Вы находитесь на странице: 1из 111

Оглавление

1 Вероятностные модели и пространства. Аксиомы вероятности

 

3

1.1 Понятие вероятностного

3

1.2 Классическая вероятность.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

1.3 Геометрическая

.

.

.

.

.

.

.

.

.

.

.

.

15

1.4 Элементы теории множеств.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

1.5 Аксиомы

.

.

.

.

.

.

.

.

.

.

.

.

32

2 Случайные события и случайные величины

 

43

2.1 Понятие случайной величины. Распределения случайных

 

43

2.2 Независимость событий и случайных

 

56

2.2.1 Независимость событий.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

56

2.2.2 Независимость случайных

 

60

2.3 Условная вероятность и условные

67

2.3.1 Условная вероятность.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

2.3.2 Условные

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

73

2.4 Независимые испытания.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

82

2.5 Функции от случайных

91

2.6 Моменты случайных величин.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

97

 

1

2

Оглавление

Глава 1

Вероятностные модели и пространства. Аксиомы вероятности

1.1 Понятие вероятностного пространства.

Основным объектом исследования в теории вероятностей являются экспери- менты с недетерминированным многозначным исходом. Каждый из исходов ω единичного акта эксперимента называется элементарным исходом . Множество всех возможных в данном эксперименте элементарных исходов называется пространством элементарных исходов . Рассмотрим всевозможные подмноже-

множества . Если элементарный исход ω принадлежит A , это

означает, что всякий раз, когда эксперимент заканчивается элементарным исхо- дом ω , происходит событие A . В этом случае говорят, что наступление ω влечет наступление A . Таким образом, событие A есть множество тех элементарных исходов, которые влекут его наступление. Вероятность – это числовая харак- теристика события, показывающая, насколько ожидаемо наступление данного события.

ства A, B, C,

Для того чтобы полностью задать теоретико-вероятностную модель экспе- римента с неоднозначным исходом, необходимо:

1) описать пространство элементарных исходов , т.е. множество всех воз- можных результатов данного эксперимента;

2) ввести множество F тех подмножеств множества (событий), для кото- рых существует вероятность наступления данного события (возможно, равная нулю);

3

4

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

3) задать способ вычисления вероятности события P (A) для любого подмно-

жества A ∈ F .

Если требования 1–3 выполнены, то говорят, что задано вероятностное про-

странство (Ω, F , P ) .

ПРИМЕРЫ РЕШЕНИЯ ЗАДАЧ.

В предлагаемых ниже примерах предлагается сформулировать математиче-

скую модель эксперимента со случайным исходом, описав каждый элементар-

ный исход и задав множество всех возможных в данном эксперименте исходов 1) .

В задачах этого раздела не требуется вычислять вероятности событий.

Пример 1.1.1. Колода в 32 карты (4 масти по 8 достоинств ) перетасовывается и разделя- ется на три группы по 10 карт , при этом 2 карты остаются в четвертой группе. Описать пространство элементарных исходов. Привести пример со- бытия , не являющегося элементарным.

scРешение. Нетрудно угадать в условиях задачи ситуацию, возникающую при

игре в преферанс. Можно считать, что эксперимент со случайным исходом за-

канчивается с раздачей карт.

Разумно считать, что элементарный исход состоит в получении последова-

тельности из трех наборов по десять карт (на руках у первого, второго и тре-

тьего игроков) и набора из двух карт (в прикупе). Разные элементарные исходы

отличаются наборами карт у каждого из игроков и в прикупе. Каждый элемен-

тарный исход в данном случае – это конкретный «расклад» карт по игрокам и

прикупу. Заметим, что в данном случае не важен порядок карт внутри каждого

из наборов, но важна последовательность наборов. Другими словами, несуще-

ственно, в какой последовательности получает свои карты каждый игрок, но

существенно, какому именно игроку принадлежит данный набор. Заметим, что

число элементарных исходов данного пространства весьма велико, имеет поря-

док 10 15 .

Можно также считать, что карты выдаются игрокам последовательно, и

рассмотреть ещё более обширное пространство элементарных исходов. В этом

1) Задача не обязательно имеет единственное решение: в одном и том же эксперименте эле- ментарный исход может быть определен разными способами. Из этого, однако, не следует, что величина P (A) вероятности события A зависит от способа формирования множества , поскольку в вероятностном пространстве (Ω, F , P ) способ вычисления вероятности, вообще говоря, различен для различных и F .

1.1.

Понятие вероятностного пространства.

5

пространстве элементарный исход состоит из упорядоченной тройки упорядо-

ченных последовательностей по десять карт и упорядоченной пары в прикупе.

