Популярная теория вероятности для чайников. Классическое определение вероятности

Мама мыла раму

Под занавес продолжительных летних каникул пришло время потихоньку возвращаться к высшей математике и торжественно открыть пустой вёрдовский файл, чтобы приступить к созданию нового раздела – . Признаюсь, нелегко даются первые строчки, но первый шаг – это пол пути, поэтому я предлагаю всем внимательно проштудировать вводную статью, после чего осваивать тему будет в 2 раза проще! Ничуть не преувеличиваю. …Накануне очередного 1 сентября вспоминается первый класс и букварь…. Буквы складываются в слоги, слоги в слова, слова в короткие предложения – Мама мыла раму. Совладать с тервером и математической статистикой так же просто, как научиться читать! Однако для этого необходимо знать ключевые термины, понятия и обозначения, а также некоторые специфические правила, которым и посвящён данный урок.

Но сначала примите мои поздравления с началом (продолжением, завершением, нужное отметить) учебного года и примите подарок. Лучший подарок – это книга, и для самостоятельной работы я рекомендую следующую литературу:

1) Гмурман В.Е. Теория вероятностей и математическая статистика

Легендарное учебное пособие, выдержавшее более десяти переизданий. Отличается доходчивостью и предельной простой изложения материала, а первые главы так и вовсе доступны, думаю, уже для учащихся 6-7-х классов.

2) Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике

Решебник того же Владимира Ефимовича с подробно разобранными примерами и задачами.

ОБЯЗАТЕЛЬНО закачайте обе книги из Интернета или раздобудьте их бумажные оригиналы! Подойдёт и версия 60-70-х годов, что даже лучше для чайников. Хотя фраза «теория вероятностей для чайников» звучит довольно нелепо, поскольку почти всё ограничивается элементарными арифметическими действиями. Проскакивают, правда, местами производные и интегралы , но это только местами.

Я постараюсь достичь той же ясности изложения, но должен предупредить, что мой курс ориентирован на решение задач и теоретические выкладки сведены к минимуму. Таким образом, если вам нужна развёрнутая теория, доказательства теорем (теорем-теорем!), пожалуйста, обратитесь к учебнику. Ну, а кто хочет научиться решать задачи по теории вероятностей и математической статистике в самые короткие сроки , следуйте за мной!

Для начала хватит =)

По мере прочтения статей целесообразно знакомиться (хотя бы бегло) с дополнительными задачами рассмотренных видов. На странице Готовые решения по высшей математике будут размещаться соответствующие pdf-ки с примерами решений. Также значительную помощь окажут ИДЗ 18.1 Рябушко (попроще) и прорешанные ИДЗ по сборнику Чудесенко (посложнее).

1) Суммой двух событий и называется событие которое состоит в том, что наступит или событие или событие или оба события одновременно. В том случае, если события несовместны , последний вариант отпадает, то есть может наступить или событие или событие .

Правило распространяется и на бОльшее количество слагаемых, например, событие состоит в том, что произойдёт хотя бы одно из событий , а если события несовместны – то одно и только одно событие из этой суммы: или событие , или событие , или событие , или событие , или событие .

Примеров масса:

События (при броске игральной кости не выпадет 5 очков) состоит в том, что выпадет или 1, или 2, или 3, или 4, или 6 очков.

Событие (выпадет не более двух очков) состоит в том, что появится 1 или 2 очка .

Событие (будет чётное число очков) состоит в том, что выпадет или 2 или 4 или 6 очков.

Событие заключается в том, что из колоды будет извлечена карта красной масти (черва или бубна), а событие – в том, что будет извлечена «картинка» (валет или дама или король или туз).

Чуть занятнее дело с совместными событиями:

Событие состоит в том, что из колоды будет извлечена трефа или семёрка или семёрка треф. Согласно данному выше определению, хотя бы что-то – или любая трефа или любая семёрка или их «пересечение» – семёрка треф. Легко подсчитать, что данному событию соответствует 12 элементарных исходов (9 трефовых карт + 3 оставшиеся семёрки).

Событие состоит в том, что завтра в 12.00 наступит ХОТЯ БЫ ОДНО из суммируемых совместных событий , а именно:

– или будет только дождь / только гроза / только солнце;
– или наступит только какая-нибудь пара событий (дождь + гроза / дождь + солнце / гроза + солнце);
– или все три события появятся одновременно.

То есть, событие включает в себя 7 возможных исходов.

Второй столп алгебры событий:

2) Произведением двух событий и называют событие , которое состоит в совместном появлении этих событий, иными словами, умножение означает, что при некоторых обстоятельствах наступит и событие , и событие . Аналогичное утверждение справедливо и для бОльшего количества событий, так, например, произведение подразумевает, что при определённых условиях произойдёт и событие , и событие , и событие , …, и событие .

Рассмотрим испытание, в котором подбрасываются две монеты и следующие события:

– на 1-й монете выпадет орёл;
– на 1-й монете выпадет решка;
– на 2-й монете выпадет орёл;
– на 2-й монете выпадет решка.

Тогда:
и на 2-й) выпадет орёл;
– событие состоит в том, что на обеих монетах (на 1-й и на 2-й) выпадет решка;
– событие состоит в том, что на 1-й монете выпадет орёл и на 2-й монете решка;
– событие состоит в том, что на 1-й монете выпадет решка и на 2-й монете орёл.

Нетрудно заметить, что события несовместны (т.к. не может, например, выпасть 2 орла и в то же самое время 2 решки) и образуют полную группу (поскольку учтены все возможные исходы броска двух монет) . Давайте просуммируем данные события: . Как интерпретировать эту запись? Очень просто – умножение означает логическую связку И , а сложение – ИЛИ . Таким образом, сумму легко прочитать понятным человеческим языком: «выпадут два орла или две решки или на 1-й монете выпадет орёл и на 2-й решка или на 1-й монете выпадет решка и на 2-й монете орёл »

Это был пример, когда в одном испытании задействовано несколько объектов, в данном случае – две монеты. Другая распространенная в практических задачах схема – это повторные испытания , когда, например, один и тот же игральный кубик бросается 3 раза подряд. В качестве демонстрации рассмотрим следующие события:

– в 1-м броске выпадет 4 очка;
– во 2-м броске выпадет 5 очков;
– в 3-м броске выпадет 6 очков.

