Пусть вероятность события В не зависит от появления события А .

Определение. Событие В называют независимым от события А , если появление события А не изменяет вероятности события В , т.е. если условная вероятность события В равна его безусловной вероятности:

Р А (В ) = Р (В ). (2.12)

Подставив (2.12) в соотношение (2.11), получим

Р (А )Р (В ) = Р (В )Р В (А ).

Р В (А ) = Р (А ),

т.е. условная вероятность события А в предположении, что наступило событие В , равна его безусловной вероятности. Другими словами, событие А не зависит от события B .

Лемма (о взаимной независимости событий) : если событие В не зависит от события А , то и событие А не зависит от события В ; это означает, что свойство независимости событий взаимно .

Для независимых событий теорема умножения Р (АВ ) = Р (А ) Р А (В ) имеет вид

Р (АВ ) = Р (А ) Р (В ), (2.13)

т.е. вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий.

Равенство (2.13) принимают в качестве определения независимых событий. Два события называются независимыми, если появление одного из них не меняет вероятность появления другого.

Определение. Два события называют независимыми , если вероятность их совмещения равна произведению вероятностей этих событий; в противном случае события называют зависимыми .

На практике о независимости событий заключают по смыслу задачи. Например, вероятности поражения цели каждым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события «первое орудие поразило цель» и «второе орудие поразило цель» независимы.

Пример . Найти вероятность совместного поражения цели двумя орудиями, если вероятность поражения цели первым орудием (событие А ) равна 0,8, а вторым (событие В ) – 0,7.

Решение. События А и В независимые, поэтому, по теореме умножения, искомая вероятность

Р (АВ ) = Р (А )Р (В ) = 0,7 ×0,8 = 0,56.

Замечание 1. Если события А и В независимы, то независимы также события А и , и В , и . Действительно,

Следовательно,

, или .

, или .

т.е. события А и В независимы.

Независимость событий и В , и – следствие доказанного утверждения.

Понятие независиомости может быть распространено на случай n событий.

Определение. Несколько событий называют попарно независимыми , если каждые два из них независимы. Например, события А , В , С попарно независимы, если независимы события А и В , А и С , В и С .

Для того чтобы обобщить теорему умножения на несколько событий, введем понятие независимости событий в совокупности.

Определение. Несколько событий называют независимыми в совокупности (или просто независимыми), если независимы каждые два из них и независимы каждое событие и все возможные произведения остальных. Например, если события А 1 , A 2 , А 3 независимы в совокупности, то независимы события А 1 и A 2 , А 1 и А 3 , A 2 и А 3 ; А 1 и A 2 А 3 , A 2 и А 1 А 3 , А 3 и А 1 A 2 . Из сказанного следует, что если события независимы в совокупности, то условная вероятность появления любого события из них, вычисленная в предположении, что наступили какие-либо другие события из числа остальных, равна его безусловной вероятности.

Подчеркнем, что если несколько событий независимы попарно, то отсюда еще не следует их независимость в совокупности. В этом смысле требование независимости событий в совокупности сильнее требования их попарной независимости.

Поясним сказанное на примере. Пусть в урне имеется 4 шара, окрашенные: один – в красный цвет (А ), один – в синий цвет (В ), один – в черный цвет (С ) и один –во все эти три цвета (АВС ). Чему равна вероятность того, что извлеченный из урны шар имеет красный цвет?

Так как из четырех шаров два имеют красный цвет, то Р (А ) = 2/4 = 1/2. Рассуждая аналогично, найдем Р (В ) = 1/2, Р (С ) = 1/2. Допустим теперь, что взятый шар имеет синий цвет, т.е. событие В уже произошло. Изменится ли вероятность того, что извлеченный шар имеет красный цвет, т.е. изменится ли вероятность события А ? Из двух шаров, имеющих синий цвет, один шар имеет и красный цвет, поэтому вероятность события А по-прежнему равна 1/2. Другими словами, условная вероятность события А , вычисленная в предположении, что наступило событие В , равна его безусловной вероятности. Следовательно, события А и В независимы. Аналогично придем к выводу, что события А и С , В и С независимы. Итак, события А , В и С попарно независимы.

Независимы ли эти события в совокупности? Оказывается, нет. Действительно, пусть извлеченный шар имеет два цвета, например синий и черный. Чему равна вероятность того, что этот шар имеет и красный цвет? Лишь один шар окрашен во все три цвета, поэтому взятый шар имеет и красный цвет. Таким образом, допустив, что события В и С произошли, приходим к выводу, что событие А обязательно наступит. Следовательно, это событие достоверное и вероятность его равна единице. Другими словами, условная вероятность Р ВС (А )= 1 события А не равна его безусловной вероятности Р (А ) = 1/2. Итак, попарно независимые события А , В , С не являются независимыми в совокупности.

Приведем теперь следствие из теоремы умножения.

Следствие. Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий:

Доказательство. Рассмотрим три события: А , В и С . Совмещение событий А , В и С равносильно совмещению событий АВ и С , поэтому

Р (АВС ) = Р (АВ×С ).

Так как события А , В и С независимы в совокупности, то независимы, в частности, события АВ и С , а также А и В . По теореме умножения для двух независимых событий имеем:

Р (АВ×С ) = Р (АВ )Р (С ) и Р (АВ ) = Р (А )Р (В ).

Итак, окончательно получим

Р (АВС ) = Р (А )Р (В )Р (С ).

Для произвольного n доказательство проводится методом математической индукции.

Замечание. Если события А 1 , А 2 , ...,А n независимы в совокупности, то и противоположные им события также независимы в совокупности.

Пример. Найти вероятность совместного появления герба при одном бросании двух монет.

Решение. Вероятность появления герба первой монеты (событие А )

Р (А ) = 1/2.

