Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
ЭЛЕМЕНТЫ ТЕОРИИ ВЕРОЯТНОСТЕЙ
4.1. Введение
В предыдущих главах были рассмотрены эмпирические распределения и методы вычисления их числовых характеристик. Но обработка экспериментальных данных не ограничивается рассмотренными методами. Обычно исследователь, получив данные эксперимента на одной или нескольких группах испытуемых и определив по ним некоторые обобщающие числовые характеристики (среднее, стандартное отклонение и др.). пытается найти ответ на следующие вопросы: насколько точно полученные результаты можно обобщить для более широкой совокупности (например, на всех жителей данного возраста)? Как хорошо его данные согласуются с данными других исследователей? Насколько достоверно различие экспериментальных данных, полученных в разных группах испытуемых или в одной и той же группе, но в разные промежутки времени? Существует ли связь между различными признаками, изучаемыми в проводимом исследовании, и если да, то насколько она сильна?
В ряде случаев исследователь пытается установить такую экспериментальную зависимость между изучаемыми признаками, чтобы по значениям одного из них, легко поддающегося измерению, установить значение другого, измерить который трудно или невозможно.
Конечно, в зависимости от целей конкретного исследования задачи могут быть различными и не ограничиваются приведенным перечнем.
Методы математической статистики, с помощью которых можно получить ответы на поставленные выше вопросы, рассматриваются в следующих главах. Чаще всего эти методы основаны на использовании тех или иных согласующихся с условиями проводимого эксперимента математических моделей, разработанных теорией вероятностей.
В данной главе рассматриваются некоторые ее элементарные, положения в том минимальном объеме, который необходим для дальнейшего изложения.
4.2. Определение вероятности
4.2.1. Испытание, событие, случайная величина
Под испытанием (опытом) в теории вероятностей принято понимать наблюдение какого-либо явления при соблюдении определенного комплекса условий, который должен каждый раз строго выполняться при повторении данного испытания. Если то же самое явление наблюдается при другом комплексе условий, то это уже другое испытание.
Когда речь идет о соблюдении комплекса условий данного испытания, имеется в виду постоянство значений всех факторов, контролируемых в данном испытании. Но при этом, как правило, имеет место большое число неконтролируемых факторов, которые трудно или невозможно учесть.
Результаты испытаний можно охарактеризовать качественно и количественно.
Качественная характеристика заключается в регистрации какого-либо явления, которое может наблюдаться или не наблюдаться при данном испытании. Любое из этих явлений называется в теории вероятностей событием.
События делятся на:
|
невозможные (в результате опыта никогда не произойдут), |
достоверные (в результате опыта происходят всегда), |
случайные (в результате опыта событие может произойти или не произойти). |
Теория вероятностей рассматривает именно случайные события. При этом предполагается, что испытание может быть повторено неограниченное (по крайней мере, теоретически) число раз. Например, выполнение штрафного броска в баскетболе есть испытание, а попадание в кольцо — событие.
Другим примером события, часто приводимым в учебниках по теории вероятностей, является выпадение определенного числа очков (от 1 до 6) при бросании игральной кости.
События в теории вероятностей принято обозначать начальными прописными латинскими буквами А, В, С, ...
Случайные события называются несовместными если появление одного исключает появление другого. В противном случае они называются совместными.
Если в результате опыта произойдет хоть одно из некой группы событий, то они образуют полную группу. Появление хотя бы одного события из полной группы – достоверное событие.
Если, по условиям испытания нет никаких оснований предполагать, что один из исходов появляется чаще других, то все исходы являются равновозможными.
Два события называются независимыми, если появление одного из них не изменяет вероятности другого.
Количественная характеристика испытания состоит в определении значений некоторых величин, которыми интересуются при данном испытании (например, число подтягиваний на перекладине или время на беговой дистанции). В силу действия большого числа неконтролируемых факторов эти величины могут принимать различные значения в результате испытания. Причем до испытания невозможно предсказать значение величины, поэтому она называется случайной величиной.
4.2.2. Вероятность событий
Вероятность какого либо события – численное выражение возможности его наступления.
В некоторых простейших случаях вероятности событий могут быть легко определены непосредственно исходя из условий испытаний.
Представим себе общую схему таких испытаний.
Пусть испытание имеет n возможных несовместных исходов, т. е. отдельных событий, могущих появиться в результате данного испытания; причем при каждом повторении испытания возможен один и только один из этих исходов. Кроме того, пусть по условиям испытания, нет никаких оснований предполагать, что один из исходов появляется чаще других, т. е. все исходы являются равновозможными.
