Если события несовместны то вероятность их суммы. Сложение и умножение вероятностей: примеры решений и теория
Тип занятия:
изучение нового материала.
Учебно-воспитательные задачи:
- дать понятие о случайном событии, вероятности события;
- научить вычислять вероятности события; вероятности случайных событий по классическому определению;
- научить применять теоремы сложения и умножения вероятностей для решения задач;
- продолжать формировать интерес к математике посредством решения задач с применением классического определения вероятности для непосредственного подсчета вероятностей явлений;
- прививать интерес к математике, используя исторический материал;
- воспитывать осознанное отношение к процессу обучения, прививать чувство ответственности за качество знаний, осуществлять самоконтроль за процессом решения и оформления упражнений.
Обеспечение занятия:
- карточки-задания для индивидуального опроса;
- карточки-задания для проверочной работы;
- презентация.
Студент должен знать:
- определения и формулы числа перестановок, размещений и сочетаний;
- классическое определение вероятности;
- определения суммы событий, произведения событий; формулировки и формулы теорем сложения и умножения вероятностей.
Студент должен уметь:
- вычислять перестановки, размещения и сочетания;
- вычислять вероятность события используя классическое определение и формулы комбинаторики;
- решать задачи на применение теорем сложения и умножения вероятностей.
Мотивация познавательной деятельности студентов.
Преподаватель сообщает, что возникновение теории вероятностей относится к середине XVII в. и связанно с исследованием Б. Паскаля, П. Ферма и Х.Гюйгенса (1629-1695) . Крупный шаг в развитии теории вероятности связан с работами Я.Бернулли (1654-1705). Ему принадлежит первое доказательство одного из важнейших положений теории вероятностей - законом больших чисел. Следующий этап в развитии теории связан с именами А.Муавра (1667-1754) , К. Гаусса, П. Лапласа (1749-1827) , С.Пуассона (1781-1840). Среди ученых Петербургской школой следует назвать имена А.М. Ляпунова (1857-1918) и А.А Маркова (1856-1922) . После работ этих математиков во всем мире теорию вероятностей стали называть “Русской наукой”. В средине 20-х годов А.Я. Хинчин (1894-1959) и А.Н. Колмогорова создали Московскую школу теории вероятностей. Вклад акад. А.Н.Колмогоров – лауреата Ленинской премии, международной премии им. Б. Больцано, члена ряда зарубежных академиков – в современную математику огромен. Заслуга А.Н.Колмогорова состоит не только в разработке новых научных теорий, но и еще в большей степени в том, что он воспитал целую плеяду талантливых ученых (акад. АН УССР Б.В. Гнеденко, акад. Ю.В. Прохоров, Б.А. Севастьянов и др.).
Теория вероятностей – математическая наука, изучающая закономерности случайных величин,- за последнее десятилетие превратилась в один из основных методов современных науки и техники. Бурное развитие теории автоматического регулирования привело к необходимости решать многочисленные вопросы, связанные с выяснением возможного хода процессов, на которые влияют случайные факторы. Теория вероятностей необходима широкому кругу специалистов – физикам, биологам, врача, экономистам, инженерам, военным, организаторам производства и т.д.
Ход занятия.
I . Организационный момент.
II
. Проверка домашнего задания
Провести фронтальный опрос в виде ответов на вопросы:
Проверить решение упражнений:
- Сколькими способами можно составить список из 10 человек?
- Сколькими способами из 15 рабочих можно создать бригады по 5 человек в каждой?
- 30 учащихся обменялись друг с другом фотокарточками. Сколько всего было роздано фотокарточек?
III
. Изучение нового материала.
В толковом словаре С.И. Ожегова и Н.Ю. Шведовой читаем: «Вероятность – возможность исполнения, осуществимости чего-нибудь». Мы часто употребляем в повседневной жизни «вероятно», «вероятнее», «невероятно», вовсе не имея в виду конкретные количественные оценки этой возможности исполнения.
Основатель современной теории вероятностей А.Н. Колмогоров писал о вероятности так: «Вероятность математическая – это числовая характеристика степени возможности появления какого-либо определенного события в тех или иных определенных, могущих повторяться неограниченное число раз условиях».
Итак, в математике вероятность измеряется числом. Совсем скоро мы выясним, как именно это можно сделать. Но начнем мы с обсуждения того, у каких событий бывает «математическая вероятность» и что представляют собой эти «определенные, могущие повторяться неограниченное число раз условия». Именно поэтому рассмотрим случайные события и случайные эксперименты.
Нужно сказать, что теория вероятностей, как никакая другая область математики, полна противоречий и парадоксов. Объяснение этому очень простое – она слишком тесно связана с реальной, окружающей нас действительностью. Долгое время ее вместе с математической статистикой даже не хотели причислять к математическим дисциплинам, считая их сугубо прикладными науками.
Только в первой половине прошлого века, в основном благодаря трудам нашего великого соотечественника А.Н. Колмогорова, имя которого уже упоминалось выше, были построены математические основания теории вероятностей, которые позволили отделить собственно науку от ее приложений. Подход, предложенный Колмогоровым, теперь принято называть аксиоматическим, поскольку вероятность в нем (а точнее, вероятностное пространство) определяется как некая математическая структура, удовлетворяющая определенной системе аксиом.
