Теория вероятности

Виды вероятностей. Теоремы сложения

Рассматриваются виды вероятностей: безусловная, условная, полная и апостериорная. Анализируются теоремы сложения для совместных и несовместных событий, включая формулы для вероятности объединения произвольного числа событий. Приводятся примеры применения теорем для решения задач с пересекающимися и непересекающимися событиями.

Геометрическая вероятность

Чтобы преодолеть ограниченность классического определения вероятности неприменимого к испытаниям с бесконечным числом исходов вводят геометрическую вероятность- вероятность попадания точки в область. P=mes,qmes,QP=\frac { mes,q } { mes,Q } для лини P=l,LP=\frac { l } { ,L } для площади P=q,QP=\frac { q } { ,Q }

Пример. На плоскости начерчены две концентрические окружности радиуса R_1=5R\_1 =5 и R_2=10R\_2 =10. Найти вероятность попадания точки в кольцо.

Решение: Площадь кольца S=π(R_22−R_12)=π(75)S=\pi ( { R\_2^2 -R\_1^2 } )=\pi ( { 75 } )

Площадь большого круга S=100,πS=100,\pi

Вероятность P=75π100π=0,75P=\frac { 75\pi } { 100\pi } =0,75.

Теоремы сложения вероятностей

Теорема 1Если события А и В - ** несовместны**, то

P(A+B)=P(A)+P(B)(1)\begin{equation} P( { A+B } )=P( A )+P( B ) \qquad (1) \end{equation}

{ несовместны - значит A∩B=∅)A\cap B=\emptyset ).

Пример: Вероятность выхода изделия из строя при эксплуатации сроком до одного года равна 0,1, а при эксплуатации сроком до пяти лет - 0,3. Найти вероятность выхода изделия из строя при эксплуатации сроком от одного года до пяти лет.

Решение. Введем события:

A=A = { выход изделия из строя при эксплуатации сроком до 1-го года } ,

B=B = { выход изделия из строя при эксплуатации от 1-го года до 5-ти } .

C=C = { выход изделия из строя при эксплуатации до 5-ти лет } .

Так как AA и BB - несовместные события { не могут наступить одновременно } , то событие C=A+BC=A+B. Из теоремы сложения несовместных событий - P(C)=P(A+B)=P(A)+P(B)P(C)=P(A+B)=P(A)+P(B) найдем вероятность выхода изделия из строя при эксплуатации сроком от одного года до пяти лет. P(B)=P(C)−P(A)=0,3−0,1=0,2.P(B)=P(C)-P(A)=0,3-0,1=0,2. Теорема 2Сумма вероятностей противоположных событий равняется единице

P(A)+P(A‾)=1P( A )+P( { \overline A } )=1 или p+q=1p+q=1, где P=P(A)P=P( A ), q=P(A‾)q=P( { \overline A } ).

СледствиеВероятность полной группы несовместных событий P(A_1)+P(A_2)+…+P(A_n)=1P( { A\_1 } )+P( { A\_2 } )+\ldots +P( { A\_n } )=1(3)

Опр. Случайные события A и B называются совместными, если при испытании могут произойти оба события т.е. произойдет совмещение событий.

Теорема 3Вероятность суммы ** совместных событий**равна

P(A+B)=P(A)+P(B)−P(A∩B)(2)\begin{equation} P( { A+B } )=P( A )+P( B )-P( { A\cap B } ) \qquad (2) \end{equation}

Пример: Отдел технического контроля проверяет на стандартность по двум параметрам серию изделий. Было выявлено, что у 8 из 25 изделий не выдержан только первый параметр, у 6 изделий - только второй, а у 3 изделий не выдержаны оба параметра. Наудачу берется одно из изделий. Какова вероятность того, что оно не удовлетворяет стандарту?

Решение. Введем события:

A=A = { у изделия не выдержан первый параметр } ,

B=B = { у изделия не выдержан второй параметр } .

C=C = { изделие не удовлетворяет стандарту } .

Событию AA благоприятствуют 8+3=118+3=11 исходов. Вероятность наступления события AA можно найти по формуле классической вероятности P(A)=1125P(A)=\frac { 11 } { 25 }. Событию BB благоприятствуют 6+3=96+3=9 исходов. Вероятность наступления события BB можно найти по формуле классической вероятности P(B)=925P(B)=\frac { 9 } { 25 }. Событию (A⋅B)( { A\cdot B } ), состоящему в том, что у взятой детали не выдержаны оба параметра, благоприятствуют 33 исхода. Вероятность наступления события (A⋅B)( { A\cdot B } ) можно найти по формуле классической вероятности P(A⋅B)=325P(A\cdot B)=\frac { 3 } { 25 }. Наступление события CC означает, что у взятого наудачу изделия либо не выдержан первый параметр, либо второй, либо оба вместе, т.е. C=A+BC=A+B. Число нестандартных изделий равно 8+6+3=178+6+3=17. События AA и BB- совместны { могут произойти одновременно } , тогда вероятность наступления события CC можно найти по формуле P(C)=P(A+B)=P(A)+P(B)−P(A⋅B).P(C)=P( { A+B } )=P( A )+P( B )-P( { A\cdot B } ). Получим, P(C)=P(A+B)=P(A)+P(B)−P(A⋅B)=1125+925−325=1725P(C)=P( { A+B } )=P( A )+P( B )-P( { A\cdot B } )=\frac { 11 } { 25 } +\frac { 9 } { 25 } -\frac { 3 } { 25 } =\frac { 17 } { 25 }.

