Пример. Производится выборка двух шаров (m=2) из урны, в которой находится 3 шара (n=3). Приведем эти выборки.

1. Размещения с возвращением

(1,1) (1,2) (1,3) (2,1) (2,2) (2,3) (3,1) (3,2) (3,3) = 3² = 9.

1. Размещения (без возвращения) (1,2) (1,3) (2,1) (2,3) (3,1) (3,2) .

2. Сочетания с возвращением (1,1) (1,2) (1,3) (2,2) (2,3) (3,3)

3. Сочетания (без возвращения) (1,2) (1,3) (2,3) .

Пример. Задача о выборке бракованных деталей.

В партии из N одинаковых деталей M бракованных. Выбирается (не возвращая) n деталей. Какова вероятность того, что среди них окажется ровно m бракованных?

Общее количество случаев (сочетания из N деталей по n) равно . Мы выбираем m бракованных деталей среди M бракованных, но и одновременно выбираем (n-m) деталей без брака среди N-M деталей без брака. Тогда, по основному принципу комбинаторики, такому выбору благоприятствует случаев. Поэтому искомая вероятность равна .

Геометрическая вероятность

Формула классической вероятности применяется только в схеме случаев, что встречается довольно редко. Отношение Р(А)= N_A/N представляет собой «долю» благоприятных исходов среди всех возможных исходов. Аналогичным образом подсчитывают вероятность события в некоторых более сложных случаях, когда имеется бесконечное число равновозможных исходов.

Пример. Задача о встрече. Два студента договорились встретиться от 10 до 11 часов на определенном месте, причем первый пришедший на место ждет товарища 15 минут и уходит. Какова вероятность встречи?

Выберем начало системы координат в точке (10, 10). Отложим по осям системы координат x- время прихода первого студента, y – время прихода второго студента.

Т огда множество |x-y|<1/4, 0<x<1, 0<x<1, 0<y<1

содержит точки (события) встречи студентов. Его мера (площадь) mesA равна 1- (3/4)² = 7/16. Так как mes =1, то P(A) = 7/16.

Статистическая вероятность

Формулы классической вероятности и геометрической вероятности справедливы только для случая равновозможных исходов. В действительности мы на практике имеем место с неравновозможными исходами. В этих случаях можно определить вероятность случайного события, используя понятие частоты события. Допустим, что нам требуется определить вероятность того, что в испытании произойдет событие А. Для этого в одинаковых условиях проводятся испытания, в каждом из которых возможны два исхода: А и . Частотой события А будем называть отношение числа N_A испытаний, в которых зафиксировано событие А к общему числу N испытаний.

Вероятностью события А называется предел частоты события А при неограниченном увеличении числа испытаний n , т.е. . Так определяется статистическая вероятность события.

Заметим, что по классическому, геометрическому и статистическому определениям для вероятности события P(A) выполнены три основных свойства:

P(A)0, 2) P()=1, 3) P(A₁+ …+A_n) = P(A₁) + …+P(A_n), если A₁, A_n попарно несовместны. Однако в этих определениях элементарные события предполагаются равновозможными.

А.Н. Колмогоров отказался от предположения равновозможности элементарных событий, ввел сигма-алгебру событий и распространил третье свойство на счетное число событий. Это дало возможность дать аксиоматическое определение вероятности события.

Аксиоматическое определение вероятности (по А.Н.Колмогорову).

Вероятностью P(A) называется числовая функция, заданная на сигма – алгебре событий, удовлетворяющая трем аксиомам:

1. не отрицательность P(A)0, A - сигма – алгебре событий на 

2. нормировка P() = 1

3. расширенная аксиома сложения: для любых попарно несовместных событий A₁, … A_n … выполнено

P(A₁+ …+A_n+ …) = P(A₁) + …+P(A_n) +…

(счетная аддитивность).

Итак, по А.Н. Колмогорову вероятность (вероятностная мера) это числовая неотрицательная нормированная счетно - аддитивная функция (множества – события), заданная на сигма – алгебре событий.

Если  состоит из конечного или счетного числа событий, то в качестве сигма – алгебры  может рассматриваться алгебра S событий. Тогда по аксиоме 3 вероятность любого события A равна сумме вероятностей элементарных событий, составляющих A.

