствуют 3 случая: , поэтому:

Событию , кроме , способствует ещё и , то есть:

Ответ

Вероятность события – .

Вероятность события – .

Вероятность события – .

Вероятность события – .

Классическое определение вероятности – теория и решение задач обновлено: Сентябрь 15, 2017 автором: Научные Статьи.Ру