Условная вероятность

Опр. Событие AA называется ** зависимым**от события BB, если вероятность появления события А зависит от того произошло событие В или нет?

Опр. Условной вероятностью P_B(A)P\_B ( A )или P(A/B)P( { A /B } ) называется вероятность появления события AA при условии, что событие В уже произошло.

Пример: В урне 3-и белых и 3-и черных шара. Из урны дважды вынимают по одному шару, не возвращая их обратно. Найти вероятность появления белого шара { событие В } , если при первом испытании был извлечен черный шар { событие А } .

Решение. Всего в урне 6-ть шаров. После первого испытания { извлечение черного шара - событие А } в урне осталось 5-ть шаров из них 3-и белых. Вероятность вытащить белый шар { событие В } , ** при условии, что 1-м был черный есть { подсчитаем по формуле классической вероятности: m - благоприятные события - три белых шара, n - всевозможные события - всего шаров в урне пять } . P_A(B)=mn=35.P\_A ( B )=\frac { m } { n } =\frac { 3 } { 5 } . ТеоремаВероятность ** произведения двух зависимых событийравна произведению вероятности одного из них на условную вероятность другого

P(A⋅B)=P_B(A)⋅P(B)(3)P( { A\cdot B } )=P\_B ( A )\cdot P( B ) \qquad (3)

СледствиеВероятность совместного появления нескольких событий равна произведению вероятности одного из них на условные вероятности остальных P(A_1⋅A_2⋅…⋅A_n)=P(A_1)⋅P_A_1(A_2)⋅P_A_1A_2(A_3)⋅…⋅P_A_1…A_n−1(A_n)P( { A\_1 \cdot A\_2 \cdot \ldots \cdot A\_n } )=P( { A\_1 } )\cdot P\_ { A\_1 } ( { A\_2 } )\cdot P\_ { A\_1 A\_2 } ( { A\_3 } )\cdot \ldots \cdot P\_ { A\_1 \ldots A\_ { n-1 } } ( { A\_n } ) Например: для трех событий P(A⋅B⋅C)=P(A)⋅P_A(B)⋅P_AB(C)P( { A\cdot B\cdot C } )=P( A )\cdot P\_A ( B )\cdot P\_ { AB } ( C ) > Пример: В коробке девять одинаковых радиоламп, три из которых были в употреблении. В течение рабочего дня мастеру для ремонта аппаратуры пришлось взять две радиолампы. Какова вероятность того, что обе взятые лампы были в употреблении?

Решение. Введем события:

A=A = { 1 - я взятая лампа была в употреблении } ,

B=B = { 2 - я взятая лампа была в употреблении } .

C=C = { обе взятые лампы были в употреблении } .

Событие C=A⋅BC=A\cdot B. Вероятность того, что первая взятая радиолампа была в употреблении, подсчитаем по формуле классической вероятности: m - благоприятные события - три лампы были в употреблении, n -всевозможные события - всего ламп в коробке девять P(A)=mn=39P(A)=\frac { m } { n } =\frac { 3 } { 9 }. После того как произошло событие AA, в коробке осталось восемь ламп из которых две были в употреблении. Событие BB наступает только при условии, что событие AA наступило, поэтому для нахождения вероятности события BB, состоящего в появлении второй раз радиолампы, бывшей в употреблении используем условную вероятность { так как события зависимы } P_A(B)=28P\_A (B)=\frac { 2 } { 8 }. Следовательно, вероятность появления двух таких ламп может быть найдена по теореме о вероятности ** произведения зависимых событий**- по формуле P(C)=P(A⋅B)=P(A)⋅P_A(B)=39⋅28=112.P(C)=P(A\cdot B)=P(A)\cdot P\_A (B)=\frac { 3 } { 9 } \cdot \frac { 2 } { 8 } =\frac { 1 } { 12 } . Замечание. Из формулы получим формулу для условной вероятности

P_B(A)=P(A⋅B)P(B)(4)P\_B ( A )=\frac { P( { A\cdot B } ) } { P( B ) } \qquad (4)

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться