По данной теме ознакомьтесь с методическими указаниями по этой теме и внимательно разберите решение примеров из данного пособия. Выполните упражнения для самопроверки.
Элементы теории вероятностей.
Основные понятия комбинаторики. Задачи, при решении которых приходится составлять различные комбинации из конечного числа элементов и производить подсчет числа всех возможных таких комбинаций, называются комбинаторными .
Этот раздел математики находит широкое практическое применение во многих вопросах естествознания и техники.
Размещения. Пусть имеется множество, содержащее n элементов. Каждое его упорядоченное подмножество, содержащее по m элементов, называется размещением из n элементов по m элементов.
Из определения вытекает, что и что размещения из n элементов по m – это m -элементные подмножества, отличающиеся составом элементов или порядком их следования.
Число размещений из n элементов по m элементов в каждом обозначаются и вычисляются по формуле .
Число размещений из n элементов по m элементов в каждом равно произведению m последовательно убывающих натуральных чисел, из которых большее есть n .
Для кратности произведения первых n
натуральных чисел принято обозначать (n
-факториал): 
Тогда формулу числа размещений из n
элементов по m
элементов можно записать в другом виде: 
.
Пример 1. Сколькими способами из группы, включающей 25 студентов, можно выбрать актив группы в составе старосты, заместителя старосты и профорга?
Решение. Состав актива группы является упорядоченным множеством из 25 элементов по три элемента. Значит. Искомое число способов равно числу размещений из 25 элементов по три элемента в каждом: , или .
Пример 2. Перед выпуском группа студентов в 30 человек обменялась фотографиями. Сколько всего было роздано фотографий?
Решение. Передача фотографии одним студентом другому есть размещение из 30 элементов по два элемента. Искомое число фотографий равно числу размещений из 30 элементов по два элемента в каждом: 
.
Перестановки. Размещения из n элементов по n элементов называются перестановками из n элементов.
Из определения следует, что перестановки являются частным случаем размещений. Так как каждая перестановка содержит все n элементов множества, то различные перестановки отличаются друг от друга только порядком элементов.
Число перестановок из n
элементов данного множества обозначают и вычисляют по формуле 
Пример 3. Сколько четырехзначных чисел можно составить из цифр 1, 2, 3, 4 без повторений?
Решение. По условию дано множество из четырех элементов, которые требуется расположить в определенным порядке. Значит, требуется найти количество перестановок из четырех элементов: 
, т.е. из цифр 1. 2, 3, 4 можно составить 24 четырехзначных числа (без повторений цифр)
Пример 4. Сколькими способами можно рассадить 10 гостей по десяти местам за праздничным столом?
Решение. Искомое число способов равно числу перестановок из десяти элементов: 
.
Сочетания. Пусть имеется множество, состоящее из n элементов. Каждое его подмножество, состоящее из m элементов, называется сочетанием из n элементов по m элементов.
Таким образом, сочетания из n элементов по m элементов – это все m -элементные подмножества n -элементного множества, причем различными множествами считаются только те, которые имеют неодинаковый состав элементов.
Подмножества, отличающиеся друг от друга порядком следования элементов, не считаются различными.
Число подмножеств по m
элементов в каждом, содержащихся во множестве из n
элементов, т.е. число сочетаний из n
элементов по m
элементов в каждом, обозначают и вычисляют по формуле: 
или 
.
Число сочетаний обладает следующим свойством: 
(
).
Пример 5. Сколько всего игр должны провести 20 футбольных команд в однокруговом чемпионате?
Решение. Так как игра любой команды A
с командой B
совпадает с игрой команды B
с командой A
, то каждая игра есть сочетание из 20 элементов по 2. искомое число всех игр равно числу сочетаний из 20 элементов по 2 элемента в каждом: 
.
Пример 6. Сколькими способами можно распределить 12 человек по бригадам, если в каждой бригаде по 6 человек?
Решение. Состав каждой бригады является конечным множеством из 12 элементов по 6. значит, искомое число способов равно числу сочетаний из 12 элементов по 6 в каждом: 
.
Случайные события. Вероятность события. Теория вероятностей – это математическая наука, которая изучает закономерности в случайных событиях. К основным понятиям теории вероятностей относятся испытания и события.
Под испытанием (опытом) понимают реализацию данного комплекса условий, в результате которого непрерывно произойдет какое-либо событие.
Например, бросание монеты – испытание; появление герба ил и цифры – события.
Случайным событием называется событие, связанное с данным испытанием, которое при осуществлении испытания может произойти, а может и не произойти. Слово «случайное» для краткости часто опускают и говорят просто «событие». Например, выстрел по цели – это опыт, случайные события в этом опыте – попадание в цель или промах.
Событие в данных условиях называется достоверным , если в результате опыта оно непрерывно должно произойти, и невозможным , если оно заведомо не произойдет. Например, выпадение не более шести очков при бросании одной игральной кости – достоверное событие; выпадение десяти очков при бросании одной игральной кости – невозможное событие.
События называются несовместимыми , если никакие два из них не могут появится вместе. Например, попадание и промах при одном выстреле – это несовместимые события.
Говорят, что несколько событий в данном опыте образуют полную систему событий, если в результате опыта непременно должно произойти хотя бы одно из них. Например, при бросании игральной кости события, состоящие в выпадении одного, двух, трех, четырех, пяти и шести очков, образуют полную группу событий.
События называются равновозможными , если ни одно из них не является объективно более возможным, чем другие. Например, при бросании монеты выпадение герба или числа – события равновозможные.
Каждое событие обладает какой-то степенью возможности. Числовая мера степени объективной возможности события – это вероятность события. Вероятность события A обозначается P(A) .
Пусть из системы n
несовместных равновозможныхисходов испытания m
исходов благоприятствуют событию A
. Тогда вероятностью
события A
называют отношение m
числа исходов, благоприятствующих событию A
, к числу всех исходов данного испытания: 
.
Эта формула носит название классического определения вероятности.
Если B
– достоверное событие, то n=m
и P(B)=1
; если С
– невозможное событие, то m=0
и P(С)=0
; если A
– случайное событие, то 
и 
.
Таким образом, вероятность события заключается в следующих пределах: 
.
Пример 7. Игральную кость подбрасывают один раз. Найти вероятность событий: A – появление четного числа очков; B – появление не менее пяти очков; C – появление не более пяти очков.
Решение. Опыт имеет шесть равновозможных независимых исходов (появление одного, двух, трех, четырех, пяти и шести очков), образующих полную систему.
Событию A
благоприятствуют три исхода (выпадение двух, четырех и шести очков), поэтому 
; событию B
– два исхода (выпадение пяти и шести очков), поэтому 
; событию C
– пять исходов (выпадение одного, двух, трех, четырех, пяти очков), поэтому 
.
При вычислении вероятности часто приходится использовать формулы комбинаторики.
Рассмотрим примеры непосредственного вычисления вероятностей.
Пример 8. В урне 7 красных шаров и 6 синих шаров. Из урны одновременно вынимают два шара. Какова вероятность того, что оба шара красные (событие A )?
Решение. Число равновозможных независимых исходов равно 
.
Событию A
благоприятствуют 
исходов. Следовательно, 
.
Пример 9. В партии из 24 деталей пять бракованных. Из партии выбирают наугад 6 деталей. Найти вероятность того, что среди этих 6 деталей окажутся 2 бракованных (событие B )?
Решение. Число равновозможных независимых исходов равно .
Подсчитаем число исходов m
, благоприятствующих событию B
. Среди шести взятых наугад деталей должно быть 2 бракованных и 4 стандартных. Две бракованные детали из пяти можно выбрать 
способами, а 4 стандартных детали из 19 стандартных деталей можно выбрать 
способами.
Каждая комбинация бракованных деталей может сочетаться с каждой комбинацией стандартных деталей, поэтому . Следовательно, 
.