Именно на этом подходе построен современный вузовский курс теории вероятностей, через который прошли в свое время все нынешние учителя математики. Однако в школе такой подход к изучению вероятности (да и математики в целом) вряд ли разумен. Если в вузе основной акцент делается на изучении математического аппарата для исследования вероятностных моделей, то в школе ученик должен научиться эти модели строить,
анализировать, проверять их адекватность реальным ситуациям. Такую точку зрения разделяют сегодня большинство ученых, занимающихся проблемами школьного математического образования
В современных школьных учебниках можно найти следующее определение: событие называется случайным
, если при одних и тех же условиях оно может как произойти, так и не произойти. Случайным будет, например, событие «При подбрасывании игрального кубика выпадет 6 очков».
В приведенном определении неявно подразумевается одно важное требование, которое необходимо подчеркнуть: мы должны иметь возможность неоднократно воспроизводить одни и те же условия, в которых наблюдается данное событие
(например, подбрасывать кубик),- иначе невозможно судить о его случайности.
Стало быть, говоря о любом случайном событии, мы всегда имеем в виду наличие определенных условий, без которых об этом событии вообще не имеет смысла говорить. Этот комплекс условий называют случайным опытом
или случайным экспериментом
.
В дальнейшем мы будем называть случайным любое событие, связанное со случайным экспериментом
. До эксперимента, как правило, невозможно точно сказать, произойдет данное событие, или не произойдет – это выясняется лишь после его завершения. Но неспроста мы сделали оговорку «как правило»: в теории вероятностей принято считать случайными все события, связанные со случайным экспериментом, в том числе:
- невозможные , которые никогда не могут произойти;
- достоверные, которые происходят при каждом таком эксперименте.
Например, событие «На игральном кубике выпадет 7 очков» - невозможное, а «На игральном кубике выпадет меньше семи очков» - достоверное. Разумеется, если речь идет о кубике, на гранях которого написаны числа от 1 до 6.
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 (В урне два шара – белый и черный, появление черного шара не исключает появление белого при том же испытании). События называются противоположными,
если в условиях испытания они, являясь единственными его исходами, несовместны. Вероятность события рассматривается как мера объективной возможности появления случайного события.
Обозначения:
Случайные события (большими буквами латинского алфавита): A,B,C,D,.. (или ). “Случайные” опускают и говорят просто “события”.
Число исходов, благоприятствующих наступлению данного события – m;
Число всех исходов (опытов) – n.
Классическое определение вероятности.
Вероятностью
события A называется отношение числа исходов m, благоприятствующих наступлению данного события к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е.
–
вероятность случайного события
Вероятность любого события не может быть меньше нуля и больше единицы, т.е. 0≤P(A)≤1
Невозможному событию соответствует вероятность P(A)=0, а достоверному – вероятность P(A)=1
Теоремы сложения вероятностей.
Теорема сложения вероятностей несовместных событий.
Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равна сумме вероятностей этих событий:
P(A+B)=P(A)+P(B);
P(+ +…+=P(+P+…+P().
Теорема сложения вероятностей совместных событий.
Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
P(A+B)=P(A)+P(B)-P(AB)
Для трех совместных событий имеет место формула:
P(A+B+C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)
Событие, противоположное событию A (т.е. ненаступление события A), обозначают . Сумма вероятностей двух противоположных событий равна единице: P(A)+P()=1
Вероятность наступления события A, вычисленная в предположении, что событие B уже произошло, называется условной вероятностью
события A при условии B и обозначается (A) или P(A/B).
Если A и B – независимые события, то
P(B)-(B)=(B).
События A,B,C,… называются независимыми в совокупности, если вероятность каждого из них не меняется в связи с наступлением или ненаступлением других событий по отдельности или в любой их комбинации.
Теоремы умножения вероятностей.
Теорема умножения вероятностей независимых событий.
Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
P(AB)=P(A) P(B)
Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле:
P()=P() P()… P().
Теорема умножения вероятностей зависимых событий.
Вероятность совместного появления двух зависимых событий равна произведению одного из них на условную вероятность второго:
P(AB)=P(A) (B)=P(B) (A)
IV
. Применение знаний при решении типовых задач
Задача 1.
В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Решение:
Событие A-билет выигрышный. Общее число различных исходов есть n=1000
Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле P(A)=, получим P(A)== = 0,2 = 0,147
Задача 4
.
В ящике в случайном порядке разложены 20 деталей, причем 5 из них стандартные. Рабочий берет наудачу 3 детали. Найти вероятность того, что по крайней мере одна из взятых деталей окажется стандартной.
Задача 5.
Найти вероятность того, что наудачу взятое двухзначное число окажется кратным либо 3, либо 5, либо тому и другому одновременно
Задача 6.
В одной урне находятся 4 белых и 8 черных шаров, в другой – 3 белых и 9 черных. Из каждой урны вынули по шару. Найти вероятность того, что оба шара окажутся белыми.
Решение:
Пусть A - появление белого шара из первой урны, а B – появление белого шара из второй урны. Очевидно, что события A и B независимы. Найдем P(A)=4/12=1/3, P(B)=3/12=1/4, получим
P(AB)=P(A) P(B)=(1/3) (1/4)=1/12=0,083
Задача
7.
