Вы находитесь на странице: 1из 15

Глава IV.

Элементы теории вероятностей и статистики

Тема 1. Случайные события. Классическая вероятность


В нашей жизни мы ежедневно сталкиваемся с событиями, которые под влиянием
случайных, не зависящих от нас факторов, могут произойти или не произойти. Элемент
случайности присутствует и при проведении различных опытов и экспериментов. Многие
массовые явления также носят случайный характер. Изучение случайных событий и выявление
закономерностей, которым они подчиняются – это предмет теории вероятностей.
Отметим, что теория вероятностей не позволяет точно сказать, что произойдет в
результате одного отдельно взятого эксперимента. Однако, она позволяет выявить закономерность
и предсказать наиболее вероятный результат, если количество испытаний достаточно велико.
Определение 1. Событие, которое в определенных условиях, при проведении
эксперимента (испытания) может произойти или не произойти, называется случайным.
Случайные события обозначаются большими буквами латинского алфавита: А, В, С и т.д.
Пример 1. Монета подбрасывается два раза. Событие А – оба раза выпадет герб, является
случайным.
В результате проведения эксперимента возможны различные исходы. Те из них, в которых
событие А наступает называются благоприятными исходами для события А, а остальные –
неблагоприятными для А.
Пример 2. Пусть эксперимент и событие А – это рассмотренные в примере 1. В результате
эксперимента возможны 4 исхода: ГГ, ГЦ, ЦГ, ЦЦ (Г – выпал герб, Ц – выпала цифра). Из них
только первый исход является благоприятным для события А.
Рассмотрим основные виды случайных событий.
Определение 1. Событие называется достоверным, если оно наступает при любом исходе
испытания. Если событие не может наступить ни при каком исходе испытания, то оно называется
невозможным.
Заметим, что для достоверного события все исходы испытания являются благоприятными,
а для невозможного события все исходы неблагоприятные.
Пример 3. Бросаются три игральные кости (игральная кость – это куб, на гранях которого
изображены очки от 1 до 6). Пусть событие А – сумма выпавших очков больше 18. Событие В –
сумма выпавших очков не меньше 3.
Очевидно, событие А – невозможное, так как максимальное число очков на каждой кости
это 6. Событие В – достоверное, так как меньше 1 очка на каждой кости выпасть не может.
Определение 3. Несколько событий называются равновозможными, если при
проведении данного эксперимента у них одинаковое число благоприятных исходов.
Пример 4. Бросаются две игральные кости. Событие А – сумма выпавших очков не
меньше 10. Событие В – сумма очков кратна 6. Событие С – сумма очков – четное число.
Рассмотрим благоприятные исходы для события А: (5, 5); (4, 6); (6, 4);
(5, 6); (6, 5); (6, 6). Всего 6 исходов. Благоприятные исходы для события В:
B (2, 4); (4, 2); (1, 5); (5, 1); (3, 3); (6, 6) – также 6 исходов. Следовательно, события А и В
равновозможные. Так как общее число всех исходов испытания равно 6·6 = 36 и половина из них
соответствует четной сумме очков, то у события С 18 благоприятных исходов. Поэтому С не
равновозможное событиям А и В.
Определение 4. Два события называются несовместными, если ни при каком исходе
испытания они не могут наступить одновременно. Если хотя бы при одном исходе испытания
события могут наступить одновременно, то они называются совместными.
Заметим, что совместные события имеют общие благоприятные исходы, а у несовместных
событий общих благоприятных исходов нет.
Пример 5. Рассмотрим эксперимент изложенный в примере 4 и события А, В, С. все они
являются попарно совместными. Например, исход (6, 6) благоприятен и для события А, и для
события В, следовательно, события А и В совместны. Пусть событие Д – сумма выпавших очков
нечетное число. Тогда события Д и В, а также Д и С – попарно несовместны.
Определение 5. Два события называются независимыми, если появление или не
появление одного из них не зависит от появления или не появления другого. В противном случае
события называются зависимыми.
Пример 6. Два стрелка стреляют по одному разу по мишени. Событие А – первый стрелок