Вероятность появления герба второй монеты (событие В )

Р (В ) = 1/2.

События А и В независимые, поэтому искомая вероятность по теореме умножения равна

Р (АВ ) = Р (А )Р (В ) = 1/2 ×1/2 = 1/4.

Пример. Имеется 3 ящика, содержащих по 10 деталей. В первом ящике 8, во втором 7 и в третьем 9 стандартных деталей. Из каждого ящика наудачу вынимают по одной детали. Найти вероятность того, что все три вынутые детали окажутся стандартными.

Решение. Вероятность того, что из первого ящика вынута стандартная деталь (событие А ),

Р (А ) = 8/10 = 0,8.

Вероятность того, что из второго ящика вынута стандартная деталь (событие В ),

Р (В ) = 7/10 = 0,7.

Вероятность того, что из третьего ящика вынута стандартная деталь (событие С ),

Р (С ) = 9/10 = 0,9.

Так как события А , В и С независимые в совокупности, то искомая вероятность (по теореме умножения) равна

Р (АВС ) = Р (А )Р (В )Р (С ) = 0,8×0,7×0,9 = 0,504.

Приведем пример совместного применения теорем сложения и умножения.

Пример. Вероятности появления каждого из трех независимых событий А 1 , А 2 , А 3 соответственно равны р 1 , р 2 , р 3 . Найти вероятность появления только одного из этих событий.

Решение . Заметим, что, например, появление только первого события А 1 равносильно появлению события (появилось первое и не появились второе и третье события). Введем обозначения:

B 1 – появилось только событие А 1 , т.е. ;

B 2 – появилось только событие А 2 , т.е. ;

B 3 – появилось только событие А 3 , т.е. .

Таким образом, чтобы найти вероятность появления только одного из событий А 1 , А 2 , А 3 , будем искать вероятность P (B 1 + B 2 + В 3) появления одного, безразлично какого из событий В 1 , В 2 , В 3 .

Так как события В 1 , В 2 , В 3 несовместны, то применима теорема сложения

P (B 1 + B 2 + В 3) = Р (В 1) + Р (В 2) + Р (В 3). (*)

Остается найти вероятности каждого из событий В 1 , В 2 , В 3 . События А 1 , А 2 , А 3 независимы, следовательно, независимы события , поэтому к ним применима теорема умножения

Аналогично,

Подставив эти вероятности в (*), найдем искомую вероятность появления только одного из событий А 1 , А 2 , А 3.

Теоремы сложения и умножения вероятностей.
Зависимые и независимые события

Заголовок выглядит страшновато, но в действительности всё очень просто. На данном уроке мы познакомимся с теоремами сложения и умножения вероятностей событий, а также разберём типовые задачи, которые наряду с задачей на классическое определение вероятности обязательно встретятся или, что вероятнее, уже встретились на вашем пути. Для эффективного изучения материалов этой статьи необходимо знать и понимать базовые термины теории вероятностей и уметь выполнять простейшие арифметические действия. Как видите, требуется совсем немного, и поэтому жирный плюс в активе практически гарантирован. Но с другой стороны, вновь предостерегаю от поверхностного отношения к практическим примерам – тонкостей тоже хватает. В добрый путь:

Теорема сложения вероятностей несовместных событий : вероятность появления одного из двух несовместных событий или (без разницы какого) , равна сумме вероятностей этих событий:

Аналогичный факт справедлив и для бОльшего количества несовместных событий, например, для трёх несовместных событий и :

Теорема-мечта =) Однако, и такая мечта подлежит доказательству, которое можно найти, например, в учебном пособии В.Е. Гмурмана.

Знакомимся с новыми, до сих пор не встречавшимися понятиями:

Зависимые и независимые события

Начнём с независимых событий. События являются независимыми , если вероятность наступления любого из них не зависит от появления/непоявления остальных событий рассматриваемого множества (во всех возможных комбинациях). …Да чего тут вымучивать общие фразы:

Теорема умножения вероятностей независимых событий : вероятность совместного появления независимых событий и равна произведению вероятностей этих событий:

Вернёмся к простейшему примеру 1-го урока, в котором подбрасываются две монеты и следующим событиям:

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

Найдём вероятность события (на 1-й монете появится орёл и на 2-й монете появится орёл – вспоминаем, как читается произведение событий !) . Вероятность выпадения орла на одной монете никак не зависит от результата броска другой монеты, следовательно, события и независимы.

Аналогично:
– вероятность того, что на 1-й монете выпадет решка и на 2-й решка;
– вероятность того, что на 1-й монете появится орёл и на 2-й решка;
– вероятность того, что на 1-й монете появится решка и на 2-й орёл.

Заметьте, что события образуют полную группу и сумма их вероятностей равна единице: .

Теорема умножения очевидным образом распространяется и на бОльшее количество независимых событий, так, например, если события независимы, то вероятность их совместного наступления равна: . Потренируемся на конкретных примерах:

Задача 3

В каждом из трех ящиков имеется по 10 деталей. В первом ящике 8 стандартных деталей, во втором – 7, в третьем – 9. Из каждого ящика наудачу извлекают по одной детали. Найти вероятность того, что все детали окажутся стандартными.

Решение : вероятность извлечения стандартной или нестандартной детали из любого ящика не зависит от того, какие детали будут извлечены из других ящиков, поэтому в задаче речь идёт о независимых событиях. Рассмотрим следующие независимые события:

– из 1-го ящика извлечена стандартная деталь;
– из 2-го ящика извлечена стандартная деталь;
– из 3-го ящика извлечена стандартная деталь.

По классическому определению:
– соответствующие вероятности.

Интересующее нас событие (из 1-го ящика будет извлечена стандартная деталь и из 2-го стандартная и из 3-го стандартная) выражается произведением .

По теореме умножения вероятностей независимых событий:

– вероятность того, что из трёх ящиков будет извлечено по одной стандартной детали.

