Теорема. (Умножения вероятностей) Вероятность произведения двух событий (совместного появления этих событий) равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое событие уже наступило.
Также можно записать:
Доказательство этой теоремы непосредственно вытекает из определения условной вероятности.
Если события независимые, то 
, и теорема умножения вероятностей принимает вид:
В случае произведения нескольких зависимых событий вероятность равна произведению одного из них на условные вероятности всех остальных при условии, что вероятность каждого последующего вычисляется в предположении, что все остальные события уже совершились.
Из теоремы произведения вероятностей можно сделать вывод о вероятности появления хотя бы одного события .
Если в результате испытания может появиться п событий, независимых в совокупности, то вероятность появления хотя бы одного из них равна
Здесь событие А обозначает наступление хотя бы одного из событий A i , а q i – вероятность противоположных событий .
Пример 1. Из полной колоды карт (52 шт.) одновременно вынимают четыре карты. Найти вероятность того, что среди этих четырех карт будет хотя бы одна бубновая или одна червонная карта.
Решение.
Обозначим появление хотя бы одной бубновой карты – событие А , появление хотя бы одной червонной карты – событие В . Таким образом нам надо определить вероятность события С = А + В .
Кроме того, события А и В – совместны, т.е. появление одного из них не исключает появления другого.
Всего в колоде 13 червонных и 13 бубновых карт.
Найдем вероятность события, противоположного событию С (среди извлеченных карт не будет ни бубновых ни червовых):
при вытаскивании первой карты вероятность того, что не появится ни червонной ни бубновой карты равна , при вытаскивании второй карты - , третьей - , четвертой - .
Тогда вероятность того, что среди вынутых карт не будет ни бубновых, ни червонных равна 
.
Искомая вероятность
Пример 2. Чему равна вероятность того, что при бросании трех игральных костей 6 очков появится хотя бы на одной из костей?
Решение .
Вероятность выпадения 6 очков при одном броске кости равна . Вероятность того, что не выпадет 6 очков - . Вероятность того, что при броске трех костей не выпадет ни разу 6 очков равна 
.
Тогда вероятность того, что хотя бы один раз выпадет 6 очков равна .
Пример 3. В барабане револьвера находятся 4 патрона из шести в произвольном порядке. Барабан раскручивают, после чего нажимают на спусковой крючок два раза. Найти вероятности: а) хотя бы одного выстрела, б) двух выстрелов, в) двух осечек.
Решение .
Вероятность выстрела при первом нажатии на курок (событие А ) равна , вероятность осечки - Вероятность выстрела при втором нажатии на курок зависит от результата первого нажатия.
Так если в первом случае произошел выстрел, то в барабане осталось только 3 патрона, причем они распределены по 5 гнездам, т.к. при втором нажатии на курок напротив ствола не может оказаться гнездо, в котором был патрон при первом нажатии на курок.
Условная вероятность выстрела при второй попытке - если в первый раз был выстрел, - если в первый раз произошла осечка.
Условная вероятность осечки во второй раз - , если в первый раз произошел выстрел, - если в первый раз была осечка.
Рассмотрим вероятности того, что во втором случае произойдет выстрел (событие В ) или произойдет осечка (событие ) при условии, что в первом случае произошел выстрел (событие А ) или осечка (событие ).
Два выстрела подряд
Первая осечка, второй выстрел
Первый выстрел, вторая осечка
Две осечки подряд
Эти четыре случая образуют полную группу событий (сумма их вероятностей равна единице)
Анализируя полученные результаты, видим, что вероятность хотя бы одного выстрела равна сумме 
Пример 4. Два стрелка стреляют по мишени. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,7, а для второго – 0,8. Найти вероятность того, что при одном залпе в мишень попадает только один из стрелков.
Решение .
Обозначим попадание в цель первым стрелком – событие А, вторым – событие В, промах первого стрелка – событие , промах второго – событие .
Вероятность того, что первый стрелок попадет в мишень, а второй – нет равна
Вероятность того, что второй стрелок попадет в цель, а первый – нет равна
Тогда вероятность попадания в цель только одним стрелком равна
Тот же результат можно получить другим способом – находим вероятности того, что оба стрелка попали в цель и оба промахнулись. Эти вероятности соответственно равны:
Тогда вероятность того, что в цель попадет только один стрелок равна:
Пример 5. Вероятность того, что взятая наугад деталь из некоторой партии деталей, будет бракованной равна 0,2. Найти вероятность того, что из трех взятых деталей 2 окажется не бракованными.
Решение .
Обозначим бракованную деталь – событие А, не бракованную – событие .
Если среди трех деталей оказывается только одна бракованная, то это возможно в одном из трех случаев: бракованная деталь будет первой, второй или третьей.
Пример 6. Вероятности того, что нужная деталь находится в первом, втором, третьем или четвертом ящике, соответственно равны 0,6, 0,7, 0,8, 0,9. Найти вероятности того, что эта деталь находится: а) не более, чем в трех ящиках; б) не менее, чем в двух ящиках.
Решение .
а) Вероятность того, что данная деталь находится во всех четырех ящиках, равна
Вероятность того, что нужная деталь находиться не более, чем в трех ящиках равна вероятности того, что она не находится во всех четырех ящиках.
б) Вероятность того, что нужная деталь находится не менее, чем в двух ящиках, складывается из вероятностей того, что деталь находиться только в двух ящиках, только в трех ящиках, только в четырех ящиках. Конечно, эти вероятности можно посчитать, а потом сложить, однако, проще поступить иначе. Та же вероятность равна вероятности того, что деталь не находится только в одном ящике и имеется вообще.
При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность (вероятность события) наступления интересующего нас события от того, как развиваются остальные события. В случае классической схемы, когда все исходы равновероятны, мы уже можем оценить значения вероятности интересующего нас отдельного события самостоятельно. Мы можем сделать это даже в том случае, если событие является сложной совокупностью нескольких элементарных исходов. А если несколько случайных событий происходит одновременно или последовательно? Как это влияет на вероятность реализации интересующего нас события? Если я несколько раз кидаю игральную кость, и хочу, чтобы выпала "шестерка", а мне все время не везет, значит ли это, что надо увеличивать ставку, потому что, согласно теории вероятностей, мне вот-вот должно повезти? Увы, теория вероятности не утверждает ничего подобного. Ни кости, ни карты, ни монетки не умеют запоминать, что они продемонстрировали нам в прошлый раз. Им совершенно не важно, в первый раз или в десятый раз сегодня я испытываю свою судьбу. Каждый раз, когда я повторяю бросок, я знаю только одно: и на этот раз вероятность выпадения "шестерки" снова равна одной шестой. Конечно, это не значит, что нужная мне цифра не выпадет никогда. Это означает лишь то, что мой проигрыш после первого броска и после любого другого броска - независимые события. События А и В называются независимыми, если реализация одного из них никак не влияет на вероятность другого события. Например, вероятности поражения цели первым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события "первое орудие поразило цель" и "второе орудие поразило цель" независимы. Если два события А и В независимы, и вероятность каждого из них известна, то вероятность одновременного наступления и события А, и события В (обозначается АВ) можно посчитать, воспользовавшись следующей теоремой.
Теорема умножения вероятностей для независимых событий
P(AB) = P(A)*P(B) вероятность одновременного наступления двух независимых событий равна произведению вероятностей этих событий.
Пример 1 . Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 = 0,7; р 2 = 0,8. Найти вероятность попадания при одном залпе обоими орудиями одновременно.
как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р1*р2=0,56. Что произойдет с нашими оценками, если исходные события не являются независимыми? Давайте немного изменим предыдущий пример.
Пример 2. Два стрелка на соревнованиях стреляют по мишеням, причем, если один из них стреляет метко, то соперник начинает нервничать, и его результаты ухудшаются. Как превратить эту житейскую ситуацию в математическую задачу и наметить пути ее решения? Интуитивно понятно, что надо каким-то образом разделить два варианта развития событий, составить по сути дела два сценария, две разные задачи. В первом случае, если соперник промахнулся, сценарий будет благоприятный для нервного спортсмена и его меткость будет выше. Во втором случае, если соперник прилично реализовал свой шанс, вероятность поразить мишень для второго спортсмена снижается. Для разделения возможных сценариев (их часто называют гипотезами) развития событий мы будем часто использовать схему "дерева вероятностей". Эта схема похожа по смыслу на дерево решений, с которым Вам, наверное, уже приходилось иметь дело. Каждая ветка представляет собой отдельный сценарий развития событий, только теперь она имеет собственное значение так называемой условной вероятности (q 1 , q 2 , q 1 -1, q 2 -1).
Эта схема очень удобна для анализа последовательных случайных событий. Остается выяснить еще один немаловажный вопрос: откуда берутся исходные значения вероятностей в реальных ситуациях? Ведь не с одними же монетами и игральными костями работает теория вероятностей? Обычно эти оценки берутся из статистики, а когда статистические сведения отсутствуют, мы проводим собственное исследование. И начинать его нам часто приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны.
Пример 3. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева вероятностей". При этом значение вероятности на каждой "ветке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка:
1) из всех жителей города женщин 50%,
2) из всех женщин только 30% красят волосы часто,
3) из них только 10% пользуются бальзамами для окрашенных волос,
4) из них только 10% могут набраться смелости попробовать новый товар,
5) из них 70% обычно покупает все не у нас, а у наших конкурентов.
По закону перемножения вероятностей, определяем вероятность интересующего нас события А ={житель города покупает у нас этот новый бальзам}=0,00045. Умножим это значение вероятности на число жителей города. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля. И все-таки польза от наших оценок есть. Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения вероятности тоже будут разные. Во-вторых, как мы уже говорили, случайная величина не потому называется случайной, что она совсем ни от чего не зависит. Просто ее точное значение заранее не известно. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вероятностей нас особенно не устраивает, на тех факторах, на которые мы в состоянии повлиять. Рассмотрим еще один количественный пример исследования покупательского поведения.
Пример 3. За день продовольственный рынок посещает в среднем 10000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 1/2. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов. Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г?
Обсуждение.
Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил.
Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы должны найти ответ на вопрос, какова вероятность того, что человек, зашедший в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое время за посетителями павильона. Допустим, наши наблюдения показали, что только пятая часть посетителей павильона что-то покупает. Как только эти оценки нами получены, задача становится уже простой. Из 10000 человек, пришедших на рынок, 5000 зайдут в павильон молочных продуктов, покупок будет только 1000. Средний вес покупки равен 500 грамм. Интересно отметить, что для построения полной картины происходящего, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с вероятностями.
Задачи для самопроверки.
1. Пусть есть электрическая цепь, состоящая из n последовательно соединенных элементов, каждый из которых работает независимо от остальных. Известна вероятность p невыхода из строя каждого элемента. Определите вероятность исправной работы всего участка цепи (событие А).
2. Студент знает 20 из 25 экзаменационных вопросов. Найдите вероятность того, что студент знает предложенные ему экзаменатором три вопроса.
3. Производство состоит из четырех последовательных этапов, на каждом из которых работает оборудование, для которого вероятности выхода из строя в течение ближайшего месяца равны соответственно р 1 , р 2 , р 3 и р 4 . Найдите вероятность того, что за месяц не случится ни одной остановки производства из-за неисправности оборудования.
Понятие события и вероятности события. Достоверные и невозможные события. Классическое определение вероятностей. Теорема сложения вероятностей. Теорема умножения вероятностей . Решение простейших задач на определение вероятности с использованием сложения вероятностей.
Методические указания по теме 3.1:
Понятие события и вероятности события. Достоверные и невозможные события. Классическое определение вероятностей:
Изучение каждого явления в порядке наблюдения или производства опыта связан с осуществлением некоторого комплекса условий (испытаний). Всякий результат или исход испытания 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.
Вероятность события рассматривается как мера объективной возможности появления случайного события.
Вероятностью события называется отношение числа исходов m , благоприятствующих наступлению данного события , к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е.
Вероятность любого события не может быть меньше нуля и больше единицы, т.е. . Невозможному событию соответствует вероятность , а достоверному - вероятность
Пример 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?
Общее число различных исходов есть n = 1000. Число исходов, благоприятствующих получению выигрыша, составляет m = 200. Согласно формуле, получим .
Пример 2. Из урны, в которой находятся 5 белых и 3 черных шара, вынимают один шар. Найти вероятность того, что шар окажется черным.
Обозначим событие, состоящее в появлении черного шара, через . Общее число случаев . Число случаев m , благоприятствующих появлению события , равно 3. По формуле получим .
Пример 3. Из урны, в которой находятся 12 белых и 8 черных шаров, вынимают наудачу два шара. Какова вероятность того, что оба шара окажутся черными?
Обозначим событие, состоящее в появлении двух черных шаров через . Общее число возможных случаев n равно числу сочетаний из 20 элементов (12 + 8) по два:
Число случаев m , благоприятствующих событию , составляет
По формуле находим вероятность появления двух черных шаров:
Теорема сложения вероятностей. Решение простейших задач на определение вероятности с использованием теоремы сложения вероятностей:
Теорема сложения вероятностей несовместных событий. Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равно сумме вероятностей этих событий:
Теорема сложения вероятностей совместных событий. Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
Пример 4. В ящике в случайном порядке разложены 20 деталей, причем пять из них стандартные. Рабочий берет наудачу три детали. Найти вероятность того, что по крайней мере она из взятых деталей окажется стандартной.
Очевидно, что по крайней мере одна из взятых деталей окажется стандартной, если произойдет любое из трех несовместных событий: B - одна деталь стандартная, две нестандартные; C - две детали стандартные, одна нестандартная и D - три детали стандартные.
Таким образом, событие A можно представить в виде суммы этих трех событий: A = B + C + D. По теореме сложения имеем P(A) = P(B) + P(C) + P(D). Находим вероятность каждого из этих событий:
Сложив найденные величины, получим
Пример 5. Найти вероятность того, что наудачу взятое двузначное число окажется кратным либо 3, либо 5, либо тому и другому одновременно.
Пусть A - событие, состоящее в том, что наудачу взятое число кратно 3, а B - в том, что оно кратно 5. Найдем Так как A и B совместные события, то воспользуемся формулой:
Всего имеется 90 двузначных чисел: 10, 11, 98, 99. Из них 30 являются кратными 3 (благоприятствуют наступлению события A ); 18 - кратными 5 (благоприятствуют наступлению события B ) и 6 - кратными одновременно 3 и 5 (благоприятствуют наступлению события AB ). Таким образом, т.е.
Теорема умножения вероятностей:
Теорема умножения вероятностей независимых событий. Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
Вероятность появления нескольких событий, независимых в совокупности, вычисляется по формуле:
Теорема умножения вероятностей зависимых событий. Вероятность совместного появления двух зависимых событий равна произведению одного из них на условную вероятность второго:
Пример 6. В одной урне находятся 4 белых и 8 черных шаров, в другой - 3 белых и 9 черных. Из каждой урны вынули по шару. Найти вероятность того, что оба шара окажутся белыми.
Пусть - появление белого шара из первой урны, а - появление белого шара из второй урны. Очевидно, что события и независимы. Найдем
По формуле получим:
Вопросы для самопроверки по теме 3.1:
1. Что такое событие?
2. Какие события называются достоверными?
3. Какие события называются невозможными?
4. Дать определение вероятности.
5. Сформулировать теорему сложения вероятностей.
6. Сформулировать теорему умножения вероятностей.
Задания для самостоятельного решения по теме 3.1:
1. В ящике в случайном порядке положены 10 деталей, из которых 4 стандартных. Контролер взял наудачу 3 детали. Найти вероятность того, что хотя бы одна из взятых деталей оказалась стандартной.
2. В урне находятся 10 белых, 15 черных, 20 синих и 25 красных шаров. Найдите вероятность того, что вынутый шар окажется: 1) белым; 2) черным или красным.
3. Найдите вероятность того, что наудачу взятое двузначное число окажется кратным либо 4, либо 5, либо тому и другому одновременно.
4. Рабочий обслуживает два автомата, работающих независимо друг от друга. Вероятность того, что в течение часа первый автомат не потребует внимания рабочего, равна 0,8, а для второго автомата эта вероятность равна0,7. Найдите вероятность того, что в течение часа ни один и автоматов не потребует внимания рабочего.
5. В урне находятся 6 шаров, из которых 3 белых. Наудачу вынуты один за другим два шара. Вычислите вероятность того, что оба шара окажутся белыми.
6. В урне находятся 10 белых и 6 черных шаров. Найдите вероятность того, что три наудачу вынутых один за другим шара окажутся черными.
Часто бывает так, что вероятность некото-рого события можно найти, зная вероятности других событий, связанных с этим со-бытием.
Теорема сложения вероятностей.
?Теорема 2.6. (Теорема сложения вероятностей ). Вероят-ность суммы (объедине-ния; появления одного из них, безраз-лично какого) двух произвольных событий равна сумме вероят-ностей этих событий за вычетом вероятности их совместного появле-ния, т.е. P (A +B ) = P (A ) + P (B ) - P (AB ).
