6. СОБЫТИЕ И ВЕРОЯТНОСТЬ

6.1. Основные понятия. Определение вероятности

Опыт, эксперимент, наблюдение явления называется испытанием. Испытаниями, например, являются бросание монеты, выстрел из винтовки, бросание игральной кости (кубика с нанесенными

на каждую граньчисломочков −от одного дошести).

Результат, исход испытания, называется событием. Событиями являются выпадение герба или цифры, попадание в цель или промах, появление того или иного числа очков на брошенной игральной кости.

Для обозначения событий используют большие буквы латинского алфавита: А, В, С и т.д.

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

Пример. Испытание − однократное бросание игральной кости. СобытиеА − появление четырех очков. СобытиеВ− появление четного числа очков. СобытияАиВсовместимые.

Определение. Два события называют несовместимыми, если появление одного из них исключает появление другого в одном и том же испытании.

Пример. Испытание − однократное бросание монеты. Событие А − выпадение герба, событие В − выпадение цифры. Эти события несовместимы, так как появление одного из них исключает появление другого.

Несовместимость более чем двух событий означает их попарную несовместимость.

Пример. Испытание − однократное бросание игральной кости. Пусть события A1, А2, А3, А4, А5, А6 − соответственно выпадение одного очка, двух, трех и т.д. Эти события являются несовместимыми.

104

Определение. Два события А и В называются противоположными, если в данном испытании они несовместимы и одно из них обязательно происходит.

Событие, противоположное событиюА, обозначают через А. Пример. Испытание − бросание монеты. Событие А − выпадение герба, событие В − выпадение цифры. Эти события противоположны, так как исходами бросания могут быть лишь они, и появление одного из них исключает появление другого,

т.е. А = В или А = В.

Определение. Событие называют достоверным, если в данном испытании оно является единственно возможным его исходом, и невозможным, если в данном испытании оно заведомо не может произойти.

Пример. Испытание − извлечение шара из урны, в которой все шары белые. Событие А − вынут белый шар − достоверное событие; событие В − вынут черный шар − невозможное событие.

Заметим, что достоверное и невозможное события в данном испытании являются противоположными.

Определение. Событие А называют случайным, если оно объективно может наступить или не наступить в данном испытании.

Пример. Событие А6 − выпадение шести очков при бросании игральной кости − случайное. Оно может наступить, но может и не наступить в данном испытании.

Пример. Событие A98 − прорастание девяноста восьми зерен пшеницы из ста − случайное. Это событие может наступить, но, может быть, прорастет зерен больше или меньше.

Можно ли как-то измерить возможность появления некоторого случайного события? Другими словами, можно ли охарактеризовать эту возможность некоторым числом?

Всякое испытание влечет за собой некоторую совокупность исходов − результатов испытания, т.е. событий. Во мно-

105

гих случаях возможно перечислить все события, которые могут быть исходами данного испытания.

Определение. Говорят, что совокупность событий образует полную группу событий для данного испытания, если его результатом обязательно становится хотя бы одно из них.

Приведем примеры полных групп событий: выпадение герба и выпадение цифры при одном бросании монеты; попадание в цель и промах при одном выстреле; выпадение одного, двух, трех, четырех, пяти и шести очков при одном бросании игральной кости.

Рассмотрим полную группу попарно несовместимых событий U1, U2, ,Un , связанную с некоторым испытанием.

Предположим, что в этом испытании осуществление каждого из событий Ui(i= 1,2, ..., п)равновозможно, то есть условия испытания не создают преимущества в появлении какого-либо события перед другими возможными.

Определение. События U1, U2, ,Un , образующие

полную группу попарно несовместимых и равновозможных событий, будем называть элементарными событиями.

Пример. Вернемся к опыту с подбрасыванием игральной кости. Пусть Ui − событие, состоящее в том, что кость выпала гранью с цифрой i. Как уже отмечалось, события U1, U2, ,U6 образуют полную группу попарно несовмести-

мых событий. Так как кость предполагается однородной и симметричной, то события U1, U2, ,U6 являются и равно-

возможными, то есть элементарными.