Пример 10. Девять различных книг расставлены наудачу на одной полке. Найти вероятность того, что четыре определенные книг окажутся поставленными рядом (событие С )?
Решение. Здесь число равновозможных независимых исходов есть 
. Подсчитаем число исходов т
, благоприятствующих событию С
. Представим себе, что четыре определенные книги связаны вместе, тогда связку можно расположить на полке 
способами (вязка плюс остальные пять книг). Внутри связки четыре книги можно переставлять 
способами. При этом каждая комбинация внутри связки может сочетаться с каждым из способов образования связки, т.е. 
. Следовательно, 
.
Теория вероятностей и математическая статистика
- Агекян Т.А. Основы теории ошибок для астрономов и физиков (2-е изд.). М.: Наука, 1972 (djvu , 2.44 M)
- Агекян Т.А. Теория вероятностей для астрономов и физиков. М.: Наука, 1974 (djvu , 2.59 M)
- Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976 (djvu , 14 M)
- Бакельман И.Я. Вернер А.Л. Кантор Б.Е. Введение в дифференциальную геометрию "в целом". М.: Наука, 1973 (djvu , 5.71 M)
- Бернштейн С.Н. Теория вероятностей. М.-Л.: ГИ, 1927 (djvu , 4.51 M)
- Биллингсли П. Сходимость вероятностных мер. М.: Наука, 1977 (djvu , 3.96 M)
- Бокс Дж. Дженкинс Г. Анализ временных рядов: прогноз и управление. Выпуск 1. М.: Мир, 1974 (djvu , 3.38 M)
- Бокс Дж. Дженкинс Г. Анализ временных рядов: прогноз и управление. Выпуск 2. М.: Мир, 1974 (djvu , 1.72 M)
- Борель Э. Вероятность и достоверность. М.: Наука, 1969 (djvu , 1.19 M)
- Ван дер Варден Б.Л. Математическая статистика. М.: ИЛ, 1960 (djvu , 6.90 M)
- Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979 (djvu , 6.18 M)
- Вентцель Е.С. Введение в исследование операций. М.: Советское радио, 1964 (djvu , 8.43 M)
- Вентцель Е.С. Элементы теории игр (2-е изд.). Серия: Популярные лекции по математике. Выпуск 32. М.: Наука, 1961 (djvu , 648 K)
- Венцтель Е.С. Теория вероятностей (4-е изд.). М.: Наука, 1969 (djvu , 8.05 M)
- Венцтель Е.С., Овчаров Л.А. Теория вероятностей. Задачи и упражнения. М.: Наука, 1969 (djvu , 7.71 M)
- Виленкин Н.Я., Потапов В.Г. Задачник-практикум по теории вероятностей с элементами комбинаторики и математической статистики. М.: Просвещение, 1979 (djvu , 1.12 M)
- Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике (3-е изд.). М.: Высш. шк., 1979 (djvu , 4.24 M)
- Гмурман В.Е. Теория вероятностей и математическая статистика (4-е изд.). М.: Высшая школа, 1972 (djvu , 3.75 M)
- Гнеденко Б.В., Колмогоров А.Н. Предельные распределения для сумм независимых случайных величин. М.-Л.: ГИТТЛ, 1949 (djvu , 6.26 M)
- Гнеденко Б.В., Хинчин А.Я. Элементарное введение в теорию вероятностей (7-е изд.). М.: Наука, 1970 (djvu , 2.48 M)
- Дуб Дж.Л. Вероятностные процессы. М.: ИЛ, 1956 (djvu , 8.48 M)
- Дэйвид Г. Порядковые статистики. М.: Наука, 1979 (djvu , 2.87 M)
- Ибрагимов И.А., Линник Ю.В. Независимые и стационарно связанные величины. М.: Наука, 1965 (djvu , 6.05 M)
- Идье В., Драйард Д., Джеймс Ф., Рус М., Садуле Б. Статистические методы в экспериментальной физике. М.: Атомиздат, 1976 (djvu , 5.95 M)
- Камалов М.К. Распределение квадратичных форм в выборках из нормальной совокупности. Ташкент: АН УзССР, 1958 (djvu , 6.29 M)
- Кассандрова О.Н., Лебедев В.В. Обработка результатов наблюдений. М.: Наука, 1970 (djvu , 867 K)
- Кац М. Вероятность и смежные вопросы в физике. М.: Мир, 1965 (djvu , 3.67 M)
- Кац М. Несколько вероятностных задач физики и математики. М.: Наука, 1967 (djvu , 1.50 M)
- Кац М. Статистическая независимость в теории вероятностей, анализе и теории чисел. М.: ИЛ, 1963 (djvu , 964 K)
- Кендалл М., Моран П. Геометрические вероятности. М.: Наука, 1972 (djvu , 1.40 M)
- Кендалл М., Стюарт А. Том 2. Статистические выводы и связи. М.: Наука, 1973 (djvu , 10 M)
- Кендалл М., Стюарт А. Том 3. Многомерный статистический анализ и временные ряды. М.: Наука, 1976 (djvu , 7.96 M)
- Кендалл М., Стюарт А. Том. 1. Теория распределений. М.: Наука, 1965 (djvu , 6.02 M)
- Колмогоров А.Н. Основные понятия теории вероятностей (2-е изд.) М.: Наука, 1974 (djvu , 2.14 M)
- Колчин В.Ф., Севастьянов Б.А., Чистяков В.П. Случайные размещения. М.: Наука, 1976 (djvu , 2.96 M)
- Крамер Г. Математические методы статистики (2-е изд.). М.: Мир, 1976 (djvu , 9.63 M)
- Леман Э. Проверка статистических гипотез. М.: Наука. 1979 (djvu , 5.18 M)
- Линник Ю.В., Островский И.В. Разложения случайных величин и векторов. М.: Наука, 1972 (djvu , 4.86 M)
- Лихолетов И.И., Мацкевич И.П. Руководство к решению задач по высшей математике, теории вероятностей и математической статистике (2-е изд.). Мн.: Выш. школа, 1969 (djvu , 4.99 M)
- Лоэв М. Теория вероятностей. М.: ИЛ, 1962 (djvu , 7.38 M)
- Малахов А.Н. Кумулянтный анализ случайных негауссовых процессов и их преобразований. М.: Сов. радио, 1978 (djvu , 6.72 M)
- Мешалкин Л.Д. Сборник задач по теории вероятностей. М.: МГУ, 1963 (djvu , 1 004 K)
- Митропольский А.К. Теория моментов. М.-Л.: ГИКСЛ, 1933 (djvu , 4.49 M)
- Митропольский А.К. Техника статистических вычислений (2-е изд.). М.: Наука, 1971 (djvu , 8.35 M)
- Мостеллер Ф., Рурке Р., Томас Дж. Вероятность. М.: Мир, 1969 (djvu , 4.82 M)
- Налимов В.В. Применение математической статистики при анализе вещества. М.: ГИФМЛ, 1960 (djvu , 4.11 M)
- Невё Ж. Математические основы теории вероятностей. М.: Мир, 1969 (djvu , 3.62 M)
- Престон К. Математика. Новое в зарубежной науке No.7. Гиббсовские состояния на счетных множествах. М.: Мир, 1977 (djvu , 2.15 M)
- Савельев Л.Я. Элементарная теория вероятностей. Часть 1. Новосибирск: НГУ, 2005 (
ВВЕДЕНИЕ
Многие вещи нам непонятны не потому, что наши понятия слабы;
но потому, что сии вещи не входят в круг наших понятий.
Козьма Прутков
Основная цель изучения математики в средних специальных учебных заведениях состоит в том, чтобы дать студентам набор математических знаний и навыков, необходимых для изучения других программных дисциплин, использующих в той или иной мере математику, для умения выполнять практические расчеты, для формирования и развития логического мышления.
В данной работе последовательно вводятся все базовые понятия раздела математики "Основы теории вероятностей и математической статистики", предусмотренные программой и Государственными образовательными стандартами среднего профессионального образования (Министерство образования Российской Федерации. М., 2002г.), формулируются основные теоремы, большая часть которых не доказывается. Рассматриваются основные задачи и методы их решения и технологии применения этих методов к решению практических задач. Изложение сопровождается подробными комментариями и многочисленными примерами.
Методические указания могут быть использованы для первичного ознакомления с изучаемым материалом, при конспектировании лекций, для подготовки к практическим занятиям, для закрепления полученных знаний, умений и навыков. Кроме того, пособие будет полезно и студентам- старшекурсникам как справочное пособие, позволяющее быстро восстановить в памяти то, что было изучено ранее.
В конце работы приведены примеры и задания, которые студенты могут выполнять в режиме самоконтроля.
Методические указания предназначены для студентов заочной и дневной форм обучения.
ОСНОВНЫЕ ПОНЯТИЯ
Теория вероятностей изучает объективные закономерности массовых случайных событий. Она является теоретической базой для математической статистики, занимающейся разработкой методов сбора, описания и обработки результатов наблюдений. Путем наблюдений (испытаний, экспериментов), т.е. опыта в широком смысле слова, происходит познание явлений действительного мира.
В своей практической деятельности мы часто встречаемся с явлениями, исход которых невозможно предсказать, результат которых зависит от случая.
Случайное явление можно охарактеризовать отношением числа его наступлений к числу испытаний, в каждом из которых при одинаковых условиях всех испытаний оно могло наступить или не наступить.
Теория вероятностей есть раздел математики, в котором изучаются случайные явления (события) и выявляются закономерности при массовом их повторении.
Математическая статистика - это раздел математики, который имеет своим предметом изучения методов сбора, систематизации, обработки и использования статистических данных для получения научно обоснованных выводов и принятия решений.
При этом под статистическими данными понимается совокупность чисел, которые представляют количественные характеристики интересующих нас признаков изучаемых объектов. Статистические данные получаются в результате специально поставленных опытов, наблюдений.
Статистические данные по своей сущности зависят от многих случайных факторов, поэтому математическая статистика тесно связана с теорией вероятностей, которая является ее теоретической основой.
I. ВЕРОЯТНОСТЬ. ТЕОРЕМЫ СЛОЖЕНИЯ И УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ
1.1. Основные понятия комбинаторики
В разделе математики, который называется комбинаторикой, решаются некоторые задачи, связанные с рассмотрением множеств и составлением различных комбинаций из элементов этих множеств. Например, если взять 10 различных цифр 0, 1, 2, 3,: , 9 и составлять из них комбинации, то будем получать различные числа, например 143, 431, 5671, 1207, 43 и т.п.
Мы видим, что некоторые из таких комбинаций отличаются только порядком цифр (например, 143 и 431), другие - входящими в них цифрами (например, 5671 и 1207), третьи различаются и числом цифр (например, 143 и 43).
Таким образом, полученные комбинации удовлетворяют различным условиям.
В зависимости от правил составления можно выделить три типа комбинаций: перестановки, размещения, сочетания .
Предварительно познакомимся с понятием факториала .
Произведение всех натуральных чисел от 1 до n включительно называют n-факториалом и пишут .
Вычислить: а) ; б) ; в) .
Решение. а) .
б) Так как и
, то можно
вынести за скобки
Тогда получим
в) 
.
Перестановки.
Комбинация из n элементов, которые отличаются друг от друга только порядком элементов, называются перестановками.
Перестановки обозначаются символом Р n , где n- число элементов, входящих в каждую перестановку. (Р - первая буква французского слова permutation - перестановка).
Число перестановок можно вычислить по формуле
или с помощью факториала:
Запомним, что 0!=1 и 1!=1.
Пример 2. Сколькими способами можно расставлять на одной полке шесть различных книг?
Решение. Искомое число способов равно числу перестановок из 6 элементов, т.е.
Размещения.
Размещениями из m элементов в n в каждом называются такие соединения, которые отличаются друг от друга либо самими элементами (хотя бы одним), либо порядком из расположения.
Размещения обозначаются символом , где m - число всех имеющихся элементов, n - число элементов в каждой комбинации. (А- первая буква французского слова arrangement , что означает "размещение, приведение в порядок").
При этом полагают, что nm.
Число размещений можно вычислить по формуле
,
т.е. число всех возможных размещений из m элементов по n равно произведению n последовательных целых чисел, из которых большее есть m .
Запишем эту формулу в факториальной форме:
Пример 3. Сколько вариантов распределения трех путевок в санатории различного профиля можно составить для пяти претендентов?
Решение. Искомое число вариантов равно числу размещений из 5 элементов по 3 элемента, т.е.
.
Сочетания.
Сочетаниями называются все возможные комбинации из m элементов по n , которые отличаются друг от друга по крайней мере хотя бы одним элементом (здесь m и n- натуральные числа, причем n m ).
Число сочетаний из m элементов по n обозначаются (С -первая буква французского слова combination - сочетание).
В общем случае число из m элементов по n равно числу размещений из m элементов по n , деленному на число перестановок из n элементов:
Используя для чисел размещений и перестановок факториальные формулы, получим:
Пример 4. В бригаде из 25 человек нужно выделить четырех для работы на определенном участке. Сколькими способами это можно сделать?
Решение. Так как порядок выбранных четырех человек не имеет значения, то это можно сделать способами.
Находим по первой формуле
.
Кроме того, при решении задач используются следующие формулы, выражающие основные свойства сочетаний:
(по определению полагают и );
.
1.2. Решение комбинаторных задач
Задача 1. На факультете изучается 16 предметов. На понедельник нужно в расписание поставить 3 предмета. Сколькими способами можно это сделать?
Решение. Способов постановки в расписание трех предметов из 16 столько, сколько можно составить размещений из 16 элементов по 3.
Задача 2. Из 15 объектов нужно отобрать 10 объектов. Сколькими способами это можно сделать?
Задача 3. В соревнованиях участвовало четыре команды. Сколько вариантов распределения мест между ними возможно?
.
Задача 4. Сколькими способами можно составить дозор из трех солдат и одного офицера, если имеется 80 солдат и 3 офицера?
Решение. Солдат в дозор можно выбрать
способами, а офицеров способами. Так как с каждой командой из солдат может пойти любой офицер, то всего имеется способов.
Задача 5. Найти , если известно, что .
Так как , то получим
,
,
По определению сочетания следует, что , . Т.о. .
1.3. Понятие о случайном событии. Виды событий. Вероятность события
Всякое действие, явление, наблюдение с несколькими различными исходами, реализуемое при данном комплексе условий, будем называть испытанием.
Результат этого действия или наблюдения называется событием .
Если событие при заданных условиях может произойти или не произойти, то оно называется случайным . В том случае, когда событие должно непременно произойти, его называют достоверным , а в том случае, когда оно заведомо не может произойти,- невозможным .
События называются несовместными , если каждый раз возможно появление только одного из них.
События называются совместными , если в данных условиях появление одного из этих событий не исключает появление другого при том же испытании.
События называются противоположными , если в условиях испытания они, являясь единственными его исходами, несовместны.
События принято обозначать заглавными буквами латинского алфавита: А, В, С, Д, : .
Полной системой событий А 1 , А 2 , А 3 , : , А n называется совокупность несовместных событий, наступление хотя бы одного из которых обязательно при данном испытании.
Если полная система состоит из двух несовместных событий, то такие события называются противоположными и обозначаются А и .
Пример. В коробке находится 30 пронумерованных шаров. Установить, какие из следующих событий являются невозможными, достоверными, противоположными:
достали пронумерованный шар (А);
достали шар с четным номером (В);
достали шар с нечетным номером (С);
достали шар без номера (Д).
