Вы находитесь на странице: 1из 14

Раздел I. Теория вероятностей.

Лекция 1. Класификация событий.


1.1. Введение. Предмет теории вероятностей.
1.2. Случайные события.Их классификация.Полная группа событий.
1.3. Классическое и статистическое определение вероятности.
Свойство вероятности.
1.4. Элементы комбинаторики.
Литература: [1]

1.1. Предмет теории вероятностей

При изучении так называемых точных наук (математика, физика,


аэродинамика и др.) рассматриваются явления, которые в точно определённых
условиях протекают всегда одинаково. При этом вместо самих явлений
рассматриваются математические модели этих явлений, т.е. описание явлений
при помощи набора строго определенных символов (формул).
Для построения математической модели реального явления чаще всего
достаточно учитывать только основные факторы, закономерности, которые
позволяют предвидеть результаты эксперимента (наблюдения, исследования) по
заданным начальным условиям, т.е. при осуществлении определённых условий и
точно предсказать исход исследуемого процесса. Обнаруженные закономерности
в математике (и не только) записывают в виде формул:
 S=vt - путь пройденный точкой за t сек. при равномерном движении; если
v=const, то S=f(t);
1
S= ah
 2 - площадь треугольника; если основание а=const,то S=f(h);
 Q=pV - товарооборот; если объем произведенной продукции V=const, то
Q=f(p), где p цена
1
Для рассмотренных примеров точки (t; S), (h; S), (p; S) расположены строго
на прямой.
Однако достаточно часто при изучении реальных процессов (в массовом
производстве, в медицине, особенно в экономической деятельности) мы
замечаем, что многие из этих процессов при воспроизведении одного и того же
комплекса условий протекают несколько по-разному. А это означает, что
невозможно предсказать результат исследования однозначно, т.е мы приходим к
задачам, для решения которых, наряду с основным фактором, необходимо
учитывать и случайные факторы, придающие исходу исследования элемент
неопределенности.
Например, в вопросах стрельбы по цели невозможно без учета случайных
факторов однозначно ответить на вопрос: сколько ракет нужно использовать для
поражения цели? Сколько времени будет работать купленный телевизор? Сколько
студентов сдадут экзамен по теории вероятностей? Какова будет урожайность
при заданном количестве внесённых удобрений? и т.д. Например, каждому

количеству Х I внесённых удобрений может соответствовать несколько

значений урожайности Y i (некоторое распределение урожайностей). А это


означает, что точки М

i (X i ;Y ij ) не лежат на некоторой кривой, а группируются около какой-


то кривой, показывая лишь тенденцию в поведении урожайности.
Такие задачи, исход которых нельзя предсказать с полной уверенностью,
требуют изучения не только основных, главных закономерностей, определяющих
явление в общих чертах, но и случайных, второстепенных факторов. Выявленные
в таких задачах (исследованиях, наблюдениях) закономерности называются
статистическими (или вероятностными). Статистические закономерности
исследуются в «ТеориИ вероятностей и математической статистике».
Теория вероятностей - математическая наука, изучающая
закономерности массовых случайных явлений и методы оценки влияния
2
случайных факторов на эти явления.
Под случайными явлениями понимают явления с неопределенным исходом.
Изучение таких явлений требует специальных подходов.
Цель теории вероятностей - осуществление прогноза в области
случайных явлений, влияние на ход этих явлений, их контроль, ограничение
сферы действий случайности.
В настоящее время нет практически ни одной области науки, в которой в той
или иной степени не применялись бы вероятностные методы.

1.2. Случайные события. Их классификация. Полная группа событий.