Ответ : 0,504

После бодрящих упражнений с ящиками нас поджидают не менее интересные урны:

Задача 4

В трех урнах имеется по 6 белых и по 4 черных шара. Из каждой урны извлекают наудачу по одному шару. Найти вероятность того, что: а) все три шара будут белыми; б) все три шара будут одного цвета.

Опираясь на полученную информацию, догадайтесь, как разобраться с пунктом «бэ» ;-) Примерный образец решения оформлен в академичном стиле с подробной росписью всех событий.

Зависимые события . Событие называют зависимым , если его вероятность зависит от одного или бОльшего количества событий, которые уже произошли. За примерами далеко ходить не надо – достаточно до ближайшего магазина:

– завтра в 19.00 в продаже будет свежий хлеб.

Вероятность этого события зависит от множества других событий: завезут ли завтра свежий хлеб, раскупят ли его до 7 вечера или нет и т.д. В зависимости от различных обстоятельств данное событие может быть как достоверным , так и невозможным . Таким образом, событие является зависимым .

Хлеба… и, как требовали римляне, зрелищ:

– на экзамене студенту достанется простой билет.

Если идти не самым первым, то событие будет зависимым, поскольку его вероятность будет зависеть от того, какие билеты уже вытянули однокурсники.

Как определить зависимость/независимость событий?

Иногда об этом прямо сказано в условии задачи, но чаще всего приходится проводить самостоятельный анализ. Какого-то однозначного ориентира тут нет, и факт зависимости либо независимости событий вытекает из естественных логических рассуждений.

Чтобы не валить всё в одну кучу, задачам на зависимые события я выделю следующий урок, а пока мы рассмотрим наиболее распространённую на практике связку теорем:

Задачи на теоремы сложения вероятностей несовместных
и умножения вероятностей независимых событий

Этот тандем, по моей субъективной оценке, работает примерно в 80% задач по рассматриваемой теме. Хит хитов и самая настоящая классика теории вероятностей:

Задача 5

Два стрелка сделали по одному выстрелу в мишень. Вероятность попадания для первого стрелка равна 0,8, для второго – 0,6. Найти вероятность того, что:

а) только один стрелок попадёт в мишень;
б) хотя бы один из стрелков попадёт в мишень.

Решение : вероятность попадания/промаха одного стрелка, очевидно, не зависит от результативности другого стрелка.

Рассмотрим события:
– 1-й стрелок попадёт в мишень;
– 2-й стрелок попадёт в мишень.

По условию: .

Найдём вероятности противоположных событий – того, что соответствующие стрелки промахнутся:

а) Рассмотрим событие: – только один стрелок попадёт в мишень. Данное событие состоит в двух несовместных исходах:

1-й стрелок попадёт и 2-й промахнётся
или
1-й промахнётся и 2-й попадёт.

На языке алгебры событий этот факт запишется следующей формулой:

Сначала используем теорему сложения вероятностей несовместных событий, затем – теорему умножения вероятностей независимых событий:

– вероятность того, что будет только одно попадание.

б) Рассмотрим событие: – хотя бы один из стрелков попадёт в мишень.

Прежде всего, ВДУМАЕМСЯ – что значит условие «ХОТЯ БЫ ОДИН»? В данном случае это означает, что попадёт или 1-й стрелок (2-й промахнётся) или 2-й (1-й промахнётся) или оба стрелка сразу – итого 3 несовместных исхода.

Способ первый : учитывая готовую вероятность предыдущего пункта, событие удобно представить в виде суммы следующих несовместных событий:

попадёт кто-то один (событие , состоящее в свою очередь из 2 несовместных исходов) или
попадут оба стрелка – обозначим данное событие буквой .

Таким образом:

По теореме умножения вероятностей независимых событий:
– вероятность того, что 1-й стрелок попадёт и 2-й стрелок попадёт.

По теореме сложения вероятностей несовместных событий:
– вероятность хотя бы одного попадания по мишени.

Способ второй : рассмотрим противоположное событие: – оба стрелка промахнутся.

По теореме умножения вероятностей независимых событий:

В результате:

Особое внимание обратите на второй способ – в общем случае он более рационален.

Кроме того, существует альтернативный, третий путь решения, основанный на умолчанной выше теореме сложения совместных событий.

! Если вы знакомитесь с материалом впервые, то во избежание путаницы, следующий абзац лучше пропустить.

Способ третий : события совместны, а значит, их сумма выражает событие «хотя бы один стрелок попадёт в мишень» (см. алгебру событий ). По теореме сложения вероятностей совместных событий и теореме умножения вероятностей независимых событий:

Выполним проверку: события и (0, 1 и 2 попадания соответственно) образуют полную группу, поэтому сумма их вероятностей должна равняться единице:
, что и требовалось проверить.

Ответ :

При основательном изучении теории вероятностей вам встретятся десятки задач милитаристского содержания, и, что характерно, после этого никого не захочется пристрелить – задачи почти подарочные. А почему бы не упростить ещё и шаблон? Cократим запись:

Решение : по условию: , – вероятность попадания соответствующих стрелков. Тогда вероятности их промаха:

а) По теоремам сложения вероятностей несовместных и умножения вероятностей независимых событий:
– вероятность того, что только один стрелок попадёт в мишень.

б) По теореме умножения вероятностей независимых событий:
– вероятность того, что оба стрелка промахнутся.

Тогда: – вероятность того, что хотя бы один из стрелков попадёт в мишень.

Ответ :

На практике можно пользоваться любым вариантом оформления. Конечно же, намного чаще идут коротким путём, но не нужно забывать и 1-й способ – он хоть и длиннее, но зато содержательнее – в нём понятнее, что, почему и зачем складывается и умножается. В ряде случаев уместен гибридный стиль, когда прописными буквами удобно обозначить лишь некоторые события.

