Вы находитесь на странице: 1из 175

Рязанский государственный университет имени С. А. Есенина Кафедра математики и методики преподавания математических дисциплин

Теория вероятностей, комбинаторика и начала математической статистики

Лектор — профессор А. Х. Назиев

Лектор — профессор А. Х. Назиев © 2005–2016 Последняя ревизия: 3

© 2005–2016 Последняя ревизия: 3 июля 2016 г.

Оглавление

1. Предмет теории вероятностей

2. Примеры вычисления вероятностей в классической схеме

3. Геометрические вероятности

4. Основные понятия теории вероятностей

4.1. События

4.2. Вероятности

5. Примеры вероятностных пространств

6. Алгебра событий

7. Простейшие свойства вероятности

8. Условные вероятности. Вероятность произведения событий. Независи-

мость событий

8.1. Условная вероятность

8.2. Вероятность произведения событий

8.3. Независимость двух событий

8.4. Независимость нескольких событий

9. Формула полной вероятности. Формулы Байеса

10. Элементы комбинаторики 10.1.Размещения с повторениями 10.2.Размещения без повторений

10.3.Перестановки

10.4.Ещё раз о размещениях без повторений 10.5.Сочетания без повторений

3

10.6.Упражнения

10.7.Треугольник Паскаля 10.8.Теорема Вандермонда и её следствие 10.9.Формула бинома Ньютона

10.10.Упражнения

11. Применение комбинаторики к подсчёту вероятностей

12. Последовательности независимых испытаний. Формула Бернулли

13. Наиболее вероятное число успехов

14. Локальная приближённая формула Муавра-Лапласа

15. Интегральная приближённая формула Муавра-Лапласа

16. Предельная теорема и приближённая формула Пуассона

17. Случайные величины

18. Арифметические операции над случайными величинами

19. Математическое ожидание

20. Дисперсия

21. Основные виды законов распределения дискретных случайных величин

22. Непрерывные случайные величины

23. Нормальное распределение

24. Законы больших чисел

25. Понятие о центральной предельной теореме

26. Предмет и задачи математической статистики

27. Первичная обработка данных 27.1. Дискретный случай 27.2.Непрерывный случай

А. Х. Назиев

Toc

Назад

РГУ

4

28. Оценки параметров распределения 28.1.Требования, предъявляемые к оценкам параметров 28.2.Оценка для математического ожидания 28.3.Оценки для дисперсии

29. Доверительные оценки

29.1.Доверительные вероятности и доверительные интервалы 29.2.Построение доверительного интервала для математического ожида- ния нормального распределения 29.3.Доверительный интервал для a при известном σ

А. Х. Назиев

Toc

Назад

РГУ

5

Часть 1. ТЕОРИЯ ВЕРОЯТНОСТЕЙ

1. Предмет теории вероятностей

Теория вероятностей предназначена для изучения закономерностей, присущих случайным массовым явлениям.

Пример 1.1. Имеется мешок с шарами разных цветов. Извлекают шар и регистриру- ют его цвет. Возвращают шар в мешок, тщательно перемешивают шары, снова извле- кают шар, регистрируют его цвет, и так далее.

Цвет извлекаемого шара — случайное массовое явление. Случайное — потому, что заранее невозможно предсказать цвет шара, который будет извлечён. Массовое — по- тому, что описанные действия могут повторяться неограниченное число раз. Объясним на этом примере, какие закономерности могут обнаруживаться у случай- ных массовых явлений. Как мы уже сказали, цвет извлекаемого шара заранее пред- сказать невозможно, это явление случайное. Но это не означает, что никаких вообще закономерностей в этом явлении обнаружить невозможно. Закономерности есть, но они иного рода. Чтобы их обнаружить, введём понятие относительной частоты. Обозначим через n общее количество извлечений шаров и через µ n (Б) — количе- ство появлений белого шара в этих n извлечениях. Назовём относительной частотой появления белого шара в серии из n испытаний отношение

ν n (Б) = µ n n (Б) В поведении этой величины и обнаруживается закономерность.

.

А. Х. Назиев

Toc

Назад

РГУ

Тема 1: Предмет теории вероятностей

6

Поначалу, при небольших n, е¨е колебания будут довольно значительными, но с увеличением количества извлечений эти колебания станут «затухать». Относитель- ная частота появления белого шара будет, начиная с некоторого момента, очень мало отличаться от некоторого своего «предельного» значения. Такое поведение типично для случайных массовых явлений. В общих словах мож- но сказать, что с увеличением числа наблюдений относительная частота наступления данного события устанавливается на некотором устойчивом «предельном» значении. Это значение и принимают за вероятность наступления события в так называемой статистической схеме определения вероятности. Одной из целей теории вероятностей является разработка методов предсказания этой предельной относительной частоты. Покажем на приведённом примере, как могут делаться подобные предсказания. Пусть всего в мешке N шаров, и M из них — белые. Допустим, что мы произвели 10 000 извлечений шаров. Поскольку нет никаких оснований предпочесть один шар другому, естественно ожидать, что каждый из N шаров появится примерно 10 000 раз. Имеется M белых шаров. Следовательно за 10 000 извлечений белый шар появится примерно M· 10 000 раз. Чтобы получить относительную частоту, нужно разделить это число на число извлечений, то есть на 10 000. Полученное число, M , и есть искомое окончательное устойчивое значение относительной частоты появления белого шара в описанном случайном массовом явлении, то есть, вероятность появления белого шара в статистической схеме определения вероятности. Истолкуем теперь этот результат иначе. Когда мы хотим извлечь один из N одина- ковых на ощупь шаров, находящихся в мешке, у нас имеется N возможностей осуще- ствить наше намерение, или, как говорят в теории вероятностей, имеется N возможных

N

N

N

А. Х. Назиев

Toc

Назад

РГУ

Тема 1: Предмет теории вероятностей

7

исходов. Если мы хотим извлечь именно белый шар, то M шаров «благоприятствуют» нам: имеется M благоприятных исходов. Полученное нами окончательное устойчивое значение относительной частоты появления белого шара оказывается, таки образом, отношением числа благоприятствующих исходов к общему числу всех возможных ис- ходов. Именно это и взято за основу в классической схеме определения вероятности. В классической схеме интересуются вероятностью наступления некоторого собы- тия в случайном массовом явлении, которое в каждом отдельном случае («испыта- нии») приводит к одному и только одному из фиксированного числа N возможных исходов. В этих условиях вероятность наступления события определяется как отно- шение числа исходов, благоприятствующих наступлению этого события, к числу всех возможных исходов. Обозначив событие через A, а его вероятность — через P(A), вы- разим это определение следующим образом:

А. Х. Назиев

P(A) = число исходов, благоприятствующих событию A число всех возможных исходов

Toc

Назад

.