Определение. Событие А называют благоприятствующим событию В, если наступление события А влечет за собой наступление события В.

Пример. Пусть при бросании игральной кости события U2, U4 , U6 − появление соответственно двух, четырех и шести

106

очков и А − событие, состоящее в появлении четного числа очков; события U2, U4 , U6 благоприятствуют событию А.

Определение (классическое определение вероятности). Вероятностью Р(А) события А называют отношение mn числаэлементарных событий, благоприятствующих событию А, к числу всех элементарных событий, то естьP(A) = mn .

Пример. Вычислим вероятность выпадения герба при одном бросании монеты.

Решение. Очевидно, событие А − выпадение герба и событие В − выпадение цифры образуют полную группу несовместимых и равновозможных событий для данного испытания. Значит, здесь п = 2. Событию А благоприятствует лишь одно

событие− само A,то есть здесь т = 1. Поэтому P(A) = 12 . Пример. Очевидно, что в опыте с игральной костью

Пример. Найти вероятность того, что при бросании игральной кости выпадет число очков, делящееся на 2 (событиеА).

Решение. Число элементарных событий здесь 6. Число благоприятствующих элементарных событий 3 (выпадение 2, 4 и 6).

ПоэтомуP(A) = 63 = 12 .

Из приведенного классического определения вероятности вытекают следующие ее свойства.

1 . Вероятность достоверного события равна единице.

Действительно, достоверному событию должны благоприятствовать все пэлементарных событий, то естьт = п и, следова-

тельно,P(A) = mn = nn =1.

107

2. Вероятность невозможного события равна нулю. В

самом деле, невозможному событию не может благоприятствовать ни одно из элементарных событий, то есть т = 0, от-

кудаP(A) = mn = n0 = 0.

3. Вероятность случайного события есть положительное число, заключенное между нулем и единицей.

Действительно, случайному событию благоприятствует лишь часть из общего числа элементарных событий. Поэтому

в этом случае 0 < т <пи, значит,0 < mn <1. Следовательно,

0 < Р(А) < 1.

Итак, вероятность любого события удовлетворяет двойному неравенству 0 ≤ P(A) ≤1 .

Классическое определение вероятности не является пригодным для изучения произвольных случайных событий. Так, оно неприемлемо, если результаты испытания не равновозможны. Например, при бросании неправильной игральной кости выпадение ее различных граней не равновозможно.

В таких случаях используется, так называемое, статистическое определение вероятности.

Пусть произведено п испытаний, при этом некоторое событие А наступило т раз (m ≤п).

Определение. Число т называют абсолютной частотой

(или просто частотой) события А, а отношениеР* (А) = mn

называют относительной частотой события А.

Пример. При транспортировке из 10 000 арбузов испортилось 26. Здесь т = 26 − абсолютная частота испорченных

арбузов, аР*(А) = 1000026 = 0.0026 − относительная.

Результаты многочисленных опытов и наблюдений помогают заключить: при проведении серий из писпытаний, ко-

108

гда число n сравнительно мало, относительная частота Р*(А) принимает значения, которые могут довольно сильно отличаться друг от друга. Но с увеличением п−числа испытаний в

сериях − относительная частотаР* (А) = mn приближается к

некоторому числу Р(А),стабилизируясь возле него и принимая все более устойчивые значения.

Пример. Было проведено 10 серий бросаний монеты, по 1000 бросаний в каждой. Относительные частоты выпадения герба оказались равными 0.501; 0.485; 0.509; 0.536; 0.485; 0.488; 0.500; 0.497; 0.494; 0.484. Эти частоты группируются около числа 0.5.

Определение (статистическое определение вероятности). Вероятностью события А в данном испытании называют число Р(А),около которого группируются значения относительной частоты при больших п.

В условиях только что приведенного примера, указанная вероятность равна 0.5.