Похожие задачи для самостоятельного решения:

Задача 6

Для сигнализации о возгорании установлены два независимо работающих дат­чика. Вероятности того, что при возгорании датчик сработает, для первого и второго датчиков соответственно равны 0,5 и 0,7. Найти вероятность того, что при пожаре:

а) оба датчика откажут;
б) оба датчика сработают.
в) Пользуясь теоремой сложения вероятностей событий, образующих полную группу , найти вероятность того, что при пожаре сработает только один датчик. Проверить результат прямым вычислением этой вероятности (с помощью теорем сложения и умножения) .

Здесь независимость работы устройств непосредственно прописана в условии, что, кстати, является важным уточнением. Образец решения оформлен в академичном стиле.

Как быть, если в похожей задаче даны одинаковые вероятности, например, 0,9 и 0,9? Решать нужно точно так же! (что, собственно, уже продемонстрировано в примере с двумя монетами)

Задача 7

Вероятность поражения цели первым стрелком при одном выстреле равна 0,8. Вероятность того, что цель не поражена после выполнения первым и вторым стрелками по одному выстрелу равна 0,08. Какова вероятность поражения цели вторым стрелком при одном выстреле?

А это небольшая головоломка, которая оформлена коротким способом. Условие можно переформулировать более лаконично, но переделывать оригинал не буду – на практике приходится вникать и в более витиеватые измышления.

Знакомьтесь – он самый, который настрогал для вас немереное количество деталей =):

Задача 8

Рабочий обслуживает три станка. Вероятность того, что в течение смены первый станок потребует настройки, равна 0,3, второй – 0,75, третий – 0,4. Найти вероятность того, что в течение смены:

а) все станки потребуют настройки;
б) только один станок потребует настройки;
в) хотя бы один станок потребует настройки.

Решение : коль скоро в условии ничего не сказано о едином технологическом процессе, то работу каждого станка следует считать не зависимой от работы других станков.

По аналогии с Задачей №5, здесь можно ввести в рассмотрение события , состоящие в том, что соответствующие станки потребуют настройки в течение смены, записать вероятности , найти вероятности противоположных событий и т.д. Но с тремя объектами так оформлять задачу уже не очень хочется – получится долго и нудно. Поэтому здесь заметно выгоднее использовать «быстрый» стиль:

По условию: – вероятности того, что в течение смены соответствующие станки потребуют настойки. Тогда вероятности того, что они не потребуют внимания:

Один из читателей обнаружил тут прикольную опечатку, даже исправлять не буду =)

а) По теореме умножения вероятностей независимых событий:
– вероятность того, что в течение смены все три станка потребуют настройки.

б) Событие «В течение смены только один станок потребует настройки» состоит в трёх несовместных исходах:

1) 1-й станок потребует внимания и 2-й станок не потребует и 3-й станок не потребует
или :
2) 1-й станок не потребует внимания и 2-й станок потребует и 3-й станок не потребует
или :
3) 1-й станок не потребует внимания и 2-й станок не потребует и 3-й станок потребует .

По теоремам сложения вероятностей несовместных и умножения вероятностей независимых событий:

– вероятность того, что в течение смены только один станок потребует настройки.

Думаю, сейчас вам должно быть понятно, откуда взялось выражение

в) Вычислим вероятность того, что станки не потребуют настройки, и затем – вероятность противоположного события:
– того, что хотя бы один станок потребует настройки.

Ответ :

Пункт «вэ» можно решить и через сумму , где – вероятность того, что в течение смены только два станка потребуют настройки. Это событие в свою очередь включает в себя 3 несовместных исхода, которые расписываются по аналогии с пунктом «бэ». Постарайтесь самостоятельно найти вероятность , чтобы проверить всю задачу с помощью равенства .

Задача 9

Из трех орудий произвели залп по цели. Вероятность попадания при одном выстреле только из первого орудия равна 0,7, из второго – 0,6, из третьего – 0,8. Найти вероятность того, что: 1) хотя бы один снаряд попадет в цель; 2) только два снаряда попадут в цель; 3) цель будет поражена не менее двух раз.

Решение и ответ в конце урока.

И снова о совпадениях: в том случае, если по условию два или даже все значения исходных вероятностей совпадают (например, 0,7; 0,7 и 0,7), то следует придерживаться точно такого же алгоритма решения.

В заключение статьи разберём ещё одну распространённую головоломку:

Задача 10

Стрелок попадает в цель с одной и той же вероятностью при каждом выстреле. Какова эта вероятность, если вероятность хотя бы одного попадания при трех выстрелах равна 0,973.

Решение : обозначим через – вероятность попадания в мишень при каждом выстреле.
и через – вероятность промаха при каждом выстреле.

И таки распишем события:
– при 3 выстрелах стрелок попадёт в мишень хотя бы один раз;
– стрелок 3 раза промахнётся.

По условию , тогда вероятность противоположного события:

С другой стороны, по теореме умножения вероятностей независимых событий:

Таким образом:

– вероятность промаха при каждом выстреле.

В результате:
– вероятность попадания при каждом выстреле.

Ответ : 0,7

Просто и изящно.

В рассмотренной задаче можно поставить дополнительные вопросы о вероятности только одного попадания, только двух попаданий и вероятности трёх попаданий по мишени. Схема решения будет точно такой же, как и в двух предыдущих примерах:

Однако принципиальное содержательное отличие состоит в том, что здесь имеют место повторные независимые испытания , которые выполняются последовательно, независимо друг от друга и с одинаковой вероятностью исходов.