В этом случае наборы карт у игроков и в прикупе будут событиями, состоящими

из нескольких элементарных последовательностей карт. Каждый конкретный

«расклад» влекут несколько элементарных исходов, отличающихся порядком

выдачи карт каждому игроку. В этом случае фиксированный «расклад» не яв-

ляется элементарным исходом.

И в том, и в другом случае требование отложить в прикуп два туза опреде-

ляет неэлементарное событие, т. к. существует множество «раскладов», удовле-

творяющих данному условию.

Пример 1.1.2. Ведется стрельба по мишени до тех пор, пока не будет двух попаданий под- ряд. Описать пространство элементарных событий, привести пример со- бытия, не являющегося элементарным.

Решение . Эксперимент может закончиться элементарным исходом, состоя-

щим из двух выстрелов (и в первый, и во второй раз попали в мишень), из трёх

выстрелов, когда первый раз промахнулись, а во второй и третий раз попали

и т. д. Ясно, что число бросаний реально конечно, но довольно затруднительно

указать верхнюю границу этого числа, поэтому математическая модель данного

эксперимента предполагает бесконечное число элементарных исходов:

= {ω 2 , ω 3 ,

,

ω n ,

},

где ω k – исход эксперимента, при котором потребовалось k = 2, 3,

Событие, не являющееся элементарным, например, состоит в том, что потребо-

валось чётное число выстрелов: A = {ω 2 , ω 4 ,

бросаний.

,

ω 2n ,

}

.

Пример 1.1.3. На шахматную доску бросают монету. Описать пространство элементар- ных исходов.

Решение . Это пространство, как и в примере 1.1.1, может быть определено

по-разному в зависимости от того, какими событиями в дальнейшем мы будем

интересоваться. В наиболее общем случае исход характеризуется координатами

x, y центра монеты в некоторой заранее выбранной системе координат, пара-

метром z ∈ {0, 1} , который принимает значение 1, если монета выпала вверх

6

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

«орлом», и значение 0, если монета выпала вверх «решкой», а также углом φ, который задает ориентацию рисунка на верхней стороне монеты. Таким обра- зом, если длина стороны шахматной клетки равна 1 и координаты x, y центра монеты отсчитываются от угла доски, то пространство элементарных исходов есть

Ω = { ω = x, y, φ, z:

x, y [0, 8], φ [0, 2π),

z ∈ {0, 1} } ,

Событием, например, является попадание монеты целиком в одну фиксирован- ную клетку, так, событие

A = { ω = x, y, φ, z:

1/2 R x, y 1/2 + R,

φ [0, 2π), z ∈ {0, 1} } ,

где R – радиус монеты, 0 < R < 1/2 , означает, что монета лежит целиком внутри первой ( [0, 1] × [0, 1] ) клетки. Можно также рассмотреть событие

B = { ω = x, y, φ, z:

x, y [0, 8], φ [0, 2π), z = 1 } ,

заключающееся в том, что монета упала вверх «орлом». Как и в предыдущей задаче, математическая модель эксперимента предполагает бесконечное число элементарных исходов. Реально это, конечно, не так: фиксировать значения x, y, φ с помощью любой измерительной процедуры можно лишь с конечной точностью. В пределах этой точности два различных положения монеты будут неразличимы с точки зрения измерителя. Можно так построить модель, что элементарных исходов будет всего два: в первом случае монета целиком попадает в одну клетку, во втором – пересекает хотя бы одну её сторону. Такое «бедное» пространство элементарных исходов вряд ли будет полезно для практики.

1.2 Классическая вероятность.

Классической вероятностью называется вероятностное пространство (Ω, F , P ) , в котором:

, ω N } состоит из конечного числа N элементар-

ных исходов, 2 N < ;

система F содержит все подмножества , в том числе и , всего 2 N

подмножеств;

, ω k M } его вероятность рассчитыва-

для любого события A = {ω k 1 , ω k 2 , ется по формуле P (A) = M/N .

множество Ω = {ω 1 , ω 2 ,

1.2.

Классическая вероятность.

7

Из последней аксиомы следует, что все элементарные исходы равновероят-

, N . Это свойство часто используют

как альтернативный вариант последней аксиомы.

Итак, в рамках данного вероятностного пространства вероятность любого

события A равна отношению числа M исходов, влекущих A , к общему числу

N исходов эксперимента. Для расчёта M и N часто прибегают к формулам

комбинаторики. Рассмотрим наиболее часто встречающиеся проблемы: подсчёт

числа способов выбора m объектов из совокупности n объектов и подсчёт числа

способов разместить m объектов по n местам.