Вероятностным пространством называется тройка (, , P).

Свойства вероятности

1. . В самом деле, , несовместны. По аксиоме 3 .

2. P() = 0. Так как A A+ = A, по аксиоме 3 P(A+) = P(A) + P() = P(A) P() = 0

3. Если A B, то P(A)  P(B). Так как B = A+ B\A, по аксиоме 3 P(B) = P(A) + P(B\A), но по аксиоме 1 P(B\A)0

Пример. Из урны с четырьмя шарами с номерами 1, 2, 3, 4 три раза наугад вынимают шар и записывают его номер а) возвращая шары б) не возвращая шары. Какова вероятность 1) получить комбинацию 111, 2) из номеров шаров составить возрастающую последовательность?

В случае а) имеем размещения с возвращением, N = 4³, 1), N_A=1, P = ¼³, 2) N_A = , так как возрастающую последовательность можно составить всегда из не повторяющихся номеров, P = / 4³ .

В случае б) N = ,1) P = 0, так как номера шаров не повторяются, то N_A =0, 2) P = 1, так как N = N_A = .

Пример. Пять человек садятся в поезд метро, состоящий из пяти вагонов. Какова вероятность того, что они окажутся в разных вагонах?

Общее число элементарных событий равно числу размещений с повторением из пяти элементов по пять N = 5⁵. Число элементарных событий, составляющих А, равно 5! Поэтому Р = 5!/ 5⁵.

Лекция 2

Условная вероятность.

Часто приходится вычислять вероятность события А при дополнительном условии, что произошло событие В. Такую вероятность будем называть условной и обозначать Р(А/В) (вероятность события А при условии, что событие В наступило).

Если никаких дополнительных условий не накладывается, то вероятность называется безусловной. Это – обычная, определенная выше вероятность.

Рассмотрим пример. Пусть в данной аудитории присутствует N студентов. Среди них N_A –любящих математику, N_B – любящих физику, N_АВ – любящих и математику, и физику. Лектор случайно выбирает одного студента. Введем следующие события:

А – случайно выбранный студент любит математику, В – физику, АВ – и математику, и физику. На диаграммах Венна это выглядит так.

Тогда вероятности этих событий равны:

(2.1)

(2.2)

(2.3)

Это безусловные вероятности.

Предположим теперь, что мы захотели узнать вероятность того, что случайно выбранный любитель физики любит еще и математику. В этом случае количество всех возможных исходов N_B (выбираем только любителей физики), а количество благоприятных исходов – N_АВ.

На диаграмме Венна это выглядит так

Тогда, учитывая (2.2) и (2.3), получим

= = (2.4)

Мы рассмотрели частный случай. Введем в общем случае следующее формальное определение.

Определение. Пусть В – событие, имеющее ненулевую вероятность, а А произвольное событие.

Положим . (2.5)

Определенную таким образом величину Р(А/В) будем называть условной вероятностью события А при условии В.

Формула вероятности произведения событий

(теорема умножения вероятностей). Независимые события

Из формулы условной вероятности найдем вероятность события АВ и воспользуемся возможностью поменять А и В местами из-за коммутативности произведения событий. Из (2.5) получим

Р(АВ) = Р(В)·Р(А/В) = Р(А)·Р(В/А). (2.6)

Вероятность совместного наступления двух событий (вероятность произведения этих событий) равна произведению вероятности одного из них на условную вероятность другого при условии, что первое событие произошло.

Теорема умножения вероятностей может быть обобщена на случай произвольного числа событий.

Вероятность произведения нескольких событий равна произведению вероятностей этих событий, причем вероятность каждого следующего по порядку события вычисляется при условии, что все предыдущие имели место.

(2.7)

Событие А будем называть независимым от события В, если

P(A/B) = P(A), (2.8)

т.е. если условная вероятность равна безусловной вероятности.

Два события называются независимыми, если наступление одного из них не изменяет вероятность другого. В противном случае события называются зависимыми.

События А₁, А₂,…, А_n называются независимыми в совокупности, если вероятность их произведения равна произведению их вероятностей

. (2.9)