Рассчитать вероятность наступления события. Вероятность события
Итак, поговорим на тему, которая интересует очень многих. В данной статье я вам отвечу на вопрос о том, как рассчитать вероятность события. Приведу формулы для такого расчета и несколько примеров, чтобы было понятнее, как это делается.
Что такое вероятность
Начнем с того, что вероятность того, что то или иное событие произойдет – некая доля уверенности в конечном наступлении какого-то результата. Для этого расчета разработана формула полной вероятности, позволяющая определить, наступит интересующее вас событие или нет, через, так называемые, условные вероятности. Эта формула выглядит так: Р = n/m, буквы могут меняться, но на саму суть это никак не влияет.
Примеры вероятности
На простейшем примере разберем эту формулу и применим ее. Допустим, у вас есть некое событие (Р), пусть это будет бросок игральной кости, то есть равносторонний кубик. И нам требуется подсчитать, какова вероятность выпадения на нем 2 очков. Для этого нужно число положительных событий (n), в нашем случае – выпадение 2 очков, на общее число событий (m). Выпадение 2 очков может быть только в одном случае, если на кубике будет по 2 очка, так как по другому, сумма будет больше, из этого следует, что n = 1. Далее подсчитываем число выпадения любых других цифр на кости, на 1 кости – это 1, 2, 3, 4, 5 и 6, следовательно, благоприятных случаев 6, то есть m = 6. Теперь по формуле делаем нехитрое вычисление Р = 1/6 и получаем, что выпадение на кости 2 очков равно 1/6, то есть вероятность события очень мала.
Еще рассмотрим пример на цветных шарах, которые лежат в коробке: 50 белых, 40 черных и 30 зеленых. Нужно определить какова вероятность вытащить шар зеленого цвета. И так, так как шаров этого цвета 30, то есть, положительных событий может быть только 30 (n = 30), число всех событий 120, m = 120 (по общему количеству всех шаров), по формуле рассчитываем, что вытащить зеленый шар вероятность равна будет Р = 30/120 = 0,25, то есть 25 % из 100. Таким же образом, можно вычислить и вероятность вытащить шар другого цвета (черного она будет 33%, белого 42%).
Поговорим о задачах, в которых встречается фраза "хотя бы один". Наверняка вы встречали такие задачи в домашних и контрольных работах, а теперь узнаете, как их решать. Сначала я расскажу об общем правиле, а потом рассмотрим частный случай и , выпишем формулы и примеры для каждого.
Общая методика и примеры
Общая методика для решения задач, в которых встречается фраза "хотя бы один" такая:
А теперь разберем ее на примерах. Вперед!
Пример 1. В ящике находится 25 стандартных и 6 бракованных однотипных деталей. Какова вероятность того, что среди трёх наудачу выбранных деталей окажется хотя бы одна бракованная?
Действуем прямо по пунктам.
1.
Записываем событие, вероятность которого надо найти прямо из условия задачи:
$A$ =(Из 3 выбранных деталей хотя бы одна
бракованная).
2. Тогда противоположное событие формулируется так $\bar{A}$ = (Из 3 выбранных деталей ни одной бракованной) = (Все 3 выбранные детали будут стандартные).
3. Теперь нужно понять, как найти вероятность события $\bar{A}$, для чего еще раз посмотрим на задачу: говорится об объектах двух видов (детали бракованные и нет), из которых вынимается некоторое число объектов и изучаются (бракованные или нет). Это задача решается с помощью классического определения вероятности (точнее, по формуле гипергеометрической вероятности, подробнее о ней читайте в статье).
Для первого примера запишем решение подробно, далее будем уже сокращать (а полные инструкции и калькуляторы вы найдете по ссылке выше).
Сначала найдем общее число исходов - это число способов выбрать любые 3 детали из партии в 25+6=31 деталей в ящике. Так как порядок выбора несущественнен, применяем формулу для числа сочетаний из 31 объектов по 3: $n=C_{31}^3$.
