Тема лекции 2. Основные теоремы ТВ.

Цели. Рассмотреть основные теоремы умножения вероятностей для

зависимых и независимых событий, теорему сложения вероятностей
несовместных событий

Задачи. Рассмотреть сложение событий, теорему сложения

вероятностей несовместных событий, а так же зависимые и независимые
события, теорему умножения вероятностей для зависимых и независимых
событий.

Тип занятия. Лекция с элементами демонстрации и диалога.

Наглядные средства лекции. Слайд презентация
Технические средства обучения. Выставка литературы, проектор,
персональный компьютер
План.
1. Сложение событий. Теорема сложения вероятностей несовместных
событий.
2. Зависимые и независимые события. Условная вероятность.
Произведение событий. Теорема умножения вероятностей для
зависимых и независимых событий.
3. Формулы полной вероятности и Байеса.

Основная литература.

1. Кремер Н.Ш. Теория вероятностей и математическая статистика.

Учебник. - М.: ЮНИТИ-ДАНА, 2002, 2003.

Дополнительная литература.

1. Кремер Н.Ш., Путко Б.А., Тришин И.М. Математика для экономистов:

от Арифметики до Эконометрики./ Под ред. Н.Ш. Кремера. Учебно-
справочное пособие - М.: Юрайт-издат, 2009.
1. Солодовников А.С., Бабайцев В.А., Браилов А.В. Математика в
экономике. Учебник. Часть 3. Теория вероятностей и математическая
статистика. - М.: Финансы и статистика, 2008.
2. Гмурман В.Е. Теория вероятностей и математическая статистика.
Учебное пособие. - М.: Юрайт-издат, 2009.
3. Фадеева Л.Н. Математика для экономистов: Теория вероятностей и
математическая статистика. - М.: Эксмо, 2011.

2.1 Сложение событий. Теорема сложения вероятностей

несовместных событий.

1
 Определение. Суммой А+В двух событий А и В называют событие, состоящее в
появлении события А, или события В, или обоих этих событий вместе (т. е. хотя бы
одного из этих событий).
Например, если из орудия произведены два выстрела и А – попадание при первом
выстреле, В – попадание при втором выстреле, то А+В – попадание при первом выстреле,
или при втором, или в обоих случаях (выстрелах).
В частности, если два события А и В – несовместные, то А+В – событие, состоящее в
появлении одного из этих событий, безразлично какого.
Суммой нескольких событий называют событие, которое состоит в появлении хотя бы
одного из этих событий.
Например, событие А+В+С состоит в появлении одного из следующих событий: А, В,
С, А и В, А и С, В и С, А и В и С.
Пусть события А и В – несовместные, причем вероятности этих событий известны.
Теорема сложения. Вероятность появления одного из двух несовместных событий,
безразлично какого, равна сумме вероятностей этих событий:

Р(А+В) = Р(А) + Р(В)

Доказательство:
Введем обозначения: n – общее число возможных элементарных исходов испытания;
m1 – число исходов, благоприятствующих событию А; m2 – число исходов,
благоприятствующих событию В.
Число элементарных исходов, благоприятствующих наступлению либо события А, либо
события В, равно m1 + m2. Следовательно,
(m1  m2 ) m1 m2
P( A  B )   
n n n
m1 m
Приняв во внимание, что  P ( A) и 2  P ( B) , окончательно получим
n n

Р(А+В) = Р(А) + Р(В)

Следствие 1. Вероятность появления одного из нескольких попарно несовместных
событий, безразлично какого, равна сумме вероятностей этих событий:

Р(А1+А2+А3+…+Аn) = Р(А1) + Р(А2) + Р(А3) + … + Р(Аn)

n n
Или P ( Ai )   P ( Ai )
i 1 i 1

Следствие 2. Сумма вероятностей событий, составляющих полную группу равна

единице.
Действительно А1+А2+…+Аn = D, где D – достоверное событие. Тогда
P( A1  A2  ...  An )  P ( D)  1
   P( Ai )  1
P( A1  A2  ...  An )   P( Ai ) 
но
Следствие 3. Сумма вероятностей противоположных событий равна единице.
Противоположные события А и Ā составляет полную группу событий. Значит, их сумма
есть достоверное событие, т.е. А + Ā = D. Тогда на основании следствия 2 получаем

2
 Р(А) + Р(Ā) = 1
Если Р(А) = p, то Р(Ā) = 1–р =q, р+q = 1.
Пример 1. В урне 30 шаров, 10 красных, 5 синих и 15 белых. Найти вероятность
появления цветного шара.
Решение:
Появление цветного шара означает появление либо красного, либо синего шара.
Вероятность появления красного шара (событие А)
10 1
P ( A)  
30 3
Вероятность появления синего шара (событие В)
5 1
P( B)  
30 6
События А и В несовместны (появление шара одного цвета исключает появление шара
другого цвета), поэтому теорема сложения применима.
Искомая вероятность
1 1 9 1
P ( A  B)  P( A)  P( B)    
3 6 18 2