Тогда событие состоит в том, что в 1-м броске выпадет 4 очка и во 2-м броске выпадет 5 очков и в 3-м броске выпадет 6 очков. Очевидно, что в случае с кубиком будет значительно больше комбинаций (исходов), чем, если бы мы подбрасывали монету.

…Понимаю, что, возможно, разбираются не очень интересные примеры, но это часто встречающиеся в задачах вещи и от них никуда не деться. Помимо монетки, кубика и колоды карт вас поджидают урны с разноцветными шарами, несколько анонимов, стреляющих по мишени, и неутомимый рабочий, который постоянно вытачивает какие-то детали =)

Вероятность события

Вероятность события – это центральное понятие теории вероятностей. …Убийственно логичная вещь, но с чего-то надо было начинать =) Существует несколько подходов к её определению:

;
Геометрическое определение вероятности ;
Статистическое определение вероятности .

В данной статье я остановлюсь на классическом определении вероятностей, которое находит наиболее широкое применение в учебных заданиях.

Обозначения . Вероятность некоторого события обозначается большой латинской буквой , а само событие берётся в скобки, выступая в роли своеобразного аргумента. Например:

Также для обозначения вероятности широко используется маленькая буква . В частности, можно отказаться от громоздких обозначений событий и их вероятностей в пользу следующей стилистики::

– вероятность того, что в результате броска монеты выпадет «орёл»;
– вероятность того, что в результате броска игральной кости выпадет 5 очков;
– вероятность того, что из колоды будет извлечена карта трефовой масти.

Данный вариант популярен при решении практических задач, поскольку позволяет заметно сократить запись решения. Как и в первом случае, здесь удобно использовать «говорящие» подстрочные/надстрочные индексы.

Все уже давно догадались о числах, которые я только что записал выше, и сейчас мы узнаем, как они получились:

Классическое определение вероятности :

Вероятностью наступления события в некотором испытании называют отношение , где:

– общее число всех равновозможных , элементарных исходов этого испытания, которые образуют полную группу событий ;

– количество элементарных исходов, благоприятствующих событию .

При броске монеты может выпасть либо орёл, либо решка – данные события образуют полную группу , таким образом, общее число исходов ; при этом, каждый из них элементарен и равновозможен . Событию благоприятствует исход (выпадение орла). По классическому определению вероятностей: .

Аналогично – в результате броска кубика может появиться элементарных равновозможных исходов, образующих полную группу, а событию благоприятствует единственный исход (выпадение пятёрки). Поэтому: .ЭТОГО ДЕЛАТЬ НЕ ПРИНЯТО (хотя не возбраняется прикидывать проценты в уме).

Принято использовать доли единицы , и, очевидно, что вероятность может изменяться в пределах . При этом если , то событие является невозможным , если – достоверным , а если , то речь идёт о случайном событии.

! Если в ходе решения любой задачи у вас получилось какое-то другое значение вероятности – ищите ошибку!

При классическом подходе к определению вероятности крайние значения (ноль и единица) получаются посредством точно таких же рассуждений. Пусть из некой урны, в которой находятся 10 красных шаров, наугад извлекается 1 шар. Рассмотрим следующие события:

в единичном испытании маловозможное событие не произойдёт .

Именно поэтому Вы не сорвёте в лотерее Джек-пот, если вероятность этого события, скажем, равна 0,00000001. Да-да, именно Вы – с единственным билетом в каком-то конкретном тираже. Впрочем, бОльшее количество билетов и бОльшее количество розыгрышей Вам особо не помогут. ...Когда я рассказываю об этом окружающим, то почти всегда в ответ слышу: «но ведь кто-то выигрывает». Хорошо, тогда давайте проведём следующий эксперимент: пожалуйста, сегодня или завтра купите билет любой лотереи (не откладывайте!). И если выиграете... ну, хотя бы больше 10 килорублей, обязательно отпишитесь – я объясню, почему это произошло. За процент, разумеется =) =)

Но грустить не нужно, потому что есть противоположный принцип: если вероятность некоторого события очень близка к единице, то в отдельно взятом испытании оно практически достоверно произойдёт. Поэтому перед прыжком с парашютом не надо бояться, наоборот – улыбайтесь! Ведь должны сложиться совершенно немыслимые и фантастические обстоятельства, чтобы отказали оба парашюта.

Хотя всё это лирика, поскольку в зависимости от содержания события первый принцип может оказаться весёлым, а второй – грустным; или вообще оба параллельными.

Пожалуй, пока достаточно, на уроке Задачи на классическое определение вероятности мы выжмем максимум из формулы . В заключительной же части этой статьи рассмотрим одну важную теорему:

Сумма вероятностей событий, которые образуют полную группу, равна единице . Грубо говоря, если события образуют полную группу, то со 100%-й вероятностью какое-то из них произойдёт. В самом простом случае полную группу образуют противоположные события, например:

– в результате броска монеты выпадет орёл;
– в результате броска монеты выпадет решка.

По теореме:

Совершенно понятно, что данные события равновозможны и их вероятности одинаковы .

По причине равенства вероятностей равновозможные события часто называют равновероятными . А вот и скороговорка на определение степени опьянения получилась =)

Пример с кубиком: события противоположны, поэтому .

Рассматриваемая теорема удобна тем, что позволяет быстро найти вероятность противоположного события. Так, если известна вероятность того, что выпадет пятёрка, легко вычислить вероятность того, что она не выпадет:

Это гораздо проще, чем суммировать вероятности пяти элементарных исходов. Для элементарных исходов, к слову, данная теорема тоже справедлива:
. Например, если – вероятность того, что стрелок попадёт в цель, то – вероятность того, что он промахнётся.

! В теории вероятностей буквы и нежелательно использовать в каких-то других целях.

В честь Дня Знаний я не буду задавать домашнее задание =), но очень важно, чтобы вы могли ответить на следующие вопросы:

– Какие виды событий существуют?
– Что такое случайность и равновозможность события?
– Как вы понимаете термины совместность/несовместность событий?
– Что такое полная группа событий, противоположные события?
– Что означает сложение и умножение событий?
– В чём суть классического определения вероятности?
– Чем полезна теорема сложения вероятностей событий, образующих полную группу?

Нет, зубрить ничего не надо, это всего лишь азы теории вероятностей – своеобразный букварь, который довольно быстро уложится в голове. И чтобы это произошло как можно скорее, предлагаю ознакомиться с уроками

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

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

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

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

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

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

Результатом испытания является событие . Событие бывает:

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

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

Основные понятия теории

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

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

Случайные величины можно разделить на две категории.