Определения вероятности

Классическое определение

Классическое "определение" вероятности исходит из понятия равновозможности как объективного свойства изучаемых явлений. Равновозможность является неопределяемым понятием и устанавливается из общих соображений симметрии изучаемых явлений. Например, при подбрасывании монетки исходят из того, что в силу предполагаемой симметрии монетки, однородности материала и случайности (непредвзятости) подбрасывания нет никаких оснований для предпочтения "решки" перед "орлом" или наоборот, то есть выпадение этих сторон можно считать равновозможными (равновероятными).

Наряду с понятием равновозможности в общем случае для классического определения необходимо также понятие элементарного события (исхода), благоприятствующего или нет изучаемому событию A. Речь идет об исходах, наступление которых исключает возможность наступления иных исходов. Это несовместимые элементарные события. К примеру при бросании игральной кости выпадение конкретного числа исключает выпадение остальных чисел.

Классическое определение вероятности можно сформулировать следующим образом:

Вероятностью случайного события A называется отношение числа n несовместимых равновероятных элементарных событий, составляющих событие A, к числу всех возможных элементарных событий N:

Например, пусть подбрасываются две кости. Общее количество равновозможных исходов (элементарных событий) равно очевидно 36 (6 возможностей на каждой кости). Оценим вероятность выпадения 7 очков. Получение 7 очков возможно следующими способами: 1+6, 2+5, 3+4, 4+3, 5+2, 6+1. То есть всего 6 равновозможных исходов, благоприятствующих событию A - получению 7 очков. Следовательно, вероятность будет равна 6/36=1/6. Для сравнения вероятность получения 12 очков или 2 очков равна всего 1/36 - в 6 раз меньше.

Геометрическое определение

Несмотря на то, что классическое определение является интуитивно понятным и выведенным из практики, оно, как минимум не может быть непосредственно применено в случае, если количество равновозможных исходов бесконечно. Ярким примером бесконечного числа возможных исходов является ограниченная геометрическая область G, например, на плоскости, с площадью S. Случайно "подброшенная" "точка" с равной вероятностью может оказаться в любой точке этой области. Задача заключается в определении вероятности попадания точки в некоторую подобласть g с площадью s. В таком случая обобщая классическое определение можно прийти к геометрическому определению вероятности попадания в подобласть :

В виду равновозможности вероятность эта не зависит от формы области g, она зависит только от ее площади. Данное определение естественно можно обобщить и на пространство любой размерности, где вместо площади использовать понятие "объема". Более того, именно такое определение приводит к современному аксиоматическому определению вероятности. Понятие объема обобщается до понятия "меры" некоторого абстрактного множества, к которой предъявляются требования, которыми обладает и "объем" в геометрической интерпретации - в первую очередь, это неотрицательность и аддитивность.

Частотное (статистическое) определение

Классическое определение при рассмотрении сложных проблем наталкивается на трудности непреодолимого характера. В частности, в некоторых случаях выявить равновозможные случаи может быть невозможно. Даже в случае с монеткой, как известно существует явно не равновероятная возможность выпадения "ребра", которую из теоретических соображений оценить невозможно (можно только сказать, что оно маловероятно и то это соображение скорее практическое). Поэтому еще на заре становления теории вероятностей было предложено альтернативное "частотное" определение вероятности. А именно, формально вероятность можно определить как предел частоты наблюдений события A, предполагая однородность наблюдений (то есть одинаковость всех условий наблюдения) и их независимость друг от друга:

где - количество наблюдений, а - количество наступлений события .

Несмотря на то, что данное определение скорее указывает на способ оценки неизвестной вероятности - путем большого количества однородных и независимых наблюдений - тем не менее в таком определении отражено содержание понятия вероятности. А именно, если событию приписывается некоторая вероятность, как объективная мера его возможности, то это означает, что при фиксированных условиях и многократном повторении мы должны получить частоту его появления, близкую к (тем более близкую, чем больше наблюдений). Собственно, в этом заключается исходный смысл понятия вероятности. В основе лежит объективистский взгляд на явления природы. Ниже будут рассмотрены так называемые законы больших чисел, которые дают теоретическую основу (в рамках излагаемого ниже современного аксиоматического подхода) в том числе для частотной оценки вероятности.

Аксиоматическое определение

В современном математическом подходе вероятность задаётся аксиоматикой Колмогорова . Предполагается, что задано некоторое пространство элементарных событий . Подмножества этого пространства интерпретируются как случайные события . Объединение (сумма) некоторых подмножеств (событий) интерпретируется как событие, заключающееся в наступлении хотя бы одного из этих событий. Пересечение (произведение) подмножеств (событий) интерпретируется как событие, заключающееся в наступлении всех этих событий. Непересекающиеся множества интерпретируются как несовместные события (их совместное наступление невозможно). Соответственно, пустое множество означает невозможное событие.

Вероятностью (вероятностной мерой ) называется мера (числовая функция) , заданная на множестве событий, обладющая следующими свойствами:

В случае если пространство элементарных событий X конечно , то достаточно указанного условия аддитивности для произвольных двух несовместных событий, из которого будет следовать аддитивность для любого конечного количества несовместных событий. Однако, в случае бесконечного (счетного или несчетного) пространства элементарных событий этого условия оказывается недостаточно. Требуется так называемая счетная или сигма- аддитивность , то есть выполнение свойства аддитивности для любого не более чем счетного семейства попарно несовместных событий. Это необходимо для обеспечения "непрерывности" вероятностной меры.

Вероятностная мера может быть определена не для всех подмножеств множества . Предполагается, что она определена на некоторой сигма-алгебре подмножеств . Эти подмножества называются измеримыми по данной вероятностной мере и именно они являются случайными событиями. Совокупность - то есть множество элементарных событий, сигма-алгебра его подмножеств и вероятностная мера - называется вероятностным пространством .