Пример 2. От коллектива бригады, которая состоит из 6 мужчин и 4 женщин, на

профсоюзную конференцию выбирается два человека. Какова вероятность, что среди
выбранных хотя бы одна женщина?
Решение:
Обозначим через А событие, состоящее в том, что среди выбранных двух делегатов хотя
бы одна женщина. Если произойдет событие А, то обязательно произойдет одно из
следующих несовместных событий:
В – «выбраны мужчина и женщина»;
С – «выбраны две женщины».
Поэтому можно записать: А = В + С. Найдем вероятности событий В и С. Два человека
2
из 10 можно выбрать C10 способами. Это и есть число всех исходов испытания (выбора
двух человек). Двух женщин из 4 можно выбрать C 4 способами. Мужчину и женщину
2

можно выбрать (6·4) способами. Тогда

6  4 24  2!8! 8 C 42 4!2!8! 2
P( B )    ; P(C )  2   .
C10 2!2!10! 15
2
C10 10! 15

Так как события В и С несовместны, то, по теореме сложения,

8 2 2
P( A)  P( B  C )  P( B)  P (C )    .
15 15 3

Пример 3. Консультационный пункт института получает тексты с контрольными

работами из городов А, В и С. Вероятность получения текста из города А равна 0,7, из
города В – 0,2. Найти вероятность того, что пакет будет получен из города С.
Решение:

3
 События «пакет получен из города А», «пакет получен из города В», «пакет получен из
города С» образуют полную группу, поэтому сумма вероятностей этих событий равна
единице:
0,7 + 0,2 + р = 1.
Отсюда искомая вероятность р = 1 – 0,9 = 0,1.
Пример 4. Вероятность того, что день будет дождливым, р = 0,7. Найдем вероятность
того, что день будет ясным.
Решение:
События «день дождливый» и «день ясный» - противоположные, поэтому искомая
вероятность q = 1 – 0,7 = 0,3.
Замечание. При решении задач на отыскание вероятность события А часто выгодно
сначала вычислить вероятность события Ā, а затем найти искомую вероятность по
формуле

Р(А) = 1 – Р(Ā).
Пример 5. В ящике имеется n деталей, из которых m стандартных. Найти вероятность
того, что среди k наудачу извлеченных деталей есть хотя бы одна стандартная.
Решение:
События «среди извлеченных деталей есть хотя бы одна стандартная» и «среди
извлеченных деталей нет ни одной стандартной» - противоположные.
Обозначим первое событие через А, а второе – через Ā. Очевидно,

Р(А) = 1 – Р(Ā).
Найдем Р(Ā). Общее число способов, которыми можно извлечь k деталей из n, равно
Cnk . Число нестандартных деталей равно n – m; из этого числа деталей можно C nkm
способами извлечь k нестандартных деталей. Поэтому вероятность того, то среди
извлеченных k деталей нет ни одной стандартной, равна
C nkm
P ( A)  k .
Cn

C nkm
Искомая вероятность P ( A)  1  P( A)  1  k .
Cn

Пример 6. Среди одинаковых по внешнему виду 11 изделий находятся 3 бракованных.

Произвольно вынимают три изделия. Найти вероятность того, что среди них хотя бы одно
бракованное.
Решение:
События «среди вынутых трех изделий хотя бы одно бракованное» и событие «среди
вынутых трех изделий нет бракованных» - противоположные.
Обозначим их А и Ā соответственно. Найдем вероятность события Ā. Число всех
3
исходов испытания равно C11 , а число исходов, благоприятствующих событию Ā, равно
C83 (из 11 изделий по условию 8 стандартных). Следовательно,

4
 C83 56
P ( A)  3
 ,
C11 165
откуда
56 109
P ( A)  1  P ( A)  1   .
165 165

2.2 Произведение событий. Независимые события.

Условная вероятность. Теорема умножения вероятностей.

