Вероятность двух независимых событий равна. Сложение и умножение вероятностей математика. Правило умножения вероятностей независимых событий

Лекция 7. Теория вероятностей

СЛЕДСТВИЯ ТЕОРЕМ СЛОЖЕНИЯ И УМНОЖЕНИЯ

Теорема сложения вероятностей совместных событий

Была рассмотрена теорема сложения для несовместных событий. Здесь будет изложена теорема сложения для совместных событий.

Два события называют совместными , если появление одного из них не исключает появления другого в одном и том же испытании.

Пример 1 . А – появление четырех очков при бросании игральной кости; В – появление четного числа очков. События А и В – совместные.

Пусть события А и В совместны, причем даны вероятности этих событий и вероятность их совместного появления. Как найти вероятность события А + В, состоящего в том, что появится хотя бы одно из событий А и В? Ответ на этот вопрос дает теорема сложения вероятностей совместных событий.

Теорема . Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления: Р(А + В) = Р(А) + Р(В) – Р(АВ).

Доказательство . Поскольку события А и В, по условию, совместны, то событие А + В наступит, если наступит одно из следующих трех несовместных событий: . По теореме сложения вероятностей несовместных событий, имеем:

Р(А + В) = Р(А ) + Р( В) + Р(АВ). (*)

Событие А произойдет, если наступит одно из двух несовместных событий: А
или АВ. По теореме сложения вероятностей несовместных событий имеем

Р(А) = Р(А ) + Р(АВ).

Р(А )=Р(А) – Р(АВ). (**)

Аналогично имеем

Р(В) = Р(ĀВ) + Р(АВ).

Р(ĀВ) = Р(В) – Р(АВ). (***)

Подставив (**) и (***) в (*), окончательно получим

Р(А + В) = Р(А) + Р(В) – Р(АВ). (****)

Что и требовалось доказать.

Замечание 1. При использовании полученной формулы следует иметь в виду, что события А и В могут быть как независимыми , так и зависимыми .

Для независимых событий

Р(А + В) = Р(А) + Р(В) – Р(А)*Р(В);

Для зависимых событий

Р(А + В) = Р(А) + Р(В) – Р(А)*Р А (В).

Замечание 2. Если события А и В несовместны , то их совмещение есть невозможное событие и, следовательно, Р(АВ) = 0.

Формула (****) для несовместных событий принимает вид

Р(А + В) = Р(А) + Р(В).

Мы вновь получили теорему сложения для несовместных событий. Таким образом, формула (****) справедлива как для совместных, так и для несовместных событий.

Пример 2. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: p 1 = 0,7; p 2 = 0,8. Найти вероятность попадания при одном залпе
(из обоих орудий) хотя бы одним из орудий.

Решение . Вероятность попадания в цель каждым из орудий не зависит от результата стрельбы из другого орудия, поэтому события А (попадание первого орудия) и В (попадание второго орудия) независимы.


Вероятность события АВ (оба орудия дали попадание)

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

Искомая вероятность Р(А + В) = Р(А) + Р(В) – Р(АВ) = 0,7 + 0,8 – 0,56 = 0,94.

Замечание 3. Так как в настоящем примере события А и В независимые, то можно было воспользоваться формулой Р = 1 – q 1 q 2

В самом деле, вероятности событий, противоположных событиям А и В, т.е. вероятности промахов, таковы:

q 1 = 1 – p 1 = 1 – 0,7 = 0,3;

q 2 = 1 – p 2 = 1 – 0,8 = 0,2;

Искомая вероятность того, что при одном залпе хотя бы одно орудие даст попадание, равна

P = 1 – q 1 q 2 = 1 – 0,3 * 0,2 = 1 – 0,06 = 0,94.

Как и следовало ожидать, получен тот же результат.

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} $.

При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность () наступления интересующего нас события от того, как развиваются остальные события.

В случае классической схемы, когда все исходы равновероятны, мы уже можем оценить значения вероятности интересующего нас отдельного события самостоятельно. Мы можем сделать это даже в том случае, если событие является сложной совокупностью нескольких элементарных исходов. А если несколько случайных событий происходит одновременно или последовательно? Как это влияет на вероятность реализации интересующего нас события?