Непрерывные случайные величины. Кроме дискретных случайных величин, возможные значения которых образуют конечную или бесконечную последовательность чисел, не заполняющих сплошь никакого интервала, часто встречаются случайные величины, возможные значения которых образуют некоторый интервал. Примером такой случайной величины может служить отклонение от номинала некоторого размера детали при правильно налаженном технологическом процессе. Такого рода, случайные величины не могут быть заданы с помощью закона распределения вероятностей р(х) . Однако их можно задать с помощью функции распределения вероятностей F(х) . Эта функция определяется точно так же, как и в случае дискретной случайной величины:

Таким образом, и здесь функция F(х) определена на всей числовой оси, и ее значение в точке х равно вероятности того, что случайная величина примет значение, меньшее чем х . Формула (19) и свойства 1° и 2° справедливы для функции распределения любой случайной величины. Доказательство проводится аналогично случаю дискретной величины. Случайная величина называется непрерывной , если для нее существует неотрицательная кусочно-непрерывная функция* , удовлетворяющая для любых значений x равенству

Исходя из геометрического смысла интеграла как площади, можно сказать, что вероятность выполнения неравенств равна площади криволинейной трапеции с основанием , ограниченной сверху кривой (рис. 6).

Так как , а на основании формулы (22)

Заметим, что для непрерывной случайной величины функция распределения F(х) непрерывна в любой точке х , где функция непрерывна. Это следует из того, что F(х) в этих точках дифференцируема. На основании формулы (23), полагая x 1 =x , , имеем

В силу непрерывности функции F(х) получим, что

Следовательно

Таким образом, вероятность того, что непрерывная случайная величина может принять любое отдельное значение х, равна нулю . Отсюда следует, что события, заключающиеся в выполнении каждого из неравенств

Имеют одинаковую вероятность, т.е.

В самом деле, например,

так как Замечание. Как мы знаем, если событие невозможно, то вероятность его наступления равна нулю. При классическом определении вероятности, когда число исходов испытания конечно, имеет место и обратное предложение: если вероятность события равна нулю, то событие невозможно, так как в этом случае ему не благоприятствует ни один из исходов испытания. В случае непрерывной случайной величины число возможных ее значений бесконечно. Вероятность того, что эта величина примет какое-либо конкретное значение x 1 как мы видели, равна нулю. Однако отсюда не следует, что это событие невозможно, так как в результате испытания случайная величина может, в частности, принять значение x 1 . Поэтому в случае непрерывной случайной величины имеет смысл говорить о вероятности попадания случайной величины в интервал, а не о вероятности того, что она примет какое-то конкретное значение. Так, например, при изготовлении валика нас не интересует вероятность того, что его диаметр будет равен номиналу. Для нас важна вероятность того, что диаметр валика не выходит из поля допуска. Пример. Плотность распределения непрерывной случайной величины задана следующим образом:

График функции представлен па рис. 7. Определить вероятность того, что случайная величина примет значение, удовлетворяющее неравенствам .Найти функцию распределения заданной случайной величины. (Решение )

Следующие два пункта посвящены часто встречающимся на практике распределениям непрерывных случайных величин - равномерному и нормальному распределениям.

* Функция называется кусочно-непрерывной на всей числовой оси, если она на любом сегменте или непрерывна, или имеет конечное число точек разрыва I рода. ** Правило дифференцирования интеграла с переменной верхней границей, выведенное в случае конечной нижней границы, остается справедливым и для интегралов с бесконечной нижней границей. В самом деле,

Так как интеграл

есть величина постоянная.

Зависимые и независимые события. Условная вероятность

Различают события зависимые и независимые. Два события называются независимыми, если появление одного из них не изменяет вероятность появления другого. Например, если в цехе работают две автоматические линии, по условиям производства не взаимосвязанные, то остановки этих линий являются независимыми событиями.

Пример 3. Монета брошена два раза. Вероятность появления "герба" в первом испытании (событие ) не зависит от появления или не появления "герба" во втором испытании (событие ). В свою очередь, вероятность появления "герба" во втором испытании не зависит от результата первого испытания. Таким образом, события и независимые.

Несколько событий называются независимыми в совокупности , если любое из них не зависит от любого другого события и от любой комбинации остальных.

События называются зависимыми , если одно из них влияет на вероятность появления другого. Например, две производственные установки связаны единым технологическим циклом. Тогда вероятность выхода из строя одной из них зависит от того, в каком состоянии находится другая. Вероятность одного события , вычисленная в предположении осуществления другого события , называется условной вероятностью события и обозначается .

Условие независимости события от события записывают в виде , а условие его зависимости - в виде . Рассмотрим пример вычисления условной вероятности события.

Пример 4. В ящике находятся 5 резцов: два изношенных и три новых. Производится два последовательных извлечения резцов. Определить условную вероятность появления изношенного резца при втором извлечении при условии, что извлеченный в первый раз резец в ящик не возвращается.

Решение. Обозначим извлечение изношенного резца в первом случае, а - извлечение нового. Тогда . Поскольку извлеченный резец в ящик не возвращается, то изменяется соотношение между количествами изношенных и новых резцов. Следовательно, вероятность извлечения изношенного резца во втором случае зависит от того, какое событие осуществилось перед этим.

Обозначим событие, означающее извлечение изношенного резца во втором случае. Вероятности этого события могут быть такими:

Следовательно, вероятность события зависит от того, произошло или нет событие .

Пло́тность вероя́тности - один из способов задания вероятностной меры на евклидовом пространстве . В случае, когда вероятностная мера является распределением случайной величины, говорят о плотности случайной величины .

Плотность вероятности Пусть является вероятностной мерой на, то есть определено вероятностное пространство, где обозначает борелевскую σ-алгебру на. Пусть обозначает меру Лебега на.