Какие из них образуют полную группу?
Решение. А - достоверное событие; Д - невозможное событие;
В и С - противоположные события.
Полную группу событий составляют А и Д, В и С .
Вероятность события, рассматривается как мера объективной возможности появления случайного события.
1.4. Классическое определение вероятности
Число, являющееся выражением меры объективной возможности наступления события, называется вероятностью этого события и обозначается символом Р(А).
Определение. Вероятностью события А называется отношение числа исходов m, благоприятствующих наступлению данного события А , к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е. .
Следовательно, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, подсчитать все возможные несовместные исходы n, выбрать число интересующих нас исходов m и вычислить отношение m к n .
Из этого определения вытекают следующие свойства:
Вероятность любого испытания есть неотрицательное число, не превосходящее единицы.
Действительно, число m искомых событий заключено в пределах . Разделив обе части на n , получим
2. Вероятность достоверного события равна единице, т.к. .
3. Вероятность невозможного события равна нулю, поскольку .
Задача 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Решение. Общее число различных исходов есть n =1000. Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле, получим
.
Задача 2. В партии из 18 деталей находятся 4 бракованных. Наугад выбирают 5 деталей. Найти вероятность того, что из этих 5 деталей две окажутся бракованными.
Решение. Число всех равновозможных независимых исходов n равно числу сочетаний из 18 по 5 т.е.
Подсчитаем число m, благоприятствующих событию А. Среди 5 взятых наугад деталей должно быть 3 качественных и 2 бракованных. Число способов выборки двух бракованных деталей из 4 имеющихся бракованных равно числу сочетаний из 4 по 2:
Число способов выборки трех качественных деталей из 14 имеющихся качественных равно
.
Любая группа качественных деталей может комбинироваться с любой группой бракованных деталей, поэтому общее число комбинаций m составляет
Искомая вероятность события А равна отношению числа исходов m, благоприятствующих этому событию, к числу n всех равновозможных независимых исходов:
.
Суммой конечного числа событий называется событие, состоящее в наступлении хотя бы одного из них.
Сумму двух событий обозначают символом А+В, а сумму n событий символом А 1 +А 2 + : +А n .
Теорема сложения вероятностей.
Вероятность суммы двух несовместных событий равна суммевероятностей этих событий.
Следствие 1. Если событие А 1 , А 2 , : ,А n образуют полную систему, то сумма вероятностей этих событий равна единице.
Следствие 2. Сумма вероятностей противоположных событий и равна единице.
.
Задача 1. Имеется 100 лотерейных билетов. Известно, что на 5 билетов попадает выигрыш по 20000 руб., на 10 - по 15000 руб, на 15 - по 10000 руб., на 25 - по 2000 руб. и на остальные ничего. Найти вероятность того, что на купленный билет будет получен выигрыш не менее 10000 руб.
Решение. Пусть А, В, и С- события, состоящие в том, что на купленный билет падает выигрыш, равный соответственно 20000, 15000 и 10000 руб. так как события А, В и С несовместны, то
Задача 2. На заочное отделение техникума поступают контрольные работы по математике из городов А, В и С . Вероятность поступления контрольной работы из города А равна 0,6, из города В - 0,1. Найти вероятность того, что очередная контрольная работа поступит из города С .
Основы теории вероятностей и математической статистики
Основы теории вероятностей и математической статистики Основные понятия теории вероятностей Предметом изучения теории вероятностей являются количественные закономерности однородных случайных явлений массового характера. Определение 1. Событием называется всякий возможный факт, о котором можно сказать, что он произойдет или не произойдет в данных условиях. Пример. Готовые ампулы, сошедшие с конвейера, могут оказаться либо стандартными, либо нестандартными. Один (любой) исход из указанных двух возможных называются событием. Различают три вида событий: достоверные, невозможные и случайные. Определение 2. Достоверным называют то событие, которое при соблюдении некоторых условий не может не произойти, т.е. обязательно произойдет. Пример. Если в урне содержатся только белые шары, то взятый наудачу из урны шар будет обязательно белый. В данных условиях факт появления белого шара будет достоверным событием. Определение 3. Невозможным называют то событие, которое при соблюдении некоторых условий не может произойти. Пример. Нельзя извлечь белый шар из урны, содержащей только черные шары. В этих условиях факт появления белого шара будет невозможным событием. Определение 4. Случайным называют событие, которое в одних и тех же условиях может произойти, но может и не произойти. Пример. Монета, брошенная вверх, может упасть так, что на ее верхней стороне окажется либо герб, либо цифра. Здесь появление сверху той или другой стороны монеты является случайным событием. Определение 5. Испытание - совокупность тех условий или действий, которые могут быть повторены бесконечное число раз. Пример. Подбрасывание монеты вверх - испытание, а возможный результат, т.е. выпадение на верхней стороне монеты либо герба, либо цифры является событием. Определение 6. Если события A i таковы, что при некотором данном испытании может произойти только одно из них и никаких других, не входящих в совокупность, то эти события называются единственно возможными. Пример. В урне лежат белые и черные шары и никаких других. Взятый наугад один шар может оказаться белым или черным. Эти события являются единственно возможными, т.к. появление шара другой окраски при данном испытании исключено. Определение 7. Два события A и B называются несовместными, если при данном испытании они не могут произойти вместе. Пример. Герб и цифра являются единственно возможными и несовместимыми событиями при однократном бросании монеты. Определение 8. Два события A и B называются совместными (совместимыми) при данном испытании, если появление одного из них не исключает возможность появления другого события при том же испытании. Пример. Возможно совместное появление орла и цифры при одном бросании двух монет. Определение 9. События A i называются равновозможными в данном испытании, если в силу симметрии есть основание считать, что ни одно из этих событий не является более возможным по сравнению с другими. Пример. Появление любой грани при одном бросании игральной кости является равновозможным событием (при условии, если кость сделана из однородного материала и имеет форму правильного шестигранника). Определение 10. События называются благоприятствующими (благоприятными) некоторому событию, если появление одного из этих события влечет появление данного события. Случаи, исключающие появление события, называются неблагоприятствующими этому событию. Пример. В урне имеется 5 белых и 7 черных шаров. При взятии наугад одного шара, в руках может оказаться или белый или черный шар. В данном случае появление белого шара благоприятствует 5 случаев, а появлению черного шара 7 случаев из общего количества 12 возможных случаев. Определение 11. Два единственно возможных и несовместимых событий называют противоположными друг другу. Если одно из этих событий обозначено A , то противоположное ему событие обозначают символом Ā. Пример. Попадание в цель и промах; выигрыш и проигрыш по билету лотереи - все это примеры противоположных событий. Определение 12. Если в результате какой-либо массовой операции, состоящей из n сходных между собой единичных опытов или наблюдений (испытаний), некоторое случайное событие появится m раз, то число m называют частотой случайного события, а отношение m / n называется его частостью. Пример. Среди первых 20 изделий, сошедших с конвейера, оказалось 3 изделия нестандартных (брак). Здесь число испытаний n =20, частота брака m =3, частость брака m / n = 3/20 = 0,15. Всякое случайное событие в заданных условиях имеет свою объективную возможность появления, причем у одних событий эта возможность появления больше, у других - меньше. Для количественного сравнения между собой событий по степени возможности их наступления с каждым случайным событием связывают некоторое действительное число, выражающего количественную оценку степени объективной возможности наступления данного события. Это число называют вероятностью события. Определение 13. Вероятность некоторого события есть числовая мера объективной возможности наступления этого события. Определение 14. ( Классическое определение вероятности ). Вероятностью события А называется отношение числа m случаев, благоприятствующих наступлению этого события, к числу n всех возможных случаев, т.