Если я несколько раз кидаю игральную кость, и хочу, чтобы выпала "шестерка", а мне все время не везет, значит ли это, что надо увеличивать ставку, потому что, согласно теории вероятностей, мне вот-вот должно повезти? Увы, теория вероятности не утверждает ничего подобного. Ни кости, ни карты, ни монетки не умеют запоминать, что они продемонстрировали нам в прошлый раз. Им совершенно не важно, в первый раз или в десятый раз сегодня я испытываю свою судьбу. Каждый раз, когда я повторяю бросок, я знаю только одно: и на этот раз вероятность выпадения "шестерки" снова равна одной шестой. Конечно, это не значит, что нужная мне цифра не выпадет никогда. Это означает лишь то, что мой проигрыш после первого броска и после любого другого броска - независимые события.

События А и В называются независимыми , если реализация одного из них никак не влияет на вероятность другого события. Например, вероятности поражения цели первым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события "первое орудие поразило цель" и "второе орудие поразило цель" независимы.

Если два события А и В независимы, и вероятность каждого из них известна, то вероятность одновременного наступления и события А, и события В (обозначается АВ) можно посчитать, воспользовавшись следующей теоремой.

Теорема умножения вероятностей для независимых событий

P(AB) = P(A)*P(B) - вероятность одновременного наступления двух независимых событий равна произведению вероятностей этих событий.

Пример. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 =0,7; р 2 =0,8. Найти вероятность попадания при одном залпе обоими орудиями одновременно.

Решение: как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р 1 *р 2 =0,56.


Что произойдет, с нашими оценками, если исходные события не являются независимыми? Давайте немного изменим предыдущий пример.

Пример. Два стрелка на соревнованиях стреляют по мишеням, причем, если один из них стреляет метко, то соперник начинает нервничать, и его результаты ухудшаются. Как превратить эту житейскую ситуацию в математическую задачу и наметить пути ее решения? Интуитивно понятно, что надо каким-то образом разделить два варианта развития событий, составить по сути дела два сценария, две разные задачи. В первом случае, если соперник промахнулся, сценарий будет благоприятный для нервного спортсмена и его меткость будет выше. Во втором случае, если соперник прилично реализовал свой шанс, вероятность поразить мишень для второго спортсмена снижается.


Для разделения возможных сценариев (их часто называют гипотезами) развития событий мы будем часто использовать схему "дерева вероятностей". Эта схема похожа по смыслу на дерево решений, с которым Вам, наверное, уже приходилось иметь дело. Каждая ветка представляет собой отдельный сценарий развития событий, только теперь она имеет собственное значение так называемой условной вероятности (q 1 , q 2 , q 1 -1, q 2 -1).


Эта схема очень удобна для анализа последовательных случайных событий.

Остается выяснить еще один немаловажный вопрос: откуда берутся исходные значения вероятностей в реальных ситуациях ? Ведь не с одними же монетами и игральными костями работает теория вероятностей? Обычно эти оценки берутся из статистики, а когда статистические сведения отсутствуют, мы проводим собственное исследование. И начинать его нам часто приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны.

Пример. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева вероятностей". При этом значение вероятности на каждой "ветке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка:

1) из всех жителей города женщин 50%,

2) из всех женщин только 30% красят волосы часто,

3) из них только 10% пользуются бальзамами для окрашенных волос,

4) из них только 10% могут набраться смелости попробовать новый товар,

5) из них 70% обычно покупает все не у нас, а у наших конкурентов.




Решение: По закону перемножения вероятностей, определяем вероятность интересующего нас события А ={житель города покупает у нас этот новый бальзам}=0,00045.

Умножим это значение вероятности на число жителей города. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля.

И все-таки польза от наших оценок есть.

Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения вероятности тоже будут разные.

Во-вторых, как мы уже говорили, случайная величина не потому называется случайной, что она совсем ни от чего не зависит. Просто ее точное значение заранее не известно. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вероятностей нас особенно не устраивает, на тех факторах, на которые мы в состоянии повлиять.

Рассмотрим еще один количественный пример исследования покупательского поведения.

Пример. За день продовольственный рынок посещает в среднем 10000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 1/2. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов.

Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г?

Обсуждение. Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил.




Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы должны найти ответ на вопрос, какова вероятность того, что человек, зашедший в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое время за посетителями павильона. Допустим, наши наблюдения показали, что только пятая часть посетителей павильона что-то покупает.

Как только эти оценки нами получены, задача становится уже простой. Из 10000 человек, пришедших на рынок, 5000 зайдут в павильон молочных продуктов, покупок будет только 1000. Средний вес покупки равен 500 грамм. Интересно отметить, что для построения полной картины происходящего, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с вероятностями.

Задачи для самопроверки

1. Пусть есть электрическая цепь, состоящая из n последовательно соединенных элементов, каждый из которых работает независимо от остальных.




Известна вероятность p невыхода из строя каждого элемента. Определите вероятность исправной работы всего участка цепи (событие А).

2. Студент знает 20 из 25 экзаменационных вопросов. Найдите вероятность того, что студент знает предложенные ему экзаменатором три вопроса.

3. Производство состоит из четырех последовательных этапов, на каждом из которых работает оборудование, для которого вероятности выхода из строя в течение ближайшего месяца равны соответственно р 1 , р 2 , р 3 и р 4 . Найдите вероятность того, что за месяц не случится ни одной остановки производства из-за неисправности оборудования.

Учреждение образования «Белорусская государственная

сельскохозяйственная академия»

Кафедра высшей математики

СЛОЖЕНИЕ И УМНОЖЕНИЕ ВЕРОЯТНОСТЕЙ. ПОВТОРНЫЕ НЕЗАВИСИМЫЕ ИСПЫТАНИЯ

Лекция для студентов землеустроительного факультета

заочной формы обучения

Горки, 2012

Сложение и умножение вероятностей. Повторные

независимые испытания

    Сложение вероятностей

Суммой двух совместных событий А и В называется событие С , состоящее в наступлении хотя бы одного из событий А или В . Аналогично суммой нескольких совместных событий называется событие, состоящее в наступлении хотя бы одного из этих событий.

Суммой двух несовместных событий А и В называется событие С , состоящее в наступлении или события А , или события В . Аналогично суммой нескольких несовместных событий называется событие, состоящее в наступлении какого-либо одного из этих событий.

Справедлива теорема сложения вероятностей несовместных событий: вероятность суммы двух несовместных событий равна сумме вероятностей этих событий , т.е. . Эту теорему можно распространить на любое конечное число несовместных событий.

Из данной теоремы следует:

сумма вероятностей событий, образующих полную группу, равна единице;

сумма вероятностей противоположных событий равна единице, т.е.
.

Пример 1 . В ящике находятся 2 белых, 3 красных и 5 синих шара. Шары перемешивают и наугад извлекают один. Какова вероятность того, что шар окажется цветным?

Решение . Обозначим события:

A ={извлечён цветной шар};

B ={извлечён белый шар};

C ={извлечён красный шар};

D ={извлечён синий шар}.

Тогда A = C + D . Так как события C , D несовместны, то воспользуемся теоремой сложения вероятностей несовместных событий: .

Пример 2 . В урне находятся 4 белых шара и 6 – чёрных. Из урны наугад вынимают 3 шара. Какова вероятность того, что все они одного цвета?

Решение . Обозначим события:

A ={вынуты шары одного цвета};

B ={вынуты шары белого цвета};

C ={вынуты шары чёрного цвета}.

Так как A = B + C и события В и С несовместны, то по теореме сложения вероятностей несовместных событий
. Вероятность событияВ равна
, где
4,

. Подставим k и n в формулу и получим
Аналогично найдём вероятность событияС :
, где
,
, т.е.
. Тогда
.

Пример 3 . Из колоды в 36 карт наугад вынимают 4 карты. Найти вероятность того, что среди них окажется не менее трёх тузов.

Решение . Обозначим события:

A ={среди вынутых карт не менее трёх тузов};

B ={среди вынутых карт три туза};

C ={среди вынутых карт четыре туза}.

Так как A = B + C , а события В и С несовместны, то
. Найдём вероятности событийВ и С :


,
. Следовательно, вероятность того, что среди вынутых карт не менее трёх тузов, равна

0.0022.

    Умножение вероятностей

Произведением двух событий А и В называется событие С , состоящее в совместном наступлении этих событий:
. Это определение распространяется на любое конечное число событий.

Два события называются независимыми , если вероятность наступления одного из них не зависит от того, произошло другое событие или нет. События ,, … ,называютсянезависимыми в совокупности , если вероятность наступления каждого из них не зависит от того, произошли или не произошли другие события.

Пример 4 . Два стрелка стреляют по цели. Обозначим события:

A ={первый стрелок попал в цель};

B ={второй стрелок попал в цель}.

Очевидно, что вероятность попадания в цель первым стрелком не зависит от того, попал или не попал второй стрелок, и наоборот. Следовательно, события А и В независимы.

Справедлива теорема умножения вероятностей независимых событий: вероятность произведения двух независимых событий равна произведению вероятностей этих событий : .

Эта теорема справедлива и для n независимых в совокупности событий: .

Пример 5 . Два стрелка стреляют по одной цели. Вероятность попадания первого стрелка равна 0.9, а второго – 0.7. Оба стрелка одновременно делают по одному выстрелу. Определить вероятность того, что будут иметь место два попадания в цель.

Решение . Обозначим события:

A

B

C ={оба стрелка попадут в цель}.

Так как
, а событияА и В независимы, то
, т.е..

События А и В называются зависимыми , если вероятность наступления одного из них зависит от того, произошло другое событие или нет. Вероятность наступления события А при условии, что событие В уже наступило, называется условной вероятностью и обозначается
или
.

Пример 6 . В урне находятся 4 белых и 7 чёрных шаров. Из урны извлекаются шары. Обозначим события:

A ={извлечён белый шар} ;

B ={извлечён чёрный шар}.

Перед началом извлечения шаров из урны
. Из урны извлекли один шар и он оказался чёрным. Тогда вероятность событияА после наступления события В будет уже другой, равной . Это означает, что вероятность событияА зависит от события В , т.е. эти события будут зависимыми.

Справедлива теорема умножения вероятностей зависимых событий: вероятность произведения двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило , т.е. или.

Пример 7 . В урне находятся 4 белых шара и 8 красных. Из неё наугад последовательно извлекают два шара. Найти вероятность того, что оба шара будут чёрными.

Решение . Обозначим события:

A ={первым извлечён чёрный шар};

B ={вторым извлечён чёрный шар}.

События А и В зависимы, так как
, а
. Тогда
.

Пример 8 . Три стрелка стреляют по цели независимо друг от друга. Вероятность попадания в цель для первого стрелка равна 0.5, для второго – 0.6 и для третьего – 0.8. Найти вероятность того, что произойдут два попадания в цель, если каждый стрелок сделает по одному выстрелу.

Решение . Обозначим события:

A ={произойдут два попадания в цель};

B ={первый стрелок попадёт в цель};

C ={второй стрелок попадёт в цель};

D ={третий стрелок попадёт в цель};

={первый стрелок не попадёт в цель};

={второй стрелок не попадёт в цель};

={третий стрелок не попадёт в цель}.

По условию примера
,
,
,

,
,
. Так как, то используя теорему сложения вероятностей несовместных событий и теорему умножения вероятностей независимых событий, получим:

Пусть события
образуют полную группу событий некоторого испытания, а событииА может наступить только с одним из этих событий. Если известны вероятности и условные вероятностисобытияА , то вероятность события А вычисляется по формуле:

или
. Эта формула называетсяформулой полной вероятности , а события
гипотезами .

Пример 9 . На сборочный конвейер поступает 700 деталей с первого станка и 300 деталей со второго. Первый станок даёт 0.5% брака, а второй – 0.7%. Найти вероятность того, что взятая деталь будет бракованной.

Решение . Обозначим события:

A ={взятая деталь будет бракованной};

={деталь изготовлена на первом станке};

={деталь изготовлена на втором станке}.