Теперь переходим к числу благоприятствующих событию исходов. Для этого нужно, чтобы все 3 выбранные детали были стандартные, их можно выбрать $m = C_{25}^3$ способами (так как стандартных деталей в ящике ровно 25).
Вероятность равна:
$$ P(\bar{A})=\frac{m}{n}=\frac{C_{25}^3 }{C_{31}^3} = \frac{23 \cdot 24\cdot 25}{29\cdot 30\cdot 31} =\frac{2300}{4495}= 0.512. $$
4. Тогда искомая вероятность:
$$ P(A)=1-P(\bar{A})=1- 0.512 = 0.488. $$
Ответ: 0.488.
Пример 2. Из колоды в 36 карт берут наудачу 6 карт. Найти вероятность того, что среди взятых карт будут: хотя бы две пики.
1. Записываем событие $A$ =(Из 6 выбранных карт будут хотя бы две пики).
2. Тогда противоположное событие формулируется так $\bar{A}$ = (Из 6 выбранных карт будет менее 2 пик) = (Из 6 выбранных карт будет ровно 0 или 1 пиковые карты, остальные другой масти).
Замечание. Тут я остановлюсь и сделаю небольшое замечание. Хотя в 90% случаях методика "перейти к противоположному событию" работает на отлично, существуют случаи, когда проще найти вероятность исходного события. В данном случае, если искать напрямую вероятность события $A$ потребуется сложить 5 вероятностей, а для события $\bar{A}$ - всего 2 вероятности. А вот если бы задача была такая "из 6 карт хотя бы 5 - пиковые", ситуация стала бы обратной и тут проще решать исходную задачу. Если опять попытаться дать инструкцию, скажу так. В задачах, где видите "хотя бы один", смело переходите к противоположному событию. Если же речь о "хотя бы 2, хотя бы 4 и т.п.", тут надо прикинуть, что легче считать.
3. Возвращаемся к нашей задаче и находим вероятность события $\bar{A}$ с помощью классического определения вероятности.
Общее число исходов (способов выбрать любые 6 карт из 36) равно $n=C_{36}^6$ (калькулятор ).
Найдем число благоприятствующих событию исходов. $m_0 = C_{27}^6$ - число способов выбрать все 6 карт непиковой масти (их в колоде 36-9=27), $m_1 = C_{9}^1\cdot C_{27}^5$ - число способов выбрать 1 карту пиковой масти (из 9) и еще 5 других мастей (из 27).
$$ P(\bar{A})=\frac{m_0+m_1}{n}=\frac{C_{27}^6+C_{9}^1\cdot C_{27}^5 }{C_{36}^6} =\frac{85215}{162316}= 0.525. $$
4. Тогда искомая вероятность:
$$ P(A)=1-P(\bar{A})=1- 0.525 = 0.475. $$
Ответ: 0.475.
Пример 3. В урне 2 белых, 3 черных и 5 красных шаров. Три шара вынимают наугад. Найти вероятность того, что среди вынутых шаров хотя бы два будут разного цвета.
1. Записываем событие $A$ =(Среди вынутых 3 шаров хотя бы два разного цвета). То есть, например, "2 красных шара и 1 белый", или "1 белый, 1 черный, 1 красный", или "2 черных, 1 красный" и так далее, вариантов многовато. Попробуем правило перехода к противоположному событию.
2. Тогда противоположное событие формулируется так $\bar{A}$ = (Все три шара одного цвета) = (Выбраны 3 черных шара или 3 красных шара) - всего 2 варианта получилось, значит, этот способ решения упрощает вычисления. Кстати, все шары белого цвета не могут быть выбраны, так как их всего 2, а вынимается 3 шара.
3. Общее число исходов (способов выбрать любые 3 шара из 2+3+5=10 шаров) равно $n=C_{10}^3=120$.