Определение 1. Вероятность называется абсолютно непрерывной (относительно меры Лебега) (), если любое борелевское множество нулевой меры Лебега также имеет вероятность ноль:

Если вероятность абсолютно непрерывна, то согласно теореме Радона-Никодима существует неотрицательная борелевская функция такая, что

,

где использовано общепринятое сокращение , и интеграл понимается в смысле Лебега.

Определение 2. В более общем виде, пусть - произвольное измеримое пространство, а и - две меры на этом пространстве. Если найдется неотрицательная , позволяющая выразить меру через меру в виде

то такую функцию называют плотностью меры по мере , или производной Радона-Никодима меры относительно меры , и обозначают

Независимые события

При практическом применении вероятностно-статистических методов принятия решений постоянно используется понятие независимости. Например, при применении статистических методов управления качеством продукции говорят о независимых измерениях значений контролируемых параметров у включенных в выборку единиц продукции, о независимости появления дефектов одного вида от появления дефектов другого вида, и т.д. Независимость случайных событий понимается в вероятностных моделях в следующем смысле.

Определение 2. События А и В называются независимыми, если Р(АВ) = Р(А) Р(В). Несколько событий А , В , С ,… называются независимыми, если вероятность их совместного осуществления равна произведению вероятностей осуществления каждого из них в отдельности: Р (АВС …) = Р (А )Р (В )Р (С )…

Это определение соответствует интуитивному представлению о независимости: осуществление или неосуществление одного события не должно влиять на осуществление или неосуществление другого. Иногда соотношение Р (АВ ) = Р (А ) Р (В |A ) = P (B )P (A |B ), справедливое при P (A )P (B) > 0, называют также теоремой умножения вероятностей.

Утверждение 1. Пусть события А и В независимы. Тогда события и независимы, события и В независимы, события А и независимы (здесь - событие, противоположное А , и - событие, противоположное В ).

Действительно, из свойства в) в (3) следует, что для событий С и D , произведение которых пусто, P (C + D ) = P (C ) + P (D ). Поскольку пересечение АВ и В пусто, а объединение есть В , то Р(АВ) + Р(В) = Р(В). Так как А и В независимы, то Р(В) = Р(В) - Р(АВ) = Р(В) - Р(А)Р(В) = Р(В)(1 - Р(А)). Заметим теперь, что из соотношений (1) и (2) следует, что Р() = 1 – Р(А). Значит, Р(В) = Р()Р(В).

Вывод равенства Р(А) = Р(А)Р() отличается от предыдущего лишь заменой всюду А на В , а В на А .

Для доказательства независимости и воспользуемся тем, что события АВ, В, А, не имеют попарно общих элементов, а в сумме составляют все пространство элементарных событий. Следовательно, Р (АВ) + Р(В) + Р(А) + Р() = 1. Воспользовавшись ранее доказанными соотношениями, получаем, что Р(В)= 1 - Р (АВ) - Р(В)(1 - Р(А)) - Р(А)(1 - Р(В))= (1 – Р(А))(1 – Р(В)) = Р()Р(), что и требовалось доказать.

Пример 3. Рассмотрим опыт, состоящий в бросании игрального кубика, на гранях которого написаны числа 1, 2, 3, 4, 5,6. Считаем, что все грани имеют одинаковые шансы оказаться наверху. Построим соответствующее вероятностное пространство. Покажем, что события «наверху – грань с четным номером» и «наверху – грань с числом, делящимся на 3» являются независимыми.

Разбор примера. Пространство элементарных исходов состоит из 6 элементов: «наверху – грань с 1», «наверху – грань с 2»,…, «наверху – грань с 6». Событие «наверху – грань с четным номером» состоит из трех элементарных событий – когда наверху оказывается 2, 4 или 6. Событие «наверху – грань с числом, делящимся на 3» состоит из двух элементарных событий – когда наверху оказывается 3 или 6. Поскольку все грани имеют одинаковые шансы оказаться наверху, то все элементарные события должны иметь одинаковую вероятность. Поскольку всего имеется 6 элементарных событий, то каждое из них имеет вероятность 1/6. По определению 1событие «наверху – грань с четным номером» имеет вероятность ½, а событие «наверху – грань с числом, делящимся на 3» - вероятность 1/3. Произведение этих событий состоит из одного элементарного события «наверху – грань с 6», а потому имеет вероятность 1/6. Поскольку 1/6 = ½ х 1/3, то рассматриваемые события являются независимыми в соответствии с определением независимости.

Зависимые и независимые случайные события.
Основные формулы сложения и умножения вероятностей

Понятия зависимости и независимости случайных событий. Условная вероятность. Формулы сложения и умножения вероятностей для зависимых и независимых случайных событий. Формула полной вероятности и формула Байеса.

Теоремы сложения вероятностей

Найдем вероятность суммы событий и (в предположении их совместности либо несовместности).

Теорема 2.1. Вероятность суммы конечного числа несовместных событий равна сумме их вероятностей:

Пример 1. Вероятность того, что в магазине будет продана пара мужской обуви 44-го размера, равна 0,12; 45-го - 0,04; 46-го и большего - 0,01. Найти вероятность того, что будет продана пара мужской обуви не меньше 44-го размера.

Решение. Искомое событие произойдет, если будет продана пара обуви 44-го размера (событие ) или 45-го (событие ), или не меньше 46-го (событие ), т. е. событие есть сумма событий . События , и несовместны. Поэтому согласно теореме о сумме вероятностей получаем

Пример 2. При условиях примера 1 найти вероятность того, что очередной будет продана пара обуви меньше 44-го размера.

Решение. События "очередной будет продана пара обуви меньше 44-го размера" и "будет продана пара обуви размера не меньше 44-го" противоположные. Поэтому по формуле (1.2) вероятность наступления искомого события

поскольку , как это было найдено в примере 1.