поразил мишень, событие В – второй стрелок поразил мишень. Очевидно, события А и В –
независимы.
Пример 7. В урне находятся 5 белых и 4 черных шара. Извлекаются наугад, по очереди 2
шара не возвращая их в урну. Пусть событие А – первый извлеченный шар – белого цвета.
Событие В – второй извлеченный шар –белого цвета.
Покажем, что события А и В зависимы. Пусть событие А наступило и первый извлеченный
шар – белого цвета. Тогда в урне осталось 8 шаров, среди которых 4 белых и вероятность
наступления события В равна 4:8. Допустим теперь, что А не наступило, т.е. первый извлеченный
шар – черного цвета. Тогда в урне останутся 8 шаров, среди которых 5 белых и вероятность
наступления события В будет 5:8. Следовательно, событие В зависит от появления или не
появления события А.
В этом примере мы практически воспользовались понятием вероятности события –
некоторым числом, которое характеризует возможность появления события. Ниже дадим
классическое определение вероятности события.
Определение 6. Вероятностью события А называется число равное отношению числа
благоприятных для А исходов испытания к общему числу всех равновозможных исходов данного
испытания.
Таким образом, вероятность события А определяется формулой:
m
p( A)  (1) , где n – число всевозможных исходов испытания, а m – число исходов
n
благоприятных для события А.
Вероятность любого события имеет следующие свойства: 1. 0  p(A)  1.
2. p(A) = 0 только в том случае, когда А – невозможное событие.
3. p(E) = 1 только в том случае, когда Е – достоверное событие.
Действительно, в формуле (1) n – целое положительное число, а m – целое
неотрицательное число, причем m  n. Следовательно, свойство 1 является очевидным. Если А –
невозможное событие, то у него нет благоприятных исходов и m = 0. Если же Е – достоверное
событие, то для него все исходы являются благоприятными и m = n. Отсюда следует
справедливость свойств 2 и 3.
Рассмотрим несколько примеров на вычисление вероятностей событий по формуле (1).
Пример 8. Тасуются 4 короля и 4 дамы из колоды карт, а затем случайным образом
раскладываются в ряд. Какова вероятность того, что за каждым королем будет расположена дама?
Решение. Пусть событие А – раскладывая случайным образом карты в ряд, за каждым
m
королем будет следовать дама. Тогда p( A)  . Общее число всевозможных исходов испытания
n
равно числу перестановок из восьми карт, т.е. n = P8 = 8! =2345678 = 40320. По условию
задачи благоприятными исходами будут те, когда короли расположатся на нечетных местах, а
576
дамы – на четных. Следовательно, m = P4P4 = 234234=576. Ответ: p( A)   0,014.
40320
Пример 9. В группе 15 студентов, среди которых 7 девушек. Есть 6 пригласительных
билетов на концерт, которые распределяются по жребию. Какова вероятность того, что в
результате жеребьевки на концерт пойдут 3 девушки и 3 парней?
Решение. Пусть событие А – в результате жеребьевки на концерт пойдут 3 девушки и 3
парней. Снова воспользуемся формулой (1). Так как очередность выбора не имеет значения, то
общее число всевозможных исходов испытания есть число сочетаний из 15 по 6.
15! 10  11  12  13  14  15
n  C156    55  13  7  5005 . Для определения числа благоприятных
9!6! 2 3 4 5 6
для А исходов испытания вычислим отдельно число возможных распределений трех билетов среди
7 девушек и 3 – х билетов среди 8 парней.
7!
m1  C73   35, m2  C83  56 . Тогда число благоприятных исходов будет
4!3!
m 1960
m  m1  m2  1960 . Ответ: p( A)    0,39.
n 5005
Пример 10. Вспоминая номер телефона, абонент забыл последние три цифры, но помнил,
что они все разные нечетные числа. Какова вероятность того, что имея возможность два раза
позвонить, он все – таки наберет нужный номер.
Решение. Нечетных цифр пять. Учитывая, что очередность цифр важна, получаем, что
5!
общее число всех исходов испытания это размещения из 5 по 3: n  A53   60.
2!
Очевидно, число благоприятных исходов равно 2, т.е. m =2. Таким образом, вероятность
события А – абонент, набирая случайным образом последние три цифры номера, дозвонится до
m 2 1
адресата равна: p( A)    .
n 60 30