Найдем число благоприятствующих событию исходов. $m = C_{3}^3+C_{5}^3=1+10=11$ - число способов выбрать или 3 черных шара (из 3), или 3 красных шара (из 5).
$$ P(\bar{A})=\frac{m}{n}=\frac{11}{120}. $$
4. Искомая вероятность:
$$ P(A)=1-P(\bar{A})=1- \frac{11}{120}=\frac{109}{120} = 0.908. $$
Ответ: 0.908.
Частный случай. Независимые события
Идем дальше, и приходим к классу задач, где рассматривается несколько независимых событий (стрелки попадают, лампочки перегорают, машины заводятся, рабочие болеют с разной вероятностью каждый и т.п.) и нужно "найти вероятность наступления хотя бы одного события" . В вариациях это может звучать так "найти вероятность, что хотя бы один стрелок из трех попадет в цель", "найти вероятность того, что хотя бы один автобус из двух вовремя приедет на вокзал", "найти вероятность, что хотя бы один элемент в устройстве из четырех элементов откажет за год" и т.д.
Если в примерах выше речь шла о применении формулы классической вероятности , здесь мы приходим к алгебре событий, используем формулы сложения и умножения вероятностей (небольшая теория ).
Итак, рассматриваются несколько независимых событий $A_1, A_2,...,A_n$, вероятности наступления каждого известны и равны $P(A_i)=p_i$ ($q_i=1-p_i$). Тогда вероятность того, что в результате эксперимента произойдет хотя бы одно из событий, вычисляется по формуле
$$ P=1-q_1\cdot q_2 \cdot ...\cdot q_n. \quad(1) $$
Строго говоря, эта формула тоже получается применением основной методики "перейти к противоположному событию" . Ведь действительно, пусть $A$=(Наступит хотя бы одно событие из $A_1, A_2,...,A_n$), тогда $\bar{A}$ = (Ни одно из событий не произойдет), что значит:
$$
P(\bar{A})=P(\bar{A_1} \cdot \bar{A_2} \cdot ... \bar{A_n})=P(\bar{A_1}) \cdot P(\bar{A_2}) \cdot ... P(\bar{A_n})=\\
=(1-P(A_1)) \cdot (1-P(A_2)) \cdot ... (1-P(A_n))=\\
=(1-p_1) \cdot (1-p_2) \cdot ... (1-p_n)=q_1\cdot q_2 \cdot ...\cdot q_n,\\
$$
откуда и получаем нашу формулу
$$
P(A)=1-P(\bar{A})=1-q_1\cdot q_2 \cdot ...\cdot q_n.
$$
Пример 4. Узел содержит две независимо работающие детали. Вероятности отказа деталей соответственно равны 0,05 и 0,08. Найти вероятность отказа узла, если для этого достаточно, чтобы отказала хотя бы одна деталь.
Событие $A$ =(Узел отказал) = (Хотя бы одна из двух деталей отказала). Введем независимые события: $A_1$ = (Первая деталь отказала) и $A_2$ = (Вторая деталь отказала). По условию $p_1=P(A_1)=0,05$, $p_2=P(A_2)=0,08$, тогда $q_1=1-p_1=0,95$, $q_2=1-p_2=0,92$. Применим формулу (1) и получим:
$$ P(A)=1-q_1\cdot q_2 = 1-0,95\cdot 0,92=0,126. $$
Ответ: 0,126.
Пример 5. Студент разыскивает нужную ему формулу в трех справочниках. Вероятность того, что формула содержится в первом справочнике, равна 0,8, во втором - 0,7, в третьем - 0,6. Найти вероятность того, что формула содержится хотя бы в одном справочнике.
Действуем аналогично. Рассмотрим основное событие
$A$ =(Формула содержится хотя бы в одном справочнике). Введем независимые события:
$A_1$ = (Формула есть в первом справочнике),
$A_2$ = (Формула есть во втором справочнике),
$A_3$ = (Формула есть в третьем справочнике).
По условию $p_1=P(A_1)=0,8$, $p_2=P(A_2)=0,7$, $p_3=P(A_3)=0,6$, тогда $q_1=1-p_1=0,2$, $q_2=1-p_2=0,3$, $q_3=1-p_3=0,4$. Применим формулу (1) и получим:
$$ P(A)=1-q_1\cdot q_2\cdot q_3 = 1-0,2\cdot 0,3\cdot 0,4=0,976. $$
Ответ: 0,976.
Пример 6. Рабочий обслуживает 4 станка, работающих независимо друг от друга. Вероятность того, что в течение смены первый станок потребует внимания рабочего, равна 0,3, второй – 0,6, третий – 0,4 и четвёртый – 0,25. Найти вероятность того, что в течение смены хотя бы один станок не потребует внимания мастера.
Думаю, вы уже уловили принцип решения, вопрос только в количестве событий, но и оно не оказывает влияния на сложность решения (в отличие от общих задач на сложение и умножение вероятностей). Только будьте внимательны, вероятности указаны для "потребует внимания", а вот вопрос задачи "хотя бы один станок НЕ потребует внимания". Вводить события нужно такие же, как и основное (в данном случае, с НЕ), чтобы пользоваться общей формулой (1).
Получаем:
$A$ = (В течение смены хотя бы один станок НЕ потребует внимания мастера),
$A_i$ = ($i$-ый станок НЕ потребует внимания мастера), $i=1,2,3,4$,
$p_1 = 0,7$, $p_2 = 0,4$, $p_3 = 0,6$, $p_4 = 0,75$.
Искомая вероятность:
$$ P(A)=1-q_1\cdot q_2\cdot q_3 \cdot q_4= 1-(1-0,7)\cdot (1-0,4)\cdot (1-0,6)\cdot (1-0,75)=0,982. $$
Ответ: 0,982. Почти наверняка мастер будет отдыхать всю смену;)
Частный случай. Повторные испытания
Итак, у нас есть $n$ независимых событий (или повторений некоторого опыта), причем вероятности наступления этих событий (или наступления события в каждом из опытов) теперь одинаковы и равны $p$. Тогда формула (1) упрощается к виду:
$$ P=1-q_1\cdot q_2 \cdot ...\cdot q_n = 1-q^n. $$
Фактически мы сужаемся к классу задач, который носит название "повторные независимые испытания" или "схема Бернулли", когда проводится $n$ опытов, вероятность наступления события в каждом из которых равна $p$. Нужно найти вероятность, что событие появится хотя бы раз из $n$ повторений:
$$ P=1-q^n. \quad(2) $$
Подробнее о схеме Бернулли можно прочитать в онлайн-учебнике , а также посмотреть статьи-калькуляторы о решении различных подтипов задач (о выстрелах, лотерейных билетах и т.п.). Ниже же будут разобраны задачи только с "хотя бы один".
Пример 7. Пусть вероятность того, что телевизор не потребует ремонта в течение гарантийного срока, равна 0,9. Найти вероятность того, что в течение гарантийного срока из 3 телевизоров хотя бы один не потребует ремонта.
Решения короче вы еще не видели.
Просто выписываем из условия: $n=3$, $p=0,9$, $q=1-p=0,1$.
Тогда вероятность того, что в течение гарантийного срока из 3 телевизоров хотя бы один не потребует ремонта, по формуле (2):
$$ P=1-0,1^3=1-0,001=0,999 $$
Ответ: 0,999.
Пример 8. Производится 5 независимых выстрелов по некоторой цели. Вероятность попадания при одном выстреле равна 0,8. Найти вероятность того, что будет хотя бы одно попадание.
Опять, начинаем с формализации задачи, выписывая известные величины. $n=5$ выстрелов, $p=0,8$ - вероятность попадания при одном выстреле, $q=1-p=0,2$.
И тогда вероятность того, что будет хотя бы одно попадание из пяти выстрелов равна:
$$
P=1-0,2^5=1-0,00032=0,99968
$$
Ответ: 0,99968.
Думаю, с применением формулы (2) все более чем ясно (не забудьте почитать и о других задачах, решаемых в рамках схемы Бернулли, ссылки были выше). А ниже я приведу чуть более сложную задачу. Такие задачи встречаются пореже, но и их способ решения надо усвоить. Поехали!