РГУ

Тема 1: Предмет теории вероятностей

8

Пример 1.2. Рассмотрим эксперимент, состоящий в бросании игрального кубика на ровную гладкую горизонтальную поверхность. Этот эксперимент в каждом отдель- ном случае его осуществления («в каждом испытании») приводит к одному и только одному из шести возможных результатов («исходов»), состоящих в том, что

выпало 1 очко, выпало 4 очка,

выпало 2 очка, выпало 5 очков,

выпало 3 очка, выпало 6 очков.

Рассмотрим событие A, состоящее в выпадении чётного количества очков. Оно на- ступает ровно в 3-х из указанных шести исходов, а именно, тогда, когда выпадает 2 очка, или 4 очка, или 6 очков. Поэтому, согласно классическому определению вероят- ности, вероятность этого события равна 1 2 :

P(A) = 3

6 = 1

2 .

P ( A ) = 3 6 = 1 2 .

Добавим к этому два замечания. Во-первых, обратим внимание на различие между понятиями исхода и события.

Исходы — это события, непосредственно реализующиеся при проведении испытаний.

Таковы события, состоящие в выпадении 1, 2,

средственно реализуется ровно одно из этих событий. Совсем другое дело — событие, состоящее в выпадении чётного количества очков. Сколько бы мы ни подбрасывали кубик, мы не увидим на его верхней грани чётное количество очков . Это событие не реализуется непосредственно, оно реализуется лишь через посредство других собы- тий — исходов. В следующем пункте мы ещё вернёмся к этому различию.

, 6 очков; в каждом испытании непо-

А во-вторых заметим, что в классической схеме все исходы имеют одну и ту же ве- роятность. Действительно, всего исходов n, в каждом испытании наступает ровно один из них, значит, каждому исходу благоприятствует ровно один исход — он сам. Поэтому

А. Х. Назиев

Toc

Назад

РГУ

Тема 1: Предмет теории вероятностей

9

1

все исходы имеют одну и ту же вероятность — n . По этой причине классическую схему иначе называют схемой равновозможных исходов. Это важно учитывать, применяя классическую схему к реальным явлениям. На- пример, впаяв в игральный кубик в подходящем месте дробинку, можно добиться того, что 6 очков будут выпадать чаще, чем любое другое количество очков. Тогда окажется, что вероятность выпадения 6 очков не равна 1/6. Означает ли это, что классическая схема определения вероятности ошибочна? Нет, это означает, что классическая схема не применима к такому кубику. Ошибочна не схема, а её применение в данном случае. Мораль: прежде чем применять классическую (или любую другую) схему к кон-

кретному явлению, нужно убедиться, что она к этому явлению применима.

Пример 1.3. Пусть теперь у нас — два мешка с шарами. В одном N 1 шаров, из которых M 1 белых, в другом N 2 шаров, из которых M 2 белых. Из обоих одновременно извлекается по одному шару. Какова вероятность того, что оба извлечённых шара окажутся белыми?

Поскольку любой шар из первого мешка может быть извлечён с любым шаром из второго мешка, имеется всего N 1 N 2 различных возможных исходов, причём нет ника- ких оснований предпочесть один из этих исходов другому. Таким образом всего имеется ровно N 1 N 2 равновозможных исходов. Поскольку любой белый шар из первого мешка может быть извлечён с любым белым шаром из второго мешка, имеется ровно M 1 M 2 исходов, в которых оба извлечённых шара окажутся белыми. Иными словами, имеется точно M 1 M 2 благоприятствующих исходов. Поэтому искомая вероятность равна

M N M 1 · M 2 .

1 M 2

=

1 N 2

N

1

N

2

Но M 1 — это вероятность извлечь белый шар из первого мешка, а M 2 — вероятность

N

1

N

2

А. Х. Назиев

Toc

Назад

РГУ

Тема 1: Предмет теории вероятностей

10

извлечь белый шар из второго мешка. Таким образом, вероятность извлечь по белому шару из каждого мешка равна произведению двух вероятностей: вероятности извлечь белый шар из первого мешка и вероятности извлечь белый шар из второго мешка. Подчеркнём: наш вывод был получен в предположении, что любой шар из первого мешка может быть извлечён с любым шаром из второго мешка, так что извлечение какого-либо шара из одного мешка никак не влияет на то, какой шар будет извлечён из другого мешка. В терминологии теории вероятностей это означает, что событие, состоящее в извлечении какого угодно шара из одного мешка, независимо от собы- тия, состоящего в извлечении какого угодно шара из другого мешка. Наш вывод озна- чает, что если два события независимы, то вероятность наступления того и другого события одновременно равна произведению вероятностей наступления каждого из них отдельно. Ясно, что этот вывод может быть распространён на любое конечное число независимых событий. Это — один из основных законов теории вероятностей, называемый законом умно- жения вероятностей. Далее он будет рассмотрен более подробно. Рассмотрим одно применение этого закона.

Пример 1.4. Предположим, что вероятность сбить самолёт единичным выстрелом из винтовки равна 0, 004. Допустим, что производится залп из 500 винтовок. Какова вероятность того, что самолёт будет сбит?

Согласно условию, вероятность промаха при единичном выстреле из винтовки равна 0, 996 (почти верный промах). Вероятность того, что самолёт не будет сбит при залпе из 500 винтовок, есть вероятность одновременного наступления 500 событий, состоящих

, 500-й винтовок. Каждое из этих событий не

зависит от других. Значит, в силу закона умножения вероятностей, вероятность того,

в промахе при выстреле из 1-й, 2-й,

А. Х. Назиев

Toc

Назад

РГУ

Тема 1: Предмет теории вероятностей

11

что самолёт не будет сбит, равна (0, 996) 500 . Вычисления показывают, что это число приблизительно равно 0, 14. Таким образом, вероятность того, что самолёт будет сбит, составляет 0, 86. Это означает, что самолёт почти наверняка будет сбит. На этом примере хорошо видно назначение теории вероятностей. Оно состоит в том, чтобы по известным вероятностям одних событий устанавливать вероятности других событий. Теория вероятностей не скажет нам, какова вероятность поражения само- лёта единичным выстрелом из винтовки — это устанавливается практически. Зато она скажет нам, какова вероятность поразить самолёт залпом из данного количества винтовок, если известна вероятность успеха в случае единичного выстрела. В этом отношении теория вероятностей нисколько не отличается от других математических дисциплин. Теория групп, например, не скажет нам, ассоциативна или нет данная опе- рация, существует ли для неё нейтральный элемент и каждый ли элемент обладает обратным — это не её задача. Зато она говорит нам, какие ещё факты выполняются, если имеют место те, что берутся в качестве аксиом. Логика не скажет нам, верно или нет, что Иван любит Марью, что Марья счастлива. Зато она скажет нам, верна или нет конъюнкция