Определение 1. Произведением (совмещением) нескольких событий А1, А2, …, Аn

называется событие, состоящее в одновременном или последовательном наступлении
всех этих событий
А1 · А2 · … · Аn = (и А1, и А2, … и Аn)
Определение 2. Если вероятность одного из двух событий не зависит от того,
наступило или не наступило второе событие, то такие события называются
независимыми, в противном случае – зависимыми.
Пример. В урне находятся 3 белых и 4 черных шара. Из урны наудачу извлекают один
шар и возвращают его обратно, затем опять наудачу извлекают шар. Какова вероятность
того, что при втором извлечении окажется белый шар?
а) А – белый шар при первом извлечении:
3
P ( A) 
7
В – белый шар при втором извлечении:
3
P ( B) 
7
События А и В – независимы.
б) изменим условие: пусть первый шар не возвращен в урну. Допустим, это был белый
шар. Тогда вероятность того, что второй белый при условии, что первый шар был белым и
не возвращен в урну
2 1
PA ( B )   ;
6 3

Если 1 шар был черный (Ā – не белый), то

3 1
PA ( B)  
6 2
Мы видим, что при изменении условий вероятность того, что второй шар белый
изменилась и зависит от изменившихся условий.
Определение 3. Вероятность события В, найденная при условии того, что наступило
(или не наступило) событие А, называется условной вероятностью события В.

5
 1 1
В рассмотренном примере PA ( B )  и PA ( B )  - условные вероятности
3 2
3
наступления события В; P ( B)  - безусловная вероятность.
7
Определение 4. События А1, А2, …, Аn называются независимыми в совокупности, если
они попарно независимы.

Теорема умножения вероятностей двух событий.

Вероятность произведения двух событий равна произведению вероятности одного из
них на условную вероятность другого, вычисленную в предположении, что первое
событие произошло,
Р(АВ) = Р(А) · РА(В)

Доказательство. Пусть среди n всех равновозможных исходов некоторого испытания

m исходов благоприятствуют наступлению события А, и среди этих m исходов k
исходов благоприятствуют наступлению события В, т.е. (и А и В) = А·В
 k m
  P( A)  PA ( B)
k  m n
Тогда P( AB)    k m
n   1  P( B)  P ( A)
 m1 n B

(m1 исходов благоприятствуют наступлению события В среди n исходов).

Таким образом,

Р(АВ) = Р(А) · РА(В) = Р(В) · РВ(А)

Следствие 1.
P ( A1  A2  ...  An )  P ( A1 )  PA ( A2 )  ...  PA A ... A ( An )
1 1 2 n

Следствие 2.
P ( AB )
PA ( B ) 
P ( A)

Следствие 3. Если А и В независимы, то

Р(АВ) = Р(А) · Р(В)

Вероятность наступления хотя бы одного из n

независимых событий.

Пусть в результате n независимых испытаний возможно появление событий А1, А2,

…, Аn, вероятности которых Р(Аi) = pi известны. Обозначим через В событие, состоящее в
появлении хотя бы одного из этих событий Аi, т.е. В = А1 + А2 + … + Аn. Если использовать
теорему сложения вероятностей, то вероятность Р(В) вычисляется достаточно громоздко.
Рассмотрим противоположное событие B - ни одно из событий Аi не наступило, т.е. B =
Ā1 · Ā2 · … · Ān, т.к. Аi, а значит и Āi независимы, то

6
 Р( B ) = Р(Ā1) · Р( Ā2) · … · Р( Ān) = q1 · q2 · … · qn, где qi = 1 - pi

Тогда (B) = 1 – P( B ) = 1 - q1 · q2 · … · qn
Если события Аi равновозможны и Р(Аi) = p, то P(B) = 1 – qn, q = 1 – p.
Пример 1. Буквы о, м, к, о, о, л написаны на отдельных карточках, которые тщательно
перемешаны. Какова вероятность того., что ребенок, играя с карточками сложит слово
«молоко»?
P(" молоко" )  P( M )  PM (O)  PMO ( Л)  PМОЛ (O)  PМОЛО ( K )  PМОЛОК (O) 

1 3 1 2 1 1
     1 
6 5 4 3 2 120

Пример 2. Два стрелка стреляют по цели. Вероятности попадания каждым Р(А) = 0,7;
Р(В) = 0,8.
а) Какова вероятность попадания обоими?

Р(АВ) = 0,7 · 0,8 = 0,56

б) Какова вероятность поражения мишени (т.е. попадание хотя бы одним стрелком?)
Обозначим это событие через С.
Р(С) = 1 – Р(Ā)· P( B ) = 1 – q1 · q2 = 1 – (1 – 0,7)(1 – 0,8) = 0,94
Пример 3. Вероятность попадания в цель стрелком при одном выстреле Р = 0,4.
Стрелок производит 3 выстрела.
а) Найти вероятность поражения цели;
б) Сколько выстрелов следует произвести, чтобы с вероятностью 0,9 мишень была
поражена?
а) Р(А) = 1 – (1 – 0,4)3 = 0,784
б) 1 – qn  0,9, где q = 0,6;
1
1 –0,6n  0,9; 0,6n  0,1; lg 0,1  nlg0,6; n    2,5 ; n  3.
lg 0,6

2.3 Формула полной вероятности. Формула Байеса.