Пример 9. Производится n независимых опытов, в каждом из которых некоторое событие A появляется с вероятностью 0,7. Сколько нужно сделать опытов для того, чтобы с вероятностью 0,95 гарантировать хотя бы одно появление события A?
Имеем схему Бернулли, $n$ - количество опытов, $p=0,7$ - вероятность появления события А.
Тогда вероятность того, что произойдет хотя бы одно событие А в $n$ опытах, равна по формуле (2): $$ P=1-q^n=1-(1-0,7)^n=1-0,3^n $$ По условию эта вероятность должна быть не меньше 0,95, поэтому:
$$ 1-0,3^n \ge 0,95,\\ 0,3^n \le 0,05,\\ n \ge \log_{0,3} 0,05 = 2,49. $$
Округляя, получаем что нужно провести не менее 3 опытов.
Ответ: минимально нужно сделать 3 опыта.
Краткая теория
Для количественного сравнения событий по степени возможности их появления вводится числовая мера, которая называется вероятностью события. Вероятностью случайного события называется число, являющееся выражением меры объективной возможности появления события.
Величины, определяющие, насколько значительны объективные основания рассчитывать на появление события, характеризуются вероятностью события. Необходимо подчеркнуть, что вероятность есть объективная величина, существующая независимо от познающего и обусловленная всей совокупностью условий, которые способствуют появлению события.
Объяснения, которые мы дали понятию вероятности, не являются математическим определением, так как они не определяют это понятие количественно. Существует несколько определений вероятности случайного события, которые широко применяются при решении конкретных задач (классическое, геометрическое определение вероятности , статистическое и т. д.).
Классическое определение вероятности события сводит это понятие к более элементарному понятию равновозможных событий, которое уже не подлежит определению и предполагается интуитивно ясным. Например, если игральная кость - однородный куб, то выпадения любой из граней этого куба будут равновозможными событиями.
Пусть достоверное событие распадается на равновозможных случаев , сумма которых дает событие . То есть случаи из , на которые распадается , называются благоприятствующими для события , так как появление одного из них обеспечивает наступление .
Вероятность события будем обозначать символом .
Вероятность события равна отношению числа случаев , благоприятствующих ему, из общего числа единственно возможных, равновозможных и несовместных случаев к числу , т. е.
Это есть классическое определение вероятности. Таким образом, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, найти совокупность единственно возможных, равновозможных и несовместных случаев, подсчитать общее их число n, число случаев m, благоприятствующих данному событию, и затем выполнить расчет по вышеприведенной формуле.
Вероятность события, равная отношению числа благоприятных событию исходов опыта к общему числу исходов опыта называется классической вероятностью случайного события.
Из определения вытекают следующие свойства вероятности:
Свойство 1. Вероятность достоверного события равна единице.
Свойство 2. Вероятность невозможного события равна нулю.
Свойство 3. Вероятность случайного события есть положительное число, заключенное между нулем и единицей.
Свойство 4. Вероятность наступления событий, образующих полную группу, равна единице.
Свойство 5. Вероятность наступления противоположного события определяется так же, как и вероятность наступления события A.
Число случаев, благоприятствующих появлению противоположного события . Отсюда вероятность наступления противоположного события равна разнице между единицей и вероятностью наступления события A:
Важное достоинство классического определения вероятности события состоит в том, что с его помощью вероятность события можно определить, не прибегая к опыту, а исходя из логических рассуждений.
При выполнении комплекса условий достоверное событие обязательно произойдет, а невозможное обязательно не произойдет. Среди событий, которые при создании комплекса условий могут произойти, а могут не произойти, на появление одних можно рассчитывать с большим основанием, на появление других с меньшим основанием. Если, например, в урне белых шаров больше, чем черных, то надеяться на появление белого шара при вынимании из урны наудачу больше оснований, чем на появление черного шара.
На соседней странице рассматривается .