Пример. По официальным данным шведской статистики относительные частоты рождения девочек по месяцам 1935 г. характеризуются следующими числами (расположены в порядке следования месяцев, начиная с января): 0.486; 0.489; 0.490; 0.471; 0.478; 0.482; 0.462; 0.484; 0.485; 0.491; 0.482; 0.473. Эти частоты группируются около числа 0.482.

Таким образом, относительная частота события приближенно совпадает с его вероятностью, если число испытаний достаточно велико.

Пример. Чтобы знать, какова вероятность для данного станка изготовить годную деталь, поступают так: проверяют одну или несколько партий деталей, изготовленных станком, подсчитывают число годных деталей, вычисляют относительную частоту и в соответствии с определением вероятность принимают равной этой частоте. Допустим, при проверке пар-

109

тии из 200 деталей 190 оказались годными. Тогда вероятность наудачу выбранной детали быть годной

Р ≈ 190200 = 0.95.

Вероятность найдена приближенно, так как 0.95 − это относительная частота.

Аналогичным образом поступают, например, при определении процента всхожести семян.

6.2. Основные формулы комбинаторики

Комбинаторика − раздел математики, изучающий вопросы о том, сколько комбинаций определенного типа можно составить из данных предметов (элементов).

Как при решении задач с использованием классического определения вероятности, так и в дальнейшем нам понадобятся некоторые формулы комбинаторики. Приведем наиболее употребительные из них.

Определение. Размещениями из п различных элементов по т элементов (m ≤ n ) называют комбинации, составленные из данныхпэлементов по т элементов, которые отличаются либо самими элементами, либо порядком элементов.

Например, из трех элементов a, b, с можно составить по два элемента следующие размещения:

ab, ас, bс, ba, ca, cb.

Число различных размещений из п элементов по т элементов определяется с помощью формулы

Аnm = n(n −1)(n − 2) (n − m +1).

Пример. Сколько можно составить сигналов из 6 флажков различного цвета, взятых по 2?

Решение. Искомое число сигналов А62 = 6 5 = 30.

Определение. Перестановками из п различных элементов называют размещения из этих пэлементов по п.

110

Как видно из определений, перестановки можно считать частным случаем размещений при т = п. Следовательно, число всех перестановок из п элементов вычисляется по формуле

Рn = n(n −1)(n − 2) 3 2 1 = n!

Пример. Для лечения заболевания применяют три лекарства. Полагают, что последовательность, в которой применяют лекарства, оказывает существенное влияние на результат лечения. Сколько имеется различных порядков назначения этих лекарств?

Решение. Имеется Р3 = 3!= 3 2 1 = 6 различных поряд-

ков назначения трех лекарств.

Определение. Сочетаниями из празличных элементов по т элементов называются комбинации, составленные из данных пэлементов по т элементов, которые отличаются хотя бы одним элементом.

Отметим разницу между сочетаниями и размещениями: в первых не учитывается порядок элементов.

Число сочетаний из п элементов по т элементов вычисляется по формуле

Отметим особенность формулы (6.1):Cnm = Cnn−m .

Пример. В лабораторной клетке содержат трех белых и трех коричневых мышей. Найти число способов выбора двух мышей, если они могут быть любого цвета.

Решение. В данном случае цвет не существенен. Поэтому имеется С62 = 26!4!! = 526 =15 способов, которыми две мыши можно выбрать из шести.

111

Приведем, наконец, один из примеров применения формул комбинаторики к нахождению вероятности события.

Пример. Набирая номер телефона, абонент забыл две последние цифры и, помня лишь, что эти цифры различны, набрал их наудачу. Какова вероятность того, что номер набран правильно?

Решение. Две последние цифры можно набрать А102 спо-

собами, а благоприятствовать событию М (цифры набраны правильно) будет только один способ. Поэтому

6.3. Свойства вероятности. Теоремы сложения и умножения вероятностей

Определение. Суммой событий А и В называют событие С = А + В ,состоящее в наступлении, по крайней мере, одного из событий А или В.