е. Р(А) = m / n . Пример. Урна содержит 5 белых и 7 черных шаров, тщательно перемешанных. Какова вероятность того, что взятый наудачу из урны один шар окажется белым? Решение. В данном испытании имеется всего 12 возможных случаев, из них 5 благоприятствуют появлению белого шара. Поэтому вероятность появления белого шара Р=5/12. Определение 15. ( Статистическое определение вероятности ). Если при достаточно большом числе повторных испытаний по отношению к некоторому событию А будет замечено, что частость события колеблется около некоторого постоянного числа, то событие А имеет вероятность Р(А), приближенно равную частости, т.е. Р(А)~ m / n . Частость события при неограниченном числе испытаний называют статистической вероятностью. Основные свойства вероятности. 1 0 Если событие А влечет за собой событие В (А В), то вероятность события А не превосходит вероятности события В. Р(А)≤Р(В) 2 0 Если события А и В равносильны (А B , В А, В=А), то их вероятности равны Р(А)=Р(В). 3 0 Вероятность любого события А не может быть отрицательным числом, т.е. Р(А)≥0 4 0 Вероятность достоверного события равна 1. Р( )=1. 5 0 Вероятность невозможного события равна 0. Р( )=0. 6 0 Вероятность любого случайного события А заключена между нулем и единицей 0<Р(А)<1 Основные формулы комбинаторики Определение 1 . Различные группы по m предметов, составленные из n однородных предметов ( m , n ), называются соединениями. Предметы, из которых составляют различные соединения, называют элементами. Существует 3 вида соединений: размещения, перестановки, сочетания. Определение 2. Размещениями по m элементов из данных n элементов ( m ≤ n ) называют такие соединения, которые отличаются друг от друга либо самими элементами, либо их порядком. Например, размещениями из трех предметов a , b и c по два будут следующие соединения: ab , ac , bc , ca , cb , ba . Число размещений из данных n элементов по m обозначают символом А n m = n ( n -1)( n -2)·....·( n - m +1). Пример. А 10 4 =10·9·8·7=5040. Определение 3. Перестановками из n элементов называют такие соединения, которые отличаются друг от друга только порядком элементов. Р n =А n n = n ( n -1)( n -2)...·3·2·1= n ! По определению 0!=1. Пример. Р 5 =5!=1·2·3·4·5=120. Определение 4. Сочетаниями из n элементов по m называются также соединения, которые отличаются друг от друга, по меньшей мере, одним элементом и каждое из которых содержит m различных элементов: C n m === Пример. Найти число сочетаний из 10 элементов по четыре. Решение. C 10 4 ==210. Пример. Найти число сочетаний из 20 элементов по 17. Решение. ==1040. Теоремы теории вероятностей Теорема сложения вероятностей Теорема 1 . Вероятность наступления одного какого-либо события из двух несовместимых событий А и В равно сумме вероятностей этих событий Р(А+В)=Р(А)+Р(В ). Пример. В урне 5 красных, 7 синих и 8 белых шаров, перемешанных между собой. Какова вероятность того, что взятый наугад один шар окажется не красным? Решение. Не красный шар - это или белый или синий шары. Вероятность появления белого шара (событие А) равна Р(А)= 8/20 = 2/5. Вероятность появления синего шара (событие В) равна Р(В)= 7/20. Событие, состоящее в появлении не красного шара, означает появление или А или В, т.к. события А и В несовместимы, то применима теорема 1. Искомая вероятность будет равна Р(А+В)=Р(А)+Р(В)=2/5+ +7/20=3/4. Теорема 2. Вероятность наступления одного из двух событий A или B равно сумме вероятностей этих событий минус вероятность их совместного появления P ( A + B )= P ( A )+ P ( B )+ P ( AB ). Теорема умножения вероятностей Определение 1. Два события A и B называются независимыми друг от друга, если вероятность одного из них не зависит от наступления или ненаступления другого. Пример. Пусть A - событие, состоящее в появлении герба при первом бросании монеты, а B - событие, состоящее в появлении герба при втором бросании монеты, то события A и B не зависят друг от друга, т.е. результат первого бросания монеты не может изменить вероятность появления герба при втором бросании монеты. Определение 2. Два события A и B называются зависящими друг от друга, если вероятность одного из них зависит от наступления или ненаступления другого. Пример. В урне 8 белых и 7 красных шаров, перемешанных между собой. Событие A - появление белого шара, а событие B - появление красного шара. Будем брать из урны наугад два раза по одному шару, не возвращая их обратно. До начала испытания вероятность появления события A равна P ( A )=8/15, и вероятность события B равна P ( B )=7/15. Если предположить, что в первый раз был взят белый шар (событие A ), то вероятность появления события B при втором испытании будет P ( B )=7/14=1/2. Если в первый раз был взят красный шар, то вероятность появления красного шара при втором извлечении равна P ( B )=6/14=3/7. Определение 3. Вероятность события B , вычисленная в предположении, что перед этим наступило связанное с ним событие A , называется условной вероятностью события B и обозначается PA ( B ). Теорема 3 . Вероятность совместного наступления двух зависимых событий ( A и B ) равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие произошло, т.е. P ( AB )= P ( A )· P A ( B )= P ( B )· P B ( A ). Теорема 4. Вероятность совместного наступления нескольких зависимых событий равно произведению вероятности одного из них на условные вероятности всех остальных событий, вычисленные в предположении, что все предыдущие события уже наступили: P(A 1 A 2 A 3 ...A k )=P(A 1 )·P A1 (A 2 )·P A1A2 ·P(A 3 )...·P A1A2…A k-1 (A k ) Теорема 5 . Вероятность совместного наступления двух независимых событий A и B равна произведению вероятностей этих событий P ( AB )= P ( A )· P ( B ). Теорема 6 . Вероятность совместного наступления нескольких независимых событий A 1 , A 2 , ... A k равна произведению их вероятностей, т.е. P ( A 1 A 2 ... A k )= P ( A 1 )· P ( A 2 )·...· P ( A k ). Пример. Два стрелка делают одновременно по одному выстрелу в одну цель. Какова вероятность того, что оба попадут, если известно, что первый стрелок в среднем дает 7 попаданий, а второй 8 попаданий на каждые 10 выстрелов? Какова вероятность поражения мишени? Решение. Вероятность попадания первого стрелка (событие A ) равна P ( A )=0,8, вероятность попадания второго стрелка (событие B ) равна P ( B )=0,7. События A и B независимы друг от друга, поэтому вероятность совместного наступления этих событий (совместное попадание в цель) найдем по теореме умножения для независимых событий: P ( AB )= P ( A ) P ( B )=0,8·0,7=0,56. Вероятность поражения мишени означает попадание в мишень хотя бы одного стрелка. Так как попадание в мишень первого и второго стрелков являются событиями совместными, то применение теоремы сложения вероятностей для совместных событий дает следующий результат: P(A+B)=P(A)+P(B)-P(AB)=P(A)+P(B)-P(A)·P(B)=0,8+0,7- 0,8·0,7=0,94. 5.3.3. Формула полной вероятности Определение 4. Если при некотором испытании может произойти одно какое-либо событие из нескольких несовместных A 1 , A 2 ,..., A k , и при этом никаких других событий быть не может, но одно из указанных событий обязательно произойдет, то группу событий A 1 , A 2 ,..., A k называют полной группой событий. Теорема 7. Сумма вероятностей событий, образующих полную группу, равна единице: P ( A 1 )+ P ( A 2 )+...