Вероятность того, что деталь изготовлена на первом станке, равна
. Для второго станка
. По условию вероятность получения бракованной детали, изготовленной на первом станке, равна
. Для второго станка эта вероятность равна
. Тогда вероятность того, что взятая деталь будет бракованной, вычисляется по формуле полной вероятности

Если известно, что в результате испытания наступило некоторое событие А , то вероятность того, что это событие наступило с гипотезой
, равна
, где
- полная вероятность событияА . Эта формула называется формулой Байеса и позволяет вычислять вероятности событий
после того, как стало известно, что событиеА уже наступило.

Пример 10 . Однотипные детали к автомобилям производятся на двух заводах и поступают в магазин. Первый завод производит 80% общего количества деталей, а второй – 20%. Продукция первого завода содержит 90% стандартных деталей, а второго – 95%. Покупатель купил одну деталь и она оказалась стандартной. Найти вероятность того, что эта деталь изготовлена на втором заводе.

Решение . Обозначим события:

A ={куплена стандартная деталь};

={деталь изготовлена на первом заводе};

={деталь изготовлена на втором заводе}.

По условию примера
,
,
и
. Вычислим полную вероятность событияА : 0.91. Вероятность того, что деталь изготовлена на втором заводе, вычислим по формуле Байеса:

.

Задания для самостоятельной работы

    Вероятность попадания в цель для первого стрелка равна 0.8, для второго – 0.7 и для третьего – 0.9. Стрелки произвели по одному выстрелу. Найти вероятность того, что имеет место не менее двух попаданий в цель.

    В ремонтную мастерскую поступило 15 тракторов. Известно, что 6 из них нуждаются в замене двигателя, а остальные – в замене отдельных узлов. Случайным образом отбираются три трактора. Найти вероятность того, что замена двигателя необходима не более, чем двум отобранным тракторам.

    На железобетонном заводе изготавливают панели, 80% из которых – высшего качества. Найти вероятность того, что из трёх наугад выбранных панелей не менее двух будут высшего сорта.

    Три рабочих собирают подшипники. Вероятность того, что подшипник, собранный первым рабочим, высшего качества, равна 0.7, вторым – 0.8 и третьим – 0.6. Для контроля наугад взято по одному подшипнику из собранных каждым рабочим. Найти вероятность того, что не менее двух из них будут высшего качества.

    Вероятность выигрыша по лотерейному билету первого выпуска равна 0.2, второго – 0.3 и третьего – 0.25. Имеются по одному билету каждого выпуска. Найти вероятность того, что выиграет не менее двух билетов.

    Бухгалтер выполняет расчёты, пользуясь тремя справочниками. Вероятность того, что интересующие его данные находятся в первом справочнике, равна 0.6, во втором – 0.7 ив третьем – 0.8. Найти вероятность того, что интересующие бухгалтера данные содержатся не более, чем в двух справочниках.

    Три автомата изготавливают детали. Первый автомат изготавливает деталь высшего качества с вероятностью 0.9, второй – с вероятностью 0.7 и третий – с вероятностью 0.6. Наугад берут по одной детали с каждого автомата. Найти вероятность того, что среди них не менее двух высшего качества.

    На двух станках обрабатываются однотипные детали. Вероятность изготовления нестандартной детали для первого станка равна 0.03, в для второго – 0.02. Обработанные детали складываются в одном месте. Среди них 67% с первого станка, а остальные – со второго. Наугад взятая деталь оказалась стандартной. Найти вероятность того, что она изготовлена на первом станке.

    В мастерскую поступили две коробки однотипных конденсаторов. В первой коробке было 20 конденсаторов, из которых 2 неисправных. Во второй коробки 10 конденсаторов, из которых 3 неисправных. Конденсаторы были переложены в один ящик. Найти вероятность того, что наугад взятый из ящика конденсатор окажется исправным.

    На трёх станках изготавливают однотипные детали, которые поступают на общий конвейер. Среди всех деталей 20% с первого автомата, 30% - со второго и 505 – с третьего. Вероятность изготовления стандартной детали на первом станке равна 0.8, на втором – 0.6 и на третьем – 0.7. Взятая деталь оказалась стандартной. Найти вероятность того, эта деталь изготовлена на третьем станке.