Пример. Испытание − стрельба двух стрелков (каждый делает по одному выстрелу). Событие А − попадание в мишень первым стрелком, событие В −попадание в мишень вторым стрелком. Суммой событий А и В будет событие С = А+ В, состоящее в попадании в мишень, по крайней мере, одним стрелком.

Аналогично суммой конечного числа событий А1, A2, ..., Ak называют событие А = А 1 + А2 + ... + Ak, состоящее в наступлении хотя бы одного из событий Аi(i = 1,..., k).

Определение. Произведением событий А и В называют событие С = АВ,состоящее в том, что в результате испытания произошло и событие А и событие В.

Аналогично произведением конечного числа событий А1, А2, ... , Ak называют событие А=А1, А2 ... Ak, состоящее в том, что в результате испытания произошли все указанные события.

112

В условиях предыдущего примера произведением событий А и В будет событие С = АВ, состоящее в попадании в мишень двух стрелков.

Теорема. Вероятность суммы двух несовместимых событий А и В равна сумме вероятностей этих событий:

Совершенно так же теорема формулируется для любого конечного числа попарно несовместимых событий.

Следствие. Сумма вероятностей противоположных событий А и A равна единице:

Пример. В урне 10 шаров: 3 красных, 5 синих и 2 белых. Какова вероятность вынуть цветной шар, если вынимается один шар?

Решение. Вероятность вынуть красный шар Р(А) = 103 ,

синий Р(В) = 105 .Так как события А и В несовместимы,

Р(А+ В) = Р(А)+ Р(В) = 103 +105 = 0.8 .

Пример. На клумбе растут 20 красных, 30 синих и 40 б е- лых астр. Какова вероятность сорвать в темноте окрашенную астру, если срывают одну астру?

Решение. Искомая вероятность равна сумме вероятностей сорвать красную или синюю астру, то есть

Р = 9020 + 3090 = 5090 = 95.

Определение. Два события А и В называют независимыми, если вероятность появления каждого из них не зависит от того, появилось другое событие или нет.

В противном случае событияАиВназываютзависимыми.

113

Пример. Пусть в урне находятся 2 белых и 2 черных шара. Пусть событие А − вынут белый шар. Очевидно, чтоР(А) = 12 .

После первого испытания вынутый шар кладется обратно в урну, шары перемешиваются и снова вынимается шар. Событие В − во втором испытании вынут белый шар – также имеет

вероятность Р(В) = 12 , то есть события А и В − независимые.

Предположим теперь, что вынутый шар в первом испытании не кладется обратно в урну. Тогда если произошло событие А, то есть в первом испытании вынут белый шар, то ве-

испытании был вынут черный шар, то вероятность события В

Итак, вероятность события В существенно зависит от того, произошло или не произошло событие А,в таких случаях события А и В − зависимые.

Определение. Пусть А и В − зависимые события. Условной вероятностью РА(В) события В называют вероятность события В,найденную в предположении, что событиеАуже наступило.

Заметим, что если события А и В независимы, то

РА(В) = Р(В).

Теорема. Вероятность произведения двух зависимых событий А и В равна произведению вероятности одного из них на условнуювероятность другого, найденную в предположении, что первое событие уже наступило:

Р(АВ)=Р(А)РA (B). (6.4)

Замечание. Применив формулу (6.4) к событию ВА, получим

114

Р(ВА)=Р(В)РВ(А) . (6.5)

Так как AB = BA , то, сравнивая (6.4) и (6.5), получаем, что

Р(А) РА(В) = Р(В) РВ (А).

Пример. В условиях предыдущего примера берем тот случай, когда вынутый шар в первом испытании не кладется обратно в урну. Поставим следующий вопрос: какова вероятность вынуть первый и второй раз белые шары?

Решение. По формуле (7.4) имеемР(А) = 12 13 = 16 .

Пример. Предположим, что вероятности встретить реку, загрязняемую постоянным фактором Р(А),временным фактором Р(В) и обоими факторами Р(АВ),равны соответственно 0.4; 0.1 и 0.05. Найти:

1) вероятность того, что река, загрязняемая временным фактором, будет к тому же загрязнена и постоянным фактором, то естьРВ(А) ;

2) вероятность того, что река, загрязняемая постоянным фактором, будет еще загрязнена и временным фактором, то естьРA (B).