При выборе объектов необходимо обратить внимание на то, какими услови-

ями ограничен выбор. Имеем две независимых друг от друга пары альтерна-

тивных возможностей.

1. Выбранный объект запоминается и возвращается назад в исходную сово-

купность (при этом говорят, что осуществляется выбор с возвращением), или

выбранный объект не возвращается назад в исходную совокупность (выбор без

возвращения). Очевидно, что выбор без возвращения возможен, только если

число m выбираемых предметов не больше общего их числа n , т. е. m n .

2. Ситуации выбора, при которых выбраны одни и те же m объектов, но в

разном порядке мы считаем различными (выбор с учётом порядка), или вариан-

ты выбора, различающиеся только порядком выбранных элементов, считаются

как один способ (выбор без учёта порядка).

Количество способов при каждой из четырех комбинаций условий выбора

отражено в следующей таблице (здесь и далеее C

m!(nm)! – число сочетаний,

A m = (nm)! – число размещений).

ны:

P (ω k ) = 1/N для любых k = 1, 2,

m

n

n!

=

n!

n

Число способов выбора

с учетом порядка

без учета порядка

   

m

C

m

с возвращением

n

n+m1

без возвращения

A

m

 

C

m

n

n

Далее в задачах, если выбор не оговорен никакими условиями, то это следует

понимать как выбор без возвращения и без учёта порядка, т. е. как выбор под-

множества в m элементов из множества в n элементов ( C

m способов выбора).

n

Ситуация выбора m объектов из n эквивалентна ситуации размещения m

объектов по n местам. При этом альтернативные условия выбора заменяются

8

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

на соответственно эквивалентные им две пары альтернативных условий разме-

щения.

1. На каждое место можно разместить не более одного объекта (при этом

говорят о размещении без повторений мест размещения), либо на каждое место

можно разместить любое число объектов (размещение с повторениями мест

размещений). Очевидно, что размещение без повторений возможно, только если

m n .

2. Размещаются различные объекты, либо размещаемые объекты неразли-

чимы. Другими словами, любые два варианта размещения, при которых заняты

одни и те же места, но объектами, лежащими в разном порядке, либо считаются

разными способами размещения или рассматриваются как один способ.

Количество способов размещения при каждой из четырёх комбинаций усло-

вий отражено в следующей таблице.

Число способов размещения

различных объектов

неразличимых

объектов

   

m

C

m

с повторением

n

n+m1

без повторения

A

m

 

C

m

n

n

Далее в задачах, если размещение не оговорено никакими условиями, то это

следует понимать как размещение с повторениями различных объектов ( n m

способов размещения). Все макроскопические объекты (игральные кости, ша-

ры, монеты и т. п.) являются различными, даже если внешне они совершенно

идентичны. Если m = n , то A m = n! называется числом перестановок.

n

ПРИМЕРЫ РЕШЕНИЯ ЗАДАЧ.

Пример 1.2.1. Из колоды в 36 карт (4 масти по 9 достоинств ) наугад вынимают две кар- ты. Найти вероятность того[ , что вытащенные карты являются тузами.

Решение. Каждый элементарный исход этого случайного эксперимента отож-

дествляется с одним из способов выбора двух карт из тридцати шести, поэтому

общее число исходов N = C 36 . Из них M = C элементарных исходов отвечают

выбору двух тузов из четырёх имеющихся в колоде. Отсюда искомая вероят-

ность равна

2

2

4

P = M

C

2

36

2

4

=

N C

.

1.2.

Классическая вероятность.

9

Пример 1.2.2. Брошены три игральные кости. Найти вероятность того , что на всех верх- них гранях выпало разное количество очков.

Решение. Множество всех элементарных исходов можно описать как множе-

ство способов разместить каждую из трёх костей вверх одной из шести гра-

ней. Кости различны, и каждая кость может быть размещена любой гранью

вверх, поэтому N = 6 3 . Можно отождествить множество всех возможных эле-

ментарных исходов со множеством всех трёхзначных чисел, у которых каждый

разряд (единицы, десятки, сотни) может принимать значения от 1 до 6. Собы-

тию «на верхних гранях выпали разные числа» соответствует тому, что в этом

трёхзначном числе цифры размещены без повторений, следовательно, M = A 3

Получаем ответ:

6

.

P = M

= A 3

6

N 6 3 .

Для вычисления M и N в ряде случаев помогают следующие приемы.

Нахождение вероятности дополнительного события. В этом случае

определяют число M исходов, не влекущих заданное событие A (влекущих

¯

событие, которое называется дополнением к A и обозначается как A), тогда

M + M = N и

P(A) = 1 M

N

¯

= 1 P( A).