Каждая наука при изучении явлений материального мира оперирует теми или
иными понятиями, среди которых всегда имеются основополагающие.
Для теории вероятностей одним из основных является понятие события. Под
событием понимается явление, которое происходит в результате осуществления
какого-либо определённого комплекса условий. Осуществление этого комплекса
условий будем называть опытом или испытанием.
Наблюдаемые нами события (явления) можно подразделить на следующие
три вида:
 достоверные;
 невозможные;
 случайные;
Достоверным называют событие, которое обязательно произойдёт, если
будет осуществлена определённая совокупность условий.
Примеры:
1. Наступление ночи по прошествии дня - достоверное событие.
2. Кит - это млекопитающее. Это событие является достоверным.

Невозможным называют событие, которое заведомо не произойдет, если


3
будет осуществлена совокупность условий.

Примеры
1. выпадение цифры 5 при бросании десятикопеечной монеты - невозможное
событие.
Случайным называют событие, которое при осуществлении совокупности
условий может либо произойти, либо не произойти.
Примеры:
1. Бросается симметричная монета. Подбрасывание монеты - испытание.
"Монета упала гербом вверх" и " монета упала решкой вверх" - возможные
события.
2. В урне имеются цветные шары. Из урны наудачу берут один шар.
Извлечение шара из урны есть испытание. Появление шара определённого цвета
- событие.

Как уже отмечалось раньше, в результате опыта (испытания) возможно


появление того или иного события.
Некоторые из возможных в данном испытании событий могут наступить
вместе, т.е. быть совместными. В результате испытания может возникнуть и
другая ситуация, когда появление одного из возможных событий обязательно
исключает появление некоторого другого события, т.е. события могут быть и
несовместны.
Пример 1
Пусть бросается игральный кубик, на гранях которого различное число очков
от 1 до 6. В результате этого испытания могут наступить такие события, как "на
верхней грани чётное число очков"; "на верхней грани 6 очков"; "Число очков на
верхней грани равно 3". Появление на верхней грани кубика трёх очков
исключает появление шести очков. Поэтому последние два события являются
несовместными при одном испытании. Такие события, как выпадение чётного
4
числа очков и выпадение числа очков, равного 6, уже являются совместными,
поскольку число 6 является четным
Обозначаются события заглавными латинскими буквами.
События А и B называются несовместными, если в результате данного
испытания появление одного из них исключает появление другого.
Пример 2
Из ящика с деталями наудачу извлечена деталь. Появление стандартной
детали исключает появление нестандартной детали. События "появилась
стандартная деталь" и " появилась нестандартная деталь" - несовместны.
События А и В называются совместными, если в результате данного
испытания появление одного из них не исключает появление другого.
Пример 3
В аудиторию вошёл человек. События " в аудиторию вошел человек старше 30
лет" и " в аудиторию вошел мужчина" - совместные, поскольку в аудиторию
может войти мужчина старше 30 лет.
Пример 4
Пусть некто набирает номер телефона при исправной сети. В результате этого
испытания возможны следующие события: "номер занят", " номер свободен". Эти
два события взаимосвязаны, т.к. непоявление одного из них влечет за собой
обязательно появление другого. В дальнейшем будем говорить, что "событие А
влечёт событие В", если всякий раз, когда наступает событие А, наступает и
событие В.
Два события А и А называются противоположными или взаимно
дополнительными, если появление одного из них в результате данного испытания

исключает появления другого ( А читается "не А").


События А и А
Пример 5
Событию " все спортсмены команды завоевали призовые места"

5
противоположным является "хотя бы один из спортсменов команды не занял
призовое место"(не все спортсмены завоевали призовые места).
Несколько событий образуют полную группу, если в результате испытания
появится хотя бы одно из них. Другими словами, появление хотя бы одного из
событий полной группы есть достоверное событие.
В частности, если события, образующие полную группу, попарно
несовместны, то в результате испытания появится одно и только одно
из этих событий.
Таким образом, если группа событий такова, что в результате испытания
обязательно должно произойти хотя бы одно из них, и любые два из них
несовместны, то эта группа событий называется полной группой событий.
Пример 6
Приобретены два билета денежно-вещевой лотереи. Обязательно произойдет
одно и только одно из следующих событий:
- "выигрыш выпал на первый билет и не выпал на второй";
- "выигрыш не выпал на первый билет и выпал на второй";
- "выигрыш выпал на оба билета";
- "на оба билета выигрыш не выпал".
Эти события образуют полную группу попарно несовместных событий.
Пример 7
Стрелок произвёл выстрел по цели. Обязательно произойдет одно и только
одно из следующих событий:
- "попадание";
- "промах".
Эти два несовместных события образуют полную группу.
Из примера следует, что противоположные события А и А
образуют полную группу событий.
События называются равновозможными, если есть основания считать, что

6
ни одно из них не является более возможным, чем другое.
Пример 8
В урне находятся 10 тщательно перемешаных одинаковых на ощупь шаров.
Среди них 5 белых и 5 чёрных. Наудачу вынимается один шар. Здесь события
"появится белый шар" и "появится чёрный шар" равновозможные.

1.3. Классическое и статистическое определение вероятности.


Свойство вероятности.

Опыт показывает, что при многократном повторении испытаний одни


случайные события происходят реже, другие чаще. Это говорит о том, что
случайные события обладают разной степенью возможности наступления (это
было замечено ещё на заре человечества)
Меру объективной возможности наступления события называется её
вероятностью.
Однако это определение является качественным, но не количественным, а
значит, с точки зрения математики, не конструктивным. Чтобы понятие
вероятности можно было использовать при решении задач, следует
количественно определить меру возможности наступления события.
1.3.1. Классическое определение вероятности.
Пусть исходы некоторого испытания образуют полную группу
равновозможных событий. Число этих исходов равно n. Среди этих исходов m
исходов благоприпятствуют наступлению события А, т.е. при каждом из этих
исходов обязательно наступает событие А.
Вероятностью наступления события А называется отношение числа
исходов, благоприпятствующих наступлению события А к числу всех
возможных исходов, если эти исходы единственно возможны, равновозможны
и несовместны.

7
Обозначим вероятность события А через Р(А), тогда:
m
Р( А )=
n

(1)

Из определения вероятности вытекает:


1) 0  P(A)  1; (0  m  n )
2) Р(А)=1, если А - достоверное событие (m=n).
3) Р(А)=0, если А - невозможное событие (m=0).
Полученные свойства говорят об удачном выборе определения вероятности (
Р не имеет размерности). Но с другой стороны, m и n не всегда легко найти.
Пример 1
Пусть А - событие, состоящее в извлечении "дамы" из колоды карт. Тогда
4 1
P( A )= =
36 9
Пример 2
Лифт в пятиэтажном доме отправляется с тремя пассажирами. Какова
вероятность того, что на каждом этаже выйдет не более одного пассажира, если
все возможные способы выхода пассажиров из лифта равновозможны?
Решение
Каждый пассажир может выйти на любом из этажей. Выход каждого из
пассажиров может сочетаться с любым исходом остальных двух. Значит
n=4⋅4⋅4=64 . Если для первого пассажира имеется 4 благоприпятствующих

исхода, и он один из них использовал, то для второго пассажира осталось три


благоприпятствующих исхода, а для третьего - два благоприпятсвующих исхода.
Любой из благоприпятствующих исхода любого пассажира может сочетаться с
любым благоприпятствующим исходом другого пасажира. Значит m=4⋅3⋅2

8
,откуда:
4⋅3⋅2 3
P( A )= =
8
4
3

1.2.2. Статистическое определение вероятности события


и условия его применимости.
Классическое определение вероятности предполагает, что число
элементарных исходов испытания конечно. На практике же весьма часто
встречаются испытания, число возможных исходов которых бесконечно. В таких
случаях классическое определение неприменимо. Уже это обстоятельство
указывает на ограниченность классического определения.
Наиболее слабая сторона классического определения состоит в том, что
очень часто невозможно представить результат испытания в виде совокупности
элементарных событий. Еще труднее указать основания, позволяющие считать
элементарные события равновозможными. Обычно о равновозможности
элементарных исходов испытания говорят из соображений симметрии. Так,
например, предполагают, что игральная кость имеет форму правильного
многогранника (куба) и изготовлена из однородного материала. Однако задачи, в
которых можно исходить из соображений симметрии, на практике встречаются
весьма редко. По этой причине наряду с классическим определением вероятности
используют и другие определения, в частности статистическое определение.
Пусть один и тот же эксперимент выполняется многократно при сходных
условиях. В каждом эксперименте событие А может наступить или не наступить.
Обозначим N - число выполненных экспериментов, M - число наступление
событий А в данной серии экспериментов.
Отношение числа испытаний в которых событие А наступило к числу всех
проведённых испытаний называют относительной частотой наступления
события А.

9
P (A)
¿
M
=
N - относительная частота.
Например, исход единичного подбрасывания монеты предсказать нельзя;
однако при многократном её подбрасывании примерно в одинаковых условиях
можно ожидать с большой степенью уверенности, что герб появиться примерно
50% подбрасываний. Это подтверждают следующие эксперименты, проведённые
в 18 веке.
Эксперимента Количество количество относитель
тор подбрасыван выпадений ная частота
ий (n) герба (m) выпадения
герба
Бюффон 4040 2048 0,5069
К. Пирсон 12000 6019 0,5016
к.Пирсон 24000 12012 0,5005

Относительная частота выпадения герба при большом числе наблюдений

P ( A )≈0,5
¿

становится предсказуемой (в экспериментах ).


Из приведённого примера видим, что при неограниченном числе испытаний
относительная частность событий обладает некоторой устойчивостью, то есть
изменяется мало, а при М стремящемся к бесконечности практически не
измениться. Покажем это.
Пусть приведено большое число испытаний - N и M раз появилось событие
А. Значит:

P ( A )= MN
¿

Допустим, проведено еще одно испытание. В этом испытании событие А

P ( A )= MN +1
¿
+1
может появиться, и тогда частота Но событие А может и не

10
8

появиться. В этом случае


P ( A )= NM+1
lim ( MN ++11 − NM+ 1 )= lim N1+1 =0
n →∞ n→∞

Можно сказать, что

lim ( NM+1 − MN )=0


n →∞

M M +1 M
≈ ≈
т.е N N +1 N =1 ( N →∞ )
Явление малого изменения относительной частоты наступления
события при неограниченном числе испытаний называется статистической
устойчивостью относительной частоты.
*
То постоянное число P (A), около которого колеблются относительные
частоты при неограниченном увеличении числа испытаний называется
статистической вероятностью наступления события А.
8
P≈ P ( A )= MN ; N →∞
Например, если в результате достаточно большого числа испытаний
оказалось, что относительная частота весьма близка к числу 0,5 , то это число
можно принять за статистическую вероятность события.
Я. Бернулли доказал теорему, согласно которой относительная частота
обладает свойством статистической устойчивости: при увеличении числа
наблюдений N, проводимых в типичных условиях, увеличивается ( при
выполнении достаточно общих ограничений) уверенность в незначительном