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

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

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

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

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

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

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

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

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

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

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

где символ обозначает математическое ожидание.

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

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

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

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

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

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

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

"Случайности не случайны"... Звучит так, словно сказал философ, но на деле изучать случайности удел великой науки математики. В математике случайностями занимается теория вероятности. Формулы и примеры заданий, а также основные определения этой науки будут представлены в статье.

Что такое теория вероятности?

Теория вероятности - это одна из математических дисциплин, которая изучает случайные события.

Чтобы было немного понятнее, приведем небольшой пример: если подкинуть вверх монету, она может упасть «орлом» или «решкой». Пока монета находится в воздухе, обе эти вероятности возможны. То есть вероятность возможных последствий соотносится 1:1. Если из колоды с 36-ю картами вытащить одну, тогда вероятность будет обозначаться как 1:36. Казалось бы, что здесь нечего исследовать и предугадывать, тем более при помощи математических формул. Тем не менее, если повторять определенное действие много раз, то можно выявить некую закономерность и на ее основе спрогнозировать исход событий в других условиях.

Если обобщить все вышесказанное, теория вероятности в классическом понимании изучает возможность возникновения одного из возможных событий в числовом значении.

Со страниц истории

Теория вероятности, формулы и примеры первых заданий появились еще в далеком Средневековье, когда впервые возникли попытки спрогнозировать исход карточных игр.

Изначально теория вероятности не имела ничего общего с математикой. Она обосновывалась эмпирическими фактами или свойствами события, которое можно было воспроизвести на практике. Первые работы в этой сфере как в математической дисциплине появились в XVII веке. Родоначальниками стали Блез Паскаль и Пьер Ферма. Длительное время они изучали азартные игры и увидели определенные закономерности, о которых и решили рассказать обществу.

Такую же методику изобрел Христиан Гюйгенс, хотя он не был знаком с результатами исследований Паскаля и Ферма. Понятие «теория вероятности», формулы и примеры, что считаются первыми в истории дисциплины, были введены именно им.

Немаловажное значение имеют и работы Якоба Бернулли, теоремы Лапласа и Пуассона. Они сделали теорию вероятности больше похожей на математическую дисциплину. Свой теперешний вид теория вероятностей, формулы и примеры основных заданий получили благодаря аксиомам Колмогорова. В результате всех изменений теория вероятности стала одним из математических разделов.

Базовые понятия теории вероятностей. События

Главным понятием этой дисциплины является "событие". События бывают трех видов:

Достоверные. Те, которые произойдут в любом случае (монета упадет).
Невозможные. События, что не произойдут ни при каком раскладе (монета останется висеть в воздухе).
Случайные. Те, что произойдут или не произойдут. На них могут повлиять разные факторы, которые предугадать очень трудно. Если говорить о монете, то случайные факторы, что могут повлиять на результат: физические характеристики монеты, ее форма, исходное положение, сила броска и т. д.

Все события в примерах обозначаются заглавными латинскими буквами, за исключением Р, которой отведена другая роль. Например:

А = «студенты пришли на лекцию».
Ā = «студенты не пришли на лекцию».

В практических заданиях события принято записывать словами.

Одна из важнейших характеристик событий - их равновозможность. То есть, если подбросить монету, все варианты исходного падения возможны, пока она не упала. Но также события бывают и не равновозможными. Это происходит, когда кто-то специально воздействует на исход. Например, «меченые» игральные карты или игральные кости, в которых смещен центр тяжести.

Еще события бывают совместимыми и несовместимыми. Совместимые события не исключают появления друг друга. Например:

А = «студентка пришла на лекцию».
В = «студент пришел на лекцию».

Эти события независимы друг от друга, и появление одного из них не влияет на появление другого. Несовместимые события определяются тем, что появление одного исключает появление другого. Если говорить о той же монете, то выпадение «решки» делает невозможным появление «орла» в этом же эксперименте.

Действия над событиями

События можно умножать и складывать, соответственно, в дисциплине вводятся логические связки «И» и «ИЛИ».

Сумма определяется тем, что может появиться или событие А, или В, или два одновременно. В случае когда они несовместимы, последний вариант невозможен, выпадет или А, или В.

Умножение событий заключается в появлении А и В одновременно.

Теперь можно привести несколько примеров, чтобы лучше запомнились основы, теория вероятности и формулы. Примеры решения задач далее.

Задание 1 : Фирма принимает участие в конкурсе на получение контрактов на три разновидности работы. Возможные события, которые могут произойти:

А = «фирма получит первый контракт».
А 1 = «фирма не получит первый контракт».
В = «фирма получит второй контракт».
В 1 = «фирма не получит второй контракт»
С = «фирма получит третий контракт».
С 1 = «фирма не получит третий контракт».

С помощью действий над событиями попробуем выразить следующие ситуации:

К = «фирма получит все контракты».

В математическом виде уравнение будет иметь следующий вид: К = АВС.

М = «фирма не получит ни одного контракта».

М = А 1 В 1 С 1 .

Усложняем задание: H = «фирма получит один контракт». Поскольку не известно, какой именно контракт получит фирма (первый, второй или третий), необходимо записать весь ряд возможных событий:

Н = А 1 ВС 1 υ АВ 1 С 1 υ А 1 В 1 С.

А 1 ВС 1 - это ряд событий, где фирма не получает первый и третий контракт, но получает второй. Соответственным методом записаны и другие возможные события. Символ υ в дисциплине обозначает связку «ИЛИ». Если перевести приведенный пример на человеческий язык, то фирма получит или третий контракт, или второй, или первый. Подобным образом можно записывать и другие условия в дисциплине «Теория вероятности». Формулы и примеры решения задач, представленные выше, помогут сделать это самостоятельно.

Собственно, вероятность

Пожалуй, в этой математической дисциплине вероятность события - это центральное понятие. Существует 3 определения вероятности:

классическое;
статистическое;
геометрическое.

Каждое имеет свое место в изучении вероятностей. Теория вероятности, формулы и примеры (9 класс) в основном используют классическое определение, которое звучит так:

Вероятность ситуации А равняется отношению числа исходов, что благоприятствуют ее появлению, к числу всех возможных исходов.

Формула выглядит так: Р(А)=m/n.

А - собственно, событие. Если появляется случай, противоположный А, его можно записывать как Ā или А 1 .

m - количество возможных благоприятных случаев.

n - все события, которые могут произойти.