В ящике находится 12 деталей, из которых 8 стандартных. Рабочий берет наудачу одну за другой две детали. Найти вероятность того, что обе детали окажутся стандартными.
Решение:
Введем следующие обозначения: A – первая взятая деталь стандартная; B – вторая взятая деталь стандартная. Вероятность того, что первая деталь стандартная, составляет P(A)=8/12=2/3. Вероятность того, что вторая взятая деталь окажется стандартной при условии, что была стандартной первая деталь, т.е. условная вероятность события B, равна (B)=7/11.
Вероятность того, что обе детали окажутся стандартными, находим по теореме умножения вероятностей зависимых событий:
P(AB)=P(A) (B)=(2/3) (7/11)=14/33=0,424
Самостоятельное применение знаний, умений и навыков.
Вариант 1.
- Какова вероятность того, что наудачу выбранное целое число от 40 до 70 является кратным 6?
- Какова вероятность того, что при пяти бросаниях монеты она три раза упадет гербом к верху?
Вариант 2.
- Какова вероятность того, что наудачу выбранное целое число от 1 до 30 (включительно) является делителем числа 30?
- В НИИ работает 120 человек, из них 70 знают английский язык, 60 – немецкий, а 50 – знают оба. Какова вероятность того, что выбранный наудачу сотрудник не знает ни одного иностранного языка?
VI . Подведение итогов занятия.
VII
. Домашнее задание:
Г.Н. Яковлев, математика, книга 2, § 24.1, 24.2, стр. 365-386. Упражнения 24.11, 24.12, 24.17
Изучение теории вероятности начинается с решения задач на сложение и умножение вероятностей. Стоит сразу упомянуть, что студент при освоении данной области знаний может столкнуться с проблемой: если физические или химические процессы можно представить визуально и понять эмпирически, то уровень математической абстракции очень высок, и понимание здесь приходит только с опытом.
Однако игра стоит свеч, ведь формулы - как рассматриваемые в данной статье, так и более сложные - используются сегодня повсеместно и вполне могут пригодиться в работе.
Происхождение
Как ни странно, толчком к развитию данного раздела математики стали… азартные игры. Действительно, игра в кости, бросание монетки, покер, рулетка - это типичные примеры, в которых используются сложение и умножение вероятностей. На примере задач в любом учебнике это можно увидеть наглядно. Людям было интересно узнать, как увеличить свои шансы на победу, и, надо сказать, некоторые в этом преуспели.
Например, уже в XXI веке один человек, чьего имени раскрывать мы не будем, использовал эти накопленные веками знания, чтобы буквально «обчистить» казино, выиграв в рулетку несколько десятков миллионов долларов.
Впрочем, несмотря на повышенный интерес к предмету, только к XX веку была разработана теоретическая база, делающая «теорвер» полноценной Сегодня же практически в любой науке можно встретить расчёты, использующие вероятностные методы.
Применимость
Важным моментом при использовании формул сложения и умножения вероятностей, условной вероятности является выполнимость центральной предельной теоремы. В противном случае хоть это и может и не осознаваться студентом, все вычисления, какими бы правдоподобными они ни казались, будут некорректны.
Да, у высокомотивированного учащегося возникает соблазн использовать новые знания при каждом удобном случае. Но в данном случае следует несколько притормозить и строго очертить рамки применимости.
Теория вероятности имеет дело со случайными событиями, которые в эмпирическом плане представляют собой результаты экспериментов: мы можем бросать кубик с шестью гранями, вытаскивать карту из колоды, предсказывать количество бракованных деталей в партии. Однако в некоторых вопросах использовать формулы из этого раздела математики категорически нельзя. Особенности рассмотрения вероятностей события, теорем сложения и умножения событий мы обсудим в конце статьи, а пока обратимся к примерам.
Основные понятия
Под случайным событием подразумевается некоторый процесс или результат, который может проявиться, а может и не проявиться в результате эксперимента. Например, мы подбрасываем бутерброд - он может упасть маслом вверх или маслом вниз. Любой из двух исходов будет являться случайным, и мы заранее не знаем, какой из них будет иметь место.
При изучении сложения и умножения вероятностей нам понадобятся ещё два понятия.
Совместными называются такие события, появление одного из которых не исключает появления другого. Скажем, два человека одновременно стреляют по мишени. Если один из них произведет успешный никак не отразится на возможности второго попасть в «яблочко» или промахнуться.
Несовместными будут такие события, появление которых одновременно является невозможным. Например, вытаскивая из коробки только один шарик, нельзя достать сразу и синий, и красный.
Обозначение
Понятие вероятности обозначается латинской заглавной буквой P. Далее в скобках следуют аргументы, обозначающие некоторые события.
В формулах теоремы сложения, условной вероятности, теоремы умножения вы увидите в скобках выражения, например: A+B, AB или A|B. Рассчитываться они будут различными способами, к ним мы сейчас и обратимся.
Сложение
Рассмотрим случаи, в которых используются формулы сложения и умножения вероятностей.
Для несовместных событий актуальна самая простая формула сложения: вероятность любого из случайных исходов будет равна сумме вероятностей каждого из этих исходов.