Иван любит Марью и Марья счастлива,

если известно, верны или нет её члены. И так далее. Может показаться, что в первых двух примерах дела обстояли иначе: мы просто вычислили вероятности указанных событий, никаких предположений о вероятностях других событий не делая. На самом же деле и в этих примерах всё происходило точно так же, только оформлено это было немного иначе. Рассматривая первый пример, мы предполагали, что в мешке находится n шаров и нет никаких оснований предпочесть один шар другому. Тем самым мы неявно пред-

А. Х. Назиев

Toc

Назад

РГУ

12

полагали, что для каждого из шаров, находящихся в мешке, вероятность быть извле- чённым равна Точно так же при рассмотрении второго примера неявно предполагалось, что для любой пары шаров, взятых по одному из каждого мешка, вероятность быть извлечён-

ной равна

Теория вероятностей — это именно теория, родственная, скажем, геометрии или теоретической механике. В геометрии не занимаются выяснением «истинной приро- ды» точек и расстояний, а в теоретической механике — «истинной природы» масс и скоростей. Так и в теории вероятностей не занимаются выяснением «истинной приро- ды» событий и вероятностей. Их предполагают данными вместе с их первоначальными свойствами, из которых чисто математически выводят дальнейшие свойства. Упражнение 1.1. В ящике 10 красных, 15 синих, 20 жёлтых и 25 зелёных шаров. Других шаров нет. Наудачу вынули один шар. Какова вероятность того, что вынутый шар: 1) красный? 2) синий? 3) жёлтый? 4) зелёный? 5) белый? 6) цветной? 7) красный и синий? 8) красный или синий? 9) не красный? 10) не красный и не синий? 11) не красный или синий? 12) не красный или не синий? Упражнение 1.2. В ящике a белых, b чёрных, c синих шаров. Других шаров нет. Наудачу вынули один шар. Найти вероятность того, что вынутый шар: 1) белый, 2) чёр- ный, 3) синий, 4) зелёный, 5) белый или чёрный, 6) белый или не синий, 6) не синий или не чёрный.

1

N .

1

N 2 . И так — в любой задаче, решаемой теорией вероятностей.

N

1

2. Примеры вычисления вероятностей в классической схеме

Для обозначения конкретных событий мы будем использовать ломаные скобки. А именно,

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

13

Например,

вместо событие, состоящее в том, что будем писать

.

,

вместо событие, состоящее в том, что выпало 5 очков будем писать выпало 5 очков.

Обозначение вероятности события

., то есть P(

.). Например, вместо более правильного

будем писать короче:

P( X = 3 )

P(X = 3).

), часто будем сокращать до

Пример 2.1. Испытание состоит в однократном подбрасывании монеты. Обозначим через B количество выпавших гербов (то есть количество случаев, когда монета упадёт гербом кверху). а) Перечислить все возможные исходы этого испытания. Указать их количество. б) Вычислить вероятности событий: B = 0; B = 1; B > 0; B 0; B 1; B > 1; B = 2; B < 2; B 2; B < 0.

Замечание 2.1. В приведённой постановке задача является слишком неопределённой. Монета может быть бракованной (например, с обеих сторон — цифры), изогнутой, может подбрасываться над местом, покрытым травой, и так далее. Здесь и далее,

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

14

говоря о подбрасывании монеты, мы всякий раз будем полагать, что монета имеет правильную форму и изготовлена из однородного материала, а подбрасывается над гладкой горизонтальной поверхностью. Короче говоря, мы всякий раз будем иметь в виду эксперимент, который в каждом отдельном случае (испытании) завершается ровно одним из двух исходов: выпадением герба (монета ложится на поверхность так, что на обращённой кверху стороне располагается герб), выпадением цифры (монета ложится на поверхность так, что на обращённой кверху стороне располагается цифра), причём оба эти исхода равновозможны. Решение. а) Исходы: Г = выпал герб, Ц = выпала цифра. Других исходов нет. Общее число исходов: 2. б) Для вычисления указанных вероятностей удобно составить таблицу значений величины B, то есть таблицу с двумя рядами, в одном их которых перечислены все исходы ω испытания, в другом — соответствующие этим исходам значения величины B. В данном примере эта таблица имеет вид:

ω Г Ц B 1 0
ω
Г Ц
B
1 0

Теперь, используя таблицу значений величины B, находим: P(B = 0) = 1 2 ; P(B =

2 ; P(B > 0) = 1 2 ; P(B 0) = 1; P(B 1) = 1 2 ; P(B > 1) = 0; P(B = 2) = 0;

1)

P(B < 2) = 1; P(B 2) = 1; P(B < 0) = 0. Например, для вычисления вероятности события B < 2смотрим в таблице, сколь-

ко имеется исходов, для которых B < 2. Видим: таких исходов 2. И всего исходов 2.

Значит, P(B < 2) =

Упражнение 2.1. Доведите решение примера до конца.

1

=

2

2

= 1.

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

15

Пример 2.2. Испытание состоит в двукратном подбрасывании монеты над гладкой горизонтальной поверхностью. Обозначим через B 1 , B 2 количество гербов, выпавших при первом, соответственно, втором подбрасывании. Положим

µ 2 = B 1 + B 2 , C = B 1 B 2 , D = B 1 · B 2 , E = µ 2 2 , F = C 2 .

а) Найти количество всех исходов этого испытания. Перечислить их. б) Полагая по очереди X = B 1 , X = B 2 , X = µ 2 , X = C, X = D, X = E, X = F, вычислить вероятности событий: X = 0; X = 1; X > 0; X 0; X 1; X > 1; X > 2; X > 3, 5; X < 3, 5; X 3, 5; X < 0.

Решение. а) При однократном подбрасывании монеты имеется ровно два исхода. И на каждый их этих двух исходов первого подбрасывания приходится по 2 исхода второго подбрасывания. Всего получается 2 раза по 2 исхода, то есть 2 2 исходов. Итак, всего исходов 2 2 = 4. Теперь нужно перечислить все эти исходы. Для того, чтобы учесть все исходы и ни один не указать дважды, нужно какое-то правило. Мы будем следовать тому правилу, с помощью которого мы подсчитали общее количество исходов. Мы заметили, что при первом подбрасывании имеется ровно два исхода и на каждый из этих исходов приходится по два исхода второго подбрасывания. Теперь указываем эти исходы, каждый раз называя первым выпадение герба. Слева указываем результаты первого подбрасывания, справа — второго:

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

16

Г

Ц

Г

Ц

Г

Ц

Сочетая каждый результат первого подбрасывания с соответствующими ему резуль- татами второго подбрасывания, получаем полный перечень исходов двукратного под- брасывания монеты: ГГ, ЦГ, ГЦ, ЦЦ. Его удобно представить в виде таблицы:

ГГ

ГЦ

ЦГ

ЦЦ

Существует и другое удобное представление множества всех исходов — представ- ление его в виде дерева. Соединяя отрезками результаты первого подбрасывания с соответствующими результатами второго подбрасывания, получаем следующую диа- грамму, называемую корневым деревом результатов испытания:

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

17

Г Г

Цв классической схеме 17 Г ∗ Г Ц Г Ц б) И здесь перед

в классической схеме 17 Г ∗ Ц Г Ц Г Ц б) И здесь перед
в классической схеме 17 Г ∗ Ц Г Ц Г Ц б) И здесь перед
в классической схеме 17 Г ∗ Ц Г Ц Г Ц б) И здесь перед
в классической схеме 17 Г ∗ Ц Г Ц Г Ц б) И здесь перед

Г

Ц

Г

Ц

б) И здесь перед вычислением вероятностей указанных событий удобно составить таблицу значений величины X. Например, для X = µ 2 получится таблица

ω

ГГ

ЦГ

ГЦ

ЦЦ

µ

2

2

1

1

0

;

Вычисляя вероятность события µ 2 1, смотрим в таблице, сколько имеется исходов, для которых µ 2 1. Таких исходов 3. А всего исходов 4. Значит, искомая вероятность равна Впрочем, можно работать и непосредственно с таблицей исходов. Просматривая её, видим, что количество выпавших гербов не менее одного ровно в трёх строках. А всего строк четыре. Значит, искомая вероятность равна Какой путь предпочтительнее? Если имеется много величин, для каждой из кото- рых требуется вычислить одну-две вероятности, вряд ли стоит для каждой из этих величин создавать отдельную таблицу значений. Если же для какой-либо величины требуется найти много вероятностей, то целесообразно составить таблицу значений этой величины и работать именно с этой таблицей. Настоятельно рекомендуем чита- телю опробовать оба способа действий.

3

4 .

3

4 .

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

18

Упражнение 2.2. Испытание состоит в трёхкратном подбрасывании монеты. Обозна- чим через X количество выпавших гербов (то есть количество случаев, когда монета упадёт гербом кверху). а) Указать количество всех исходов испытания. Перечислить все возможные исходы этого испытания. б) Вычислить вероятности событий: X = 0; X = 1; X > 0; X 0; X 1; X > 1; X > 2; X > 3, 5; X < 3, 5; X 3, 5; X < 0. Решение. а) При двукратном подбрасывании монеты имеется ровно 2 2 исходов. И на каждый их этих исходов для двух подбрасываний приходится по 2 исхода третьего подбрасывания. Всего получается 2 2 раза по 2 исхода, то есть 2 3 исходов. б) Итак, всего исходов 2 3 = 8. Теперь нужно перечислить все эти исходы. Для того, чтобы учесть все исходы и ни один не указать дважды, нужно какое-то правило. Используем для этого дерево исходов. Для двух исходов такое дерево уже построено. Теперь из каждого свободного конца веток этого дерева «вырастает» по две новых ветки. Получается следующее дерево:

А. Х. Назиев

Toc

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

19

Г

в классической схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г

в классической схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г

Ц

в классической схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г
в классической схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г
в классической схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г
в классической схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г

Г

Ц

Г

Ц

схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г
схеме 19 Г ∗ Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г

Г

Ц

Г

Ц

Г

Ц

Г

Ц

Глядя на него, выписываем полный перечень исходов — сразу в виде таблицы.

А. Х. Назиев

Toc

ГГГ

ГГЦ

ГЦГ

ГЦЦ

ЦГГ

ЦГЦ

ЦЦГ

Назад

РГУ

Тема 2: Примеры вычисления вероятностей в классической схеме

20

ЦЦЦ

Упражнение 2.3. Эксперимент состоит в однократном бросании игральной кости на гладкую горизонтальную поверхность. Обозначим через X количество выпавших очков (то есть количество очков на той грани кости, которая окажется верхней после падения кубика). а) Перечислить все возможные исходы этого эксперимента. Указать их количество. б) Вычислить вероятности событий: X = 0; X = 1; X > 0; X 0; X 1; X > 1; X > 2; X > 3, 5; X < 3, 5; X 3, 5; X < 0. Упражнение 2.4. Испытание состоит в двукратном бросании игральной кости на гладкую горизонтальную поверхность. Обозначим через X 1 , X 2 количество очков, вы- павших при первом, соответственно, втором, бросании. Положим

X = X 1 + X 2 ,

Y = X 1 X 2 ,

Z = X 1 · X 2 ,

U = X 2 ,

V = Y 2 .

а) Найти количество всех возможных исходов этого испытания, перечислить их все. б) Вычислить вероятности каких-нибудь двадцати событий, задаваемых с помощью указанных величин (например, X 1 > 4, X 2 — чётное число, U V делится на 3и так далее). Упражнение 2.5. В классе 21 учащийся, среди них два друга — Тоша и Гоша. На уроке физкультуры класс случайным образом делят на три равные группы. Найдите вероятность того, что Тоша и Гоша попадут в одну группу. Решение. Тоша обязательно попадёт в какую-нибудь группу, и только в одну. Тем самым одно из 21 мест окажется занятым. Для Гоши останется 20 мест. Из них ровно 6 благоприятствующих тому, чтобы Тоша и Гоша оказались в одной группе. Значит, вероятность того, что Тоша и Гоша попадут в одну группу равна 20 , т. е. 0,3.

6

А. Х. Назиев

Toc

Назад

РГУ

21

Упражнение 2.6. В классе 21 учащийся, среди них два друга — Тоша и Гоша. На уроке физкультуры класс случайным образом делят на семь равных групп. Найдите вероятность того, что Тоша и Гоша попадут в разные группы.

3. Геометрические вероятности

Рассмотрим следующую задачу.

Пример 3.1. В круге наудачу выбирается точка. Какова вероятность того, что эта точка принадлежит вписанному в круг правильному треугольнику?

Поскольку и в круге, и в треугольнике бесконечное множество точек, классическая схема определения вероятности не позволяет напрямую решить эту задачу. Однако она позволяет найти идею решения. Для этого нанесём на плоскость параллельные прямые с шагом в 1 см, и пер- пендикулярные им прямые с тем же шагом. (Проведём прямые так, чтобы они не проходили через выбранную точку.) Плоскость разобьётся на квадраты со стороной 1 см. Назовём их квадратами ранга 1. Рассмотрим фигуры ϕ 1 и Φ 1 , образованные всеми квадратами ранга 1, целиком содержащимися в треугольнике, соотв., в круге. Подсчитаем количества n 1 и N 1 квадратов ранга 1, целиком содержащихся в той и другой фигуре. Получим задачу: «Наудачу выбирается точка, принадлежащая одно- му из квадратов, составляющих Φ 1 . Какова вероятность того, что она принадлежит одному из квадратов, составляющих ϕ 1 ?». Поскольку количества квадратов конечны, применима классическая схема. Она даёт ответ: искомая вероятность равна p 1 = Умножая числитель и знаменатель на 1 см 2 , видим, что полученное частное равно

N 1 .

n 1

А. Х. Назиев

Toc

Назад

РГУ

Тема 3: Геометрические вероятности

22

отношению площадей фигур ϕ 1 и Φ 1 :

p 1 = площадь ϕ 1 площадь Φ 1

.

Затем нанесём на плоскость прямые так, чтобы они разбили плоскость на квадра-

10 1 см). Назовём их квадратами ранга 2. Рассмотрим

ты со стороной 1 мм (то есть,

фигуры ϕ 2 и Φ 2 , образованные всеми квадратами ранга 2, целиком содержащимися в треугольнике, соотв., в круге. Подсчитаем количества n 2 и N 2 квадратов ранга 2,

целиком содержащихся в той и другой фигуре. Рассмотрим задачу: «Наудачу выбира- ется точка, принадлежащая одному из квадратов ранга 2, составляющих Φ 2 . Какова вероятность того, что она принадлежит одному из квадратов, составляющих ϕ 2 ?».

Снова применима классическая схема, которая даёт ответ: искомая вероятность рав-

2 . Умножая числитель и знаменатель на 10 2 см 2 , видим, что полученное

на p 2 =

частное равно отношению площадей фигур ϕ 2 и Φ 2 :

p 2 = площадь ϕ 2 площадь Φ 2 Продолжая эти действия, будем получать в числителе площади, всё более близ- кие к площади треугольника, в знаменателе — площади, всё более близкие к площади круга. В пределе получим отношение площадей треугольника и круга. Таким обра- зом, вероятность, которую требуется найти в примере 3.1, естественно принять равной отношению площадей треугольника и описанного около него круга. Аналогичные соображения относительно фигур, лежащих на прямой, наводят на мысль взять в качестве вероятности отношение длин этих фигур, в пространстве — объёмов. Все три случая охватываются следующим определением.

n

2

N

1

.

А. Х. Назиев

Toc

Назад

РГУ

Тема 3: Геометрические вероятности

23

Определение 3.1. Пусть ϕ и Φ — фигуры на прямой (или, обе, на плоскости, или, обе, в пространстве), имеющие конечную длину (конечную площадь, конечный объём). Вероятность p того, что наудачу выбранная точка фигуры Φ принадлежит фигуре ϕ, по определению принимается равной отношению мер фигур ϕ и Φ:

p = мера ϕ

мера Φ .

(Слово мера здесь означает: в случае прямой — мера длины, в случае плоскости — мера площади, в случае пространства — мера объёма.)

Замечание 3.1. Очень удобно здесь брать в качестве Φ фигуру единичной площади. Тогда Вероятность того, что наудачу выбранная точка фигуры Φ принадлежит фигуре ϕ, равна просто площади фигуры ϕ. Упражнение 3.1. Решите задачу, сформулированную в начале этого пункта.

Пример 3.2. Маша и Даша договорились встретиться на остановке транспорта между 12:00 и 13:00. Условились, что каждая ждёт четверть часа и уезжает. Какова вероят- ность того, что встреча состоится?

На первый взгляд задача не имеет никакого отношения к геометрическим вероят- ностям. Но это только на первый Решение. Пусть Маша появляется на остановке через x, Даша — через y часов после 12. Тогда все возможности появления подруг на остановке представляются на коорди- натной плоскости Oxy точками стандартного единичного квадрата (то есть, квадрата с вершинами в точках (0, 0), (0, 1), (1, 1), (1, 0)). Встреча состоится в том и только том случае, если моменты x и y отстоят друг от друга на более чем на четверть часа, то есть, при условии, что |y x| 1 4 . Последнее, как легко видеть, эквивалентно тому,

А. Х. Назиев

Toc

Назад

РГУ

Тема 3: Геометрические вероятности

24

что

1 1

x 4 y x +

4 .

Точки единичного квадрата, удовлетворяющие этому условию, показаны на следую-

щем чертеже штриховкой.

1 1 4 O 1 1 4
1
1
4
O
1
1
4
чертеже штриховкой. 1 1 4 O 1 1 4 Искомая вероятность p равна

Искомая вероятность p равна отношению площади S заштрихованной фигуры к площади квадрата, то есть просто S, поскольку площадь квадрата равна единице. Площадь S легко находится: она получается вычитанием из 1 площадей двух рав- нобедренных прямоугольных треугольников с длиной катета в 4 . Таким образом,

3

p = 1 2 ·

1

2

3

· 4

·

3

4 = 1

9

16 =

7

16 .

А. Х. Назиев

Toc

Назад

РГУ

Тема 3: Геометрические вероятности

25

Пример 3.3. На шахматную доску, сторона клетки которой равна 4 см, наудачу бро- сается монета диаметром 2 см. Какова вероятность того, что монета ляжет на одну из клеток, не пересекая её сторон?

Решение. Чтобы монета не пересекала сторон ни одной из клеток, необходимо, чтобы центр монеты находился внутри какой-нибудь клетки. Рассмотрим эту клетку. Моне- та не будет пересекать сторон этой клетки тогда и только тогда, когда центр монеты будет находиться от сторон клетки на расстоянии, не меньшем радиуса монеты. А это будет тогда и только тогда, когда центр монеты будет принадлежать заключённому внутри данной клетки квадрату, стороны которого отстоят от сторон данной клетки на расстояние, равное радиусу монеты, то есть, на 1 см. Приходим к задаче на геометри- ческое определение вероятности: внутри квадратной клетки со стороной 4 см наудачу выбрана точка (центр монеты); какова вероятность того, что эта точка принадлежит заключённому внутри клетки квадрату со стороной 2 см? Согласно геометрическо- му определению вероятности эта вероятность равна отношению площадей квадрата и клетки:

p =

2

4 2 = 4

2

1

.

Вопрос. Мы рассмотрели только одну клетку, а их 64. Что Вы думаете по этому поводу? Упражнение 3.2. На шахматную доску, сторона клетки которой равна 4 см, наудачу бросается монета диаметром 2 см. Какова вероятность того, что монета ляжет на одну из белых клеток, не пересекая её сторон?

Упражнение 3.3. В квадрате наудачу выбирается точка. Какова вероятность того, что расстояние от этой точки до ближайшей стороны квадрата меньше, чем расстояние до ближайшей диагонали?

А. Х. Назиев

Toc

Назад

РГУ

26

Упражнение 3.4. В круге радиуса 2 с центром в точке (1, 1) наудачу выбирается точка. Какова вероятность того, что произведение координат этой точки положитель- но? отрицательно? Упражнение 3.5. В круге радиуса 1 с центром в начале координат наудачу выби- рается точка (p, q). Какова вероятность того, что уравнение x 2 + 2px + q = 0 имеет корень? Упражнение 3.6. Стержень наугад разламывают на три части. Какова вероятность того, что из этих частей удастся сложить треугольник? Упражнение 3.7. Самостоятельно составьте и решите 5 задач на геометрические вероятности.

4. Основные понятия теории вероятностей

Каждая математическая теория имеет дело с отвлечёнными идеализированными по- нятиями. Основными понятиями теории вероятностей являются понятия события и вероятности. С интуитивной точки зрения событие — это любое явление, о котором имеет смысл говорить, что оно происходит, или наступает, а вероятность — это мера осуществимости события.

4.1. События

Различают события составные (разложимые) и простые (неразложимые). Неразложимые события называют также элементарными, или атомарными, или ещё исходами. Множество всех элементарных событий называют пространством элементарных событий, или пространством исходов. Его чаще всего обозначают через .

А. Х. Назиев

Toc

Назад

РГУ

Тема 4: Основные понятия теории вероятностей

27

Если конечно или счётно (то есть может быть занумеровано натуральными чис- лами), то его называют дискретным. С каждым событием связано множество всех исходов, в которых оно наступает. В современной теории вероятностей принята теоретико-множественная интерпретация событий, заключающаяся в том, что каждое событие отождествляется с множеством тех исходов, в которых оно наступает. Благодаря этому оказывается, что каждое событие является множеством исходов. Замечание 4.1. Чтобы по достоинству оценить принятие такого решения, следует заметить, что события являются абстрактными объектами. Мы не можем показать событие, мы можем лишь описать его. Допустим, например, что мы бросили игральный кубик, и он упал так, как показано на следующем рисунке: .

Какое событие мы видим? Никакого! Мы видим кубик с четырьмя точками на верх- ней грани, одной точкой на передней (обращённой к нам) грани, и пятью точками на правой боковой (если смотреть от нас) грани. События мы связываем с этой картиной мысленно. И этих событий много. Например: выпало 4 очка, выпало чётное количе- ство очков, выпало более 3 очков, выпало менее пяти очков, выпало количество очков, десятичное представление квадрата которого оканчивается цифрой 6, и так да- лее. Показать эти события невозможно. Можно лишь описать их, как это только что

А. Х. Назиев

Toc

Назад

РГУ

Тема 4: Основные понятия теории вероятностей

28

и было сделано. Тем более невозможно показать события, не наступившие в данном испытании, как то: выпало 2 очка, выпало нечётное количество очков, выпало менее 3 очков, выпало более 5 очков, и т. д. Показать их невозможно, а описать — возможно (что мы только что и сделали). Итак, о событиях мы узнаём через их описания. Это ставит нас перед проблемой:

как по двум описаниям событий выяснить, являются ли они описаниями одного и того же события, или же различных. Снова бросим игральный кубик и обозначим через X количество выпавших очков. Рассмотрим события: X = 0, X = 7. Одинаковые это события — или различные? По приведённым описаниям — совершенно различные (предложение X = 0 говорит отнюдь не то же самое, что предложение X = 7). А вот множества исходов, отвечающие этим событиям в указанном эксперименте, тождественны (оба пустые). Это даёт нам основание утверждать, что указанные события тождественны: в описанных условиях X = 0 = X = 7 . Как видим, благодаря принятию теоретико-множественной точки зрения на события мы получаем чёткие критерии тождества и разли- чия событий. Замечание 4.2. Вообще говоря, не каждое множество исходов является событием (точ- нее, существуют вероятностные пространства, в которых не каждое множество исходов является событием), но в нашем курсе такие ситуации не встретятся. Если в исходе ω наступает событие A, то говорят, что исход ω принадлежит событию A, или что исход ω благоприятствует событию A, и пишут ω A. Таким образом, как и положено в теории множеств,

для любого события A, A = {ω : ω A} .

А. Х. Назиев

Toc

Назад

РГУ

Тема 4: Основные понятия теории вероятностей

29

Существует событие, не наступающее ни в одном исходе. Его называют невозмож- ным событием. Множество исходов, благоприятствующих (принадлежащих) такому событию, пусто, поэтому невозможное событие обозначают тем же знаком, что и пу- стое множество: . Таким образом, — это невозможное событие, то есть событие, которое не наступает ни в одном исходе (событие, которому не благоприятствует ни один исход). Существует событие, наступающее в любом исходе. Его называют достоверным событием. Этому событию благоприятствуют все исходы. Иначе говоря, множество исходов, принадлежащих достоверному событию, совпадает с . Таким образом, до- стоверное событие — это (и только оно). Событие, которое не является ни достоверным, ни невозможным, называют слу- чайным. Для единообразия невозможное и достоверное события тоже причисляют к случайным. Говорят, что событие A влечёт событие B (коротко: A B), если всякий раз, когда наступает событие A, наступает и событие B. Иначе говоря: каждый исход, принадле- жащий A, принадлежит и B. Таким образом, для любых событий A и B,

A B (ω)(ω A ω B).

События A и B называют равносильными, или тождественными (коротко: A = B), если каждое из них влечёт другое: A B и B A. На языке теории множеств: для любых событий A и B,

A = B (ω)(ω A ω B).

Любому событию A отвечает событие A (читается: не-A), называемое дополнением события A, или событием, противоположным к A; это есть событие, которое насту- пает тогда и только тогда, когда не наступает событие A. На языке теории множеств:

А. Х. Назиев

Toc

Назад

РГУ

Тема 4: Основные понятия теории вероятностей

30

для любого события A,

ω A ω / A.

Любым двум событиям A и B поставлено в соответствие событие A + B, называемое их суммой; это есть событие, которое наступает тогда и только тогда, когда наступает хотя бы одно из событий: A или B. На языке теории множеств: для любых событий A и B,

ω A + B ω A или ω B.

Любым двум событиям A и B поставлено в соответствие событие AB, называемое их произведением; это есть событие, которое наступает тогда и только тогда, когда наступают оба события: A и B. На языке теории множеств: для любых событий A и B,

ω A · B ω A и ω B.

Событие AB, состоящее в том, что наступает событие A и не наступает событие B, называют разностью событий A и B и обозначают через A B. Таким образом, для

любых событий A и B, A B = A · B. События A и B называют несовместными, если событие AB невозможно (то есть не может быть так, чтобы наступили оба события: A и B). На языке теории множеств:

для любых событий A и B,

события A и B несовместны A · B = .

События A и B несовместны тогда и только тогда, когда каждое из них влечёт

дополнение к другому: A B и B A. События A и B называют независимыми, если наступление или ненаступление события A никак не связано с наступлением или ненаступлением события B. Понятие независимости событий далее будет уточнено.

А. Х. Назиев

Toc

Назад

РГУ

Тема 4: Основные понятия теории вероятностей

31

4.2. Вероятности

Каждому событию A поставлено в соответствие действительное число P(A), называе- мое вероятностью события A, так, что при этом выполняются следующие условия.

(P0) (неотрицательность) для любого события A, P(A) 0;

(P1) (нормированность) P() = 1 (вероятность достоверного события равна едини- це);

(P2) (аддитивность) если события A и B несовместны, то P(A + B) = P(A) + P(B).

попарно несовмест-

.) = P(A 1 ) +

() (счётная аддитивность) если события A 1 , A 2 ,

, A n ,

ны (т. е. A i A j = при всех i

P(A 2 ) +

= j), то P(A 1 + A 2 +

+ A n +

+ P(A n ) +

В конкретных примерах вероятностей эти свойства доказывают на основе определе-

ния вероятности, в общих рассмотрениях — используют в качестве аксиом, из которых

выводят остальные свойства.

В простейших ситуация бывает довольно свойств (P0) − (P2), в более сложных тре-

буется (). В нашем курсе эти более сложные ситуации не встретятся. Пространство исходов с заданной на нём вероятностью называют вероятностным пространством. Теория вероятностей и её термины возникли в XVII веке. В настоящее время все они имеют «переводы» на язык теории множеств. Приведём небольшой словарик.

А. Х. Назиев

Toc

Назад

РГУ

32

Теория вероятностей

Теория множеств

Элементарное событие, исход

Элемент пространства элементарных событий

Событие

Множество исходов (часть )

Достоверное событие

Множество всех исходов ()

В исходе a наступает событие A

a A ()

Невозможное событие

Пустое множество ()

Сумма событий

Объединение множеств

Произведение событий

Пересечение множеств

Противоположное событие

Дополнение множества

Совместимые события

Множества с непустым пересечением

Несовместимые события

Непересекающиеся множества

Упражнение 4.1. Две стрелка стреляют в цель одновременно. Вероятность попада- ния в цель для первого стрелка равна 0,7, для второго — 0,8. Какова вероятность того, что: а) первый попал, а второй не попал? б) второй попал, а первый не попал? в) ровно один попал? г) оба попали? д) ни один не попал? е) хотя бы один попал?

5. Примеры вероятностных пространств

Пример 5.1. Подбрасывание монеты .

Монета может упасть кверху орлом или решкой, может встать на ребро или куда- нибудь закатиться. Однако мы исключим из рассмотрения эти возможности и огра- ничимся рассмотрением лишь двух возможных исходов: выпадение герба, выпадение

А. Х. Назиев

Toc

Назад

РГУ

Тема 5: Примеры вероятностных пространств

33

цифры. Если монета имеет правильную форму и изготовлена из однородного мате- риала, а подбрасывается над ровной горизонтальной поверхностью, то естественно ожидать, что эти два исхода равновозможны и других возможных исходов нет. Пе- речисленные соображения приводят к следующему вероятностному пространству, яв- ляющемуся математической моделью описанного реального процесса.

Исходы: Г = выпал герб, Ц = выпала цифра.

Пространство исходов: = {Г, Ц}.

Событие: любое множество исходов.

Элементарная вероятность: P(Г) = P(Ц) =

2 . Вероятность: для любого события A полагаем

1

P(A) = P(ω).

ωA

Получается, что, для любого события A,

P(A) = m ·

1

n = m

n ,

где n = 2 — количество элементов пространства ( число всех равновозмож- ных случаев ), m — количество элементов множества A ( число всех случаев, благоприятствующих событию A ).

Пример 5.2. Бросание игральной кости .

Опыт имеет ровно 6 возможных исходов, изображённых ниже (показаны верхние грани):

А. Х. Назиев

Toc

Назад

РГУ

Тема 5: Примеры вероятностных пространств

34

.

Если кость правильная (изготовлена из однородного материала и симметрична), то все эти исходы равновозможны. Мы приходим к следующей модели описанного процесса.

Исходы: ω i = выпало i очков, i = 1,

Пространство исходов: = {ω 1 , ω 2 , .

События: любые множества исходов.

Элементарная вероятность:

.

,

.

,

6.

ω 6 }.

P(ω 1 ) = P(ω 2 ) =

= P(ω 6 ) = 1

6 .

Вероятность: для любого события A полагаем

P(A) = P(ω) = m ·

ωA

1

6 = m

n ,

где n = 6 — количество элементов пространства («количество всех (равно)воз- можных исходов»), m — количество элементов множества A («количество всех исходов, благоприятствующих событию A»).