Например, А = «вытащить карту червовой масти». В стандартной колоде 36 карт, 9 из них червовой масти. Соответственно, формула решения задания будет иметь вид:

Р(А)=9/36=0,25.

В итоге вероятность того, что из колоды вытянут карту червовой масти, составит 0,25.

К высшей математике

Теперь стало немного известно, что такое теория вероятности, формулы и примеры решения заданий, которые попадаются в школьной программе. Однако теория вероятностей встречается и в высшей математике, которая преподается в вузах. Чаще всего там оперируют геометрическими и статистическими определениями теории и сложными формулами.

Очень интересна теория вероятности. Формулы и примеры (высшая математика) лучше начинать изучать с малого - со статистического (или частотного) определения вероятности.

Статистический подход не противоречит классическому, а немного расширяет его. Если в первом случае нужно было определить, с какой долей вероятности произойдет событие, то в этом методе необходимо указать, как часто оно будет происходить. Здесь вводится новое понятие «относительная частота», которую можно обозначить W n (A). Формула ничем не отличается от классической:

Если классическая формула вычисляется для прогнозирования, то статистическая - согласно результатам эксперимента. Возьмем, к примеру, небольшое задание.

Отдел технологического контроля проверяет изделия на качество. Среди 100 изделий нашли 3 некачественных. Как найти вероятность частоты качественного товара?

А = «появление качественного товара».

W n (A)=97/100=0,97

Таким образом, частота качественного товара составляет 0,97. Откуда взяли 97? Из 100 товаров, которые проверили, 3 оказались некачественными. От 100 отнимаем 3, получаем 97, это количество качественного товара.

Немного о комбинаторике

Еще один метод теории вероятности называют комбинаторикой. Его основной принцип состоит в том, что если определенный выбор А можно осуществить m разными способами, а выбор В - n разными способами, то выбор А и В можно осуществить путем умножения.

Например, из города А в город В ведет 5 дорог. Из города В в город С ведет 4 пути. Сколькими способами можно доехать из города А в город С?

Все просто: 5х4=20, то есть двадцатью разными способами можно добраться из точки А в точку С.

Усложним задание. Сколько существует способов раскладывания карт в пасьянсе? В колоде 36 карт - это исходная точка. Чтобы узнать количество способов, нужно от исходной точки «отнимать» по одной карте и умножать.

То есть 36х35х34х33х32…х2х1= результат не вмещается на экран калькулятора, поэтому его можно просто обозначить 36!. Знак «!» возле числа указывает на то, что весь ряд чисел перемножается между собой.

В комбинаторике присутствуют такие понятия, как перестановка, размещение и сочетание. Каждое из них имеет свою формулу.

Упорядоченный набор элементов множества называют размещением. Размещения могут быть с повторениями, то есть один элемент можно использовать несколько раз. И без повторений, когда элементы не повторяются. n - это все элементы, m - элементы, которые участвуют в размещении. Формула для размещения без повторений будет иметь вид:

A n m =n!/(n-m)!

Соединения из n элементов, которые отличаются только порядком размещения, называют перестановкой. В математике это имеет вид: Р n = n!

Сочетаниями из n элементов по m называют такие соединения, в которых важно, какие это были элементы и каково их общее количество. Формула будет иметь вид:

A n m =n!/m!(n-m)!

Формула Бернулли

В теории вероятности, так же как и в каждой дисциплине, имеются труды выдающихся в своей области исследователей, которые вывели ее на новый уровень. Один из таких трудов - формула Бернулли, что позволяет определять вероятность появления определенного события при независимых условиях. Это говорит о том, что появление А в эксперименте не зависит от появления или не появления того же события в ранее проведенных или последующих испытаниях.

Уравнение Бернулли:

P n (m) = C n m ×p m ×q n-m .

Вероятность (р) появления события (А) неизменна для каждого испытания. Вероятность того, что ситуация произойдет ровно m раз в n количестве экспериментов, будет вычисляться формулой, что представлена выше. Соответственно, возникает вопрос о том, как узнать число q.

Если событие А наступает р количество раз, соответственно, оно может и не наступить. Единица - это число, которым принято обозначать все исходы ситуации в дисциплине. Поэтому q - число, которое обозначает возможность ненаступления события.

Теперь вам известна формула Бернулли (теория вероятности). Примеры решения задач (первый уровень) рассмотрим далее.

Задание 2: Посетитель магазина сделает покупку с вероятностью 0,2. В магазин зашли независимым образом 6 посетителей. Какова вероятность того, что посетитель сделает покупку?

Решение: Поскольку неизвестно, сколько посетителей должны сделать покупку, один или все шесть, необходимо просчитать все возможные вероятности, пользуясь формулой Бернулли.

А = «посетитель совершит покупку».

В этом случае: р = 0,2 (как указано в задании). Соответственно, q=1-0,2 = 0,8.

n = 6 (поскольку в магазине 6 посетителей). Число m будет меняться от 0 (ни один покупатель не совершит покупку) до 6 (все посетители магазина что-то приобретут). В итоге получим решение:

P 6 (0) = C 0 6 ×p 0 ×q 6 =q 6 = (0,8) 6 = 0,2621.

Ни один из покупателей не совершит покупку с вероятностью 0,2621.

Как еще используется формула Бернулли (теория вероятности)? Примеры решения задач (второй уровень) далее.

После вышеприведенного примера возникают вопросы о том, куда делись С и р. Относительно р число в степени 0 будет равно единице. Что касается С, то его можно найти формулой:

C n m = n! / m!(n-m)!

Поскольку в первом примере m = 0, соответственно, С=1, что в принципе не влияет на результат. Используя новую формулу, попробуем узнать, какова вероятность покупки товаров двумя посетителями.

P 6 (2) = C 6 2 ×p 2 ×q 4 = (6×5×4×3×2×1) / (2×1×4×3×2×1) × (0,2) 2 × (0,8) 4 = 15 × 0,04 × 0,4096 = 0,246.

Не так уж и сложна теория вероятности. Формула Бернулли, примеры которой представлены выше, прямое тому доказательство.

Формула Пуассона

Уравнение Пуассона используется для вычисления маловероятных случайных ситуаций.

Основная формула:

P n (m)=λ m /m! × e (-λ) .

При этом λ = n х p. Вот такая несложная формула Пуассона (теория вероятности). Примеры решения задач рассмотрим далее.

Задание 3 : На заводе изготовили детали в количестве 100000 штук. Появление бракованной детали = 0,0001. Какова вероятность, что в партии будет 5 бракованных деталей?