Предположим, что есть коробка с 2 синими, 3 красными и 5 жёлтыми шариками. Итого в коробке имеется 10 предметов. Какова доля истинности утверждения, что мы вытащим синий или красный шар? Она будет равна 2/10 + 3/10, т. е. пятьдесят процентов.
В случае же несовместных событий формула усложняется, поскольку добавляется дополнительное слагаемое. Вернемся к нему через один абзац, после рассмотрения ещё одной формулы.
Умножение
Сложение и умножение вероятностей независимых событий используются в разных случаях. Если по условию эксперимента нас устраивает любой из двух возможных исходов, мы посчитаем сумму; если же мы хотим получить два некоторых исхода друг за другом, мы прибегнем к использованию другой формулы.
Возвращаясь к примеру из предыдущего раздела, мы хотим вытащить сначала синий шарик, а затем - красный. Первое число нам известно - это 2/10. Что происходит дальше? Шаров остается 9, красных среди них всё столько же - три штуки. Согласно расчётам получится 3/9 или 1/3. Но что теперь делать с двумя числами? Правильный ответ - перемножать, чтобы получилось 2/30.
Совместные события
Теперь можно вновь обратиться к формуле суммы для совместных событий. Для чего мы отвлекались от темы? Чтобы узнать, как перемножаются вероятности. Сейчас нам это знание пригодится.
Мы уже знаем, какими будут первые два слагаемых (такие же, как и в рассмотренной ранее формуле сложения), теперь же потребуется вычесть произведение вероятностей, которое мы только что научились рассчитывать. Для наглядности напишем формулу: P(A+B) = P(A) + P(B) - P(AB). Получается, что в одном выражении используется и сложение, и умножение вероятностей.
Допустим, мы должны решить любую из двух задач, чтобы получить зачёт. Первую мы можем решить с вероятностью 0,3, а вторую - 0,6. Решение: 0,3 + 0,6 - 0,18 = 0,72. Заметьте, просто просуммировать числа здесь будет недостаточно.
Условная вероятность
Наконец, существует понятие условной вероятности, аргументы которой обозначаются в скобках и разделяются вертикальной чертой. Запись P(A|B) читается следующим образом: «вероятность события A при условии события B».
Посмотрим пример: друг дает вам некоторый прибор, пусть это будет телефон. Он может быть сломан (20 %) или исправен (80 %). Любой попавший в руки прибор вы в состоянии починить с вероятностью 0,4 либо не в состоянии этого сделать (0,6). Наконец, если прибор находится в рабочем состоянии, вы можете дозвониться до нужного человека с вероятностью 0,7.
Легко заметить, как в данном случае проявляется условная вероятность: вы не сможете дозвониться до человека, если телефон сломан, а если он исправен, вам не требуется его чинить. Таким образом, чтобы получить какие-либо результаты на «втором уровне», нужно узнать, какое событие выполнилось на первом.
Расчёты
Рассмотрим примеры решения задач на сложение и умножение вероятностей, воспользовавшись данными из предыдущего абзаца.
Для начала найдем вероятность того, что вы почините отданный вам аппарат. Для этого, во-первых, он должен быть неисправен, а во-вторых, вы должны справиться с починкой. Это типичная задача с использованием умножения: получаем 0,2*0,4 = 0,08.
Какова вероятность, что вы сразу дозвонитесь до нужного человека? Проще простого: 0,8*0,7 = 0,56. В этом случае вы обнаружили, что телефон исправен и успешно совершили звонок.
Наконец, рассмотрим такой вариант: вы получили сломанный телефон, починили его, после чего набрали номер, и человек на противоположном конце взял трубку. Здесь уже требуется перемножение трёх составляющих: 0,2*0,4*0,7 = 0,056.
А что делать, если у вас сразу два нерабочих телефона? С какой вероятностью вы почините хотя бы один из них? на сложение и умножение вероятностей, поскольку используются совместные события. Решение: 0,4 + 0,4 - 0,4*0,4 = 0,8 - 0,16 = 0,64. Таким образом, если вам в руки попадёт два сломанных аппарата, вы справитесь с починкой в 64% случаев.
Внимательное использование
Как говорилось в начале статьи, использование теории вероятности должно быть обдуманным и осознанным.
Чем больше серия экспериментов, тем ближе подходит теоретически предсказываемое значение к полученному на практике. Например, мы бросаем монетку. Теоретически, зная о существовании формул сложения и умножения вероятностей, мы можем предсказать, сколько раз выпадет «орёл» и «решка», если мы проведем эксперимент 10 раз. Мы провели эксперимент, и по стечению обстоятельств соотношение выпавших сторон составило 3 к 7. Но если провести серию из 100, 1000 и более попыток, окажется, что график распределения всё ближе подбирается к теоретическому: 44 к 56, 482 к 518 и так далее.
А теперь представьте, что данный эксперимент проводится не с монеткой, а с производством какого-нибудь новейшего химического вещества, вероятности получения которого мы не знаем. Мы провели бы 10 экспериментов и, не получив успешного результата, могли бы обобщить: «вещество получить невозможно». Но кто знает, проведи мы одиннадцатую попытку - достигли бы мы цели или нет?