Пример решения задачи
Пример 1
В ящике находится 8 белых, 4 черных и 7 красных шаров. Наудачу извлечены 3 шара. Найти вероятности следующих событий: – извлечен по крайней мере 1 красный шар, – есть по крайней мере 2 шара одного цвета, – есть по крайней мере 1 красный и 1 белый шар.
Решение задачи
Общее число исходов испытания найдем как число сочетаний из 19 (8+4+7) элементов по 3:
Найдем вероятность события – извлечен по крайней мере 1 красный шар (1,2 или 3 красных шара)
Искомая вероятность:
Пусть событие – есть по крайней мере 2 шара одного цвета (2 или 3 белых шара, 2 или 3 черных шара и 2 или 3 красных шара)
Число исходов, благоприятствующих событию:
Искомая вероятность:
Пусть событие – есть по крайней мере один красный и 1 белый шар
(1 красный, 1 белый, 1 черный или 1 красный, 2 белых или 2 красных, 1 белый)
Число исходов, благоприятствующих событию:
Искомая вероятность:
Ответ: P(A)=0.773;P(C)=0.7688; P(D)=0.6068
Пример 2
Брошены две игральные кости. Найти вероятность того, что сумма очков не меньше 5.
Решение
Пусть событие – сумма очков не меньше 5
Воспользуемся классическим определением вероятности:
Общее число возможных исходов испытания
Число испытаний, благоприятствующих интересующему нас событию
На выпавшей грани первого игрального кубика может появиться одно очко, два очка…, шесть очков. аналогично шесть исходов возможны при бросании второго кубика. Каждый из исходов бросания первой кости может сочетаться с каждым из исходов второй. Таким образом, общее число возможных элементарных исходов испытания равно числу размещений с повторениями (выбор с размещениями 2 элементов из совокупнности объема 6):
Найдем вероятность противоположного события – сумма очков меньше 5
Благоприятствовать событию будут следующие сочетания выпавших очков:
| № | 1-я кость | 2-я кость | 1 | 1 | 1 | 2 | 1 | 2 | 3 | 2 | 1 | 4 | 3 | 1 | 5 | 1 | 3 |
Средняя стоимость решения контрольной работы 700 - 1200 рублей (но не менее 300 руб. за весь заказ). На цену сильно влияет срочность решения (от суток до нескольких часов). Стоимость онлайн-помощи на экзамене/зачете - от 1000 руб. за решение билета.
Заявку можно оставить прямо в чате, предварительно скинув условие задач и сообщив необходимые вам сроки решения. Время ответа - несколько минут.
Примеры близких по теме задач
Формула полной вероятности. Формула Байеса
На примере решения задачи рассмотрены формула полной вероятности и формула Байеса, а также рассказывается, что такое гипотезы и условные вероятности.
Теория вероятностей – это раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.
Долгое время теория вероятностей не имела четкого определения. Оно было сформулировано лишь в 1929 году. Возникновение теории вероятностей как науки относят к средним векам и первым попыткам математического анализа азартных игр (орлянка, кости, рулетка). Французские математики XVII века Блез Паскаль и Пьер Ферма, исследуя прогнозирование выигрыша в азартных играх, открыли первые вероятностные закономерности, возникающие при бросании костей.
Теория вероятности возникла как наука из убеждения, что в основе массовых случайных событий лежат определенные закономерности. Теория вероятности изучает данные закономерности.
Теория вероятностей занимается изучением событий, наступление которых достоверно неизвестно. Она позволяет судить о степени вероятности наступления одних событий по сравнению с другими.
Например: определить однозначно результат выпадения «орла» или «решки» в результате подбрасывания монеты нельзя, но при многократном подбрасывании выпадает примерно одинаковое число «орлов» и «решек», что означает, что вероятность того, что выпадет «орел» или «решка», равна 50%.
Испытанием в этом случае называется реализация определенного комплекса условий, то есть в данном случае подбрасывание монеты. Испытание может воспроизводиться неограниченное количество раз. При этом комплекс условий включает в себя случайные факторы.