Как видим, брак - это маловероятное событие, в связи с чем для вычисления используется формула Пуассона (теория вероятности). Примеры решения задач подобного рода ничем не отличаются от других заданий дисциплины, в приведенную формулу подставляем необходимые данные:

А = «случайно выбранная деталь будет бракованной».

р = 0,0001 (согласно условию задания).

n = 100000 (количество деталей).

m = 5 (бракованные детали). Подставляем данные в формулу и получаем:

Р 100000 (5) = 10 5 /5! Х е -10 = 0,0375.

Так же как и формула Бернулли (теория вероятности), примеры решений с помощью которой написаны выше, уравнение Пуассона имеет неизвестное е. По сути его можно найти формулой:

е -λ = lim n ->∞ (1-λ/n) n .

Однако есть специальные таблицы, в которых находятся практически все значения е.

Теорема Муавра-Лапласа

Если в схеме Бернулли количество испытаний достаточно велико, а вероятность появления события А во всех схемах одинакова, то вероятность появления события А определенное количество раз в серии испытаний можно найти формулой Лапласа:

Р n (m)= 1/√npq x ϕ(X m).

X m = m-np/√npq.

Чтобы лучше запомнилась формула Лапласа (теория вероятности), примеры задач в помощь ниже.

Сначала найдем X m , подставляем данные (они все указаны выше) в формулу и получим 0,025. При помощи таблиц находим число ϕ(0,025), значение которого 0,3988. Теперь можно подставлять все данные в формулу:

Р 800 (267) = 1/√(800 х 1/3 х 2/3) х 0,3988 = 3/40 х 0,3988 = 0,03.

Таким образом, вероятность того, что рекламная листовка сработает ровно 267 раз, составляет 0,03.

Формула Байеса

Формула Байеса (теория вероятности), примеры решения заданий с помощью которой будут приведены ниже, представляет собой уравнение, которое описывает вероятность события, опираясь на обстоятельства, которые могли быть связаны с ним. Основная формула имеет следующий вид:

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

Р(А|B) - условная вероятность, то есть может произойти событие А при условии, что событие В истинно.

Р (В|А) - условная вероятность события В.

Итак, заключительная часть небольшого курса «Теория вероятности» - формула Байеса, примеры решений задач с которой ниже.

Задание 5 : На склад привезли телефоны от трех компаний. При этом часть телефонов, которые изготавливаются на первом заводе, составляет 25%, на втором - 60%, на третьем - 15%. Известно также, что средний процент бракованных изделий у первой фабрики составляет 2%, у второй - 4%, и у третьей - 1%. Необходимо найти вероятность того, что случайно выбранный телефон окажется бракованным.

А = «случайно взятый телефон».

В 1 - телефон, который изготовила первая фабрика. Соответственно, появятся вводные В 2 и В 3 (для второй и третьей фабрик).

В итоге получим:

Р (В 1) = 25%/100% = 0,25; Р(В 2) = 0,6; Р (В 3) = 0,15 - таким образом мы нашли вероятность каждого варианта.

Теперь нужно найти условные вероятности искомого события, то есть вероятность бракованной продукции в фирмах:

Р (А/В 1) = 2%/100% = 0,02;

Р(А/В 2) = 0,04;

Р (А/В 3) = 0,01.

Теперь подставим данные в формулу Байеса и получим:

Р (А) = 0,25 х 0,2 + 0,6 х 0,4 + 0,15 х 0,01= 0,0305.

В статье представлена теория вероятности, формулы и примеры решения задач, но это только вершина айсберга обширной дисциплины. И после всего написанного логично будет задаться вопросом о том, нужна ли теория вероятности в жизни. Простому человеку сложно ответить, лучше спросить об этом у того, кто с ее помощью не единожды срывал джек-пот.

ВВЕДЕНИЕ

Многие вещи нам непонятны не потому, что наши понятия слабы;
но потому, что сии вещи не входят в круг наших понятий.
Козьма Прутков

Основная цель изучения математики в средних специальных учебных заведениях состоит в том, чтобы дать студентам набор математических знаний и навыков, необходимых для изучения других программных дисциплин, использующих в той или иной мере математику, для умения выполнять практические расчеты, для формирования и развития логического мышления.

В данной работе последовательно вводятся все базовые понятия раздела математики "Основы теории вероятностей и математической статистики", предусмотренные программой и Государственными образовательными стандартами среднего профессионального образования (Министерство образования Российской Федерации. М., 2002г.), формулируются основные теоремы, большая часть которых не доказывается. Рассматриваются основные задачи и методы их решения и технологии применения этих методов к решению практических задач. Изложение сопровождается подробными комментариями и многочисленными примерами.

Методические указания могут быть использованы для первичного ознакомления с изучаемым материалом, при конспектировании лекций, для подготовки к практическим занятиям, для закрепления полученных знаний, умений и навыков. Кроме того, пособие будет полезно и студентам- старшекурсникам как справочное пособие, позволяющее быстро восстановить в памяти то, что было изучено ранее.

В конце работы приведены примеры и задания, которые студенты могут выполнять в режиме самоконтроля.

Методические указания предназначены для студентов заочной и дневной форм обучения.

ОСНОВНЫЕ ПОНЯТИЯ

Теория вероятностей изучает объективные закономерности массовых случайных событий. Она является теоретической базой для математической статистики, занимающейся разработкой методов сбора, описания и обработки результатов наблюдений. Путем наблюдений (испытаний, экспериментов), т.е. опыта в широком смысле слова, происходит познание явлений действительного мира.

В своей практической деятельности мы часто встречаемся с явлениями, исход которых невозможно предсказать, результат которых зависит от случая.

Случайное явление можно охарактеризовать отношением числа его наступлений к числу испытаний, в каждом из которых при одинаковых условиях всех испытаний оно могло наступить или не наступить.

Теория вероятностей есть раздел математики, в котором изучаются случайные явления (события) и выявляются закономерности при массовом их повторении.

Математическая статистика - это раздел математики, который имеет своим предметом изучения методов сбора, систематизации, обработки и использования статистических данных для получения научно обоснованных выводов и принятия решений.

При этом под статистическими данными понимается совокупность чисел, которые представляют количественные характеристики интересующих нас признаков изучаемых объектов. Статистические данные получаются в результате специально поставленных опытов, наблюдений.

Статистические данные по своей сущности зависят от многих случайных факторов, поэтому математическая статистика тесно связана с теорией вероятностей, которая является ее теоретической основой.