+ P ( A k )=1. Следствие. Сумма вероятностей двух противоположных событий равна единице: P ( A )+ P ( A )=1. Если вероятность одного события обозначим через p , вероятность противоположного ему события обозначим через q , тогда p + q =1. Пример. Вероятность попадания в цель равна 0,94. Найти вероятность непопадания. Решение . Попадание в цель и непопадание являются противоположными событиями, поэтому, если p =0,94, то q =1- p =1-0,94=0,06. Теорема 8 . Если случайные события A 1 , A 2 ... A n образуют полную систему, и если событие B может осуществляться только совместно с каким-нибудь одним из этих событий, то вероятность наступления события B можно определить по формуле: P(B)=P(A 1 )P A1 (B)+P(A 2 )P A2 (B)+...+P(A n )P A n (B) Это равенство называется формулой полной вероятности . Пример. На склад готовой продукции поступили изделия из трех цехов, в том числе: 30% из I -го цеха, 45% из II цеха и 25% из III цеха. Среди изделий I цеха брак составляет 0,6%, по II цеху 0,4% и по III цеху-0,16%. Какова вероятность того, что взятое наугад для контроля одно изделие окажется с браком? Решение. Одно изделие может быть взято или из продукции I цеха (событие A 1 ), или из продукции II цеха (событие A 2 ), или из продукции III цеха (событие A 3 ). Вероятности этих событий будут: P ( A 1 )=0,30; P ( A 2 )=0,45; P ( A 3 )=0,25. Вероятность того, что изделие с браком (событие B ) будет взято из продукции I цеха, есть условная вероятность P A 1 ( B ). Она равна P A 1 ( B )=0,006. Вероятность того, что изделие с браком будет взято из продукции II цеха P A 2 ( B )=0,004 и из продукции III цеха P A 3 ( B )=0,0016. Теперь по формуле полной вероятности найдем вероятность того, что взятое наугад одно изделие будет с браком: P(B)=P(A 1 )P A1 (B)+P(A 2 )P A2 (B)+...+P(A 3 )P A3 (B) = 0,3·0,006+0,45·0,004+0,25·0,0016=0,004. Формула Бернулли Теорема 9. Пусть производится n независимых повторных испытаний по отношению к некоторому событию A . Пусть вероятность появления этого события в каждом отдельном испытании остается неизменно равной p , а вероятность появления противоположного события Ā, есть q . Тогда вероятность появления интересующего нас события A равно m раз при указанных n испытаниях рассчитывается по формуле Бернулли: P m , n = p m q n - m , так как, то P m , n = · p m · q n - m Пример. Коэффициент использования станка в среднем равен 0,8. В цехе имеется 5 станков. Какова вероятность того, что в некоторый момент времени окажутся работоспособными только 3 станка? Решение. Задача подходит под схему повторных испытаний и решается по формуле Бернулли: n =5, m =3, p =0,8 и q =1-0,8=0,2: P 3,5 = (0,8) 3 ·(0,2) 2 =0,2084. Асимптотическая формула Пуассона В статистической практике нередко встречаются такие примеры независимых испытаний, когда при большом числе n независимых испытаний вероятность Р появления события в каждом отдельном испытании оказывается сравнительно малой величиной, стремящейся к нулю с увеличением числа испытаний . При этих условиях для вычисления вероятности Р m , n появление события m раз в n испытаниях пользуются асимптотической формулой Пуассона : Р m,n ≈e -a , где a=np Пример. Доля брака всей продукции завода составляет 0,5%. Какова вероятность того, что в партии, состоящей из 400 изделий, окажется три изделия бракованных? Решение. В условии примера дано p =0,005, n =400, m =3, следовательно, a = np =400·0,005=2. Вероятность данного события найдем по формуле Пуассона Р m , n (3,400) = 0,1804. Случайные величины и их числовые характеристики Определение 1. Случайной величиной называется переменная величина, которая в результате опыта принимает одно значение, причем неизвестно заранее, какое именно. Определение 2. Дискретной называется случайная величина, которая может принимать лишь отдельные, изолированные друг от друга значения. Случайная дискретная величина задается законом распределения, связывающим принимаемые ею значения x i и вероятности их принятия p i . Закон распределения чаще всего задается в табличной форме. Графическое представление закона распределения случайной дискретной величины – многоугольник распределения . Числовые характеристики дискретной случайной величины. 1) Математическое ожидание. Определение 3. Математическое ожидание случайной дискретной величины X с конечным числом значений называется сумма произведений возможных ее значений на их вероятности: M ( X ) = μ = x 1 p 1 + x 2 p 2 +...+ x n p n = . Вероятности всех значений случайной дискретной величины удовлетворяют условию нормировки: Свойства математического ожидания. 1 0 Математическое ожидание постоянной (неслучайной) величины С равно самой постоянной M ( C )= C . 2 0 Математическое ожидание алгебраической суммы нескольких случайных величин равно алгебраической сумме математических ожиданий слагаемых M ( X 1 ± X 2 ±...± X n ) = M ( X 1 ) ± M ( X 2 ) ±…± M ( X n ). 3 0 Константу можно вынести за знак математического ожидания M ( CX )= CM ( X ). 4 0 Математическое ожидание произведения нескольких независимых случайных величин равно произведению математических ожиданий этих величин: M ( X 1 X 2 ... X n ) = M ( X 1 ) M ( X 2 )... M ( X ) n . 2) Дисперсия дискретной случайной величины. Определение 4. Дисперсией случайной дискретной величины X называется математическое ожидание квадрата отклонения этой величины от ее математического ожидания. D ( X ) = M {[ X - M ( X )] 2 } = , где M ( X ) = μ Для вычисления дисперсии более удобна формула: D ( X )= M ( X 2 )-[ M ( X )] 2 , т.е. дисперсия случайной величины равна разности между математическим ожиданием квадрата этой величины и квадратом ее математического ожидания. Свойства дисперсии. 1 0 Дисперсия постоянной величины равна нулю D (С) = 0. 2 0 Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат: D ( CX ) = C 2 D ( X ). 3 0 Дисперсия суммы нескольких независимых случайных величин равна сумме дисперсий этих величин: D ( X 1 +...+ X n ) = D ( X 1 )+...+ D ( X n ). 4 0 Дисперсия разности двух независимых случайных величин равна сумме дисперсий этих величин D ( X - Y )= D ( X )+ D ( Y ). 3). Среднее квадратическое отклонение Определение 5 . Средним квадратическим отклонением случайной величины называется квадратный корень из дисперсии σ ( X )=. Пример. Найти математическое ожидание и дисперсию случайной величины X , которая задана следующим законом распределения: Решение. Найдем математическое ожидание: M ( x )=1·0,3+2·0,5+5·0,2=2,3. Найдем все возможные значения квадрата отклонения. [ x 1 - M ( x )] 2 =(1-2,3) 2 =1,69 [ x 2 - M ( x )] 2 =(2-2,3) 2 =0,09 [ x 3 - M ( x )] 2 =(5-2,3) 2 =7,29 Напишем закон распределения квадрата отклонения Найдем дисперсию: D ( x )=1,69·0,3+0,09·0,5+7,29·0,2=2,01. Числовые характеристики непрерывной случайной величины. Определение 6. Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Определение 7. Интегральной функцией распределения называют функцию F ( x ), определяющую для каждого значения x вероятность того, что случайная величина X примет значение меньше x , т.е. F ( x )= P ( X < x ). Свойства интегральной функции распределения 1 0 Значения интегральной функции распределения принадлежат отрезку 0≤ F ( x ) ≤1. 2 0 Функция распределения есть неубывающая функция. Следствие 1. Вероятность того, что случайная величина X попадет в интервал ( a , b ), равна приращению ее интегральной функции распределения на этом интервале P ( a < x < b )= F ( b )- F ( a ). Следствие 2. Вероятность того, что случайная непрерывная величина X примет одно определенное значение равна нулю P ( X = x 1 )=0. 3 0 Если возможные значения случайной величины X принадлежат интервалу ( a , b ), то F ( x )=0 при x ≤ a и F ( x )=1 при x ≥ a . Определение 8. Дифференциальной функцией распределения f ( x ) (или плотностью вероятности) называется производная от интегральной функции f ( x )= F "( x ). Интегральная функция является первообразной для дифференциальной функции, поэтому вероятность того, что случайная непрерывная величина x примет значение, принадлежащее интервалу ( a , b ), определяется равенством: P ( a < x < b )== F ( b )- F ( a )Зная дифференциальную функцию, можно найти функцию распределения: F ( x )= Свойства дифференциальной функции распределения 1 0 Дифференциальная функция распределения есть функция неотрицательная f ( x ) ≥0 2 0 Несобственный интеграл от дифференциальной функции распределения равен единице (условие нормировки): . 