Решение. Из формулы (6.5) находимРВ(А) = РР((АВВ)), от-

кудаРВ (А) = 00.05.1 = 0.5.

Аналогично, используя формулу (6.4), находим

РА(В) = 00..054 = 0.125.

Теорема. Вероятность произведения двух независимых событий А и В равна произведению вероятностей этих событий:

Действительно, если А и В − независимые события, то РA (B)=Р(В) и формула (6.4) превращается в формулу (6.6).

Пример. Вероятность выживания одного организма в течение 20 мин Р = 0.7. В пробирке с благоприятными для суще-

115

ствования этих организмов условиями находятся только что родившиеся 2 организма. Какова вероятность того, что через 20 минут они будут живы?

Решение. Пусть событие А −первый организм жив через 20 мин, событие В −второй организм жив через 20 мин. Будем считать, что между организмами нет внутривидовой конкуренции, то есть события А и В независимы. Событие, что оба организма живы, есть событие АВ. Тогда Р(АВ)= 0.7 0.7 = 0.49.

Теорема. Вероятность суммы двух совместимых событий А и В равна сумме вероятностей этих событий минус вероятность их произведения:

Замечание. Если события А и В несовместимы, то их произведение АВ есть невозможное событие и, следовательно, Р(АВ) = 0, то есть формула (6.2) является частным случаем формулы (6.7).

Пример. В посевах пшеницы на делянке имеется 95% здоровых растений. Выбирают два растения. Определить вероятность того, что среди них хотя бы одно окажется здоровым.

Решение. Введем обозначения для событий: A1 − первое растение здоровое; A2− второе растение здоровое; A1 + A2

−хотя бы одно растение здоровое.

Так как события A1 и A2совместимые, то согласно формуле (6.7)

Р(А1 + А2) = Р(А1 )+ Р(А2)− Р(А1 А2) =

= 0.95+ 0.95−0.95 0.95 = 0.9975 ≈1.

6.4. Формула полной вероятности

Теорема. Вероятность события А, которое может наступить лишь при условии появления одного из п попарно несовместимых событий В1,В2, ... , Вn, образующих полную группу, равна сумме произведений вероятностей каждого из

116

этих событий на соответствующую условную вероятность события А:

Р(А) = Р(В1 )РВ1 (А)+ Р(В2)РВ2 (А)+ + Р(Вn )РВn (А).(6.8)

(формула полной вероятности).

Пример. Для приема зачета преподаватель заготовил 50 задач: 20 задач по дифференциальному исчислению, 30 по интегральному исчислению. Для сдачи зачета студент должен решить первую же доставшуюся наугад задачу. Какова вероятность для студента сдать зачет, если он умеет решить 18 задач по дифференциальному исчислению и 15 задач по интегральному исчислению?

Решение.Вероятность получить задачу по дифференциальному исчислению (событие В1) равна Р(В1) = 0.4, по интегральному исчислению (событие В2) −Р(В2)= 0.6. Если событие А означает, что задача решена, то РВ1 (А) = 0.9,РВ2 (А)=0.5. Теперь по

формуле (6.8) имеем P(A) = 0.4 0.9+ 0.6 0.5 = 0.36+ 0.3 = 0.66.

Пример. Имеются три одинаковых по виду ящика. В первом находятся две белые мыши и одна серая, во втором − три белые и одна серая, в третьем − две белые и две серые мыши. Какова вероятность того, что из наугад выбранного ящика будет извлечена белая мышь?

Решение. Обозначим B1 − выбор первого ящика, B2 − выбор второго ящика, B3 −выбор третьего ящика, А −извлечение белой мыши.

Так как все ящики одинаковы, то P(B1)=Р(В2)=Р(В3) = 13.