Пример 1.2.3. Пять шаров произвольным образом размещают по пяти ящикам. Найти вероятность того , что хотя бы один ящик пуст.

¯

Решение. Рассмотрим дополнение A к указанному событию. Очевидно, что

A заключается в том, что все ящики заняты (в каждом лежит ровно один шар).

¯

При этом M = 5! , поскольку в этом случае многообразие элементарных исхо-

дов определяется числом размещений (в данном случае, перестановок) пяти

различных шаров в пяти ящиках. Общее число элементарных исходов N = 5 5 .

Отсюда

P(A) = 1 M

N

=

1 5!

5 5 .

Разложение числа исходов в сумму. Предположим, что можно разбить

, A s и подсчитать M j – число

множество A на непересекающиеся части A 1 , A 2 ,

10

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

элементарных исходов, содержащихся в каждой части A j . Тогда

P(A) = M 1 + M 2 + ··· + M s

N

= P(A 1 ) + P(A 2 ) + ··· + P(A s ).

В этом случае важно следить за тем, чтобы события A j не пересекались и в

сумме исчерпывали событие A.

Пример 1.2.4. Брошены три игральные кости. Найти вероятность того , что сумма очков на верхних гранях не превосходит 5 .

Решение. Как уже отмечалось в задаче 1.2.2, для данного случайного экс-

перимента N = 6 3 . Представим заданное событие A в виде A = A 3 + A 4 + A 5 ,

где A j заключается в том, что выпало j очков в сумме, j = 3, 4, 5 . Тогда M 3 = 1

(на всех верхних гранях выпало по одному очку). Далее, поскольку 4 можно

разложить в сумму трёх натуральных чисел только как 4 = 1 + 1 + 2 , мы имеем

M 4 = 3 (на одной кости выпало два очка, на остальных по одному, но таких

вариантов три в зависимости от того, на какой именно кости выпало одно очко).

Наконец, 5 = 1 + 1 + 3 = 1 + 2 + 2 , поэтому M 5 = 3 + 3 (три варианта исхода,

при котором на одной кости три очка, на остальных по одному, и три варианта

исхода, при котором на одной кости одно очко, на остальных по два). Получаем

ответ: P(A) = M 1 + M 2 + M 3

= 1 + 3 + 6

6 3

.

N

Вариантом предыдущего метода является вычисление M как разности . Ес-

ли найдется такое событие B , что его можно разбить на непересекающиеся ча-

сти A, A 1 ,

, A s , одной из которых является интересующее нас событие A , то

P(A) = M B (M 1 + M 2 + ··· + M s )

N

= P(B) P(A 1 ) P(A 2 ) − ··· − P(A s ),

где M B и M j – количество элементарных исходов, влекущих B и каждое из

A j соответственно. В этом случае важно следить за тем, чтобы события A j не

пересекались и в сумме с A исчерпывали событие B .

Пример 1.2.5. Пять шаров произвольным образом размещают по трем ящикам. Найти вероятность того , что пуст ровно один отмеченный до размещения шаров ящик.

1.2.

Классическая вероятность.

11

Решение. Имеем N = 3 5 по аналогии с задачей 1.2.3. Пусть событие B

заключается в том, что отмеченный ящик пуст (присвоим ему номер 1, а двум

другим ящикам – номера 2 и 3); в рамках события B количество шаров в про-

чих ящиках не будем ограничивать никакими условиями. В частности, один

из неотмеченных ящиков тоже может оказаться пустым. Обозначим через A j

событие, заключающееся в том, что пусты отмеченный ящик и ящик номер j ,

j = 2, 3 . Тогда B = A + A 2 + A 3 , где A – событие, вероятность которого нужно

найти. Подсчитываем количество исходов, влекущих B и A 2,3 : имеем M B = 2 5

число способов произвольным образом разложить шары в ящики номер 2 и 3.

Когда происходит любое из событий A 2 или A 3 , все шары сложены в один ящик,

поэтому M 1 = M 2 = 1 . Отсюда

P(A) = M 0 (M 1 + M 2 )

N

= 2 5 2

3 5

.

Основным приемом вычисления M является представление числа исхо-

дов в виде произведения . Разберем следующий пример.

Пример 1.2.6. Из колоды в 52 карты (4 масти по 13 достоинств ) наугад извлекают пять карт. Найти вероятность того , что среди них присутствуют четыре кар- ты одного достоинства.