Допустим теперь, что при n равновозможных несовместных исходах интерес представляет некоторое событие А, появляющееcя при каждом из m исходов и не появляющееся при остальных n–т исходах. Тогда принято говорить, что в данном испытании имеется п случаев, из которых т благоприятствуют появлению события А.
Вероятность события А равна отношению числа исходов, благоприятствующих событию А, к общему числу всех равновозможных несовместных исходов опыта:
(4.1)
Формула (4.1) представляет собой так называемое классическое определение вероятности по Лапласу, пришедшее из области азартных игр, где теория вероятностей применялась для определения перспективы выигрыша.
Статистическое определение вероятности.
Будем фиксировать число испытаний, в результате которых появилось некоторое событие А. Пусть было проведено N испытаний, в результате которых событие А появилось ровно nN раз. Тогда число nN называется частотой события, а отношение — частостью (относительной частотой) события.
Замечательным экспериментальным фактом является то, что частость события при большом числе повторений испытания начинает мало изменяться и стабилизируется около некоторого определенного значения, в то время как при малом числе повторений она принимает различные, совершенно случайные значения. Поэтому интуитивно ясно, что если при неограниченном повторении испытания частость события будет стремиться к вполне определенному числовому значению, то это значение можно принять и качестве объективной характеристики события А. Такое число Р(А), связанное с событием А, называется вероятностью события А.
Математически неограниченное число повторений испытания записывается в виде предела (lim) при N, стремящемся к бесконечности ():
Поскольку nN никогда не может превзойти N, то вероятность оказывается заключенной в интервале
Следует отметить, что приведенное определение вероятности является абстрактным, оно не может быть экспериментально проверено, так как на практике нельзя реализовать бесконечно большое число повторений испытания.
Пусть проводятся независимые испытания, при каждом из которых вероятность события А неизменна. Справедливо утверждение, называемое законом больших чисел илитеоремой Бернулли: если N достаточно велико, то с вероятностью сколь угодно близкой к единице, отличие от Р(А) меньше любого наперед заданного положительного числа или, в символьной записи, . Т.е. много раз бросая монету, мы “почти наверняка” будем получать примерно равные частоты выпадения герба и цифры.
4.3. Действия над событиями
В этом разделе приводятся основные правила операций над событиями с использованием для наглядности их графического изображения в виде диаграмм.
Вначале введем понятие “поле событий” как совокупности всех случайных событий данного испытания, для которых определены вероятности. На рис. 4.1 поле событий изображено в виде заштрихованного прямоугольника.
1. Сумма (объединение) событий (рис. 4.2) представляет собой сложное событие, состоящее в появлении хотя бы одного из событий А и В. Объединение событий обозначается как , или .
2. Произведением (пересечением) событий А и В называется их совместное появление (рис. 4.3). Обозначается произведение событий как , или .
3. Достоверным событием называется событие, которое обязательно происходит в результате данного испытания (рис. 4.4). Оно обозначается обычно как Е.
4. Невозможное событие – событие, которое не может произойти в результате данного испытания. Принятое обозначение – .
5. Несовместными называются события, которые в результате данного испытания не могут произойти вместе (рис. 4.5). Примеры несовместных событий: попадание и промах при выстреле, выпадение двух и трех очков при бросании игральной кости. Рис. 4.5 наглядно показывает, что для несовместных событий .
6. Противоположным к А событием называется событие, состоящее в непоявлении события А (рис. 4.6). Обозначается противоположное событие символом . Примеры противоположных событий: промах и попадание при выстреле, выпадение герба или цифры при одном подбрасывании монеты.
Рис. 4.1. Поле событий Рис. 4.2. Сумма событий
Рис. 4.3. Произведение событий Рис. 4.4. Достоверное событие
Рис. 4.5. Несовместные события Рис. 4.6. Противоположные события
4.4. Исчисление вероятностей
4.4.1.Примеры непосредственного определения вероятностей
Рассмотрим несколько примеров на вычисление вероятностей по формуле (4.1).
Пример 4.1
Испытание состоит в подбрасывании игральной кости, на каждой из граней которой проставлено число очков (от 1 до 6). Какова вероятность того, что: 1) выпадает 2 очка? 2) выпадает нечетное число очков?
Решение 1: В данном испытании имеется 6 равновозможных случаев (выпадение 1, 2, 3, 4, 5, 6 очков), так как нет оснований предполагать, что появление какого-то определенного числа очков более вероятно (если, конечно, кость симметрична). Поэтому вероятность выпадения любого числа очков, в том числе и 2, при одном подбрасывании равна .
Событию А, заключающемуся в появлении нечетного числа очков, благоприятствуют три случая (выпадение 1, 3 и 5), поэтому по формуле (4.1) получаем
Решение 2: В данном испытании имеется 2 равновозможных исхода (выпадение четного числа очков (т.е. 2, 4, 6) и нечетного), так как кость симметрична, то очевидно, что эти исходы равновозможные.
Событию А, заключающемуся в появлении нечетного числа очков, благоприятствуют 1 случай из двух, поэтому по формуле (4.1) получаем
Отметим, что построенную таким образом пространство элементарных событий непригодно для расчета вероятности того, что выпадает 2 очка, так как этому событию не благоприятствует не один из введенных нами элементарных исходов.
Пример 4.2
В урне 5 белых и 10 черных шаров, не отличающихся по размеру. Шары тщательно перемешивают и затем наугад вынимают 1 шар. Какова вероятность того, что вынутый шар окажется белым?
Решение. В этом примере имеется 15 равновозможных (шары не отличаются по размеру) исходов опыта, причем ожидаемому событию (появлению белого шара) благоприятствуют 5 из них, поэтому искомая вероятность составит .
4.4.2. Основные правила вычисления вероятностей сложных событий
Ниже приведены основные правила, позволяющие определить вероятность появления сложного события на основании известных вероятностей составляющих его более простых событий.
1. Вероятность достоверного события равна единице:
. (4.2)
2. Вероятность объединения (суммы) несовместных событий равна сумме их вероятностей:
(4.3)
Эти два равенства являются аксиомами теории вероятностей, т. е. принимаются в качестве исходных, но требующих доказательства свойств вероятностей. На их основе строится вся теория вероятностей.
Все остальные, приведенные ниже без доказательств формулы могут быть выведены из принятых аксиом.
3. Вероятность невозможного события равна нулю:
. (4.4)
4. Вероятность события, противоположного событию А, равна
(4.5)
Формула (4.5) оказывается полезной на практике в тех случаях, когда вычисление вероятности непосредственно события А затруднительно, в то время как вероятность противоположного события находится просто (см. ниже п.9).
5. Теорема сложения вероятностей. Вероятность объединения произвольных событий равна сумме их вероятностей за вычетом вероятности произведения событий:
. (4.6)
Для несовместных событий и формула (4.6) переходит в (4.3).
6. Условная вероятность. Если требуется найти вероятность события В при условии, что произошло некоторое другое событие А, то такую ситуацию характеризуют с помощью условной вероятности. Условная вероятность равна отношению вероятности произведения событий А и В к вероятности события А:
(4.7)
В тех случаях, когда события А и В несовместны, и соответственно.
7. Определение условной вероятности в виде (4.7) дает возможность записать следующую формулу для вычисления вероятности произведения событий (теорема умножения вероятностей)
(4.8)
8. Поскольку вероятность события А (или В) для независимых событий по определению не изменяется при появлении другого события, то условная вероятность совпадает с вероятностью события А, а условная вероятность — с Р(В). Вероятности Р(А) и Р(В) в отличие от условных вероятностей называются безусловными.
, , (4.9)
Теорема умножения вероятностей для независимых событий записывается следующим образом:
, (4.10)
т. е. вероятность произведения независимых событий равна произведению их вероятностей.
9. Вычислим вероятность появления хотя бы одного события в n испытаниях
А – появление в n испытаниях хотя бы один раз интересующего нас события.
– интересующее нас событие не появлилось в n испытаниях ни разу.
А1 – интересующее нас событие появлилось в первом испытании.
А2 – интересующее нас событие появлилось во втором испытании.
….
Аn – интересующее нас событие появлилось в n-ом испытании.
(4.11)
10. Формула полной вероятности.
Если событие А может произойти только при появлении одного из несовместных событий Н1, Н2, …, Нn, то
. (4.12)
Пример 4.3
В урне 5 белых, 20 красных и 10 черных шаров, не отличающихся по размеру. Шары тщательно перемешивают и затем наугад вынимают 1 шар. Какова вероятность того, что вынутый шар окажется белым или черным?