Следствие 1. Вероятность суммы (объединения) попарно не-совместных событий равна сумме их вероятностей, т.е. P (A 1 +A 2 +...+A n ) = = P (A 1) + P (A 2) + ... + P (A n ).
Следствие 2. Пусть A 1 , A 2 , ... , A n - полная группа попарно несовместных собы-тий. Тогда P (A 1)+P (A 2)+ ... +P (A n ) = 1.
Следствие 3. Сумма вероятностей противоположных собы-тий равна единице, т.е. P (A ) + P (`A ) = 1.
Пример 2.10. В урне 5 белых, 6 черных и 9 красных шаров. Какова вероятность того, что первый наугад вынутый шар окажется черным или красным?
Решение. Здесь имеется всего 20 элементарных исходов, из кото-рых появлению черного шара бла-гоприятствует 6, а появлению крас-ного - 9. Поэтому вероятность со-бытия A - появление черного шара: P (A ) = 6/20, а вероятность события B - появление красного шара: P (A ) = 9/20. Поскольку собы-тия A и B несовме-стны (вынимается всего один шар), то P (A +B ) = P (A ) + P (B ) = 6/20 + 9/20 = 0,75. Ответ : 0,75.
? Условная вероятность события B (P A (B)) - вероятность события B, вычислен-ная при условии, что событие A уже про-изошло . Если A и B - независимые события, то P A (B ) = P (B ), P B (A ) = P (A ).
Теорема умножения вероятностей.
?Теорема 2.7. (Теорема умножения вероятностей ). Вероят-ность произведения (пе-ресечения; совместного появления) двух произвольных событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при усло-вии, что первое собы-тие уже наступило, т.е. P (AB ) = P (A )·P A (B ) = P (B )·P B (A ).
Пример 2.11. На полке стоят 11 научно-популярных книг и 5 ху-дожественных. Какова вероят-ность того, что две подряд наугад взятые книги окажутся художественными?
Решение. Рассмотрим два события B 1 и B 2: B 1 - при первом испы-та-нии взята художественная книга, B 2 - при втором испытании взята ху-дожественная книга. По теореме 2.7 вероятность такого собы-тия равна P (B 1 B 2)=P (B 1)·P B 1 (B 2). Вероятность события B 1 P (B 1) = 5/16. По-сле первого испытания на полке останется 15 книг, из которых 4 ху-доже-ственные, по-этому условная веро-ятность P B 1 (B 2) = 4/15. Отсюда искомая вероятность равна: P (B 1 B 2) = . Ответ : 1/12.
Следствие 1. Вероятность совместного появления несколь-ких событий равна про-изведению вероятности одного из них на условные вероят-ности всех остальных, при-чем вероятность ка-ждого последующего события вычис-ляют при условии, что все предыдущие события уже наступили, т.е. 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 2… An -1 (A n ).
Пример 2.12. Из десяти карточек составлено слово «МАТЕМА-ТИКА». Из них школьник нау-дачу выбирает поочередно четыре кар-точки и приставляет одну к другой. Какова вероятность того, что по-лучится слово «ТЕМА»?
Решение. Введем события A 1 , A 2 , A 3 , A 4 , состоящие в том, что пер-вая выбранная буква - Т, вторая - Е, тре-тья - М и четвертая - А. Нам нужно найти вероят-ность произведения этих событий. По след-ствию 1 из тео-ремы 2.7 имеем:
P (A 1 ·A 2 ·A 3 ·A 4) = P (A 1)·P A 1 (A 2)·P A 1A 2 (A 3)·P A 1A 2A 3 (A 4) = Ответ : 1/420.
Следствие 2. Если A 1 ,A 2 ,...,A n - независимые события, то ве-роятность их произве-дения (совместного появления) равна про-изведению вероятностей этих собы-тий, т.е. P (A 1 ·A 2 · ... ·A n ) = P (A 1)·P (A 2)· ... ·P (A n ).
Пример 2.13. Два стрелка независимо один от другого де-лают по одному выстрелу по од-ной и той же мишени. Вероятность поражения мишени первым стрелком - 0,7, вторым - 0,8. Какова вероят-ность того, что ми-шень будет поражена?
Решение. Пусть событие А состоит в том, что мишень поразил пер-вый стрелок, а событие В - в том, что ми-шень поразил второй стрелок. По условию Р (А ) = 0,7 и Р (В ) =0,8.
1-й способ . Рассмотрим противоположные события:`A - промах первого стрелка,`B - промах вто-рого. По следствию 3 из тео-ремы 2.6 получаем Р (`A ) = 1-0,7 = 0,3 и Р (`B ) = 1-0,8 = 0,2. Произведение собы-тий `A ·`B означает промах обоих стрелков. По смыслу задачи собы-тия А и В являются незави-симыми, поэтому и противоположные со-бытия`A и`B также будут независимыми. По следствию 2 из теоремы 2.7 получаем вероят-ность того, что оба стрелка промахнутся: Р(`А·`В) = 0,3·0,2 = 0,06. Нас же интересу-ет вероятность противоположного события, состоящего в том, что мишень поражена. По-этому искомую вероят-ность мы находим по следствию 3 из теоремы 2.6: 1 - 0,06 = 0,94.
2-й способ . Искомая событие (мишень будет поражена хотя бы од-ним стрелком) есть сумма собы-тий A и B . По теореме 2.6. P (A +B ) = P (A ) + P (B ) - P (AB ) = 0,7 + 0,8 - 0,7·0,8 = 1,5 - 0,56 = 0,94. Ответ : 0,94.
Пример 2.14 . В студенческой группе 25 человек. Какова вероят-ность того, что дни рождения хотя бы у двоих совпадают?