Решение. Общее число исходов N = C 52 . Рассмотрим исходы, влекущие

указанное событие A . Каждому ω A можно взаимно однозначно сопоставить

пару ω IV , ω 5 , в которой ω IV отвечает за то, какие именно карты составляют

четвёрку одного достоинства, а ω 5 задаёт, какая именно карта дополняет этот

набор до пяти карт. Очевидно, что число различных достоинств, могущих об-

разовать четвёрку, равно M 1 = 13 . Каждому из тринадцати способов подобрать

четыре карты одного достоинства отвечает M 2 = 52 4 = 48 способов выбрать

любую из оставшихся карт. В результате получаем M = M 1 · M 2 и

5

P(A) = M 1 · M 2

N

= 13 · 48

5

52

C

.

Обратим внимание на то, что при выборе карт не присутствует никакого

порядка: не предполагается, что сначала выбирают четвёрку карт одного до-

стоинства, а потом к ним подбирают пятую карту. Кроме того, значения, кото-

рые могут принимать ω IV и ω 5 , не независимы. Если выбраны четыре «короля»,

12

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

то пятая карта не может быть королем, но если выбраны четыре «дамы», то

подобного запрета нет. Однако при любом фиксированном ω IV составляющая

ω 5 элементарного исхода может принимать 48 значений.

По сути дела, речь идет о том, чтобы подсчитать благоприятные элементар-

ные исходы, удобным образом упорядочив их. В данном случае исходы могут

быть записаны в прямоугольную таблицу размером 13 × 48 , и их количество,

конечно, равно M = 13 · 48 .

Ключевой фразой данного способа подсчёта, таким образом, становится сле-

дующая: « каждому из 13 способов выбрать достоинство четвёрки отвечает

одинаковое количество способов (48) подобрать пятую карту».

Разумеется, все предложенные способы подсчёта числа элементарных исхо-

дов можно комбинировать.

Если отказаться от равновероятности элементарных исходов, то мы при-

дем к обобщению идеи классической вероятности: дискретным вероятностным

пространством называется (Ω, F , P ) , в котором

, ω N } , N , состоит из конечного или

счётного числа элементарных исходов (здесь и далее N < означает, что

число исходов конечно, а N = – что число исходов счётно) 2) ;

пространство Ω = {ω 1 , ω 2 ,

система подмножеств F содержит все подмножества , включая и ;

заданы вероятности p k = P(ω k ) > 0 , k = 1, 2,

, N , всех элементарных ис-

ходов, причём k=1 N p k = 1 , и тогда для любого события A = {ω k 1 , ω k 2 ,

M , его вероятность следует рассчитывать по формуле

, ω k M },

P(A) =

p k =

k: ω k A

M

j=1

p k j

(при N < и p k = 1/N мы имеем P (A) = M/N , т. е. классическую вероят-

ность).

ПРИМЕРЫ РЕШЕНИЯ ЗАДАЧ.

Пример 1.2.7. Вероятность того , что из источника за время наблюдения вылетит k ча-

, где λ > 0 – числовой параметр. Найти веро-

стиц , равна λ k e λ , k = 0, 1,

k!

ятность того , что вылетит чётное число частиц.

2) Подробнее о теории множеств и, в частности, о конечных и счётных множествах мы поговорим в разделе 1.4.

1.2.

Классическая вероятность.

13

Решение. Нам задано, что каждый элементарный исход имеет вероятность

p k = P(ω k ) = λ k e λ , а событие «вылетит чётное число частиц» влекут элемен-

k!

тарные исходы с чётными номерами k = 2j . Отсюда

P =

j=1

2j

(2j)! e λ = e λ · 1 2 (

λ

j=1

λ j

j! +

j=1

(λ) j

j!

) = e λ · e λ + e λ

2

= 1 + e 2λ

2

.

Пример 1.2.8. Мишень представляет собой круг радиуса R , разделённый концентрическими окружностями на 10 областей , заданных неравенствами

R ( 1 k/10 ) r < R ( 1 (k 1)/10 ) ,

k = 1, 2,

, 10.

Известно , что стрелок обязательно попадёт в мишень и за попадание в k -ю область получит k очков. Произведено три выстрела. Зададим вероят- ность элементарного исхода ω k 1 k 2 k 3 , заключающегося в том , что при первом выстреле было выбито k 1 очков , при втором – k 2 очков , при третьем – k 3 очков , как

P(ω k 1 k 2 k 3 ) = C · k 1 k 2 k 3 ,

k 1,2,3 = 1, 2,

, 10.

Найти вероятность того , что стрелок наберёт более 27 очков.

Решение. Найдем константу C из условия нормировки

1 =

10

k 1,2,3 =1

P(ω k 1 k 2 k 3 ) = C

k

10

1,2,3

=1 k 1 k 2 k 3 = C (

10

k=1

k ) 3 .

