Вероятность случайного события.

Вероятность случайного события (обозначается Р(А)) –это число, которое говорит нам о степени возможности наступления события .

Существуют два определения вероятности: классическое и статистическое, каждое из них имеет свои достоинства и недостатки.

Классическое определение вероятности.

Вероятность события – это отношение числа исходов, благоприятствующих данному событию (m), к общему числу всех несовместных и равновозможных исходов данного опыта (n).

Если А – случайное событие, то

Если А – достоверное событие, то

Если А – невозможное событие, то

Пример: при бросании кубика возможно 6 исходов

Событие А: выпадет четное число. Число исходов, благоприятствующих событию А, m=3.

Достоинства: можно вычислить вероятность не производя испытания.

Недостатки: 1) не всегда известно число исходов опыта,

2) часто невозможно представить результат испытаний в виде равновозможных и несовместных событий.

Поэтому на практике часто пользуются статистическим определением вероятности.

Статистическое определение вероятности.

Пусть А – случайное событие, опыт проводился n раз, в результате опыта событие А произошло m раз, тогда m - частота наступления события А, а величина называется относительной частотой события А.

Для разных n, могут заметно отличаться, но если проводим длинную серию опытов, т.е. , то к некоторому пределу.

Статистической вероятностью события А называется предел, к которому стремится его относительная частота , при неограниченном увеличении числа испытаний.

Пример: среди 1000 новорожденных 517 мальчиков. Найти относительную частоту рождения мальчиков. , тем не менее, известно, что

Так как вероятность – это число следовательно, с этими числами можно производить арифметические действия.

Теоремы сложения вероятностей.

Суммой двух событий А+В называется событие, которое состоит в том, что произойдёт или событие А или событие В или оба они одновременно.

Суммой нескольких событий (А₁+А₂+А₃+…..+Аn) называется событие, которое состоит в том, что произойдёт хотя бы одно из этих событий.

Теорема 1: Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий:

Теорема 2: Вероятность суммы нескольких попарно несовместных событий равна сумме вероятностей этих событий:

Следствие 1: Сумма вероятностей событий, которые образуют полную группу, равна 1:

Следствие 2: Сумма вероятностей противоположных событий равна 1:

Теорема 3: Вероятность суммы двух совместных событий равна сумме вероятностей этих событий минус вероятность совместного их появления:

Пример: Бросаем 2 кубика: А – выпадет чётное число на первом кубике

В -- выпадет чётное число на втором кубике

(А+В) – выпадет чётное число на первом или втором кубике или на первом и втором одновременно:

Теоремы умножения вероятностей.

События бывают зависимыми и независимыми.

Событие В не зависит от события А, если Р(В) не изменяется от того, что произошло событие А.

Событие В зависит от события А, если Р(В) изменяется от того, что произошло событие А.

Р(В/А) – вероятность события В, при условии, что произошло событие А – это условнаявероятность события В.

Произведением двух событий А·В , называется событие, которое состоит в том, что произойдёт и событие А и событие В.

Произведением нескольких событий А·В·С·D·… называется событие, которое состоит в том, что произойдут все эти события.

Теорема 1. Вероятность совместного появления двух независимых событий равна произведению их вероятностей.

Теорема 2. Вероятность совместного появления двух зависимых событий (В зависит от А) равна произведению вероятности события А на условную вероятность события В.

Формула полной вероятности.

Иногда событие А может произойти только совместно с одним из нескольких других событий, их принято называть гипотезами и обозначать Тогда полная вероятность события А вычисляется по формуле:

Пример: Н ₃

Формулы Байеса.

До проведения опыта мы имели вероятности гипотез

(В примере ).

После проведенияопыта:

Пусть событие А произошло (т.е. попали в домик), вероятности гипотез изменились. Для того, чтобы вычислить вероятности гипотез, при условии, что произошло событие А используют формулы Байеса:

Пример

Случайная величина.

Случайная величина – это переменная, которая принимает свои значения в зависимости от случайных обстоятельств.

. Дискретная случайнаявеличина (точечная) принимает отдельные числовые значения (число студентов в аудитории, кубик: 1,2,3,4,5,6)

Непрерывная случайная величина принимает любые значения из некоторого интервала(масса тела, рост студентов).

Случайные величины обозначают заглавными последними буквами латинского алфавита: X,Y,Z…,а их возможные значения прописными буквами:

Любое правило, которое устанавливает связь между возможными значениями случайной величины и вероятностями, с которыми она эти значения принимает, называется законом распределения случайной величины.

Закон распределения случайной величины можно задавать в виде:

1).Таблицы

2). Графика

3) Функции распределения.

Познавательные статьи:



Алгоритмические операторы Matlab

Конструирование и порядок расчёта дорожной одежды

Исследования учёных: почему помогают молитвы?

Почему терпят неудачу многие предприниматели?