Следствием двух основных теорем теории вероятностей – теоремы сложения и теоремы
умножения – являются формула полной вероятности и формула Байеса.
Теорема. Если событие F может произойти только при условии появления одного из
событий (гипотез) Н1, Н2, …, Нn, образующих полную группу, то вероятность события F
равна сумме произведений вероятностей каждого из этих событий (гипотез) на
соответствующие условные вероятности события F.
n
P( F )   P( H i ) PA ( F ) .
i
i 1

По условию события (гипотезы) Н1, Н2, …, Нn образую полную группу, следовательно,

они единственно возможные и несовместные.
Так как гипотезы единственно возможные, а событие F по условию теоремы может
произойти только вместе с одной из гипотез, то

7
 F  H 1 F  H 2 F  ...  H n F .

В силу того, что гипотезы несовместны, можно применить теорему сложения

вероятностей:
n
P ( F )  P( H 1 F )  P( H 2 F )  ...  P( H n F )   P ( H i F ) .
i 1

По теореме умножения P ( H i F )  P ( H i )  PH ( F ) , откуда и получается утверждение

i

P( F )   P( H i ) PH ( F ) .
i

Следствием теоремы умножения и формулы полной вероятности является формула

Байеса. Она применяется, когда событие F, которое может появиться только с одной из
гипотез Н1, Н2, …, Нn, образующих полную группу событий, произошло и необходимо
произвести количественную переоценку априорных вероятностей этих гипотез Р(Н1),
Р(Н2), …, Р(Нn), известных до испытания, т.е. надо найти апостериорные (получаемые
после проведения испытания) условные вероятности гипотез РF(Н1), РF(Н2), …, РF(Нn).
Для получения искомой формулы запишем теорему умножения вероятностей событий F
и Нi в двух формах:
P( FH i )  P( F )  PF ( H i )  P( H i )  PH ( F ) .
i

откуда
P ( H i ) PH ( F )
PF ( H i )  i

P( F )

или с учетом P ( F )   P ( H i ) PH ( F )
i

P( H i ) PH ( F )
PF ( H i )  i

 P( H i ) PH ( F )
i

Данная формула называется формулой Байеса.

Значение формулы Байеса состоит в том, что при наступлении события F, т.е. по мере
получения новой информации, мы можем проверять и корректировать выдвинутые до
испытания гипотезы. Такой подход, называемый байесовским, дает возможность
корректировать управленческие решения в экономике, оценки неизвестных параметров
распределения изучаемых признаков в статистическом анализе и т.п.
Пример. В торговую фирму поступили телевизоры от трех поставщиков в отношении
1:4:5. Практика показала, что телевизоры, поступающие от 1-го, 2-го и 3-го поставщиков,
не потребуют ремонта в течение гарантийного срока соответственно в 98, 88 и 92%
случаев.
1) Найти вероятность того, что поступивший в торговую фирму телевизор не потребует
ремонта в течение гарантийного срока.
2) Проданный телевизор потребовал ремонта в течение гарантийного срока. От какого
поставщика вероятнее всего поступил этот телевизор?
Решение:
1) Обозначим события:
Нi – телевизор поступил в торговую фирму от i-го поставщика (i=1,2,3);
F – телевизор не потребует ремонта в течение гарантийного срока.

8
 По условию
1 PH ( F )  0,98
P( H 1 )   0,1
1 4  5 1

4 PH ( F )  0,88
P( H 2 )   0,4
1 4  5 2

5 PH ( F )  0,92
P( H 3 )   0,5
1 4  5 3

По формуле полной вероятности P ( F )   P ( H i ) PH ( F ) i

P( F )  0,1 0,98  0,4  0,88  0,5  0,92  0,91.

2) Событие F - телевизор потребует ремонта в течение гарантийного срока;

P ( F )  1  P ( F )  1  0,91

По условию
PH ( F )  1  0,98  0,02
1

PH ( F )  1  0,88  0,12
2

PH ( F )  1  0,92  0,08
3

P ( H i ) PH ( F )
По формуле Байеса PF ( H i )  i

 P( H i ) PH ( F )
i

0,1  0,02
PF ( H 1 )   0,022 ;
0,09

0,4  0,12
PF ( H 2 )   0,533 ;
0,09

0,5  0,08
PF ( H 3 )   0,444 .
0,09

Таким образом, после наступления события F вероятность гипотезы Н2 увеличилась с

Р(Н2)=0,4 до максимальной PF ( H 2 )  0,533 , а гипотезы Н3 – уменьшилась от
максимальной Р(Н3)=0,5 до PF ( H 3 )  0,444 ; если ранее (до наступления события F)
наиболее вероятной была гипотеза Н3, то теперь, в свете новой информации (наступления
события F), наиболее вероятна гипотеза Н2 – поступление данного телевизора от 2-го
поставщика.