Если выбран первый ящик, то РВ1 (А) = 23 . Аналогично

РВ2 (А) = 34 , РВ3 (А) = 12 .Наконец, по формуле (6.8) получаем

Р(А) = 13 23 + 13 34 + 13 12 = 3623.

117

6.5. Формула Бейеса

Пусть в условиях рассуждения, относящегося к формуле полной вероятности, произведено одно испытание, в результате которого произошло событие А. Спрашивается: как изменились (в связи с тем, что событие А уже произошло) величины

Р(Bk ), k = 1,... , п.

Найдем условную вероятность РA (Bk ).

По теореме умножения вероятностей и формуле (6.5)

Формулы(6.9) называют формулами Бейеса (или Байеса). Пример. Большая популяция людей разбита на две груп-

пы одинаковой численности. Диета одной группы отличалась высоким содержанием ненасыщенных жиров, а диета контрольной группы была богата насыщенными жирами. После 10 лет пребывания на этих диетах возникновение сердечнососудистых заболеваний составило в этих группах соответственно 31 % и 48 %. Случайно выбранный из популяции человек имеет сердечно-сосудистое заболевание. Какова вероятность того, что этот человек принадлежит к контрольной группе?

Решение. Введем обозначения для событий: А −случайно выбранный из популяции человек имеет сердечно-сосудистое заболевание; В1 − человек придерживался специальной диеты; В2 − человек принадлежал к контрольной группе. Имеем

118

Согласно формуле полной вероятности

Р(А) = 0.5 0.31+ 0.5 0.48 = 0.395

и, наконец, в силу формулы (6.9) искомая вероятность

РА(В2) = 0.5 0.48 ≈ 0.61.

0.395

6.6. Дискретные и непрерывные случайные величины

Определение. Случайной величиной называют перемен-

ную величину, которая в зависимости от исхода испытания случайно принимает одно значение из множества возможных значений.

Примеры.

1)число очков, выпавших при однократном бросании игральной кости, есть случайная величина, она может принять одно из значений: 1, 2, 3, 4, 5, 6;

2)прирост веса домашнего животного за месяц есть случайная величина, которая может принять значение из некоторого числового промежутка;

3)число родившихся мальчиков среди пяти новорожденных есть случайная величина, которая может принять значения

0, 1, 2, 3, 4, 5.

Случайные величины будем обозначать прописными

буквами X,Y,Z, а их возможные значения − соответствующими строчными буквами х, у,z. Например, если случайная величина Xимеет три возможных значения, то они будут обозначены

так: x1, x2, x3.

Определение. Случайная величина, принимающая различные значения, которые можно записать в виде конечной или бесконечной последовательности, называют дискретной случайной величиной.

119

Ниже рассматриваются дискретные случайные величины, множество допустимых значений которых конечно.

Случайные величины из примеров 1) и 3) дискретные. Определение. Случайная величина, которая может при-

нимать все значения из некоторого числового промежутка, называется непрерывной случайной величиной.

Случайная величина из примера 2) является непрерывной.

6.6.1. Дискретные случайные величины

Рассмотрим дискретную случайную величину X с конечным множеством возможных значений. Величина X считается заданной, если перечислены все ее возможные значения, а также вероятности, с которыми величина X может принять эти значения. Указанный перечень возможных значений и их вероятностей называют законом распределения дискретной случайной величины. Закон распределения дискретной случайной величины может быть задан с помощью таблицы:

В верхней строке выписывают все возможные значения x1, x2, , xn величины X, в нижней строке выписывают веро-

ятности p1, p2, , pn значений x1, x2, , xn . Читается таблица следующим образом: случайная величина X может принять значение xi с вероятностью рi(i = 1, 2, ... , n).

Так как в результате испытания величина X всегда примет одно из значений x1, x2, , xn , то p1 + p2 + + pn =1.

Пример. В денежной лотерее разыгрывается 1 выигрыш в 100000 р., 10 выигрышей по 10000 р. и 100 выигрышей по 100 р. при общем числе билетов 10000. Найти закон распределения случайного выигрыша X для владельца одного лотерейного билета.

120