Теорема 2.1 сложения вероятностей справедлива только для несовместных событий. Использование ее для нахождения вероятности совместных событий может привести к неправильным, а иногда и абсурдным выводам, что наглядно видно на следующем примере. Пусть выполнение заказа в срок фирмой "Electra Ltd" оценивается вероятностью 0,7. Какова вероятность того, что из трех заказов фирма выполнит в срок хотя бы какой-нибудь один? События, состоящие в том, что фирма выполнит в срок первый, второй, третий заказы обозначим соответственно . Если для отыскания искомой вероятности применить теорему 2.1 сложения вероятностей, то получим . Вероятность события оказалась больше единицы, что невозможно. Это объясняется тем, что события являются совместными. Действительно, выполнение в срок первого заказа не исключает выполнения в срок двух других.

Сформулируем теорему сложения вероятностей в случае двух совместных событий (будет учитываться вероятность их совместного появления).

Теорема 2.2. Вероятность суммы двух совместных событий равна сумме вероятностей этих двух событий без вероятности их совместного появления:

Зависимые и независимые события. Условная вероятность

Различают события зависимые и независимые. Два события называются независимыми, если появление одного из них не изменяет вероятность появления другого. Например, если в цехе работают две автоматические линии, по условиям производства не взаимосвязанные, то остановки этих линий являются независимыми событиями.

Пример 3. Монета брошена два раза. Вероятность появления "герба" в первом испытании (событие ) не зависит от появления или не появления "герба" во втором испытании (событие ). В свою очередь, вероятность появления "герба" во втором испытании не зависит от результата первого испытания. Таким образом, события и независимые.

Несколько событий называются независимыми в совокупности , если любое из них не зависит от любого другого события и от любой комбинации остальных.

События называются зависимыми , если одно из них влияет на вероятность появления другого. Например, две производственные установки связаны единым технологическим циклом. Тогда вероятность выхода из строя одной из них зависит от того, в каком состоянии находится другая. Вероятность одного события , вычисленная в предположении осуществления другого события , называется условной вероятностью события и обозначается .

Условие независимости события от события записывают в виде , а условие его зависимости - в виде . Рассмотрим пример вычисления условной вероятности события.

Пример 4. В ящике находятся 5 резцов: два изношенных и три новых. Производится два последовательных извлечения резцов. Определить условную вероятность появления изношенного резца при втором извлечении при условии, что извлеченный в первый раз резец в ящик не возвращается.

Решение. Обозначим извлечение изношенного резца в первом случае, а - извлечение нового. Тогда . Поскольку извлеченный резец в ящик не возвращается, то изменяется соотношение между количествами изношенных и новых резцов. Следовательно, вероятность извлечения изношенного резца во втором случае зависит от того, какое событие осуществилось перед этим.

Обозначим событие, означающее извлечение изношенного резца во втором случае. Вероятности этого события могут быть такими:

Следовательно, вероятность события зависит от того, произошло или нет событие .

Формулы умножения вероятностей

Пусть события и независимые, причем вероятности этих событий известны. Найдем вероятность совмещения событий и .

Теорема 2.3. Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:

Следствие 2.1. Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий:

Пример 5. Три ящика содержат по 10 деталей. В первом ящике - 8 стандартных деталей, во втором - 7, в третьем - 9. Из каждого ящика наудачу вынимают по одной детали. Найти вероятность того, что все три вынутые детали окажутся стандартными.

Решение. Вероятность того, что из первого ящика взята стандартная деталь (событие ), . Вероятность того, что из второго ящика взята стандартная деталь (событие ), . Вероятность того, что из третьего ящика взята стандартная деталь (событие ), . Так как события , и независимые в совокупности, то искомая вероятность (по теореме умножения)

Пусть события и зависимые, причем вероятности и известны. Найдем вероятность произведения этих событий, т. е. вероятность того, что появится и событие , и событие .

Теорема 2.4. Вероятность совместного появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило:

Следствие 2.2. Вероятность совместного появления нескольких зависимых событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились.

Пример 6. В урне находятся 5 белых шаров, 4 черных и 3 синих. Каждое испытание состоит в том, что наудачу извлекают один шар, не возвращая его в урну. Найти вероятность того, что при первом испытании появится белый шар (событие ), при втором - черный (событие ) и при третьем - синий (событие ).

Решение. Вероятность появления белого шара при первом испытании . Вероятность появления черного шара при втором испытании, вычисленная в предположении, что при первом испытании появился белый шар, т. е. условная вероятность . Вероятность появления синего шара при третьем испытании, вычисленная в предположении, что при первом испытании появился белый шар, а при втором - черный, . Искомая вероятность

Формула полной вероятности

Теорема 2.5. Если событие наступает только при условии появления одного из событий , образующих полную группу несовместных событий, то вероятность события равна сумме произведений вероятностей каждого из событий на соответствующую условную вероятность события :

При этом события называются гипотезами, а вероятности - априорными. Эта формула называется формулой полной вероятности.

Пример 7. На сборочный конвейер поступают детали с трех станков. Производительность станков не одинакова. На первом станке изготовляют 50% всех деталей, на втором - 30%, на третьем - 20%. Вероятность качественной сборки при использовании детали, изготовленной на первом, втором и третьем станке, соответственно 0,98, 0,95 и 0,8, Определить вероятность того, что узел, сходящий с конвейера, качественный.

Решение. Обозначим событие, означающее годность собранного узла; , и - события, означающие, что детали сделаны соответственно на первом, втором и третьем станке. Тогда

Искомая вероятность

Формула Байеса

Эта формула применяется при решении практических задач, когда событие , появляющееся совместно с каким-либо из событий , образующих полную группу событий, произошло и требуется провести количественную переоценку вероятностей гипотез . Априорные (до опыта) вероятности известны. Требуется вычислить апостериорные (после опыта) вероятности, т. е., по существу, нужно найти условные вероятности . Для гипотезы формула Байеса выглядит так.