Пример 5.3. Бросание двух отличимых игральных костей .

Пусть одна из костей красная, другая — синяя. Все возможные исходы представлены на следующем рисунке.

А. Х. Назиев

Toc

Назад

РГУ

Тема 5: Примеры вероятностных пространств

35

Для получения математической модели назовём одну из костей первой, другую —

второй. Каждому исходу отвечает упорядоченная пара (i, j), где i — количество очков, выпавшее на первой кости, j — количество очков, выпавшее на второй кости. Множе-

ству всех исходов отвечает множество всех упорядоченных пар (i, j) с i, j = 1, представленных в следующей таблице.

, 6,

(1,

1)

(1, 2)

(1, 3)

(1, 4)

(1, 5)

(1,

6)

(2,

1)

(2, 2)

(2, 3)

(2, 4)

(2, 5)

(2,

6)

(3,

1)

(3, 2)

(3, 3)

(3, 4)

(3, 5)

(3,

6)

(4,

1)

(4, 2)

(4, 3)

(4, 4)

(4, 5)

(4,

6)

(5,

1)

(5, 2)

(5, 3)

(5, 4)

(5, 5)

(5,

6)

(6,

1)

(6, 2)

(6, 3)

(6, 4)

(6, 5)

(6,

6)

А. Х. Назиев

Toc

Назад

РГУ

Тема 5: Примеры вероятностных пространств

36

Если кости изготовлены из однородного материала и симметричны, то все эти ис- ходы равновозможны. Мы приходим к следующей модели описанного процесса.

Исходы: ω ij = выпало i очков на первой кости, j очков на второй кости, i, j =

1,

, 6. Всего — 36 исходов.

.

События: любые множества исходов.

Элементарная вероятность: P(ω ij ) =

Вероятность: для любого события A полагаем

Пространство исходов: = {ω ij : i, j = 1,

.

.

1

36 .

,

6}.

P(A) = P(ω) = m ·

ωA

1

n = m

n ,

где n = 36 — количество элементов пространства («число всех (равно)возможных исходов»), m — количество элементов множества A («число всех исходов, благо- приятствующих наступлению события A»).

Пример 5.4. Бросание двух неотличимых игральных костей .

Теперь учёт всех возможных исходов без повторения осуществляется иначе. Как и в предыдущем примере, мы можем назвать одну из костей — первой, другую — второй. Однако после броска мы уже будем не в состоянии различить, какая из них — первая, какая — вторая, так что исходы (i, j) и (j, i) теперь тождественны. Поэтому из пар (i, j) и (j, i) при любых i, j, нужно оставить только одну. Выбирая ту, в которой первая компонента не больше второй, обнаруживаем, что множеству всех возможных исходов отвечает теперь множество всех упорядоченных пар (i, j) с i j, представленных в следующей таблице.

А. Х. Назиев

Toc

Назад

РГУ

Тема 5: Примеры вероятностных пространств

37

(1,

1)

(1, 2)

(1, 3)

(1, 4)

(1, 5)

(1,

6)

 

(2, 2)

(2, 3)

(2, 4)

(2, 5)

(2,

6)

 

(3, 3)

(3, 4)

(3, 5)

(3,

6)

 

(4, 4)

(4, 5)

(4,

6)

 

(5, 5)

(5,

6)

 

(6,

6)

Если считать все эти исходы равновозможными, получится следующее вероятностное пространство.

Исходы: ω ij = выпало i очков на одной кости, j очков на другой кости, i j, i, j =

1,

, 6. Всего — 21 элементарное событие.

Пространство исходов: = {ω ij : i j, i, j = 1,

События: любые множества исходов.

Элементарная вероятность: P(ω) = 21 для любого ω .

Вероятность: для любого события A полагаем

, 6}.

1

P(A) = P(ω) = m ·

ωA

1

n = m

n

где n = 21 — количество элементов пространства («число всех (равно)возможных исходов»), m — количество элементов множества A («число всех исходов, благо- приятствующих событию A»).

Анализ модели. В полученном вероятностном пространстве вероятности выпаде- ния 6 очков, 7 очков и 8 очков одинаковы и равны 1 7 , ибо каждое из указанных событий распадается на 3 элементарных события соответственно следующим равенством:

А. Х. Назиев

Toc

Назад

РГУ

Тема 5: Примеры вероятностных пространств

38

6 = 3+3 = 2+4 = 1+5,

7 = 3+4 = 2+5 = 1+6,

8 = 4+4 = 3+5 = 2+6.

Практика, однако, показывает, что вероятности указанных событий различны: вероят- ности выпадения 6 очков и выпадения 8 очков равны между собой и немного меньше, чем вероятность выпадения 7 очков. Исторически подобное расхождение между опытом и априорными (до-опытными) рассуждениями и послужило толчком к возникновению теории вероятностей. Объяс- нение, данное Паскалем, состояло в следующем. Кости, хотя и неотличимы, всё же различны: состоят из различных молекул, зани- мают различное положение в пространстве. Наша неспособность отличить одну кость от другой не отражается на сущности эксперимента, и на самом деле имеют место всё

те же 36 исходов, хотя мы и не в состоянии различить их все. Поэтому представляется разумным связать с описанным явлением другую модель, в которой было бы учтено,

, 6} лишь

что выпадение на обеих костях i очков реализуется при любом i {1,

одним способом, выпадение же на одной кости i очков, а на другой j очков при i = j — двумя способами.

Это приводит к другому, на этот раз не классическому, вероятностному простран- ству, в котором пространство исходов то же, что и во втором случае, но элементарная вероятность определена иначе:

А. Х. Назиев

Toc

P(ω ij ) =

1

36 , если

18 1 , если i

   i = j;

= j.

Назад

РГУ

Тема 5: Примеры вероятностных пространств

39

Теперь событие, состоящее в выпадении 6 очков, и событие, состоящее в выпадении 8 очков, складываются из двух исходов, имеющих вероятность 18 , и одного исхода,

1

имеющего вероятность 36 (ω 15 , ω 24 , ω 33 — для первого, ω 26 , ω 35 , ω 44 — для второго)

и потому наступают с вероятностью, равной 2 ·

36 , то есть 36 . А вот событие,

состоящее в выпадении 7 очков, наступает в исходах ω 16 , ω 25 , ω 34 , каждый из которых

1

1

18

+

1

5

1

имеет вероятность 18 , поэтому оно имеет вероятность 3 ·

1

1