Результатом испытания является событие . Событие бывает:
- Достоверное (всегда происходит в результате испытания).
- Невозможное (никогда не происходит).
- Случайное (может произойти или не произойти в результате испытания).
Например, при подбрасывании монеты невозможное событие - монета станет на ребро, случайное событие - выпадение «орла» или «решки». Конкретный результат испытания называется элементарным событием . В результате испытания происходят только элементарные события. Совокупность всех возможных, различных, конкретных исходов испытаний называется пространством элементарных событий .
Основные понятия теории
Вероятность - степень возможности происхождения события. Когда основания для того, чтобы какое-нибудь возможное событие произошло в действительности, перевешивают противоположные основания, то это событие называют вероятным, в противном случае - маловероятным или невероятным.
Случайная величина - это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Например: число на пожарную станцию за сутки, число попадания при 10 выстрелах и т.д.
Случайные величины можно разделить на две категории.
- Дискретной случайной величиной называется такая величина, которая в результате испытания может принимать определенные значения с определенной вероятностью, образующие счетное множество (множество, элементы которого могут быть занумерованы). Это множество может быть как конечным, так и бесконечным. Например, количество выстрелов до первого попадания в цель является дискретной случайной величиной, т.к. эта величина может принимать и бесконечное, хотя и счетное количество значений.
- Непрерывной случайной величиной называется такая величина, которая может принимать любые значения из некоторого конечного или бесконечного промежутка. Очевидно, что количество возможных значений непрерывной случайной величины бесконечно.
Вероятностное пространство - понятие, введенное А.Н. Колмогоровым в 30-х годах XX века для формализации понятия вероятности, которое дало начало бурному развитию теории вероятностей как строгой математической дисциплине.
Вероятностное пространство - это тройка (иногда обрамляемая угловыми скобками: , где
Это произвольное множество, элементы которого называются элементарными событиями, исходами или точками;
- сигма-алгебра подмножеств , называемых (случайными) событиями;
- вероятностная мера или вероятность, т.е. сигма-аддитивная конечная мера, такая что .
Теорема Муавра-Лапласа - одна из предельных теорем теории вероятностей, установлена Лапласом в 1812 году. Она утверждает, что число успехов при многократном повторении одного и того же случайного эксперимента с двумя возможными исходами приблизительно имеет нормальное распределение. Она позволяет найти приближенное значение вероятности.
Если при каждом из независимых испытаний вероятность появления некоторого случайного события равна () и - число испытаний, в которых фактически наступает, то вероятность справедливости неравенства близка (при больших ) к значению интеграла Лапласа.
Функция распределения в теории вероятностей - функция, характеризующая распределение случайной величины или случайного вектора; вероятность того, что случайная величина X примет значение, меньшее или равное х, где х - произвольное действительное число. При соблюдении известных условий полностью определяет случайную величину.
Математическое ожидание - среднее значение случайной величины (это распределение вероятностей случайной величины, рассматривается в теории вероятностей). В англоязычной литературе обозначается через , в русской - . В статистике часто используют обозначение .
Пусть задано вероятностное пространство и определенная на нем случайная величина . То есть, по определению, - измеримая функция. Тогда, если существует интеграл Лебега от по пространству , то он называется математическим ожиданием, или средним значением и обозначается .
Дисперсия случайной величины - мера разброса данной случайной величины, т. е. ее отклонения от математического ожидания. Обозначается в русской литературе и в зарубежной. В статистике часто употребляется обозначение или . Квадратный корень из дисперсии называется среднеквадратичным отклонением, стандартным отклонением или стандартным разбросом.
Пусть - случайная величина, определенная на некотором вероятностном пространстве. Тогда
где символ обозначает математическое ожидание.
В теории вероятностей два случайных события называются независимыми , если наступление одного из них не изменяет вероятность наступления другого. Аналогично, две случайные величины называют зависимыми , если значение одной из них влияет на вероятность значений другой.