1) Математическое ожидание. Математическим ожиданием случайной непрерывной величины X , возможные значения которой прина д лежат отрезку ( a , b ), называется опр е деленный интеграл: M ( X ) = , где f ( x )-плотность вероятности случайной величины X . 2) Дисперсия. Дисперсия непрерывной случайной величины X есть математическое ожидание квадрата отклонения зтой величины от ее математического жидания D(X) = M{ 2 }.Следовательно, если возможные значения случайной величины X принадлежат отрезку ( a ; b ), то D ( x )= или D ( x )= 3) Среднее квадратическое отклонение определяется так: σ ( x ) = Пример. Найти дисперсию случайной величины X , заданной интегральной функцией F ( x )= Решение. Найдем дифференциальную функцию: f ( x )= F ’ ( x )= Выислим математическое ожидание M ( x ) = . Найдем искомую дисперсию D ( x ) = = = 2/4=4/3. Вероятность попадания нормально распределенной случайной величины X в заданный интервал Определение 9. Распределение вероятностей случайной непрерывной величины X называется нормальным, если плотность вероятности описывается формулой: , где μ - математическое ожидание, σ - среднее квадратическое отклонение. Определение 10. Нормальное распределение с параметрами μ = 0, σ = 1 называется нормированным или стандартным. Плотность вероятности нормированного нормального распределения описывается следующей формулой: . Значения данной функции для неотрицательных значений затабулированы. В силу четности функции φ ( x ) значения для отрицательных чисел легко определить φ (- x )= φ ( x ). Пример. Математическое ожидание нормального распределенной случайной величины X равно μ =3 и среднее квадратическое отклонение σ =2. Написать дифференциальную функцию X . Решение. f ( x )= Если случайная величина X распределена по нормальному закону, то вероятность ее попадания в интервал ( a , b ) определяется следующим о б разом: P(aСловосочетание «теория вероятности» вызывает у неподготовленного студента панику. Действительно, воображение рисует картины, где фигурируют страшные объемные формулы, а решение одной задачи занимает целую тетрадь. Однако на практике всё вовсе не так ужасно: достаточно один раз понять смысл некоторых терминов и вникнуть в суть несколько своеобразной логики рассуждений, чтобы перестать бояться заданий раз и навсегда. В связи с этим мы рассмотрим основные понятия теории вероятностей и математической статистики - молодой, но крайне интересной области знаний.
Для чего учить понятия
Функция языка - передавать информацию от одного человека к другому так, чтобы он её понял, осознал и смог использовать. Каждое математическое понятие можно объяснить простыми словами, но в этом случае акт обмена данными занимал бы значительно больше времени. Представьте, что вместо слова «гипотенуза» вам всегда бы пришлось говорить «самая длинная сторона прямоугольного треугольника» - это крайне неудобно и долго.
Потому люди и придумывают новые термины для тех или иных явлений, процессов. Основные понятия теории вероятностей - событие, вероятность события и т. д. - появились точно так же. А значит, чтобы использовать формулы, решать задачи и применять навыки в жизни, необходимо не просто запомнить новые слова, но и понять, что означает каждое из них. Чем более глубоко вы осознаете их, вникаете в смысл, тем шире становятся рамки ваших возможностей, и тем полнее вы воспринимаете окружающий мир.
В чем смысл предмета
Познакомимся с основными понятиями теории вероятностей. Классическое определение вероятности звучит следующим образом: это отношение устраивающих исследователя исходов к общему числу возможных. Приведем простой пример: когда человек бросает кубик, тот может выпасть любой из шести сторон кверху. Таким образом, общее число исходов - шесть. Вероятность же того, что выпадет случайно выбранная сторона - 1/6.
Умение предсказывать появление того или иного результата является крайне важным для самых разных специалистов. Сколько бракованных деталей ожидается в партии? От этого зависит, сколько нужно произвести. Какова вероятность, что лекарство поможет побороть болезнь? Такая информация и вовсе является жизненно важной. Но не будем тратить время на дополнительные примеры и приступим к изучению новой для нас области.
Первое знакомство
Рассмотрим основные понятия теории вероятности и их использование. В праве, естественных науках, экономике представленные ниже формулы и термины используются повсеместно, поскольку имеют непосредственное отношение в статистике и погрешности измерений. Более подробное изучение этого вопроса откроет вам и новые формулы, полезные для более точных и сложных вычислений, однако начнем с простого.
Одним из самых базовых и основных понятий теории вероятностей и математической статистики является случайное событие. Объясним понятными словами: из всех возможных исходов эксперимента в результате наблюдается лишь один. Даже если вероятность наступления этого события значительно выше, чем другого, оно будет случайным, так как теоретически итог мог быть и иным.
Если мы провели серию экспериментов и получили некоторое количество исходов, то вероятность каждого из них рассчитывается по формуле: P(A) = m/n. Здесь m - это то, сколько раз в серии испытаний мы наблюдали появление интересующего нас результата. В свою очередь n - это общее количество проведенных экспериментов. Если мы бросили монетку 10 раз и 5 раз получили «решку», то m=5, а n=10.
Виды событий
Случается, что некоторый исход гарантированно наблюдается в каждом испытании - такое событие будет называться достоверным. Если оно не будет происходить никогда, то будет называться невозможным. Впрочем, такие события не используются в условиях задач по теории вероятности. Основные понятия, которые знать гораздо важнее - это совместные и несовместные события.
Случается, что при проведении эксперимента одновременно происходит сразу два события. Например, мы бросаем два кубика - в данном случае то, что на одном выпало «шесть», не гарантирует того, что на втором не выпадет другая цифра. Такие события будут называться совместными.
Если мы кидаем один кубик, то две цифры одновременно выпасть не смогут никогда. В данном случае исходы в виде выпавшей «единицы», «двойки» и т. д. будут рассматриваться как несовместные события. Очень важно различать, какие исходы имеют место в каждом конкретном случае - от этого зависит, какие формулы применять в задаче на нахождение вероятностей. Основные понятия теории вероятностей мы продолжим изучать спустя несколько абзацев, когда рассмотрим особенности сложения и умножения. Ведь без них ни одну задачу решить не удастся.
Сумма и произведение
Допустим, вы с другом бросаете кубик, и у него выпало «четыре». Вам, чтобы победить, необходимо получить «пять» или «шесть». В этом случае вероятности будут суммироваться: поскольку шансы выпадения обоих чисел равны 1/6, ответ будет выглядеть как 1/6 + 1/6 = 1/3.
А теперь представьте, что вы бросаете кубик по два раза, и ваш друг получил 11 очков. Теперь вам необходимо, чтобы два раза подряд выпало «шесть». События независимы друг от друга, поэтому вероятности понадобится перемножить: 1/6 * 1/6 = 1/36.
Среди основных понятий и теорем теории вероятностей следует обратить внимание на сумму вероятностей совместных событий, т. е. тех, которые могут происходить одновременно. Формула сложения в этом случае будет выглядеть так: P(A+B) = P(A) + P(B) - P(AB).
Комбинаторика
Очень часто нам требуется найти все возможные сочетания некоторых параметров объекта или вычислить количество каких-либо комбинаций (например, при подборе шифра). В этом нам поможет комбинаторика, теснейшим образом связанная с теорией вероятности. Основные понятия здесь включают некоторые новые слова, а ряд формул из этой темы вам наверняка пригодится.