Решение. Пусть событие А – появление белого или черного шара. Разобьем это событие на более простые. Пусть В1 – появление белого шара, а В2 – черного. Тогда, А=В1+В2по определению суммы событий. Следовательно Р(А)=Р(В1+В2). Так как В1 и В2 – несовместные события, то по теореме о вероятности суммы несовместных событий (формула 4.3)Р(В1+В2) = Р(В1)+Р(В2).
Вычислим вероятности событий В1 и В2. В этом примере имеется 35 равновозможных (шары не отличаются по размеру) исходов опыта, событию В1 (появлению белого шара) благоприятствуют 5 из них, поэтому . Аналогично, . Следовательно, .
Пример 4.4
Ведутся поиски двух преступников. Каждый из них независимо от другого может быть обнаружен в течение суток с вероятностью 0,5. Какова вероятность того, что в течение суток будет обнаружен хотя бы один преступник?
Решение. Пусть событие А – “обнаружен хотя бы один преступник”. Разобьем это событие на более простые. Пусть В1 – обнаружен первый преступник, а В2 – обнаружен второй преступник. Тогда, А=В1+В2 по определению суммы событий. Следовательно Р(А)=Р(В1+В2). Так как В1и В2 – совместные события, то по теореме о вероятности суммы событий (формула 4.6)
Р(В1+В2) = Р(В1)+Р(В2)-Р(В1 В2) = 0,5+0,5 – 0,25=0,75.
Можно решать и через обратное событие: .
Пример 4.5 а)
Преступник имеет 3 ключа. В темноте он открывает дверь выбирая ключ случайным образом. На открытие каждой из дверей он тратит 5 сек. Найти вероятность того, что он откроет все двери за 15 сек.
Решение. Пусть событие А – “открыты все двери”. Разобьем это событие на более простые. Пусть В – “открыта 1-я“, С – “ открыта 2-я“, а D – “ открыта 3-я“. Тогда, А=ВСD по определению произведения событий. Следовательно Р(А)=Р(ВСD). По теореме о вероятности произведения независимых событий (формула 4.10) Р(ВСD) = Р(В)Р(C) Р(D).
Вычислим вероятности событий В, Cи D. В этом примере имеется 3 равновозможных (каждый ключ выбираем из 3-х) исходов опыта. Каждому из событий В, Cи Dблагоприятствует 1 из них, поэтому . .
Пример 4.5 б)
Изменим задачу: считаем, что преступник – забывчивый человек. Пусть преступник открыв дверь, оставляет ключ в ней. Какова тогда вероятность, что он откроет все двери за 15 сек?
Решение. Событие А – “открыты все двери”. Опять, А=ВСD по определению произведения событий. Следовательно Р(А)=Р(ВСD). Но, теперь события В, Cи D – зависимы. По теореме о вероятности произведения зависимых событий Р(ВСD) = Р(В)Р(C|B) Р(D|BC).
Вычислим вероятности : , (ключа осталось только два и один из них подходит!), и, значит, .
Пример 4.6
Ведутся поиски двух преступников. Каждый из них независимо от другого может быть обнаружен в течение суток с вероятностью 0,5. После поимки одно из них, в связи с увеличением количества сотрудников, занятых в поисках, вероятность найти второго возрастает до 0,7. Какова вероятность того, что в течение суток будет обнаружены оба преступника.
Решение. Пусть событие А – “обнаружены два преступника”. Разобьем это событие на более простые. Пусть В1 – обнаружен первый преступник, а В2 – обнаружен второй преступник, после того, как пойман первый. Тогда, А=В1В2 по определению произведения событий. Следовательно Р(А)=Р(В1В2). Так как В1 и В2 – зависимые события, то по теореме о вероятности произведения зависимых событий (формула 4.8) Р(В1В2) = Р(В1)Р(В2/В1) = 0,5 0,7=0,35.
Пример 4.7
Найти вероятность того, что при подбрасывании монеты 10 раз герб выпадет хотя бы 1 раз.
Решение. Пусть событие А – “герб выпадет хотя бы 1 раз”. Рассмотрим обратное событие: – “герб не выпадет ни разу”. Очевидно, что обратное событие легче чем исходное разбить на более простые. Пусть А1 – герб не выпал при первом броске, А2 – герб не выпал при втором броске, … А10 – герб не выпал при 10-м броске. Все событияА1…А10 независимы, следовательно, (формула 4.11)