Решение . Вероятность того, что дни рождения у двух произвольно взятых людей совпадают, равна 1/365 (считаем, что попадания дня рождения на любой день в году - равновозможные случаи). Тогда ве-роятность того, что дни рожде-ния двух людей не совпадают, т.е. веро-ятно-сть противопо-ложного события равна 1-1/365 = 364/365. Вероят-ность того, что день рожде-ния третьего отличается от дней рождения двух предыдущих, составит 363/365 (363 случая из 365 благо-приятст-вуют этому событию). Рассуждая аналогично, находим, что для 25-го члена группы эта веро-ятность равна 341/365. Далее найдем вероят-ность того, что дни рождения всех 25 членов группы не совпадают. По-скольку все эти события (несовпадение дня рождения каждого оче-редного члена группы с днями ро-ждения преды-дущих) независимы, то по следствию 2 из теоремы 2.7 получаем:
P (A 2 A 3 ... A 25) = · · ... · » 0,43.
Это вероятность того, что дни рождения у всех 25 человек не сов-падают. Ве-роятность противопо-ложного события будет вероятностью того, что хотя бы у двоих дни рождения совпадают, т.е. иско-мой веро-ятностью P » 1-0,43 = 0,57. Ответ : » 0,57.
Формула полной вероятно-сти.
?Теорема 2.8. Пусть B 1 , B 2 , …, B n - полная группа попарно не-совместных событий. Ве-роятность события A , которое может наступить лишь при условии наступления од-ного из событий B 1 , B 2 , …, B n , равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность собы-тия A , т.е.
P(A ) = P (B 1)·P B 1 (A ) + P (B 2)·P B 2 (A ) + … + P (B n )·P Bn (A ).
Эта формула называется формулой полной вероятно-сти . События B 1 , B 2 , …, B n , удовлетворяющие условию теоремы 2.8, называют гипотезами .
Пример 2.15. Турист равновероятно выбирает один из трех маршру-тов: конный, водный и горный. Вероятность, что он успешно преодолеет путь при выборе конного способа передвижения, равна 0,75, при выборе водного пути - 0,8, при выборе горного маршрута - 0,55. Найдите вероятность, что турист успешно преодолеет весь путь при любом выборе маршрута.
Решение . Введем события: A - «Турист успешно преодолеет весь путь при любом выборе маршрута», B 1 , B 2 , B 3 - выбран соответственно, конный, водный и горный маршрут. Поскольку выбор маршрута равновероятен, то вероятно-сти выбора каждого маршрута P (B 1) = P (B 2) = P (B 3) = 1/3. По условию P B 1 (A ) = 0,75; P B 2 (A ) = 0,8; P B 3 (A ) = 0,55. Тогда по формуле полной вероятности: P (A ) = P (B 1)·P B 1 (A ) + P (B 2)·P B 2 (A ) + P (B 3)·P B 3 (A ) = (1/3)·0,75 + (1/3) ·0,8 + (1/3)0,55 = 0,7.
Ответ : 0,7.
?Теорема 2.9. Условная вероятность любой гипотезы B i (i = 1, 2, … ,n ) вычисляется по формуле Бейеса :
Формула Бейеса позволяет переоценить вероятности гипотез после того, как ста-но-вится известным результат испытания, в итоге которого появилось событие A .
Пример 2.16. Имеется три набора микросхем, первый из которых содержит 100, второй 300 и тре-тий 600 микросхем. Вероятность того, что микросхема, взятая наугад из первого набора, исправна, равна 0,9, а для второго и третьего наборов - соответственно 0,85 и 0,8. Какова вероятность того, что: а) произвольно взятая микросхема исправна: б) исправная микросхема извлечена из второго на-бора?
Решение . а) В данном случае имеется три гипотезы, вероятности которых P (B 1) = 0,1, P (B 2) = 0,3, P (B 3) = 0,6. Пользуясь формулой полной вероятности, находим P (A ) = P (B 1)·P B 1 (A ) + P (B 2)·P B 2 (A ) + P (B 3)·P B 3 (A ) = 0,1·0,9 + 0,3·0,85 + 0,6·0,8 = 0,825.
б) Допустим, что искомое событие A произошло - извлечена ис-правная микросхема. Найдем ве-ро-ятность P A (B 2) того, что эта микро-схема извлечена из второго набора. Согласно формулы Бейеса,
Ответ : а) 0,825; б) 17/55.
Пример 2.17. Из 10 учеников, которые пришли на экзамен по ма-тематике, трое подготовились от-лично, четверо - хорошо, двое - удовлетворительно, а один совсем не готовился. В билетах 20 вопро-сов. Отлично подготовившиеся ученики могут ответить на все 20 во-просов, хорошо - на 16 вопросов, удовлетворительно - на 10, и непод-готовившийся - на 5 вопросов. Каждый ученик получает наугад 3 во-проса из 20. Ученик, приглашенный первым, ответил на все 3 вопроса. Какова вероятность того, что он отличник?
P A (B 1). По фор-муле Бейеса P A (B 1) = » 0,58.
Как видим, искомая вероятность сравнительно не велика, Поэтому учителю придется предложить ученику еще несколько дополнитель-ных вопросов. Ответ : 0,58.
Мы уже знаем, что вероятность – это численная мера возможности наступления случайного события, т.е. события, которое может произойти, а может и не произойти при осуществлении определенной совокупности условий. При изменении совокупности условий вероятность случайного события может измениться. В качестве дополнительного условия мы можем рассмотреть наступление другого события. Итак, если к комплексу условий, при котором происходит случайное событие А , добавить еще одно, состоящее в наступлении случайного события В , то вероятность наступления события А будет называться условной.
Условная вероятность события А - вероятность появления события А при условии, что произошло событие В. Условная вероятностьобозначается (A ).
Пример 16. В ящике имеются 7 белых и 5 черных шаров, отличающихся лишь цветом. Опыт состоит в том, что случайным образом вынимают один шар и, не опуская его обратно, вынимают еще один шар. Какова вероятность, что, второй вынутый шар – черный, если при первом извлечении достали белый шар?