Допустим, у вас есть три цифры: 1, 2, 3. Вам надо, используя их, написать все возможные трёхзначные числа. Сколько их будет? Ответ: n! (восклицательный знак означает факториал). Комбинации из некоторого количества разных элементов (цифр, букв и проч.), отличающиеся только порядком их расположения, называются перестановками.
Однако гораздо чаще мы сталкиваемся с такой ситуаций: имеется 10 цифр (от нуля до девяти), из которых составляется пароль или код. Предположим, его длина - 4 символа. Как рассчитать общее количество возможных кодов? Для этого существует специальная формула: (n!)/(n - m)!
Учитывая предложенное выше условие задачи, n=10, m=4. Далее требуются только простые математические расчёты. Кстати, называться такие комбинации будут размещением.
Наконец, существует понятие сочетаний - это последовательности, отличающиеся друг от друга хотя бы одним элементом. Высчитывается их число по формуле: (n!) / (m!(n-m)!).
Математическое ожидание
Важным понятием, с которым сталкивается студент уже на первых занятиях по предмету, является математическое ожидание. Оно представляет собой сумму всех возможных результирующих значений, помноженных на их вероятности. По сути, это среднее число, которое мы можем предсказать в качестве результата испытания. Например, есть три значения, для которых в скобках указаны вероятности: 0 (0,2); 1 (0,5); 2 (0,3). Посчитаем математическое ожидание: M(X) = 0*0,2 + 1*0,5 + 2*0,3 = 1,1. Таким образом, из предложенного выражения можно увидеть, что данная величина является постоянной и не зависит от исхода испытания.
Это понятие используется во многих формулах, и вы неоднократно с ним столкнетесь в дальнейшем. Работать с ним несложно: математическое ожидание суммы равно сумме мат. ожиданий - M(X+Y) = M(X) + M(Y). То же касается и произведения: M(XY) = M(X) * M(Y).
Дисперсия
Должно быть, со школьного курса физики вы помните, что дисперсия - это рассеяние. Каково её место среди основных понятий теории вероятностей?
Посмотрите на два примера. В одном случае нам дано: 10(0,2); 20(0,6); 30(0,2). В другом - 0(0,2); 20(0,6); 40(0,2). Математическое ожидание в обоих случаях будет одинаковое, как же тогда сравнивать эти ситуации? Ведь мы видим невооруженным глазом, что разброс значений во втором случае значительно больше.
Для этого и было введено понятие дисперсии. Чтобы получить её, необходимо рассчитать математическое ожидание от суммы разностей каждой случайной величины и математического ожидания. Возьмём числа из первого примера, записанного в предыдущем абзаце.
Сперва рассчитаем математическое ожидание: M(X) = 10*0,2 + 20*0,6 + 30*0,2 = 20. Тогда значение дисперсии: D(X) = 40.
Ещё одним из основных понятий статистики и теории вероятности является среднее квадратичное отклонение. Рассчитать его очень просто: нужно лишь взять корень квадратный из дисперсии.
Здесь же можно отметить такой простой термин, как размах. Это значение, обозначающее разницу между максимальным и минимальным значением в выборке.
Статистика
Некоторые базовые школьные понятия используются в науке очень часто. Двумя из них являются среднее арифметическое и медиана. Наверняка вы помните, как найти их значения. Но на всякий случай напомним: среднее арифметическое - это сумма всех значений, деленная на их количество. Если значений 10, то мы их складываем и делим на 10.
Медиана - это центральное значение в ряду всех возможных. Если мы имеем нечетное количество величин, то мы выписываем их в порядке возрастания и выбираем то, которое оказалось в середине. Если же у нас четное число значений, мы берем два центральных и делим на два.
Ещё два значения, располагающиеся между медианой и двумя крайними - максимальным и минимальным - значениями множества, именуются квартилями. Вычисляются они таким же образом - при нечетном количестве элементов берется число, располагающееся в середине ряда, а при четном - половина суммы двух центральных элементов.
Существует и специальный график, на котором можно увидеть все значения выборки, её размах, медиану, межквартальный интервал, а также выбросы - значения, не укладывающиеся в статистическую погрешность. Получающееся изображение носит весьма специфическое (и даже нематематическое) название - «ящик с усами».
Распределение
Распределение также относится к основным понятиям теории вероятности и математической статистики. Кратко говоря, оно представляет собой обобщенную информацию обо всех случайных величинах, которые мы можем увидеть в результате испытания. Главным параметром здесь будет вероятность появления каждого конкретного значения.
Нормальное распределение - это такое, которое имеет один центральный пик, в котором находится величина, встречающееся наиболее часто. От него дугами расходятся всё менее и менее вероятные исходы. В целом график со стороны похож на «горку». В дальнейшем вы узнаете, что с данным видом распределения теснейшим образом связана основополагающая для теории вероятности центральная предельная теорема. В ней описываются важные для рассматриваемого нами ответвления математики закономерности, очень полезные при разнообразных расчётах.
Но вернемся к теме. Существует ещё два вида распределений: ассиметричное и мультимодальное. Первое выглядит как половинка «нормального» графика, т. е. дуга спускается лишь в одну сторону от пиковой величины. Наконец, мультимодальное распределение - это такое, у которого существует несколько «верхних» значений. График, таким образом, то опускается, то поднимается. Наиболее частотное значение в любом распределении называется модой. Это также одно из основных понятий теории вероятностей и математической статистики.
Гауссово распределение
Гауссово, или нормальное, распределение - такое, в котором отклонение наблюдений от среднего подчиняется определенному закону.
Кратко говоря, основной разброс значений выборки экспоненциально стремится к моде - самому частотному из них. Ещё говорить точнее, то 99,6 % всех величин располагается в пределах трёх стандартных отклонений (помните, мы рассматривали это понятие выше?).
Гауссово распределение - одно из основных понятий теории вероятности. При помощи него можно понять, входит ли элемент по тем или иным параметрам в разряд «типичных» - так оценивается рост и вес человека в соответствии с возрастом, уровень интеллектуального развития, психологическое состояние и многое другое.
Как применить
Интересно, что «скучные» математические данные можно использовать с пользой для себя. Например, один молодой человек применил теорию вероятности и статистику, чтобы выиграть в рулетку несколько миллионов долларов. Правда, перед этим пришлось подготовиться - в течение нескольких месяцев записывать результаты игр в различных казино.
После проведения анализа он выяснил, что один из столов незначительно наклонен, а значит, ряд значений появляется статистически значимо чаще других. Немного расчётов, терпения - и вот владельцы заведения ломают головы, думая, как человеку может так повезти.
Есть целое множество повседневных бытовых задач, которые невозможно решить без обращения к статистике. Например, как определить, сколько магазину заказывать одежды разных размеров: S, M, L, XL? Для этого необходимо проанализировать, кто чаще покупает одежду в городе, в районе, в близлежащих магазинах. Если такую информацию не получить, владелец рискует потерять много денег.
Заключение
Мы рассмотрели целое множество основных понятий теории вероятностей: испытание, событие, перестановки и размещения, математическое ожидание и дисперсия, мода и нормальное распределение… Кроме того, мы рассмотрели ряд формул, на изучение которых в высшем учебном заведении отводится больше месяца занятий.
Не забывайте: математика необходима при изучении экономики, естественных наук, информационных технологий, инженерных специальностей. Статистику как одну из её областей здесь также нельзя обходить стороной.
Теперь дело за малым: практикуйтесь, решайте задачи и примеры. Даже основные понятия и определения теории вероятности забудутся, если не уделять время повторению. Кроме того, последующие формулы в значительной степени будут опираться на те, которые были нами рассмотрены. Поэтому постарайтесь их запомнить, тем более что их не так и много.