I. ВЕРОЯТНОСТЬ. ТЕОРЕМЫ СЛОЖЕНИЯ И УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ

1.1. Основные понятия комбинаторики

В разделе математики, который называется комбинаторикой, решаются некоторые задачи, связанные с рассмотрением множеств и составлением различных комбинаций из элементов этих множеств. Например, если взять 10 различных цифр 0, 1, 2, 3,: , 9 и составлять из них комбинации, то будем получать различные числа, например 143, 431, 5671, 1207, 43 и т.п.

Мы видим, что некоторые из таких комбинаций отличаются только порядком цифр (например, 143 и 431), другие - входящими в них цифрами (например, 5671 и 1207), третьи различаются и числом цифр (например, 143 и 43).

Таким образом, полученные комбинации удовлетворяют различным условиям.

В зависимости от правил составления можно выделить три типа комбинаций: перестановки, размещения, сочетания .

Предварительно познакомимся с понятием факториала .

Произведение всех натуральных чисел от 1 до n включительно называют n-факториалом и пишут .

Вычислить: а) ; б) ; в) .

Решение. а) .

б) Так как и , то можно вынести за скобки

Тогда получим

в) .

Перестановки.

Комбинация из n элементов, которые отличаются друг от друга только порядком элементов, называются перестановками.

Перестановки обозначаются символом Р n , где n- число элементов, входящих в каждую перестановку. (Р - первая буква французского слова permutation - перестановка).

Число перестановок можно вычислить по формуле

или с помощью факториала:

Запомним, что 0!=1 и 1!=1.

Пример 2. Сколькими способами можно расставлять на одной полке шесть различных книг?

Решение. Искомое число способов равно числу перестановок из 6 элементов, т.е.

Размещения.

Размещениями из m элементов в n в каждом называются такие соединения, которые отличаются друг от друга либо самими элементами (хотя бы одним), либо порядком из расположения.

Размещения обозначаются символом , где m - число всех имеющихся элементов, n - число элементов в каждой комбинации. (А- первая буква французского слова arrangement , что означает "размещение, приведение в порядок").

При этом полагают, что nm.

Число размещений можно вычислить по формуле

т.е. число всех возможных размещений из m элементов по n равно произведению n последовательных целых чисел, из которых большее есть m .

Запишем эту формулу в факториальной форме:

Пример 3. Сколько вариантов распределения трех путевок в санатории различного профиля можно составить для пяти претендентов?

Решение. Искомое число вариантов равно числу размещений из 5 элементов по 3 элемента, т.е.

Сочетания.

Сочетаниями называются все возможные комбинации из m элементов по n , которые отличаются друг от друга по крайней мере хотя бы одним элементом (здесь m и n- натуральные числа, причем n m ).

Число сочетаний из m элементов по n обозначаются (С -первая буква французского слова combination - сочетание).

В общем случае число из m элементов по n равно числу размещений из m элементов по n , деленному на число перестановок из n элементов:

Используя для чисел размещений и перестановок факториальные формулы, получим:

Пример 4. В бригаде из 25 человек нужно выделить четырех для работы на определенном участке. Сколькими способами это можно сделать?

Решение. Так как порядок выбранных четырех человек не имеет значения, то это можно сделать способами.

Находим по первой формуле

Кроме того, при решении задач используются следующие формулы, выражающие основные свойства сочетаний:

(по определению полагают и );

1.2. Решение комбинаторных задач

Задача 1. На факультете изучается 16 предметов. На понедельник нужно в расписание поставить 3 предмета. Сколькими способами можно это сделать?

Решение. Способов постановки в расписание трех предметов из 16 столько, сколько можно составить размещений из 16 элементов по 3.

Задача 2. Из 15 объектов нужно отобрать 10 объектов. Сколькими способами это можно сделать?

Задача 3. В соревнованиях участвовало четыре команды. Сколько вариантов распределения мест между ними возможно?

Задача 4. Сколькими способами можно составить дозор из трех солдат и одного офицера, если имеется 80 солдат и 3 офицера?

Решение. Солдат в дозор можно выбрать

способами, а офицеров способами. Так как с каждой командой из солдат может пойти любой офицер, то всего имеется способов.

Задача 5. Найти , если известно, что .

Так как , то получим

По определению сочетания следует, что , . Т.о. .

1.3. Понятие о случайном событии. Виды событий. Вероятность события

Всякое действие, явление, наблюдение с несколькими различными исходами, реализуемое при данном комплексе условий, будем называть испытанием.

Результат этого действия или наблюдения называется событием .

Если событие при заданных условиях может произойти или не произойти, то оно называется случайным . В том случае, когда событие должно непременно произойти, его называют достоверным , а в том случае, когда оно заведомо не может произойти,- невозможным .

События называются несовместными , если каждый раз возможно появление только одного из них.

События называются совместными , если в данных условиях появление одного из этих событий не исключает появление другого при том же испытании.

События называются противоположными , если в условиях испытания они, являясь единственными его исходами, несовместны.

События принято обозначать заглавными буквами латинского алфавита: А, В, С, Д, : .

Полной системой событий А 1 , А 2 , А 3 , : , А n называется совокупность несовместных событий, наступление хотя бы одного из которых обязательно при данном испытании.

Если полная система состоит из двух несовместных событий, то такие события называются противоположными и обозначаются А и .

Пример. В коробке находится 30 пронумерованных шаров. Установить, какие из следующих событий являются невозможными, достоверными, противоположными:

достали пронумерованный шар (А);

достали шар с четным номером (В);

достали шар с нечетным номером (С);

достали шар без номера (Д).

Какие из них образуют полную группу?

Решение. А - достоверное событие; Д - невозможное событие;

В и С - противоположные события.

Полную группу событий составляют А и Д, В и С .

Вероятность события, рассматривается как мера объективной возможности появления случайного события.

1.4. Классическое определение вероятности

Число, являющееся выражением меры объективной возможности наступления события, называется вероятностью этого события и обозначается символом Р(А).

Определение. Вероятностью события А называется отношение числа исходов m, благоприятствующих наступлению данного события А , к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е. .

Следовательно, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, подсчитать все возможные несовместные исходы n, выбрать число интересующих нас исходов m и вычислить отношение m к n .

Из этого определения вытекают следующие свойства:

Вероятность любого испытания есть неотрицательное число, не превосходящее единицы.