Решение.
Перед нами два случайных события: событие А – первый вынутый шар оказался белым, В – второй вынутый шар - черный. А и В несовместные события, воспользуемся классическим определением вероятности. Число элементарных исходов при извлечении первого шара – 12, а число благоприятных исходов достать белый шар – 7. Следовательно, вероятность P(А) = 7/12.
Если первый шар оказался белым, то условная вероятность события В - появления второго черного шара (при условии, что первый шар был белым) - равна (В) = 5/11, так как перед выниманием второго шара осталось 11 шаров, из которых 5 черных.
Отметим, что вероятность появления черного шара при втором извлечении не зависела бы от цвета вынутого первого шара, если, вынув первый шар, мы положили бы его обратно в ящик.
Рассмотрим два случайных события А и В. Пусть вероятности P(А) и (В) известны. Определим, чему равна вероятность появления и события А, и события В, т.е. произведения этих событий.
Теорема умножения вероятностей. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при том условии, что первое событие произошло:
Р(А× В) = Р(А)× (В) .
Так как для вычисления вероятности произведения не играет роли какое из рассмотренных событий А и В было первым, а какое вторым, то можно записать:
Р(А× В) = Р(А) × (В) = Р(В) × (А).
Теорему можно распространить на произведение п событий:
Р(А 1 А 2 . А п) = Р(А х) Р(А 2 /А 1) .. Р(А п /А 1 А 2 ... А п-1).
Пример 17. Для условий предыдущего примера вычислить вероятность извлечения двух шаров: а) белого шара первым, а черного вторым; б) двух черных шаров.
Решение.
а)Из предыдущего примера мы знаем вероятности достать из ящика белый шар первым и черный шар вторым, при условии, что первым извлекли белый шар. Для подсчета вероятности появления обоих событий вместе воспользуемся теоремой умножения вероятностей: Р(А× В) = Р(А) × (В)= 
.
б) Аналогично рассчитаем вероятность вынуть два черных шара. Вероятность достать первым черный шар .
Вероятность достать черный шар во второй раз при условии, что первый вынутый черный шар мы не опускаем обратно в ящик
(черных шаров осталось 4, а всего шаров стало 11). Результирующую вероятность можно подсчитать по формуле Р(А×В)= Р(А) × (В)
0,152.
Теорема умножения вероятностей имеет более простой вид, если события А и В независимые.
Событие В называют независимым от события А, если вероятность события В не изменяется от того, произошло событие А или нет. Если событие В является независимым от события А, то его условная (В) равна обычной вероятности P(В):
Оказывается, что если событие В будет независимым от события А , то и событие А будет независимым от В , т.е. (А)= P(А).
Докажем это. Подставим равенство из определения независимости события В от события А в теорему умножения вероятностей: Р(А×В) = Р(А)× (В)= Р(А)× (В). Но с другой стороны Р(А× В) = Р(В) × (А). Значит Р(А) × (В)= Р(В) × (А) и (А)= P(А).
Таким образом, свойство независимость (или зависимость) событий всегда взаимно и можно дать следующее определение: два события называются независимыми , если появление одного из них не изменяет вероятность появления другого.
Следует отметить, что в основе независимости событий лежит независимость физической природы их происхождения. Это означает, что наборы случайных факторов, приводящих к тому или иному исходу испытания одного и другого случайного события, различны. Так, например, поражение цели одним стрелком никак не влияет (если, конечно, не придумывать никаких экзотических причин) на вероятность попадания в цель вторым стрелком. На практике независимые события встречаются очень часто, так как причинная связь явлений во многих случаях отсутствует или несущественна.
Теорема умножения вероятностей для независимых событий. Вероятность произведения двух независимых событий равна произведению вероятности этих событий: Р(А×В) = Р(А) × P(В).
Из теоремы умножения вероятностей для независимых событий вытекает следующее следствие.
Если события А и В несовместные и P(A)¹0, P(В)¹0, то они зависимы.
Докажем это способом от противного. Предположим, что несовместные события А и В независимы. Тогда Р(А×В) = Р(А) ×P(В). И так как P(A)¹0, P(В)¹0 , т.е. события А и В не являются невозможными, то Р(А×В)¹0. Но, с другой стороны, событие А ž В является невозможным как произведение несовместных событий (это рассматривалось выше). Значит Р(А×В)=0. получили противоречие. Таким образом, наше исходное предположение неверно. События А и В – зависимые.
Пример 18 . Вернемся теперь к нерешенной задаче о двух стрелках, стреляющих по одной цели. Напомним, что при вероятности попадания в цель первым стрелком – 0,8, а вторым 0,7 необходимо найти вероятность поражения цели.
События А и В – попадание в цель соответственно первым и вторым стрелком – совместные, поэтому для нахождения вероятности суммы событий А + В – поражение цели хотя бы одним стрелком – необходимо воспользоваться формулой: Р(А +В)=Р(А)+ Р(В) –Р(А žВ). События А и В независимые, поэтому Р(А× В) = Р(А) × P(В).
Итак, Р(А +В) = Р(А) + Р(В) - Р(А) × P(В).
Р(А +В)= 0,8 + 0,7 – 0,8×0,7 = 0,94.
Пример 19.
Производится два независимых выстрела в одну и ту же мишень. Вероятность попадания при первом выстреле 0,6, а при втором - 0,8. Найти вероятность попадания в мишень при двух выстрелах.
1) Обозначим попадание при первом выстреле как событие
А 1 , при втором - как событие А 2 .
Попадание в мишень предполагает хотя бы одно попадание: или только при первом выстреле, или только при втором, или и при первом, и при втором. Следовательно, в задаче требуется определить вероятность суммы двух совместных событий А 1 и А 2:
Р(А 1 + А 2) = Р(А 1) + Р(А 2)-Р(А 1 А 2).