Таким образом, если вы обращаетесь к неизведанному, к неисследованной области, теория вероятности может оказаться неприменима. Каждая последующая попытка в этом случае может оказаться успешной и обобщения типа «X не существует» или «X является невозможным» будут преждевременны.
Заключительное слово
Итак, мы рассмотрели два вида сложения, умножение и условные вероятности. При дальнейшем изучении данной области необходимо научиться различать ситуации, когда используется каждая конкретная формула. Кроме того, нужно представлять, применимы ли вообще вероятностные методы при решении вашей задачи.
Если вы будете практиковаться, то через некоторое время начнете осуществлять все требуемые операции исключительно в уме. Для тех, кто увлекается карточными играми, этот навык можно считать крайне ценным - вы значительно увеличите свои шансы на победу, всего лишь рассчитывая вероятность выпадения той или иной карты или масти. Впрочем, полученным знаниям вы без труда найдете применение и в других сферах деятельности.
Теорема сложения вероятностей
Рассмотрим несовместные случайные события.
Известно, что несовместные случайные события $A$ и $B$ в одном и том же испытании имеют вероятности появления $P\left(A\right)$ и $P\left(B\right)$ соответственно. Найдем вероятность суммы $A+B$ этих событий, то есть вероятность появления хотя бы одного из них.
Предположим, что в данном испытании число всех равновозможных элементарных событий $n$. Из них событиям $A$ и $B$ благоприятствуют $m_{A} $ и $m_{B} $ элементарных событий соответственно. Поскольку события $A$ и $B$ несовместные, то событию $A+B$ благоприятствуют $m_{A} +m_{B} $ элементарных событий. Имеем $P\left(A+B\right)=\frac{m_{A} +m_{B} }{n} =\frac{m_{A} }{n} +\frac{m_{B} }{n} =P\left(A\right)+P\left(B\right)$.
Теорема 1
Вероятность суммы двух несовместных событий равняется сумме их вероятностей.
Примечание 1
Следствие 1. Вероятность суммы любого количества несовместных событий равняется сумме вероятностей этих событий.
Следствие 2. Сумма вероятностей полной группы несовместных событий (сумма вероятностей всех элементарных событий) равна единице.
Следствие 3. Сумма вероятностей противоположных событий равна единице, поскольку они образуют полную группу несовместных событий.
Пример 1
Вероятность того, что на протяжении некоторого времени в городе ни разу не будет идти дождь, $p=0,7$. Найти вероятность $q$ того, что на протяжении этого же времени дождь в городе будет идти хотя бы один раз.
События "на протяжении некоторого времени в городе ни разу не шел дождь" и "на протяжении некоторого времени дождь в городе шел хотя бы один раз" противоположные. Поэтому $p+q=1$, откуда $q=1-p=1-0,7=0,3$.
Рассмотрим совместные случайные события.
Известно, что совместные случайные события $A$ и $B$ в одном и том же испытании имеют вероятности появления $P\left(A\right)$ и $P\left(B\right)$ соответственно. Найдем вероятность суммы $A+B$ этих событий, то есть вероятность появления хотя бы одного из них.
Предположим, что в данном испытании число всех равновозможных элементарных событий $n$. Из них событиям $A$ и $B$ благоприятствуют $m_{A} $ и $m_{B} $ элементарных событий соответственно. Поскольку события $A$ и $B$ совместны, то из всего количества $m_{A} +m_{B} $ элементарных событий определенное количество $m_{AB} $ благоприятствует одновременно и событию $A$, и событию $B$, то есть совместному их наступлению (произведению событий $A\cdot B$). Это количество $m_{AB} $ вошло одновременно и в $m_{A} $, и в $m_{B} $ Итак событию $A+B$ благоприятствуют $m_{A} +m_{B} -m_{AB} $ элементарных событий. Имеем: $P\left(A+B\right)=\frac{m_{A} +m_{B} -m_{AB} }{n} =\frac{m_{A} }{n} +\frac{m_{B} }{n} -\frac{m_{AB} }{n} =P\left(A\right)+P\left(B\right)-P\left(A\cdot B\right)$.
Теорема 2
Вероятность суммы двух совместных событий равняется сумме вероятностей этих событий за минусом вероятности их произведения.
Замечание. Если события $A$ и $B$ несовместны, то их произведение $A\cdot B$ является невозможным событием, вероятность которого $P\left(A\cdot B\right)=0$. Следовательно, формула сложения вероятностей несовместных событий является частным случаем формулы сложения вероятностей совместных событий.
Пример 2
Найти вероятность того, что при одновременном бросании двух игральных кубиков цифра 5 выпадет хотя бы один раз.
При одновременном бросании двух игральных кубиков число всех равновозможных элементарных событий равно $n=36$, поскольку на каждую цифру первого кубика может выпасти шесть цифр второго кубика. Из них событие $A$ -- выпадение цифры 5 на первом кубике -- осуществляется 6 раз, событие $B$ -- выпадение цифры 5 на втором кубике -- тоже осуществляется 6 раз. Из всех двенадцати раз цифра 5 один раз выпадает на обоих кубиках. Таким образом, $P\left(A+B\right)=\frac{6}{36} +\frac{6}{36} -\frac{1}{36} =\frac{11}{36} $.
Теорема умножения вероятностей
Рассмотрим независимые события.