P = MN
¿

отклонении относительной частоты от некоторого постоянного числа


Р.
Устойчивость, или практически отсутствующая колеблемость относительной
частоты при большом числе наблюдений была подмечена во многих явлениях
ещё задолго до 18 века. Так, еще в Древнем Китае было обнаружено, что для
11
больших городов отношение числа родившихся мальчиков к числу всех
родившихся из года в год почти неизменно чуть больше 0,5.
Это явление проявляется по всюду: в природе, обществе, экономике и т.д.
Примеров много: 1) Закон Паскаля в закрытом соуде количество молекул,
ударяющихся за единицу времени о единицу площади в среднем есть величина
постоянная; 2) Закон совершенствования вида например, в среднем количество
белых ворон в каждой популяции одинаково не велико; 3) Количество
посетителей ресторана постоянно в среднем; устойчивость свойственна среднему
возрасту преступника, среднему числу ДТП, например, за месяц в крупном
городе и т.д.
Легко проверить, что свойства вероятности, вытекающие из классического
определения, сохраняются и при статистическом определении. Действительно,
для любого события 0  m  n и, следовательно, относительная частота
m
0≤ ≤1
n т.е. статистическая вероятность любого события заключена между
нулём и единицей.
Для существования статистической вероятности события А требуется
выполнение следующих условий:
а) возможность, хотя бы принципиально, производить неограниченное число
испытаний, в каждом из которых событие А наступает или не наступает;
б) устойчивость относительных частот появления А в различных сериях
достаточно большого числа испытаний.
Статистическое определение вероятности является наглядным, но не
конструктивными Недостатками статистического определения являются, во-
первых, неоднозначность статистической вероятности; во-вторых,
необходимость проведения большого числа испытаний, что не всегда
возможно, т.к. связано с большими материальными и временными затратами.
Иногда проведение испытаний недопустимо (испытание качества новых
лекарств). Бывают ситуации, что испытания проходят с последующим
12
уничтожением объекта испытания ( новые виды вооружения, новые конструкции
самолётов и т.п.)
1.3. Элементы комбинаторики.
Пусть дано множество, содержащее n различных элементов. Из этого
множества можно образовывать группы ( подмножества) из m элементов. (1
 m  n ), которые будут отличаться или самими элементами, либо порядком
элементов
Комбинации из m элементов, отобранных из данных n элементов,
отличающиеся хотя бы одним элементов или порядком элементов,
называются размещениями из n элементов по m.
Пример:
Даны четыре буквы: a, b, c, d (n=4). Запишем размещение по два элемента
ab ac ad
ba bc bd
ca cb cd
 da db dc

Число размещений равно 4*3


Если к этим парам подбирать еще один из оставшихся элементов
(образовывать размещения по три элемента), то число таких размещений равно

4*3*2. Обозначим число размещений по 2 из 4х элементов А 4 =4⋅3=12 , число


3

размещений из 4х по 3 А 4 =4⋅3⋅2 и т.д. число размещений из n элементов по m


m
A
n
 n( n  1)( n  2)...( n  m  1)

преобразовав получим:
m n!
A 
n
(n  m)!

Размещения из n элементов по m, отличающиеся хотя бы олним


элементом, называются сочетаниями из n элементов по m.
m

Число сочетаний из n элементов по m обозначаются символом С n .

13
m m

Очевидно C <A n n (т.к. например, размещение ab и ba - различны, но ab и ba -


это одно сочетание)
m
C = m!(n−m)!
n! 2

Можно доказать что n C = 2 4!⋅9! ! =6


4

Размещения из n элементов по n называются перестановками.


Из определения размещений следует, что число перестановок из n элементов:
n
P = A = (n−nn ! )! = n!0! =n !
n n
(0!=1)
Пример
На пяти карточках написаны буквы а, д, л, к, о. Карточки тщательно
перемешаны. Какова вероятность того, что сложенные случайным образом
карточки образуют слово " лодка"7
Очевидно, речь идёт о перестановках из n=5 элементов. Всего возможно 5!
перестановок (элементарных исходов) и лишь одно из них благоприятствует
событию А - "сложено слово ЛОДКА".
Следовательно:
1 1
P( A )= = ≈0 ,008
5 ! 120
В рассмотренном примере использована схема случаев, когда числа всех
шансов легко подсчитать и даже перечислить. Однако, окружающая нас
действительность настолько сложна и многообразна, что не может быть сведена к
схеме случаев. Задача предмета «теории вероятнотей» состоит в том, чтобы
указать способы вычесления сложных событий через вероятности простых
(элементарных) событий, взаимодействие которых и приводит к наступлению
сложных случайных событий. Для этого необходимо уметь устанавливать
связь между событиями и их вероятностями.

14