2) Так как события независимы, то Р(А 1 А 2) = Р(А 1) Р(А 2).
3) Получаем: Р(А 1 + А 2) = 0,6 + 0,8 - 0,6 0,8 = 0,92.
Если события несовместны, то Р(А В) = 0 и Р(А + В) = = Р(А) + Р(В).
Пример 20.
В урне находятся 2 белых, 3 красных и 5 синих одинаковых по размеру шаров. Какова вероятность, что шар, случайным образом извлеченный из урны, будет цветным (не белым)?
1) Пусть событие А - извлечение красного шара из урны,
событие В - извлечение синего шара. Тогда событие (А + В)
есть извлечение цветного шара из урны.
2) Р(А) = 3/10, Р(В) = 5/10.
3) События А и В несовместны, так как извлекается только
один шар. Тогда: Р(А + В) = Р(А) + Р(В) = 0,3 + 0,5 = 0,8.
Пример 21.
В урне находятся 7 белых и 3 черных шара. Какова вероятность: 1) извлечения из урны белого шара (событие А); 2) извлечения из урны белого шара после удаления из нее одного шара, который является белым (событие В); 3) извлечения из урны белого шара после удаления из нее одного шара, который является черным (событие С)?
1) Р(А) = = 0,7 (см. классическую вероятность).
2)Р В (А) = = 0,(6).
3) Р С (А) = | = 0,(7).
Пример 22.
Механизм собирается из трех одинаковых деталей и считается неработоспособным, если все три детали вышли из строя. В сборочном цехе осталось 15 деталей, из которых 5 нестандартных (бракованных). Какова вероятность того, что собранный из взятых наугад оставшихся деталей механизм будет неработоспособным?
1) Обозначим искомое событие через А, выбор первой нестандартной детали через А 1 , второй- через А 2 , третьей - через А 3
2) Событие А произойдет, если произойдет и событие А 1 и событие А 2 , и событие А 3 т. е.
А = А 1 А 2 А 3 ,
так как логическое «и» соответствует произведению (см. раздел «Алгебра высказываний. Логические операции»).
3) События А 1 , А 2 , А 3 зависимы, поэтому Р(А 1 А 2 А 3) =
= Р(А 1) Р(А 2 /А 1) Р(А 3 /А 1 А 2).
4)Р(А 1) = ,Р(А 2 /А 1) = ,Р(А 3 /А 1 А 2)= . Тогда
Р(А 1 А 2 А 3) = 0,022.
Для независимых событий: Р(А В) = Р(А) Р(В).
Исходя из вышеуказанного, критерий независимости двух событий А и В:
Р(А) = Р В (А) = Р (А), Р(В) = Р А (В) =Р (В).
Пример 23.
Вероятность поражения цели первым стрелком (событие А) равна 0,9, а вероятность поражения цели вторым стрелком (событие В) равна 0,8. Какова вероятность того, что цель будет поражена хотя бы одним стрелком?
1) Пусть С - интересующее нас событие; противоположное событие - состоит в том, что оба стрелка промахнулись.
3) Так как при стрельбе один стрелок не мешает другому, то события и независимы.
Имеем: Р() = Р() Р() = =(1 - 0,9) (1 - 0,8) =
0,1 0,2 = 0,02.
4) Р(С) = 1 -Р() = 1 -0,02 = 0,98.
Формула полной вероятности
Пусть событие А может произойти в результате проявления одного и только одного события Н i (i = 1,2,... n) из некоторой полной группы несовместных событий H 1 , H 2,… H n . События этой группы обычно называют гипотезами.
Формула полной вероятности. Вероятность события А равна сумме парных произведений вероятностей всех гипотез, образующих полную группу, на соответствующие условные вероятности данного события А:
Р(А) = 
, где = 1.
Пример 24.
Имеется 3 одинаковые урны. В первой - 2 белых и 1 черный шар, во второй - 3 белых и 1 черный шар, в третьей урне - 2 белых и 2 черных шара. Из выбранной наугад урны выбирается 1 шар. Какова вероятность того, что он окажется белым?
Все урны считаются одинаковыми, следовательно, вероятность выбрать i-ю урну есть
Р(H i) = 1/3, где i = 1, 2, 3.
2) Вероятность вынуть белый шар из первой урны: (А) = .
Вероятность вынуть белый шар из второй урны: (А) = .
Вероятность вынуть белый шар из третьей урны: (А) = .
3) Искомая вероятность:
Р(А) = 
=0.63(8)
Пример 25.
В магазин для продажи поступает продукция трех фабрик, относительные доли которых: I - 50%, II - 30%, III - 20%. Для продукции фабрик брак соответственно составляет: I - 2%, П - 2%, III - 5%. Какова вероятность того, что изделие этой продукции, случайно приобретенное в магазине, окажется доброкачественным (событие А)?
1) Здесь возможны следующие три гипотезы: H 1 , H 2, H 3 -
приобретенная вещь выработана соответственно на I, II, III фабриках; система этих гипотез полная.
Вероятности: P(H 1) = 0,5; Р(Н 2) = 0,3; Р(Н 3) = 0,2.
2) Соответствующие условные вероятности события А равны: (A) = 1-0,02 = 0,98; (A) = 1-0,03 = 0,97; (А) = = 1-0,05 = 0,95.
3) По формуле полной вероятности имеем: Р(А) = 0,5 0,98 + + 0,3 0,97 + 0,2 0,95 = 0,971.
Формула апостериорной вероятности (формула Бейеса)
Рассмотрим ситуацию.
Имеется полная группа несовместных гипотез H 1 , H 2, … H n , вероятности которых (i = 1, 2, ... п) известны до опыта (вероятности априори). Производится опыт (испытание), в результате которого зарегистрировано появление события А, причем известно, что этому событию наши гипотезы приписывали определенные вероятности (i=1, 2, ...п). Каковы будут вероятности этих гипотез после опыта (вероятности апостериори)?