События $A$ и $B$, которые происходят в двух последовательных испытаниях, называются независимыми, если вероятность появления события $B$ не зависит от того, состоялось или не состоялось событие $A$.
Например, пусть в урне находятся 2 белых и 2 черных шар а. Испытанием является извлечение шара. Событие $A$ -- "вынут белый шар в первом испытании". Вероятность $P\left(A\right)=\frac{1}{2} $. После первого испытания шар положили назад и провели второе испытание. Событие $B$ -- ``вынут белый шар во втором испытании"". Вероятность $P\left(B\right)=\frac{1}{2} $. Вероятность $P\left(B\right)$ не зависит от того, состоялось или нет событие $A$, следовательно события $A$ и $B$ независимы.
Известно, что независимые случайные события $A$ и $B$ двух последовательных испытаний имеют вероятности появления $P\left(A\right)$ и $P\left(B\right)$ соответственно. Найдем вероятность произведения $A\cdot B$ этих событий, то есть вероятность совместного их появления.
Предположим, что в первом испытании число всех равновозможных элементарных событий $n_{1} $. Из них событию $A$ благоприятствуют $m_{1} $ элементарных событий. Предположим также, что во втором испытании число всех равновозможных элементарных событий $n_{2} $. Из них событию $B$ благоприятствуют $m_{2} $ элементарных событий. Теперь рассмотрим новое элементарное событие, которое состоит в последовательном наступлении событий из первого и второго испытаний. Общее количество таких равновозможных элементарных событий равно $n_{1} \cdot n_{2} $. Поскольку события $A$ и $B$ независимы, то из этого числа совместному наступлению события $A$ и события $B$ (произведения событий $A\cdot B$) благоприятствует $m_{1} \cdot m_{2} $ событий. Имеем: $P\left(A\cdot B\right)=\frac{m_{1} \cdot m_{2} }{n_{1} \cdot n_{2} } =\frac{m_{1} }{n_{1} } \cdot \frac{m_{2} }{n_{2} } =P\left(A\right)\cdot P\left(B\right)$.
Теорема 3
Вероятность произведения двух независимых событий равняется произведению вероятностей этих событий.
Рассмотрим зависимые события.
В двух последовательных испытаниях происходят события $A$ и $B$. Событие $B$ называется зависимым от события $A$, если вероятность появления события $B$ зависит от того, состоялось или не состоялось событие $A$. Тогда вероятность события $B$, которая была вычислена при условии, что событие $A$ состоялось, называется условной вероятностью события $B$ при условии $A$ и обозначается $P\left(B/A\right)$.
Например, пусть в урне находятся 2 белых и 2 черных шара. Испытанием является извлечением шара. Событие $A$ -- "вынут белый шар в первом испытании". Вероятность $P\left(A\right)=\frac{1}{2} $. После первого испытания шар назад не кладут и выполняют второе испытание. Событие $B$ -- ``вынут белый шар во втором испытании"". Если в первом испытании был вынут белый шар, то вероятность $P\left(B/A\right)=\frac{1}{3} $. Если же в первом испытании был вынут черный шар, то вероятность $P\left(B/\overline{A}\right)=\frac{2}{3} $. Таким образом вероятность события $B$ зависит от того, состоялось или нет событие $A$, следовательно, событие $B$ зависит от события $A$.
Предположим, что события $A$ и $B$ происходят в двух последовательных испытаниях. Известно, что событие $A$ имеет вероятность появления $P\left(A\right)$. Известно также, что событие $B$ является зависимым от события $A$ и его условная вероятность при условии $A$ равна $P\left(B/A\right)$.
Теорема 4
Вероятность произведения события $A$ и зависимого от него события $B$, то есть вероятность совместного их появления, может быть найдена по формуле $P\left(A\cdot B\right)=P\left(A\right)\cdot P\left(B/A\right)$.
Справедливой является также симметричная формула $P\left(A\cdot B\right)=P\left(B\right)\cdot P\left(A/B\right)$, где событие $A$ предполагается зависимым от события $B$.
Для условий последнего примера найдем вероятность того, что белый шар будет извлечен в обоих испытаниях. Такое событие является произведением событий $A$ и $B$. Его вероятность равна $P\left(A\cdot B\right)=P\left(A\right)\cdot P\left(B/A\right)=\frac{1}{2} \cdot \frac{1}{3} =\frac{1}{6} $.
Теорема (сложения вероятностей). Вероятность суммы двух случайных событий равна сумме вероятностей этих событийминус вероятность их пересечения: .
Доказательство. Очевидно: ;
Поскольку события и несовместны, то по аксиоме :
События и несовместны, и по аксиоме :
События и несовместны, по аксиоме :
Следствие 1: Верно следующее обобщение формулы для трех слагаемых:
Следствие 2: Верно следующее обобщение формулы для слагаемых:
Формула включений и исключений.
Определение. Событие А называется независимым от события В, вероятность события А не зависит от того, произошло событие В или нет. Событие А называетсязависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.
Условная вероятность
Наступление события может повлиять на вероятность появления события . Для учета таких случаев вводится понятие условной вероятности события .
Определение. Вероятность события , вычисленная при условии, что имело место событие , называется условной вероятностью события и обозначается .