Отсюда C = 1/55 3 . Указанное в условии задачи событие есть следующее мно-

жество элементарных исходов

A = { ω k 1 k 2 k 3 : k 1,2,3 = 1, 2,

, 10, k 1 + k 2 + k 3 > 27 } .

Больше 27 очков можно набрать, только если стрелок «выбил» 8 + 10 + 10 , или

9 + 9 + 10 , или 9 + 10 + 10 очков (обратим внимание, что здесь речь идёт только

о суммарном количестве очков, но не о результатах первого, второго и третьего

выстрела в указанном порядке), или, наконец, трижды попал в «десятку». В

исходе 8 + 10 + 10 «восьмерку» можно выбить при любом из трёх выстрелов

(три равновероятных элементарных исхода) в исходе 9 + 9 + 10 то же относится

к «десятке», а в исходе 9 + 10 + 10 – к «девятке»; троекратное попадание в

14

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

«десятку» влечёт ровно один элементарный исход. В результате

P(A) =

1 k 1,2,3 10 k 1 +k 2 +k 3 >27

P(ω k 1 k 2 k 3 ) =

= C(3 · 8 · 10 · 10 + 3 · 9 · 9 · 10 + 3 · 9 · 10 · 10 + 10 · 10 · 10) = 0.05.

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ.

2.1 Из колоды в 36 карт (4 масти по 9 достоинств) наугад вытаскивают четыре

карты. Найти вероятность того, что среди них будут карты ровно двух

мастей: пиковой и червовой.

2.2 Из колоды в 52 карты (4 масти по 13 достоинств) наугад извлечены пять

карт. Найти вероятность того, что извлеченные карты удовлетворяют сле-

дующим условиям:

а) их достоинства могут быть расположены по старшинству без пропус-

ков;

б) все карты разного достоинства;

в) все карты одной масти;

г) три карты одного достоинства и две — другого.

2.3 Шесть различных шаров случайным образом размещаются по четырём

ящикам. Какова вероятность того, что во всех ящиках менее трёх шаров?

2.4 Восемь человек произвольным образом садятся в ряд на лавку. Найти

вероятность того, что между двумя отмеченными заранее лицами будут

сидеть ровно два человека.

2.5 В купейный вагон на 36 мест (9 купе по 4 места) продали шесть билетов.

Найти вероятность того, что не оказалось ни одного целиком занятого

купе.

2.6 Из урны, содержащей 8 шаров, отмеченных номерами от 1 до 8, четыре

раза извлекают по одному шару без возвращения. Их номера записывают

последовательно как четырёхзначное число. Найти вероятность того, что

в этом числе

а) все цифры чётные;

б) первая цифра чётная, а последняя нечётная;

в) не меньше двух цифр в этом числе чётные.

1.3.

Геометрическая вероятность.

15

1.2. ОТВЕТЫ.

Далее в ответах приведены значения M и N для P = M/N .

2.1 = C 36 , M = C 18 2C 9 .

2.2 N = C

N

4

5

52 .

4

4

а) M = 9 · 4 5 ; б) M = C 13 · 4 5 ; в) M = 4 · C 13 ; г)

5

5

M = 13 · 12 · C C 4 .

4

3

2

2.3 4 6 , M = M 1122 + M 0222 = C (6 · 5 · C ) + 4(C

2.4 8! , M = 2 · 5 · 6! .

N =

N =

2

4

2

4

2

6

2

4

· C

)

.

6

8

2.5 C 36 , M = N M = N 9 · C

2.6 N = A 4

б) M = 4 · 4 · A 6 ;

N =

2

32 .

2

. а) M = A 4 4 = 4! ;

в) M = N M 0 M 1 = N A 4 4 4 · 4 · A

3

4

.

1.3 Геометрическая вероятность.

Будем говорить, что множество A точек в пространстве n переменных ( n – про- извольное натуральное число) измеримо, если существует n -кратный интеграл (объём n -мерной области) 3)

V (A) =

xA

dx.

(1.1)

Мы будем также использовать обозначения S( · ) для площади области в про- странстве размерности n = 2 и L( · ) для длины множества в пространстве размерности n = 1 . Геометрическая вероятность – это вероятностное пространство (Ω, F, P ) , в котором:

пространство представляет собой множество в n-мерном пространстве,

0 < V (Ω) < , причём каждый элементарный исход ω есть точка в области ;

система F есть множество всех измеримых подмножеств области ;

вероятность любого A ∈ F вычисляется по формуле

P(A) = V (A)

V (Ω) .

3) Все интегралы теории вероятностей определяются на основании теории Лебега, отличной от римановой теории интегрирования, принятой в начальных курсах математического анали- за. Обсуждение причин, по которым приходится отказаться от интегралов Римана, а также способ преодоления возникающих при этом проблем, выходят за рамки данного задачника. Во всех задачах области интегрирования и подынтегральные функции таковы, что интеграл Лебега совпадает с интегралом Римана, поэтому для решения не требуется дополнительных навыков.

16

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

Важнейшим свойством геометрической вероятности является то, что P (A)

не зависит от положения множества A внутри : если множество A получено

в результате, например, параллельного переноса множества A в пределах обла-

сти , то P (A ) = P (A) . Далее в задачах выражение «в множество наугад

брошена точка» означает именно это свойство: вероятность попадания точки в

любое множество A зависит от объёма (площади, длины) множества A , но

не от его положения внутри области .

Задачи по геометрической вероятности рекомендуется решать в следующем

порядке:

1) представить элементарный исход ω случайного эксперимента как точку в

n -мерном пространстве, а множество всех элементарных исходов – как гео-

метрическую область;

2) представить заданное событие как подобласть ;

3) найти V (Ω) и V (A) либо из геометрических соображений, либо с помощью

n -кратного интегрирования.

Такая последовательность действий связана с тем, что очень важно принять в

качестве элементарного исхода именно ту характеристику, которая по условию

«выбирается наугад», именно поэтому следует начинать решение задачи именно

с задания ω и и лишь после этого выписывать условия на ω , определяющие

включение ω A . Следующий пример, известный как парадокс Бертрана, по-

казывает, что различное понимание элементарного исхода приводит к разным

значениям вероятности события.

ПРИМЕРЫ РЕШЕНИЯ ЗАДАЧ.

Пример 1.3.1. В круге радиуса 1 наугад проводится хорда MN . Найти вероятность того , что длина хорды меньше 1 . Считать , что :

а) середина хорды выбирается в круге наугад ; б) направляющий вектор хорды фиксирован , а её расстояние до центра круга выбирается наугад ; в) один конец хорды закреплен , а второй выбирается на окружности наугад.

Решение. а) Каждый элементарный исход данного эксперимента естествен-

но представить как точку в круге: ω = (ρ, φ) задаёт положение точки в поляр-

ных координатах, и множество всех исходов есть

Ω = {0 ρ 1, 0 φ < 2π}.

1.3.

Геометрическая вероятность.

17

Выразим длину хорды MN через координаты (ρ, φ) её середины. Очевидно,

|MN| = 2 1 ρ 2 . При этом событие «длина хорды меньше 1» записывается

как следующее множество элементарных исходов:

A = { 0 ρ 1, 0 φ < 2π : 2 1 ρ 2 < 1 } .

Решаем неравенство 2 1 ρ 2 < 1 относительно ρ , получаем

A = { 0 φ < 2π, ρ > 3 } .

2

Таким образом, множество элементарных исходов, которые влекут наступление

A, есть кольцо с внутренним радиусом 3/2 и внешним радиусом 1 в круге .

Итак,

P(A) = S(A) S(Ω)

= π(1 3/4)

π

= 1 4 .

б) Проведем в круге диаметр, перпендикулярный фиксированному направ-

ляющему вектору хорды. Тогда середина хорды с необходимостью лежит на

этом диаметре, а зафиксировать положение хорды (задать элементарный исход

данного эксперимента) можно путём задания координаты x центра на отрезке

[1, 1] , соответствующем диаметру. Поэтому Ω = {−1 x 1} . Как и ранее,

событие A может быть представлено в виде подмножества :

Отсюда

A = { x:

2 1 x 2 < 1 } = { 3/2 < |x| 1 } .

P(A) = L(A) L(Ω)

= 2(1 3/2)

2

= 1 − √ 2 3

.

в) В данном случае естественно ввести полярный угол α точки на окруж-

ности, совместив начало отсчёта углов с фиксированным концом хорды MN .

Пусть для определённости фиксирована точка M . Тогда угловая координата α

точки N задаёт элементарный исход эксперимента, и Ω = {0 α < 2π} . При

этом |MN | = 2 sin(α/2) , и интересующее нас событие записывается как

A = { α :

2 sin α

2

< 1 } .

Решаем последнее неравенство для 0 α < 2π , получаем

A = { 0 α < π

3

} + { 5π

3

< α 2π } .

18

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

Отсюда

P(A) = L(A) L(Ω)

= 2π/3

2π

= 1

3 .

Следующий пример показывает, что геометрическую вероятность можно

найти путём вычисления интегралов.

Пример 1.3.2. На отрезок [0, 1] одну за другой наугад бросают три точки. Найти вероят- ность того , что третья точка упадёт между первой и второй.

Решение. Введем элементарный исход как ω = (x 1 , x 2 , x 3 ) , где x k – координата

k -й из брошенных точек. Тогда

Ω = {0 x k 1,

k = 1, 2, 3}.

Приведённое в условии событие может быть записано в виде A = A 12 + A 21 или

соответственно как

A = {0 x 1 < x 3 < x 2 1} + {0 x 2 < x 3 < x 1 1}.

(в данном равенстве учтено, что вторая точка может упасть как справа, так и

слева от первой). Множества есть куб в трёхмерном пространстве, а множе-

ство A – объединение двух пирамид, V (Ω) = 1 . Вычислим объём интересующей

нас области: V (A) = V (A 12 ) + V (A 21 ) , где

V

∫∫∫ 2 1 dx 1 dx 2 dx 3 = 1 dx 2 x 2 dx 3 x 3 dx 1 = 1

0

0

0

6 .

(A 12 ) =

0 x 1 <x 3 <x

Очевидно, что V (A 21 ) = V (A 12 ) , следовательно, V (A) = 2V (A 12 ) = 1/3 , и

P(A) = V V (A) (Ω)

= 1

3 .

Как и в случае классической вероятности, можно отказаться от идеи «рав-

номерного распределения» элементарных исходов (т. е. от независимости гео-

метрической вероятности P (A) от положения области A внутри ). Будем го-

ворить, что множество A точек в пространстве n переменных измеримо с весом

p(·) , если существует n-кратный интеграл

V p (A) =

xA

p(z) dx.

(1.2)

1.3.

Геометрическая вероятность.

19

Вероятностное пространство (Ω, F , P )

называется непрерывным , если:

пространство представляет собой множество в пространстве R n , изме-

римоe с весом p(·) , 0 < V p (Ω) < , причём каждый элементарный исход ω

представляет собой точку в области ;

множество F – это система всех подмножеств , измеримых с весом p(·) ;

для любого A ∈ F

P(A) = V V p p (A) (Ω) .

(1.3)

Если для всех точек z положить p(z) = const = [ V p (Ω) ] 1 , то общее

непрерывное вероятностное пространство превращается в геометрическую ве-

роятность. С другой стороны, весовую функцию всегда можно нормировать

так, что V p (Ω) = 1 , сделав замену p(z) p(z)/V p (Ω) . При этом, сохраняя за

p(·)/V p (Ω) прежнее обозначение p(·) , мы имеем

P(A) = A p(z) dz.

(1.4)

Всюду далее мы будем рассматривать именно нормированные веса.

Пример 1.3.3. Пусть v x , v y , v z – декартовы координаты скорости ⃗v молекулы газа , и веро- ятность того , что их значения окажутся в окрестности величин a, b, c R, задаётся формулой

P(a v x < a + da, b v y < b + db, c v z < c + dc) =

= C · exp ( m(a 2 + b 2 + c 2 )

2T

) da db dc

(1.5)

для любых a, b, c R . Здесь m – масса молекулы, T – температура газа. Найти вероятность того, что кинетическая энергия молекулы меньше E .

Решение. В условии задачи нетрудно узнать распределение Максвелла. Мож-

но считать, что элементарным исходом случайного эксперимента является зна-

чение ⃗v = (a, b, c) скорости некоторой наугад выбранной молекулы газа газа.

Учитывая (1.5), мы приходим к вероятностному пространству, в котором

Ω = {−∞ < a, b, c < +∞},

p(a, b, c) = C · exp ( m(a 2 + 2T b 2 + c 2 ) ) .

Найдем C из условия нормировки P (Ω) = 1 , которое в данном случае может

быть преобразовано к следующему соотношению:

C = ( R 3 exp ( m(a 2 + b 2 + c 2 )

(1.6)

) da db dc ) 1 ,

2T

20

Глава 1. Вероятностные модели и пространства. Аксиомы вероятности

Вычислим интеграл в (1.6) в сферических координатах (r, θ, φ) :

∫∫∫

R 3

exp ( m(a 2 + b 2 + c 2 )

2T

) da db dc = π sin θ dθ 2π

0

0

0

e mr 2 /2T r 2 dr =

=

4π ( m r · e

T

mr 2

2T

+ m

0

T

0

mr 2

e 2T

dr ) = 4π

T

m 2T

m

0

e u 2 du.

Последний интеграл выражается через так называемую функцию ошибок :

Таким образом,

erf(x) =

π x

2

0

e t 2 dt,

erf(+) = 1.

C