    Комплектовщик получает для сборки 40% деталей с завода А , а остальные – с завода В . Вероятность того, что деталь с завода А – высшего качества, равна 0.8, а с завода В – 0.9. Комплектовщик наугад взял одну деталь и она оказалась не высшего качества. Найти вероятность того, что эта деталь с завода В .

    Для участия в студенческих спортивных соревнованиях выделено 10 студентов из первой группы и 8 – из второй. Вероятность того, что студент из первой группы попадёт в сборную академии, равна 0.8, а со второй – 0.7. Наугад выбранный студент попал в сборную. Найти вероятность того, что он из первой группы.

    Формула Бернулли

Испытания называются независимыми , если при каждом из них событие А наступает с одной и той же вероятностью
, не зависящей от того, появилось или не появилось это событие в других испытаниях. Вероятность противоположного событияв этом случае равна
.

Пример 11 . Бросается игральный кубик n раз. Обозначим событие A ={выпадение трёх очков}. Вероятность наступления события А в каждом испытании равна и не зависит от того, произошло или не произошло это событие в других испытаниях. Поэтому эти испытания являются независимыми. Вероятность противоположного события
{не выпадение трёх очков} равна
.

Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность наступления события А равна p , событие наступит ровно k раз (безразлично в какой последовательности), вычисляется по формуле
, где
. Эта формула называетсяформулой Бернулли и удобна она в том случае, если число испытаний n не слишком велико.

Пример 12 . Доля плодов, заражённых болезнью в скрытой форме, составляет 25%. Случайным образом отбирается 6 плодов. Найти вероятность того, что среди выбранных окажется: а) ровно 3 заражённых плода; б) не более двух заражённых плодов.

Решение . По условию примера .

а) По формуле Бернулли вероятность того, что среди шести отобранных плодов заражёнными окажутся ровно три, равна




0.132.

б) Обозначим событие A ={заражённых будет не более двух плодов}. Тогда . По формуле Бернулли:

0.297.

Следовательно,
0.178+0.356+0.297=0.831.

    Теоремы Лапласа и Пуассона

По формуле Бернулли находится вероятность того, что событие А наступит k раз в n независимых испытаниях и в каждом испытании вероятность события А постоянна. При больших значениях n вычисления по формуле Бернулли становятся трудоёмкими. В этом случае для вычисления вероятности события А целесообразнее использовать другую формулу.

Локальная теорема Лапласа . Пусть вероятность p наступления события А в каждом испытании постоянна и отлична от нуля и единицы. Тогда вероятность того, что событие А наступит ровно k раз при достаточно большом числе n испытаний, вычисляется по формуле

, где
, а значения функции
приведены в таблице.

Основными свойствами функции
являются:

Функция
определена и непрерывна в интервале
.

Функция
положительна, т.е.
>0.

Функция
чётная, т.е.
.

Так как функция
чётная, то в таблице приведены её значения только для положительных значенийх .

Пример 13 . Всхожесть семян пшеницы составляет 80%. Для опыта отбирается 100 семян. Найти вероятность того, что из отобранных семян взойдут ровно 90.

Решение . По условию примера n =100, k =90, p =0.8, q =1-0.8=0.2. Тогда
. По таблице найдём значение функции
:
. Вероятность того, что из отобранных семян взойдут ровно 90, равна
0.0044.

При решении практических задач возникает необходимость найти вероятность наступления события А при n независимых испытаниях не менее раз и не болеераз. Такая задача решается с помощьюинтегральной теоремы Лапласа : Пусть вероятность p наступления события А в каждом из n независимых испытаний постоянна и отлична от нуля и единицы. Тогда вероятность того, что событие наступит не менее раз и не болеераз при достаточно большом числе испытаний, вычисляется по формуле

Где
,
.

Функция
называетсяфункцией Лапласа и не выражается через элементарные функции. Значения этой функции приведены в специальных таблицах.

Основными свойствами функции
являются:


.

Функция
возрастает в интервале
.


при
.

Функция
нечётная, т.е.
.

Пример 14 . Предприятие выпускает продукцию, из которой 13% не высшего качества. Определить вероятность того, что в непроверенной партии из 150 единиц продукции высшего качества будет не менее 125 и не более 135.

Решение . Обозначим . Вычислим
,

Рекомендуем почитать