Действительно, число m искомых событий заключено в пределах . Разделив обе части на n , получим

2. Вероятность достоверного события равна единице, т.к. .

3. Вероятность невозможного события равна нулю, поскольку .

Задача 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?

Решение. Общее число различных исходов есть n =1000. Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле, получим

Задача 2. В партии из 18 деталей находятся 4 бракованных. Наугад выбирают 5 деталей. Найти вероятность того, что из этих 5 деталей две окажутся бракованными.

Решение. Число всех равновозможных независимых исходов n равно числу сочетаний из 18 по 5 т.е.

Подсчитаем число m, благоприятствующих событию А. Среди 5 взятых наугад деталей должно быть 3 качественных и 2 бракованных. Число способов выборки двух бракованных деталей из 4 имеющихся бракованных равно числу сочетаний из 4 по 2:

Число способов выборки трех качественных деталей из 14 имеющихся качественных равно

Любая группа качественных деталей может комбинироваться с любой группой бракованных деталей, поэтому общее число комбинаций m составляет

Искомая вероятность события А равна отношению числа исходов m, благоприятствующих этому событию, к числу n всех равновозможных независимых исходов:

Суммой конечного числа событий называется событие, состоящее в наступлении хотя бы одного из них.

Сумму двух событий обозначают символом А+В, а сумму n событий символом А 1 +А 2 + : +А n .

Теорема сложения вероятностей.

Вероятность суммы двух несовместных событий равна суммевероятностей этих событий.

Следствие 1. Если событие А 1 , А 2 , : ,А n образуют полную систему, то сумма вероятностей этих событий равна единице.

Следствие 2. Сумма вероятностей противоположных событий и равна единице.

Задача 1. Имеется 100 лотерейных билетов. Известно, что на 5 билетов попадает выигрыш по 20000 руб., на 10 - по 15000 руб, на 15 - по 10000 руб., на 25 - по 2000 руб. и на остальные ничего. Найти вероятность того, что на купленный билет будет получен выигрыш не менее 10000 руб.

Решение. Пусть А, В, и С- события, состоящие в том, что на купленный билет падает выигрыш, равный соответственно 20000, 15000 и 10000 руб. так как события А, В и С несовместны, то

Задача 2. На заочное отделение техникума поступают контрольные работы по математике из городов А, В и С . Вероятность поступления контрольной работы из города А равна 0,6, из города В - 0,1. Найти вероятность того, что очередная контрольная работа поступит из города С .

Некоторые программисты после работы в области разработки обычных коммерческих приложений задумываются о том, чтобы освоить машинное обучение и стать аналитиком данных. Часто они не понимают, почему те или иные методы работают, и большинство методов машинного обучения кажутся магией. На самом деле, машинное обучение базируется на математической статистике, а та, в свою очередь, основана на теории вероятностей. Поэтому в этой статье мы уделим внимание базовым понятиям теории вероятностей: затронем определения вероятности, распределения и разберем несколько простых примеров.

Возможно, вам известно, что теория вероятностей условно делится на 2 части. Дискретная теория вероятностей изучает явления, которые можно описать распределением с конечным (или счетным) количеством возможных вариантов поведения (бросания игральных костей, монеток). Непрерывная теория вероятностей изучает явления, распределенные на каком-то плотном множестве, например на отрезке или в круге.

Можно рассмотреть предмет теории вероятностей на простом примере. Представьте себя разработчиком шутера. Неотъемлемой частью разработки игр этого жанра является механика стрельбы. Ясно, что шутер в котором всё оружие стреляет абсолютно точно, будет малоинтересен игрокам. Поэтому, обязательно нужно добавлять оружию разброс. Но простая рандомизация точек попадания оружия не позволит сделать его тонкую настройку, поэтому, корректировка игрового баланса будет сложна. В то же время, используя случайные величины и их распределения можно проанализировать то, как будет работать оружие с заданным разбросом, и поможет внести необходимые корректировки.

Пространство элементарных исходов

Допустим, из некоторого случайного эксперимента, который мы можем многократно повторять (например, бросание монеты), мы можем извлечь некоторую формализуемую информацию (выпал орел или решка). Эта информация называется элементарным исходом, при этом целесообразно рассматривать множество всех элементарных исходов, часто обозначаемое буквой Ω (Омега).

Структура этого пространства целиком зависит от природы эксперимента. Например, если рассматривать стрельбу по достаточно большой круговой мишени, - пространством элементарных исходов будет круг, для удобства размещенный с центром в нуле, а исходом - точка в этом круге.

Кроме того, рассматривают множества элементарных исходов - события (например, попадание в «десятку» - это концентрический круг маленького радиуса с мишенью). В дискретном случае всё достаточно просто: мы можем получить любое событие, включая или исключая элементарные исходы за конечное время. В непрерывном же случае всё гораздо сложнее: нам понадобится некоторое достаточно хорошее семейство множеств для рассмотрения, называемое алгеброй по аналогии с простыми вещественными числами, которые можно складывать, вычитать, делить и умножать. Множества в алгебре можно пересекать и объединять, при этом результат операции будет находиться в алгебре. Это очень важное свойство для математики, которая лежит за всеми этими понятиями. Минимальное семейство состоит всего из двух множеств - из пустого множества и пространства элементарных исходов.

Мера и вероятность

Вероятность - это способ делать выводы о поведении очень сложных объектов, не вникая в принцип их работы. Таким образом, вероятность определяется как функция от события (из того самого хорошего семейства множеств), которая возвращает число - некоторую характеристику того, насколько часто может происходить такое событие в реальности. Для определённости математики условились, что это число должно лежать между нулем и единицей. Кроме того, к этой функции предъявляются требования: вероятность невозможного события нулевая, вероятность всего множества исходов единичная, и вероятность объединения двух независимых событий (непересекающихся множеств) равна сумме вероятностей. Другое название вероятности - вероятностная мера. Чаще всего используется Лебегова мера , обобщающая понятия длина, площадь, объём на любые размерности (n -мерный объем), и таким образом она применима для широкого класса множеств.

Вместе совокупность множества элементарных исходов, семейства множеств и вероятностной меры называется вероятностным пространством . Рассмотрим, каким образом можно построить вероятностное пространство для примера со стрельбой в мишень.

Рассмотрим стрельбу в большую круглую мишень радиуса R , в которую невозможно промахнуться. Множеством элементарных событий положим круг с центром в начале координат радиуса R . Поскольку мы собираемся использовать площадь (меру Лебега для двумерных множеств) для описания вероятности события, то будем использовать семейство измеримых (для которых эта мера существует) множеств.