Тема 2. Действия над событиями.


I. Противоположное событие
Определение 1. Событие А называется противоположным событию А, если оно наступает
во всех исходах испытания, в которых А не наступает и наоборот, не наступает во всех исходах
испытания, в которых А наступает.
Заметим, что все благоприятные исходы для события А являются неблагоприятными для
противоположного ему события, и наоборот, все неблагоприятные исходы для А являются
благоприятными для противоположного события А.
Графически прямое и противоположное событие можно изобразить следующим образом:

А
Ā

Здесь прямоугольник обозначает множество всех возможных исходов испытания т.е. достоверное
событие, заштрихованная область это множество исходов благоприятных противоположному
событию А, а не заштрихованный круг – множество исходов благоприятных событию А.
Теорема 1. Сумма вероятностей прямого и противоположного события равна 1:
p( A)  p( A)  1 (1).
Доказательство. По определению, у прямого и противоположного события нет общих
благоприятных исходов, а также объединение множеств благоприятных исходов прямого и
противоположного события совпадает со множеством всех исходов испытания. Обозначим через
m1 – число благоприятных исходов события А, а через m2 – число благоприятных исходов
противоположного события. Тогда m1 + m2 = n, где n – общее число всех исходов испытания. По
m1 m
определению вероятности события имеем, что p( A)  , p( A)  2
n n
m1 m2 m1  m2 n
Тогда p( A)  p( A)      1. ч. т. д.
n n n n
Пример 1. В ящике находятся 10 деталей, среди которых 4 нестандартные. Найти
вероятность того, что среди 3 – х наугад извлеченных деталей будет хотя бы одна стандартная.
Решение. Пусть событие А среди 3 – х извлеченных деталей будет хотя бы одна
стандартная. Тогда противоположное ему событие будет – среди 3–х извлеченных деталей нет ни
одной стандартной, т.е. все 3 детали нестандартные. Вычислим далее
m 4
p( A)  , где n  C10
3
 120, m  C 43  4. Тогда p( A)   0,033.
n 120
Из теоремы 1 следует, что p( A)  1  p( A)  1  0,033  0,967.
II. Объединение событий
Определение 2. Объединением событий А и В называется событие A  B , которое
состоит в появлении хотя бы одного из событий, т.е. или в появлении события А, или в появлении
события В, или в появлении сразу обоих событий.
Графически объединением событий A  B можно изобразить следующим образом:

А В

Здесь заштрихованная область соответствует множеству благоприятных исходов для A  B .


Теорема 2. Если события А и В несовместны, то вероятность их объединения равна
сумме их вероятностей: p( A  B)  p( A)  p( B) (2).
Если же события А и В совместны, то вероятность суммы равна сумме их вероятностей
минус вероятность их пересечения: p( A  B)  p( A)  p( B) - p(A  B) (3).
Доказательство. Докажем формулу (2). Пусть события А и В несовместны, т.е. у них нет
общих благоприятных исходов (на графике круги А и В не пересекаются). Пусть m1 – число
благоприятных исходов для события А, m2 – число благоприятных исходов для В, а n – общее
число всех исходов испытания. Тогда
m1 m m m m  m2
p( A)  , p( B)  2 и p( A)  p( B)  1  2  1  p( A  B), так как
n n n n n
m1+m2 это число исходов благоприятных объединению событий А и В. Формула (2) доказана.
Пример 2. Студент выучил 15 из 20 экзаменационных вопросов. Каждый билет содержит
по 3 вопроса. Какова вероятность того, что, вытянув наугад билет, студент сможет ответить хотя
бы на 2 вопроса?
Решение. Пусть событие А – вытянув билет студент сможет ответить хотя бы на 2 вопроса.
Тогда A  A2  A3 , где событие А2 – студент ответит только на 2 вопроса, а А3 – студент сможет

ответить на все 3 вопроса.


Очевидно, события А2 и А3 несовместны, поэтому р(А) = р(А2) + р(А3). Вычисляем по
очереди вероятности событий.
m 455
p( A3 )  , где n  C320  1140, m  C15
3
 445; p( A3 )   0,4.
n 1140
m m 105  5
p( A2 )  1 2 , где n  1140, m1  C152  105, m2  C51  5. p(A2 )   0,46.
n 1140
Ответ: р(А) = 0,4 + 0,46 = 0,86.

III. Пересечение событий. Определение 3. Пересечением событий А и В называется


событие A B которое состоит в одновременном появлении обоих событий.
Графически пересечение событий A B можно изобразить следующим образом:

x В

Здесь заштрихованная область соответствует множеству благоприятных исходов для A B .


Замечание. Пересечение двух несовместных событий представляет собой невозможное
событие. Действительно, если А и В – несовместные события, то у них нет ни одного общего
благоприятного исхода, следовательно их пересечение – невозможное событие.
Теорема 3. Если события А и В независимы, то вероятность их пересечения равна
произведению их вероятностей: p( A  B)  p( A)  p( B) (4).
Если же А и В зависимые события (например В зависит от А), тогда вероятность их
пересечения равна вероятности события А умноженную на вероятность события В, вычисленную
при условии, что событие А уже произошло: p( A  B)  p( A)  p A ( B) (5).
Доказательство. Пусть события А и В – независимы. Обозначим через n1 – число всех
исходов испытания, в которых событие А может наступить или нет, а через m1 – те из них, в
которых А наступает. Аналогично, через n2 – число всех исходов испытания, в которых В
наступает или нет, а через m2 – те из них, в которых В наступает.
m1 m
Тогда: p( A)  , p( B)  2 . Так как любой исход для события А может сочетаться с
n1 n2
любым исходом для события В, то число всех возможных исходов для пересечения событий равно
n1·n2; из них число благоприятных для A B это m1·m2 .
m1  m2 m1 m2
Таким образом, p( A  B )     p( A)  p( B ). Формула (4) доказана.
n1  n2 n1 n2
Докажем формулу (5). Пусть события А и В зависимы (В зависит от А). Обозначим через
n – число всех исходов испытания, в которых событие А может наступить или нет, а через m – те
из них, в которых А наступает. Так как событие В может наступить или нет только после
появления события А, то m – это число всех возможных исходов испытания для В. Oбозначим
через m1 – те из них, в которых В наступает. Тогда т1 – это число исходов испытания, в которых
m1 m m1
наступают оба события А и В. Следовательно: p( A  B)     p( A)  p A ( B).
n n m
Пример 3. Два стрелка производят по одному выстрелу по мишени. Вероятность
поражения мишени первым стрелком равна 0,8, а вторым 0,7. Какова вероятность того, что при
этом мишень будет поражена только одним из стрелков?
Решение. Пусть событие А1 – первый стрелок поразил мишень, а А2 – второй стрелок
поразил мишень. По условию задачи р(А1) = 0,8; р(А2) = 0,7. Обозначим противоположные
события: А1 – первый стрелок промахнулся, А2 – второй стрелок промахнулся. Тогда, по формуле
(1), находим, что р(А1) = 1- р(А1) = 0,2; p(А2) = 1 - р(A2) = 0,3.
Пусть событие А – мишень будет поражена только одним из стрелков. Это возможно
только в случае когда первый стрелок поразит мишень и второй промахнется, или наоборот:
A  [ A1  A2 ]  [ A1  A2 ]. Так как события А1 и А2 – независимы, а сложные события [ A1  A2 ]

и [ A1  A2 ] несовместны, то по формулам (2) и (4) получаем: р(А) = р(А1)·р(А2) + р(А1)·р(A2) =


=0,8·0,3 + 0,7·0,2 = 0,38.
Доказательство формулы (3). Пусть событие А и В совместны. Обозначим через n –
число всех исходов испытания, через m1 – число исходов благоприятных событию А, а через m2 –
число исходов благоприятных В. Заметим, что в этом случае события А и В имеют общие
благоприятные исходы (на графике это пересечение кругов А и В). Обозначим число общих
благоприятных исходов через к. Тогда исходов благоприятных для A  B будет m1 + m2 – k .
m1  m2  k m1 m2 k
Следовательно, p( A  B)      p( A)  p( B)  p( A  B).
n n n n

Задачи для самостоятельного решения:

1. Бросаются две игральные кости. Какова вероятность того, что сумма выпавших очков будет: а)
1 1 1
не меньше 11; б) кратна 4; в) меньше 5. Ответ: a) ; b) ; b ) .
12 4 6
2. Ребенок играет с семью карточками расписной азбуки, на которых написаны буквы: К, К, Л, Б,
О, О, О. Какова вероятность того, что расставив их случайным образом в ряд, он получит слово
1
КОЛОБОК? Ответ: .
420
3. Двое детей играют в следующую игру: первый задумывает двузначное число с разными
четными цифрами, а второй угадывает его из пяти попыток. Какова вероятность того, что он
1
угадает это число? Ответ: .
4
4. Из колоды карт извлекаются 4 вальта и 4 дамы. Карты перетасовываются и затем
раскладываются в ряд. Какова вероятность того, что: а) 4 вальта или 4 дамы будут находится
1
рядом; б) за каждым вальтом будет следовать дама своего цвета? Ответ: а) .
35
5. В классе 12 парней и 8 девушек. Есть 5 билетов на дискотеку, которые распределяются по
жребию. Какова вероятность того, что на дискотеку попадут: а) только парни; б) двое парней и
три девушки; в) хотя бы один парень? Ответы: а)  0,05; б)  0,24.
6. Трое спортсменов участвуют в квалификационных соревнованиях. Вероятность того, что
первый спортсмен выполнит норматив, равна 0,7; для второго она равна 0,8; а для третьего 0,9.
Какова вероятность того, что: а) все три спортсмена выполнят норматив; б) только один из них
выполнит норматив; в) хотя бы один спортсмен выполнит норматив. Ответы: а) 0,504; б) 0,994.
7. В урне находятся 4 белых, 3 желтых и 5 синих шаров одинаковых по размеру и весу. Наугад по
очереди извлекаются 3 шара. Какова вероятность того, что эти шары будут: а) синего цвета;
1 3
б) два белых и один синий; в) 3– разных цветов? Ответы: а) ; б) .
22 22
8. Студент выучил 20 из 32–х экзаменационных вопроса. Каждый билет содержит по 4 вопроса.
Какова вероятность того, что вытянув билет студент сможет ответить: а) на все 4 вопроса;
б) только на 2 вопроса; в) хотя бы на 2 вопроса. Ответы: а)  0,13; б)  0,35.
9. Двое баскетболистов А и В играют в следующую игру: по очереди бросают мяч в кольцо по
одному разу с одного и того же места: первым бросает А, затем В; игра заканчивается в тот
момент, когда один из них забросил мяч в кольцо; каждый из них имеет по 3 попытки; если после
3–х попыток никто из них не забросил мяч в кольцо, то игра заканчивается в ничью. Известно, что
вероятность попадания в кольцо с одного броска у первого баскетболиста равна 0,6; а у второго
равна 0,7. Найдите вероятность того, что; а) B выиграет со 2–ой попытки; б) А выиграет игру;
в) игра закончится в ничью.
Ответы: а) 0,0336; б) 0,681; в) 0,00173.

A elaborat: conf., univ., dr. Iu. Baltag.


Тема 3. Полная вероятность. Повторные испытания
Определение 1. Несколько событий А1, А2 ,..., Аn образуют полную группу, если они
попарно несовместны и их объединение является достоверным событием, то есть
A1  A2  ...  An  E, p( E )  1.
Теорема 1. Сумма вероятностей событий образующих полную группу равна единице:
p( A1 )  p( A2 )  ...  p( An )  1 (1).
Доказательство. Так как события А1, А2 ,..., Аn образуют полную группу, они попарно
несовместны. По формуле (2) из темы 2: p( A1  A2  ...  An )  p( A1 )  p( A2 )  ...  p( An ).
Из определения A1  A2  ...  An  E, p( E )  1. Формула (1) доказана.
Пример 1. Самый простой пример событий, которые образют полную группу для любого
испытания это группа состоящая из двух событий: любого события данного испытания А и
противоположного ему A. Действительно: A  A  E; p( A)  p( A )  1.
Пример 2. В ящике 10 деталей, среди которых 4 нестандартных. Извлекаются наугад 3
детали для проверки. Рассмотрим события: А1 – все 3 детали стандартные; А2 – 2 стандартные и 1
нестандартная; А3 – 1 стандартная и 2 нестандартные; А4 – все 3 детали нестандартные. Данные
события являются попарно несовместными и их объединение является достоверным событием, так
как исчерпывает все возможные исходы испытания. Следовательно они образуют полную группу.
Пусть проводится испытание, в котором событие В может произойти только после того как
произошло одно из событий А1, А2 ,..., Аn которые образуют полную группу.
Теорема 2. Вероятность события В, которое может произойти только после того как
произошло одно из событий А1, А2 ,..., Аn которые образуют полную группу вычисляется по
формуле формулой полной вероятности:
p( B)  p( A1 )  p A1 ( B)  p( A2 )  p A2 ( B)  ...  p( An )  p An ( B) (2).
Доказательство Событие В можно представить следующим образом:
B  [ A1  B]  [ A2  B]  ...[ An  b], то есть наступает А1 и затем В или наступает А2 и затем
В и.т.д. наступает Аn и затем В . События в квадратных скобках попарно несовместны, поэтому
применяя формулы (2) и (5) из предыдущей темы, получим формулу (2).
Пример 3. Имеются 3 шкатулки – синего, красного и черного цвета. В синей шкатулке 7
настоящих и 3 фальшивых монеты, в красной – 6 настоящих и 4 фальшивых монеты и в черной - 5
настоящих и 5 фальшивых. Все монеты на вид одинаковые. Извлекаются наугад 2 монеты из
наугад взятой шкатулки. Вероятность того, что будет выбрана синяя шкатулка равна 0,3; что
будет выбрана красная шкатулка равна 0,5 и что будет выбрана черная равна 0,2 . Какова
вероятность того, что извлеченные 2 монеты окажутся настоящими?
Решение. Пусть событие А1 – была выбрана синяя шкатулка, А2 – была выбрана красная
шкатулка и А3 – была выбрана черная шкатулка. По условию задачи р(А1) = 0,3; р(А2) = 0,5 и
р(А3) = 0,2 . Пусть событие В - извлеченные 2 монеты из наугад взятой шкатулки оказались
настоящими.
Возможны три случая: 1) Прозошло событие А1 и 2 монеты были взяты из синей шкатулки. Там
m C73 21
10 монет, среди которых 7 настоящих, поэтому p A1 ( B )     0,7.
n C102 45
2) Прозошло А2 и 2 монеты были взяты из красной шкатулки. Там 10 монет, среди которых 6
C62 15
настоящих, поэтому p A2 ( B )  2   0,33. 3) Прозошло А3 и монеты были взяты из черной
C10 45
C52 10
шкатулки. Там 10 монет среди которых 5 настоящих и p A3 ( B )    0,22.
C102 45
Находим вероятность события В по формуле (1):
p( B)  p( A1 )  p A1 ( B)  p( A2 )  p A2 ( B)  p( A3 )  p A3 ( B)  0,3  0,7  0,5  0,33  0,2  0,22  0,42.
Ответ: 0,42.
Перейдем к изучению повторных событий. Пусть проводится n независимых испытаний и
вероятность появления события А в каждом из них одна и таже и равна p(A) = p. Вероятность

противоположного события равна p( A )  1  p.


Теорема 3. Вероятность того, что событие А произойдет ровно к раз в данных n
n k
испытаниях вычисляется по формуле Бернулли: Pn , k ( A)  Cn  p (1  p)
k k
(3).

Доказательство. Рассмотрим событие В - событие А появилось при первых к испытаниях, а

в последующих n - k не появлялось. Тогда B  [ A  ...  A]  [ A  ...  A ] 

 p( B)  p k ( A)  p nk ( A )  p k  (1  p) nk . Cnk


Число всех таких равновозможных событий .
Таким образом, теорема доказана.
Пример 4. Игральная кость бросается 5 раз. Найти вероятность того, что 6 очков выпадет:
а) ровно 4 раза; б) не менее 4-х раз; в) хотя бы один раз.
1
Решение. а) Пусть событие А – при одном бросании выпало 6 очков. Тогда p( A)   p,
6
Обозначим через В – при пяти бросаниях кости 6 очков выпало 4 раза. Применяем формулу (3) с
4
1 5 25
n  5, k  4; C  5. p( B)  P5, 4 ( A)  C  p (1  p)  5   
4
5
4
5
4 1
. б)
 6  6 7776 Обозначим через
C  C4  C5 . Здесь
С – при пяти бросаниях кости 6 очков выпало не менее 4-х раз. Тогда
событие С4 = В, а С5 - при пяти бросаниях кости 6 очков выпало 5 раз. Также как в пункте а)
5
1 1 26
вычисляем p(C5 )  P5, 5 ( A)  C  p (1  p )  1 6   1  7776 ; p(C )  p(C4 )  p(C5 )  7776 .
5 5 0
5
 
в) хотя бы один раз. Найдем
Обозначим через D – при пяти бросаниях кости 6 очков выпадут
вероятность противоположного события D 
при пяти бросаниях 6 очков не выпало ни разу, а
затем вероятность события D:
5
 5  3125 4651
p( D )  P5, 0 ( A)  C  p (1  p)  1  1    
0
5
0 5
 p( D )  1  p( D )  .
 6  7776 7776
25 26 4651
Ответ: a ) ; б) ; в) .
7776 7776 7776
Определение 2. Число r называется наивероятнейшим чиcлом появления события А в
данных n испытаниях, если вероятность А при k = r больше чем вероятность этого события
при всех остальных значениях к.
Наивероятнейшее число появления события А в данных n испытаниях, в каждом из
которых вероятность события равна p, определяется из следующего двойного неравенства:
np  q  r  np  p, q  1  p (4).
Пример 5. Найти наивероятнейшее число появления события А данного в примере 4.
Подставляем в формулу (4) данные задачи и находим r , учитывая, что r - целое число:
1 1 5 5 5 5 1
n  5, p  , q  1      r    0  r  1  r  0 или r  1.
6 6 6 6 6 6 6
Ответ: r = 1, r = 2.
Замечание. Если выражение np + p является целым числом, так как в примере 5, то число r
принимает два значения; если же np + p не целое число, то r принимает только одно значение.

Формулу Бернулли (3) удобно применять при небольших значениях n, если же число
испытаний велико, то она практически неприменима, потому что приводит к очень громоздким
вычислениям. Например, если n = 200, к = 43, p = 0,3 то применяя формулу (3), получим:
P200, 43( A)  C200
43
 (0,3) 43 (0,7)157.
При больших значениях n применяется формула приблизительного вычисления
вероятности появления события A k раз в данных n испытаниях, которая называется
 x2
e 2
k  np
Pn , k ( A)  ; x ;   3,14; e  2,72. (5).
формулой Лапласа: 2  npq npq
Пример 6. Известно, что отдельно взятая деталь не выдержит гарантийный срок работы с
вероятностью p = 0,1. Какова вероятность того, что из партии 100 деталей не выдержат
гарантийный срок: а) 10 деталей; б) 16 деталей.
Решение. а) Пусть событие А – отдельно взятая деталь не выдержит гарантийный срок
работы, p(A) = p = 0,1; q = 1- p = 0,9; n = 100.
a) Применяем формулу (5) при к = 10, p = 0,1; q = 0,9; n = 100:
 x2
e 2
e0 1 10  10
P100, 10 ( A)     0,13; x   0.
2  100  0,1  0,9 6,28  3 7,5 9

б) С теми же данными применяем формулу (5) при к = 16:


 x2
e 2
e 2 1 16  10
P100, 16 ( A)     0,018; x   2.
2,5  3 7,5 7,5  e 2
3

Ответ: a ) 0,13; б ) 0,018.

Задачи для самостоятельного решения:

1. Вычислить вероятности событий из примера 2 и проверить для них формулу (1).


2. В 2-х шкатулках – синего и красного находятся на вид одинаковые монеты. В синей шкатулке 9
настоящих и 3 фальшивых монеты, а в красной 8 настоящих и 4 фальшивых монеты. Извлекается
наугад одна монеты из наугад взятой шкатулки. Вероятность того, что будет выбрана синяя
шкатулка равна 0,4; а что будет выбрана красная шкатулка равна 0,6. Какова вероятность того,
что извлеченныая монета окажется: а) настоящей; б) фальшивой.
3. В 3-х урнах находятся одинаковые шары белого и черного цвета: в первой - 6 белых и 6
черных, во второй - 5 белых и 7 черных, а в третьей - 7 белых и 5 черных. Извлекаются наугад 3
шара из наугад взятой урны. Вероятности выбора урны одинаковы. Какова вероятность того, что
извлеченные шары окажутся: а) все белые; б) 2 белых и 1 черный.
4. Две монеты бросаются 6 раз. Найти вероятность того, что на обеих монетах выпадет цифра:
а) 5 раз; б) не менее пяти раз; в) хотя бы один раз.
Найти наивероятнейшее число появления события А - на обеих монетах выпадет цифра.
5. Известно, что отдельно взятая деталь выдержит гарантийный срок работы с вероятностью
p = 0,9. Какова вероятность того, что из партии 1600 деталей выдержат гарантийный срок:
а) 1440 деталей; б) 1452 детали.

A elaborat: conf., univ., dr. Iu. Baltag


Тема 4. Случайные величины и их характеристики
Определение 1. Пусть проводится некоторое испытание. Величина Х называется
случайной, если множество ее значений совопадает с множеством всех исходов испытания и
каждое значение она принимает только один раз.
Случайные величины будем обозначать прописными буквами: X, Y, Z. Значения, которые
может принимать величина Х будем обозначать x1 , x2 ,…, xn . Заметим, что каждое значение это
некоторое событие, которое может произойти в результате данного испытания.
Определение 2. Случайная величина называется дискретной, если она может принимать
конечное число значений; если же число возможных значений бесконечно и, например,
представляет собой некоторый интервал числовой оси, тогда случайная величина называется
непрерывной. Будем обозначать: ДСВ – дискретная случайная величина, НСВ - непрерывная
случайная величина.
Пример 1. В ящике 10 деталей, среди которых 4 нестандартных. Испытание состоит в
извлечении наугад 3-х деталей для проверки. Случайная величина X – число возможных
стандартных деталей среди 3-х извлеченных. Ее значения это: х1 – все 3 стандартные; х2 – 2
стандартные (и 1 нет); х3 – 1 стандартная (и 2 нет); х4 – 0 стандартных (все 3 детали
нестандартные). Всего 4 возможных значения, следовательно X это дискретная величина - ДСВ.
Пример 2. Автобус может прибыть на остановку в любой момент времени от 8.00 до 8.10.
Пусть cлучайная величина Y – время прибытия автобуса. Ее значения это любой х из временного
интервала длинной в 10 минут, следовательно Y это непрерывная величина – НСВ.
Далее рассмотрим ДСВ – дискретные случайные величины.
Определение 3. Законом распределения ДСВ Х называтся соответсвие между
возможными значениями случайной величины X и их вероятностями. Для удобства их заносят в
X x1 x2 ... xn
таблицу: ; p1  p( x1 ), p2  p( x2 ), ... , pn  p( xn ) (1).
p p1 p2 ... pn
Теорема 1. Сумма вероятностей всех значений любой ДСВ равна единице:
p( x1 )  p( x2 )  ...  p( xn )  1 (2).
Доказательство. Так как значения х1, х2 ,...,хn это события, которые образуют полную
группу, то по теореме 1 из темы 3 имеет место формула (1).

Пример 3. Рассмотрим ДСВ из примера 2 темы 3, где X – число возможных стандартных


деталей среди 3-х извлеченных из 10 (6 стандартных и 4 нестандартных) и расположим их в
возрастающем порядке: х1 = 0, х2 = 1, х3 = 2, х4 = 3. Вероятности этих значений вычислим по
m C43 4 C61C42 6  6
классической формуле p( A)  : p1  3
  0,03; p 2  3
  0,3;
n C10 120 C10 120
C62C41 15  4 C63 20
p3  3
  0,5; p 4  3
  0,17.
C10 120 C10 120
Составляем закон распределения величины Х , заносим данные в таблицу (1) и проверяем
X 0 1 2 3
; p1  p2  p3  p4  1.
формулу (2):
p 0,03 0,3 0,5 0,17

Рассмотрим основные характеристики ДСВ. Одной из главных характеристик ДСВ


является ее математическое ожидание.
Определение 4. Математическим ожиданием ДСВ Х называется число М(Х) равное
сумме произведений значений данной величины на их вероятности:
M ( X )  p1  x1  p2  x2  ...  pn  xn (3).
Пример 4. Найти математическое ожидание для ДСВ из примера 3. Все данные известны,
применяем формулу (3): M ( X )  0  0,03  1  0,3  2  0,5  3  0,17  1,81.
Замечание. Математическое ожидание ДСВ уже не является случайной величиной, а
является числом, важной характеристикой данной случайной величины, и указывает наиболее
вероятное число появлений события в данном испытании.
Определение 5. ДСВ А(Х) = Х – М(Х) называется отклонением случайной величины Х.
Теорема 2. Математическое ожидание отклонения любой ДСВ равна нулю.
Доказательство. Значения отклонения А(Х) равны х1 - М, х2 - М ,..., хn - М (здесь М =
=М(Х) ). Математическое ожидание отклонения М(А) вычисляем по формуле (3):
M ( A)  p1 ( x1  M )  p2 ( x2  M )  ...  pn ( xn  M )  ( p1 x1  p2 x2  ... pn xn )  M ( p1  p2  ...  pn )
По формуле (3) выражение в первой скобке равно М, а по формуле (2) выражение во второй
скобке равно 1, отсюда М(А) = 0. ч.т.д.
Следовательно, отклонение не может характеризовать случайную величину. Рассмотрим
далее квадрат оклонения, значения которого это 1 2 (х – М)2, (х – М)2 ,...,(х - М)2
n

Определение 6. Дисперсией ДСВ Х называется математическое ожидание квадрата


отклонения данной величины и равно D(X) = p1(х1 – М)2 + p2(х2 – М)2 +...+pn(хn - М)2 (4).
Пример 5. Найти дисперсию для ДСВ из примера 3. Все данные известны, применяем
формулу (4): D( X )  0,03(0  1,81) 2  0,3(1  1,81) 2  0,5(2  1,81) 2  0,17(3  1,81) 2  0,53.
Замечание. Дисперсия ДСВ не является случайной величиной, а является важной числовой
характеристикой данной случайной величины и указывает на то, как рассеяны значения этой
величины вокруг ее математического ожидания. Из формулы (4) следует, что если дисперсия мала,
то все значения ДСВ близки к М, за исключением тех у которых вероятности очень малы, что в
практических задачах встречается редко.
Последняя характеристика, которую мы рассмотрим это среднее квадратическое
отклонение, называемое стандартом ДСВ, которое равно квадратному корню из дисперсии:

 ( X )  D( X ) 5.

Для ДСВ из примера 5 получаем:


 ( X )  0,53  0,73.

Пример 6. Составить закон распределения ДСВ Х - числа появления 6 очков при 5


бросаниях игральной кости. Вычислить ее характеристики M ( X ), D( X ),  ( X ).
Решение. ДСВ Х может принимать значения: х1 = 0, х2 = 1, х3 = 2, х4 = 3, х5 = 4, х6 = 5.
Вероятности этих событий вычислим по формуле Бернулли (3) из темы 3. Для этого обозначим
1
событие А – при одном бросании выпало 6 очков. Тогда p( A)   p,
6
5 1 4
 5  3125 1  5
p1  P5, 0 ( A)  C  p (1  p )  1  1    
0
5
0 5
 0,4; p2  P5, 1 ( A)  C51       0,4;
 6  7776 6 6
2 3 3 2
1  5 1  5
p3  P5, 2 ( A)  C52       0,16; p4  P5, 3 ( A)  C53       0,032;
6 6 6 6
4 1 5 0
1  5 1  5
p5  P5, 4 ( A)  C       0,003; p6  P5, 5 ( A)  C55       0,0001;
4
5
6 6 6 6
Составляем закон распределения величины Х и заносим данные в таблицу (1):
X 0 1 2 3 4 5
.
p 0,4 0,4 0,16 0,032 0,003 0,0001
Вычислем числовые характеристики ДСВ Х.
1) Математическое ожидание по формуле (3):
M ( X )  0  0,4  1 0,4  2  0,16  3  0,032  4  0,003  5  0,0001  0,83.
2) Дисперсию по формуле (4):
D( X )  0,4(0  0,83) 2  0,4(1  0,83) 2  0,16(2  0,83) 2  0,032(3  0,83) 2 
 0,003(4  0,83) 2  0,0001(5  0,83) 2  0,69.

3) Среднее квадратическое отклонение по формуле (5):  ( X )  0,69  0,83.

Задачи для самостоятельного решения:

1. Составить закон распределения ДСВ Х - числа появления герба на обеих монетах при
их одновременном бросании 6 раз. Вычислить ее характеристики M ( X ), D( X ),  ( X ).
Указание. Обозначить событие А – при одном бросании двух монет на обеих появился
герб. Далее решать также как в примере 6.

A elaborat: conf., univ., dr. Iu. Baltag