Пример. Пусть событие - означает, что при бросании двух кубиков на первом выпала 1, а событие - означает, что сумма очков, выпавших на двух костях больше 5. Найти вероятность .
Решение. Если на первом кубике выпала 1, то возможными исходами опыта являются исходы . Событию при этом благоприятствуют исходы , т.е. два из 6, значит,
Теорема умножения вероятностей.
Вероятность произведения двух событий (совместного появления этих событий) равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое событие уже наступило:
Доказательство. Докажем теорему для случая, когда опыт имеет конечное число несовместных равновероятных исходов. Пусть:
событие появилось в исходах опыта;
событие появилось в исходах опыта.
Вероятность события вычислим по классическому определению. Поскольку событие произошло, то всего возможных в этом случае исходов - ; при этом из этих возможных исходов благоприятны событию те исходы, которые составляют событие , т.е. исходов: ,
Следствие 1. Обобщим теорему на случай трех событий:
Следствие 2. Обобщим теорему на случай событий: в случае произведения нескольких зависимых событий вероятность равна произведению одного из них на условные вероятности всех остальных при условии, что вероятность каждого последующего вычисляется в предположении, что все остальные события уже совершились: .
Пример. В группе 20 студентов. Из них двое курят, 12 – в очках, 6 – курят и носят очки. Найти вероятность того, что студент курит, если он носит очки.
Решение. Пусть событие - студент курит; - студент носит очки.
Тогда .
Заметим, что условная и безусловная вероятности события в данной задаче различны: .
События называются независимыми, если появление одного из них не влияет на вероятность появления другого: .
Если события независимые, то теорема умножения вероятностей принимает вид:
Критерий независимости событий.
В рассмотренном примере события и - зависимы, поскольку
3) Если события и независимы, то по 2) события и независимы; и по 1) и независимы.
Определение. События независимы в совокупности, если
Определение. События попарно независимы, если в любой паре события и независимы.
Независимость в совокупности и попарная независимость событий – понятия разные.
Пример. Три грани треугольной пирамиды окрашены соответственно в белый, зеленый, желтый цвета. На последней грани присутствуют все три цвета. Случайным образом выбирают грань. Найти вероятности событий: =«на грани есть желтый цвет»;
=«на грани есть белый цвет»;
=«на грани есть зеленый цвет»;
Решение. Желтый цвет имеется на двух гранях из четырех, т.о. ; аналогично: . Вероятность того, что на выпавшей грани есть два цвета - , т.е. . Таким образом,
,
Т.е. все события попарно независимы. Однако события не являются независимыми в совокупности:
Теорема. (О появлении хотя бы одного из независимых событий)
Пусть вероятность появления каждого из п событий , независимых в совокупности, равна . Вероятность появления хотя бы одного события, равна
,
Доказательство. Поскольку по закону Де Моргана
Пример. Из полной колоды карт (52 шт.) одновременно вынимают четыре карты. Найти вероятность того, что среди этих четырех карт будет хотя бы одна бубновая карта.
Решение. Пусть событие означает «среди четырех вынутых карт есть хотя бы одна бубновая карта». Тогда . Событие означает, что все четыре карты не бубновой масти. Вероятность того, что случайно взятая из колоды карта не бубновая - и , тогда ,
Пример. Вероятность хотя бы одного попадания в мишень стрелком при трех выстрелах равна 0,875. Найти вероятность попадания в мишень при одном выстреле.
Если обозначить р – вероятность попадания стрелком в мишень при одном выстреле, то вероятность промаха при одном выстреле, очевидно, равна (1 – р).
Вероятность трех промахов из трех выстрелов равна (1 – р)3. Эта вероятность равна 1 – 0,875 = 0,125, т.е. в цель не попадают ни одного раза.
Получаем:
Пример. Чему равна вероятность того, что при бросании трех игральных костей 6 очков появится хотя бы на одной из костей?
Вероятность выпадения 6 очков при одном броске кости (событие ) равна . Вероятность того, что не выпадет 6 очков (событие ) - . Вероятность того, что при броске трех костей не выпадет ни разу 6 очков равна .
Тогда вероятность того, что хотя бы один раз выпадет 6 очков, равна .
Пример. Один из трех стрелков производит два выстрела. Вероятность попадания в цель при одном выстреле для первого стрелка равна 0,4, для второго – 0,6, для третьего – 0,8. Найти вероятность того, что в цель попадут два раза.
Вероятность того, что выстрелы производит первый, второй или третий стрелок равна .
Вероятности того, что один из стрелков, производящих выстрелы, два раза попадает в цель, равны:
Противоположные события
Два события называются совместными, если появление одного из них не исключает появление другого в одном и том же испытании.
Два события называются противоположными, если в данном испытании они несовместны и одно из них обязательно происходит. Вероятности противоположных событий в сумме дают .
Если событие может произойти с вероятностью и опыт повторяют раз, то вероятность, что оно наступит хотя бы один раз, есть: , где .
Противоположные события.
Противоположными называют два единственно возможных события, образующих полную группу. Если одно из двух противоположных событий обозначено через A, то другое принято обозначать
примеры противоположных событий
Теорема. Сумма вероятностей противоположных событий равна единице:
.