Простейшая форма закона больших чисел – это теорема Бернулли, утверждающая, что если вероятность события одинакова во всех испытаниях, то с увеличением числа испытаний частота события стремится к вероятности события и перестает быть случайной.
Закон больших чисел в теории вероятностей утверждает, что среднее арифметическое конечной выборки из фиксированного распределения близко к теоретическому среднему математическому ожиданию этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти наверняка.
Общий смысл закона больших чисел - совместное действие большого числа одинаковых и независимых случайных факторов приводит к результату, в пределе не зависящему от случая.
На этом свойстве основаны методы оценки вероятности на основе анализа конечной выборки. Наглядным примером является прогноз результатов выборов на основе опроса выборки избирателей.
Центральные предельные теоремы - класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы (ни одно из слагаемых не доминирует, не вносит в сумму определяющего вклада), имеет распределение, близкое к нормальному.
Так как многие случайные величины в приложениях формируются под влиянием нескольких слабо зависимых случайных факторов, их распределение считают нормальным. При этом должно соблюдаться условие, что ни один из факторов не является доминирующим. Центральные предельные теоремы в этих случаях обосновывают применение нормального распределения.
- Вероя́тность - степень (относительная мера, количественная оценка) возможности наступления некоторого события. Когда основания для того, чтобы какое-нибудь возможное событие произошло в действительности, перевешивают противоположные основания, то это событие называют вероятным, в противном случае - маловероятным или невероятным. Перевес положительных оснований над отрицательными, и наоборот, может быть в различной степени, вследствие чего вероятность (и невероятность) бывает большей либо меньшей. Поэтому часто вероятность оценивается на качественном уровне, особенно в тех случаях, когда более или менее точная количественная оценка невозможна или крайне затруднительна. Возможны различные градации «уровней» вероятности.
Исследование вероятности с математической точки зрения составляет особую дисциплину - теорию вероятностей. В теории вероятностей и математической статистике понятие вероятности формализуется как числовая характеристика события - вероятностная мера (или её значение) - мера на множестве событий (подмножеств множества элементарных событий), принимающая значения от
{\displaystyle 0}
{\displaystyle 1}
Значение
{\displaystyle 1}
Соответствует достоверному событию. Невозможное событие имеет вероятность 0 (обратное вообще говоря не всегда верно). Если вероятность наступления события равна
{\displaystyle p}
То вероятность его ненаступления равна
{\displaystyle 1-p}
В частности, вероятность
{\displaystyle 1/2}
Означает равную вероятность наступления и ненаступления события.
Классическое определение вероятности основано на понятии равновозможности исходов. В качестве вероятности выступает отношение количества исходов, благоприятствующих данному событию, к общему числу равновозможных исходов. Например, вероятность выпадения «орла» или «решки» при случайном подбрасывании монетки равна 1/2, если предполагается, что только эти две возможности имеют место и они являются равновозможными. Данное классическое «определение» вероятности можно обобщить на случай бесконечного количества возможных значений - например, если некоторое событие может произойти с равной вероятностью в любой точке (количество точек бесконечно) некоторой ограниченной области пространства (плоскости), то вероятность того, что оно произойдет в некоторой части этой допустимой области равна отношению объёма (площади) этой части к объёму (площади) области всех возможных точек.
Эмпирическое «определение» вероятности связано с частотой наступления события исходя из того, что при достаточно большом числе испытаний частота должна стремиться к объективной степени возможности этого события. В современном изложении теории вероятностей вероятность определяется аксиоматически, как частный случай абстрактной теории меры множества. Тем не менее, связующим звеном между абстрактной мерой и вероятностью, выражающей степень возможности наступления события, является именно частота его наблюдения.
Вероятностное описание тех или иных явлений получило широкое распространение в современной науке, в частности в эконометрике, статистической физике макроскопических (термодинамических) систем, где даже в случае классического детерминированного описания движения частиц детерминированное описание всей системы частиц не представляется практически возможным и целесообразным. В квантовой физике сами описываемые процессы имеют вероятностную природу.