Ответ на подобный вопрос дает формула апостериорной вероятности (формула Бейеса):
, где i=1,2, ...п.
Пример 26.
Вероятность поражения самолета при одиночном выстреле для 1-го ракетного комплекса (событие А) равна 0,2, а для 2-го (событие В) - 0,1. Каждый из комплексов производит по одному выстрелу, причем зарегистрировано одно попадание в самолет (событие С). Какова вероятность, что удачный выстрел принадлежит первому ракетному комплексу?
Решение.
1) До опыта возможны четыре гипотезы:
H 1 = А В - самолет поражен 1 -м комплексом и самолет поражен 2-м комплексом (произведение соответствует логическому «и»),
H 2 = А В - самолет поражен 1 -м комплексом и самолет не поражен 2-м комплексом,
H 3 = А В - самолет не поражен 1 -м комплексом и самолет поражен 2-м комплексом,
H 4 = А В - самолет не поражен 1 -м комплексом и самолет не поражен 2-м комплексом.
Эти гипотезы образуют полную группу событий.
2) Соответствующие вероятности (при независимом действии комплексов):
Р(H 1) = 0,2 0,1 = 0,02;
Р(H 2) = 0,2 (1-0,1) = 0,18;
Р(Н 3) = (1-0,2) 0,1 = 0,08;
Р(H 4) = (1-0,2) (1-0,1) = 0,72.
3) Так как гипотезы образуют полную группу событий, то должно выполняться равенство = 1.
Проверяем: Р(H 1) + Р(Н 2) + Р(H 3) + Р(H 4) = 0,02 + 0,18 + + 0,08 + 0,72 = 1, таким образом, рассматриваемая группа гипотез верна.
4) Условные вероятности для наблюдаемого события С при данных гипотезах будут: (С) = 0, так как по условию задачи зарегистрировано одно попадание, а гипотеза H 1 , предполагает два попадания:
(С) = 1; (С) = 1.
(С) = 0, так как по условию задачи зарегистрировано одно попадание, а гипотеза H 4 предполагает отсутствие попаданий. Следовательно, гипотезы H 1 , и H 4 отпадают.
5)Вероятности гипотез H 2 и H 3 вычисляем по формуле Бейеса:
0,7, 
0,3.
Таким образом, с вероятностью приблизительно 70% (0,7) можно утверждать, что удачный выстрел принадлежит первому ракетному комплексу.
5.4. Случайные величины. Закон распределения дискретной случайной величины
Достаточно часто на практике рассматриваются такие испытания, в результате реализации которых случайным образом получается некоторое число. Например, при бросании игрального кубика выпадает число очков от 1 до 6, при взятии 6 карт из колоды можно получить от 0 до 4 тузов. За определенный промежуток времени (скажем, день или месяц) в городе регистрируется то или иное количество преступлений, происходит какое-то количество дорожно-транспортных происшествий. Из орудия производится выстрел. Дальность полета снаряда также принимает какое-либо значение случайным образом.
Во всех перечисленных испытаниях мы сталкиваемся с так называемыми случайными величинами.
Числовая величина, принимающая то или иное значение в результате реализации испытания случайным образом, называется случайной величиной .
Понятие случайной величины играет весьма важную роль в теории вероятностей. Если «классическая» теория вероятностей изучала главным образом случайные события, то современная теория вероятностей преимущественно имеет дело со случайными величинами.
Далее будем обозначать случайные величины прописными латинскими буквами X, Y, Z и т.д., а их возможные значения – соответствующими строчными x, y, z. Например, если случайная величина имеет три возможных значения, то будем обозначать их так: , , .
Итак, примерами случайных величин могут быть:
1) количество очков, выпавших на верхней грани игрального кубика:
2) число тузов, при взятии из колоды 6 карт;
3) количество зарегистрированных преступлений за день или месяц;
4) число попаданий в мишень при четырех выстрелов из пистолета;
5) расстояние, которое пролетит снаряд при выстреле из орудия;
6) рост случайно взятого человека.
Можно заметить, что в первом примере случайная величина может принять одно из шести возможных значений: 1, 2, 3, 4, 5 и 6. Во втором и четвертом примерах число возможных значений случайной величины пять: 0, 1, 2, 3, 4. В третьем примере значением случайной величины может быть любое (теоретически) натуральное число или 0. В пятом и шестом примерах случайная величина может принимать любое действительное значение из определенного промежутка (а , b ).
Если случайная величина может принимать конечное или счетное множество значений, то она называется дискретной (дискретно распределенной).
Непрерывной случайной величиной называется такая случайная величина, которая может принимать все значения из некоторого конечного или бесконечного промежутка.
Для задания случайной величины недостаточно перечислить ее всевозможные значения. Например, во втором и в третьем примерах случайные величины могли принимать одни и те же значения: 0, 1, 2, 3 и 4. Однако вероятности, с которыми эти случайные величины принимают свои значения, будут совершенно разными. Поэтому для задания дискретной случайной величины кроме перечня ее всех возможных значений нужно еще указать их вероятности.
Соответствие между возможными значениями случайной величины и их вероятностями называютзаконом распределения дискретной случайной величины. , …, Х=
Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. Он является одним из форм закона распределения.
Пример 27. Случайным образом бросается монета. Построить ряд и многоугольник распределения числа выпавших гербов.
Случайная величина, равная количеству выпавших гербов, может принимать два значения: 0 и 1. Значение 1 соответствует событию - выпадение герба, значение 0 – выпадению решки. Вероятности выпадения герба и выпадения решки одинаковы и равны . Т.е. вероятности, с которыми случайная величина принимает значения 0 и 1, равны . Ряд распределения имеет вид:
| X | ||||
| p |