Доказательство базируется на том, что противоположные события образуют полную группу, а сумма вероятностей событий, образующих полную группу, равна единице (см. Теорему о полной группе событий).
З а м е ч а н и е 1. Если вероятность одного из двух противоположных событий обозначена через р, то вероятность другого события обозначают через q. Таким образом, в силу предыдущей теоремы
З а м е ч а н и е 2. При решении задач на отыскание вероятности события А часто выгодно сначала вычислить вероятность противоположного события, а затем найти искомую вероятность по формуле
.
2. Выборочные числовые характеристики. Понятие точечной статистической оценки. Требования к оценкам.
ее выборочное – среднее значение выборки
Выборочная дисперсия – среднее значение квадрата отклонения значений выборки от выборочного среднего.
Часто используют более простую формулу для вычисления выборочной дисперсии:
Исправленная выборочная дисперсия :
(является лучшей оценкой дисперсии генеральной совокупности)
Исправленное выборочное среднее квадратическое отклонение S
Для расчёта числовых характеристик в случае интервального статистического ряда используется дискретный ряд, вариантами которого являются середины интервалов.
Точечная оценка и ее свойства
Распределение случайной величины (распределение генеральной совокупности) характеризуется обычно рядом числовых характеристик:
для нормального распределения N(a, σ) - это математическое ожидание a и среднее квадратическое отклонение σ ;
для равномерного распределения R(a,b) - это границы интервала , в котором наблюдаются значения этой случайной величины.
Такие числовые характеристики, как правило, неизвестные, называются параметрами генеральной совокупности. Оценка параметра - соответствующая числовая характеристика, рассчитанная по выборке. Оценки параметров генеральной совокупности делятся на два класса: точечные и интервальные.
Когда оценка определяется одним числом, она называется точечной оценкой. Точечная оценка, как функция от выборки, является случайной величиной и меняется от выборки к выборке при повторном эксперименте.
К точечным оценкам предъявляют требования, которым они должны удовлетворять, чтобы хоть в каком-то смысле быть «доброкачественными». Это несмещённость, эффективность и состоятельность.
Интервальные оценки определяются двумя числами – концами интервала, который накрывает оцениваемый параметр. В отличие от точечных оценок, которые не дают представления о том, как далеко от них может находиться оцениваемый параметр, интервальные оценки позволяют установить точность и надёжность оценок.
В качестве точечных оценок математического ожидания, дисперсии и среднего квадратического отклонения используют выборочные характеристики соответственно выборочное среднее, выборочная дисперсия и выборочное среднее квадратическое отклонение.
Требования к оценкам
Точечная оценка параметра 6 связана с оценкой интервального типа [ 0Н, 6В ], где 6И - нижняя, а 0В - верхняя граница. Они дают некоторую степень уверенности в том, что истинное значение параметра лежит внутри определенного интервала.
Точечная оценка параметров может быть получена приравниванием выборочных моментов моментам совокупности.
Точечная оценка параметра 6 связана с оценкой интервального типа [ Э, 0В ], где 6Н - нижняя, а Эв - верхняя граница. Они дают некоторую степень уверенности в том, что истинное значение параметра лежит внутри определенного интервала.
Точечная оценка параметров без указания степени ее достоверности дает мало информации, так как представляет собой частное значение случайной величины.
Точечные оценки параметров аг к 0 ] определяются по вероятностной бумаге логарифмически нормального распределения аналогично рассмотренному выше нормальному распределению.
Если точечная оценка параметра а совпадает с серединой доверительного интервала о (& % ai) / 2, то ответ часто записывают в виде а о Ар, где Ар (а2 - c i) / 2 - половина длины доверительного интервала.
Найдены точечные оценки параметров для каждого из законов по каждой совокупности. Получены интервальные оценки изучаемых величин и их математических ожиданий. Это позволяет судить - о вариации как самих величин, так и их математических ожиданий в случае принятия той или ино & гипотезы о законе распределения рассматриваемого показателя.
Разобранные выше точечные оценки параметров распределения (математического ожидания и дисперсии) могут быть приняты в качестве первоначальных ориентировочных результатов обработки наблюдений. Их недостаток в том, что неизвестно, с какой точностью они дают оцениваемый параметр. Если для большого числа наблюдений точность обычно бывает достаточной для практических выводов (в силу несмещенности, состоятельности и эффективности сделанных оценок), то для выборок небольшого объема вопрос о точности оценок очень существен.
За точечную оценку параметра в берут такое его значение в, при котором функция правдоподобия достигает максимума.
Под точечной оценкой параметра распределения понимают оценку одним числом. К точечным оценкам предъявляются следующие требования: состоятельность, несмещенность, эффективность, устойчивость, надежность, смысл и необходимость которых будут обсуждены ниже.
В качестве точечной оценки параметра р (вероятности) используют относительную частость hn k / n [ см. формулу (1.1) ], с которой k раз появилось событие А. }
- Портфолио воспитателя детского сада (ДОУ): как сделать, положение, примеры, шаблоны, образцы оформления скачать бесплатно Системность повышения квалификации
- в помощь педагогу внеклассной работы
- Сборник кроссвордов по истории Кроссворд по истории 7
- Конспект занятия по Изо (Рисованию) на тему:" Как я провел лето"