Примечание На самом деле, это технический момент и в простых задачах процесс определения меры и семейства множеств не играет особой роли. Но понимать, что эти два объекта существуют, необходимо, ведь во многих книгах по теории вероятности теоремы начинаются со слов: «Пусть (Ω,Σ,P) - вероятностное пространство … ».

Как уже сказано выше, вероятность всего пространства элементарных исходов должна равняться единице. Площадь (двумерная мера Лебега, которую мы обозначим λ 2 (A) , где А — событие) круга по хорошо известной со школы формуле равна π *R 2 . Тогда мы можем ввести вероятность P(A) = λ 2 (A) / (π *R 2) , и эта величина уже будет лежать между 0 и 1 для любого события А.

Если предположить, что попадание в любую точку мишени равновероятно, поиск вероятности попадания стрелком в какую-то то область мишени сводится к поиску площади этого множества (отсюда можно сделать вывод, что вероятность попадания в конкретную точку нулевая, ведь площадь точки равна нулю).

Например, мы хотим узнать, какова вероятность того, что стрелок попадёт в «десятку» (событие A — стрелок попал в нужное множество). В нашей модели, «десятка» представляется кругом с центром в нуле и радиусом r. Тогда вероятность попадания в этот круг P(A) = λ 2 /(A)π *R 2 = π * r 2 /(π R 2)= (r/R) 2 .

Это одна из самых простых разновидностей задач на «геометрическую вероятность», - большинство таких задач требуют поиска площади.

Случайные величины

Случайная величина — функция, переводящая элементарные исходы в вещественные числа. К примеру, в рассмотренной задаче мы можем ввести случайную величину ρ(ω) — расстояние от точки попадания до центра мишени. Простота нашей модели позволяет явно задать пространство элементарных исходов: Ω = {ω = (x,y) такие числа, что x 2 +y 2 ≤ R 2 } . Тогда случайная величина ρ(ω) = ρ(x,y) = x 2 +y 2 .

Средства абстракции от вероятностного пространства. Функция распределения и плотность

Хорошо, когда структура пространства хорошо известна, но на самом деле так бывает далеко не всегда. Даже если структура пространства известна, она может быть сложна. Для описания случайных величин, если их выражение неизвестно, существует понятие функции распределения, которую обозначают F ξ (x) = P(ξ < x) (нижний индекс ξ здесь означает случайную величину). Т.е. это вероятность множества всех таких элементарных исходов, для которых значение случайной величины ξ на этом событии меньше, чем заданный параметр x .

Функция распределения обладает несколькими свойствами:

Во-первых, она находится между 0 и 1 .
Во-вторых, она не убывает, когда ее аргумент x растёт.
В третьих, когда число -x очень велико, функция распределения близка к 0 , а когда само х большое, функция распределения близка к 1 .

Вероятно, смысл этой конструкции при первом чтении не слишком понятен. Одно из полезных свойств — функция распределения позволяет искать вероятность того, что величина принимает значение из интервала. Итак, P (случайная величина ξ принимает значения из интервала ) = F ξ (b)-F ξ (a) . Исходя из этого равенства, можем исследовать, как изменяется эта величина, если границы a и b интервала близки.

Пусть d = b-a , тогда b = a+d . А следовательно, F ξ (b)-F ξ (a) = F ξ (a+d) - F ξ (a) . При малых значениях d , указанная выше разность так же мала (если распределение непрерывное). Имеет смысл рассматривать отношение p ξ (a,d)= (F ξ (a+d) - F ξ (a))/d . Если при достаточно малых значениях d это отношение мало отличается от некоторой константы p ξ (a) , не зависящей от d, то в этой точке случайная величина имеет плотность, равную p ξ (a) .

Примечание Читатели, которые ранее сталкивались понятием производной, могут заметить что p ξ (a) — производная функции F ξ (x) в точке a . Во всяком случае, можно изучить понятие производной в посвященной этой теме статье на сайте Mathprofi.

Теперь смысл функции распределения можно определить так: её производная (плотность p ξ , которую мы определили выше) в точке а описывает, насколько часто случайная величина будет попадать в небольшой интервал с центром в точке а (окрестность точки а) по сравнению с окрестностями других точек. Другими словами, чем быстрее растёт функция распределения, тем более вероятно появление такого значения при случайном эксперименте.

Вернемся к примеру. Мы можем вычислить функцию распределения для случайной величины, ρ(ω) = ρ(x,y) = x 2 +y 2 , которая обозначает расстояние от центра до точки случайного попадания в мишень. По определению F ρ (t) = P(ρ(x,y) < t) . т.е. множество {ρ(x,y) < t)} — состоит из таких точек (x,y) , расстояние от которых до нуля меньше, чем t . Мы уже считали вероятность такого события, когда вычисляли вероятность попадания в «десятку» - она равна t 2 /R 2 . Таким образом, Fρ(t) = P(ρ(x,y) < t) = t 2 /R 2 , для 0

Мы можем найти плотность p ρ этой случайной величины. Сразу заметим, что вне интервала она нулевая, т.к. функция распределения на этом промежутке неизменна. На концах этого интервала плотность не определена. Внутри интервала её можно найти, используя таблицу производных (например из на сайте Mathprofi) и элементарные правила дифференцирования. Производная от t 2 /R 2 равна 2t/R 2 . Значит, плотность мы нашли на всей оси вещественных чисел.

Ещё одно полезное свойство плотности — вероятность того, что функция принимает значение из промежутка, вычисляется при помощи интеграла от плотности по этому промежутку (ознакомиться с тем, что это такое, можно в статьях о собственном , несобственном , неопределенном интегралах на сайте Mathprofi).

При первом чтении, интеграл по промежутку от функции f(x) можно представлять себе как площадь криволинейной трапеции. Ее сторонами являются фрагмент оси Ох, промежуток (горизонтальной оси координат), вертикальные отрезки, соединяющие точки (a,f(a)), (b,f(b)) на кривой с точками (a,0), (b,0) на оси Ох. Последней стороной является фрагмент графика функции f от (a,f(a)) до (b,f(b)) . Можно говорить об интеграле по промежутку (-∞; b] , когда для достаточно больших отрицательных значений, a значение интеграла по промежутку будет меняться пренебрежимо мало по сравнению с изменением числа a. Аналогичным образом определяется и интеграл по промежуткам }