ЛЕКЦИЯ 2

Расчет вероятностей с помощью теорем сложения и умножения вероятностей.

Независимость случайных событий. Формула полной вероятности и формулы
Байеса

1.5. РАСЧЕТ ВЕРОЯТНОСТЕЙ С ПОМОЩЬЮ ТЕОРЕМ СЛОЖЕНИЯ И

УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ

Совмещением (или произведением) двух событий А и В называется событие,

состоящее в совместном наступлении как события А, так и события В. Это событие

будем обозначать АВ или A  B .

Аналогично, совмещением нескольких событий, например А, В и С, называется

событие D = ABC, состоящее в совместном наступлении событий А, В и С.

Суммой (или объединением) двух событий А и В называется событие С,

заключающееся в том, что произойдет хотя бы одно из событий А или В (либо одно из них,

либо оба вместе). Это событие обозначается так: С = А+В или A  B .

Суммой нескольких событий называется событие, состоящее в появлении хотя бы

одного из них. Запись D = A+В+С означает, что событие D есть сумма событий А, В и С.

Пусть А и В – два несовместных события, причем в п испытаниях событие А

произошло т1 раз, а событие В произошло т 2 раз. Тогда частоты событий А и В

соответственно равны (A) = m1/n, (B) = т2/п. Так как события А и В несовместны, то

событие А+В в данной серии опытов произошло т1+ m2 раз. Следовательно,

m1  m2 m1 m2
 ( A  B)     (A) + (B) .
n n n

Таким образом, частота события А + В равна сумме частот событий А и В. Но при

больших п частоты (A) , (B) и ( A  B) мало отличаются от соответствующих

вероятностей Р(А), Р(В) и Р(А +В): Поэтому естественно принять, что если А и В–

несовместные события, то
 Р(А+В) = Р(А) + Р(В). (1.3)

Правило сложения вероятностей для двух случайных событий по индукции легко

распространяется на сумму любого конечного числа случайных событий: если случайные

события A1 , A2 ,..., An попарно несовместны, то вероятность их суммы, т. е. вероятность

появления хотя бы одного из этих событий, равна сумме их вероятностей:

n
P( A1  A2  ...  An )   P( Ai ) . (1.4)
i 1

Задача 1.11. Мишень состоит из центрального круга – “яблочка” и двух

концентрических колец. Вероятности попадания в “яблочко” и кольца соответственно

равны 0,2; 0,25; 0,35. Найти вероятность попадания в мишень (событие D).

Решение:

Событие А1 = {попадание в “яблочко”}, А2,3 = {попадание в одно из колец} попарно

несовместны и D = A1 + A2 + A3. По правилу сложения вероятностей Р(А1 + А2 + А3) = Р(А1)

+ Р(А2) + Р(А3) = 0,2 + 0,25 + 0,35 = 0,8.

События А1, А2, ..., АN образуют полную группу, если они попарно несовместны и

одно из них обязательно должно произойти при рассматриваемом испытании, т. е. их сумма

A1  A2 ... AN есть достоверное событие.

Примеры. Пусть X – число очков, выпадающее на верхней грани игральной кости.

События X = 1, X = 2, X = 3, X = 4, X = 5, X = 6 образуют полную группу. Точно так же

полную группу образуют и события X четно, X нечетно или события X  2, X  3.

Из этих примеров видно, что из системы событий, связанных с данным испытанием, можно

различным образом конструировать полные группы событий.

Теорема. Если случайные события A1 , A2 ,..., An образуют полную группу, то сумма

их вероятностей равна единице.

 Доказательство. Так как события A1 , A2 ,..., An образуют полную группу, то событие

A1  A2 ... An является достоверным, поэтому P ( A1  A2 ... An )  1 ; в то же время

попарная несовместность рассматриваемых событий позволяет здесь применить формулу

(1.4), что дает требуемое соотношение

 P( A )  1 .
i 1
i (1.5)

Два события А и A называются противоположными, если они образуют полную

группу (то есть появление одного из них равносильно непоявлению другого). Так как

P( A)  P( A )  1 , то по вероятности одного из противоположных событий можно находить

вероятность другого:

P( A)  1  P( A ), P( A )  1  P( A) . (1.6)

Во многих задачах приходится находить вероятность совмещения событий А и В,

если известны вероятности событий А и В.

Условной вероятностью Р(В/А) будем называть вероятность события В при условии

осуществления события А.

Теорема умножения. Вероятность совмещения событий А и В равна произведению

вероятности одного из них на условную вероятность другого, вычисленную в

предположении, что первое событие осуществилось, т. е.

P( A  B)  P( A)  P( B/ A) . (1.7)

Доказательство. Докажем справедливость соотношения (1.7), опираясь на

классическое определение вероятности. Пусть возможные исходы C1 , C 2 ,..., C N данного

опыта образуют полную группу равновероятных попарно несовместных событий, из

которых событию А благоприятствуют М исходов, и пусть из этих М исходов L исходов

благоприятствуют событию В. Очевидно, что совмещению событий А и В

благоприятствуют L из N возможных результатов испытания, Это дает

 M L L
P( A)  ; P( A  B)  ; P( B / A)  .
N N M

Таким образом,

L M L
P( A  B)     P( A)  P( B / A) .
N N M

Поменяв местами А и В, аналогично получим

P( A  B)  P( B)  P( A/ B) . (1.8)

Из формул (1.7) и (1.8) имеем

P( A)  P( B/ A)  P( B)  P( A/ B) . (1.9)

Задача 1.12. Студент знает правильный ответ на 20 экзаменационных вопросов из

30. Какова вероятность того, что он:

а) знает ответ на два заданных ему вопроса;

б) не знает ответа на оба заданных ему вопроса?

Решение

Пусть событие А = {студент знает ответ на первый вопрос}, В = {студент знает ответ

на второй вопрос}.

Р(А) = 20/30. Р(В/А) = 19/29 (из 29 оставшихся вопросов студент знает ответ на 19,

так как на один из известных ему вопросов он уже ответил). Тогда Р(А  В) = Р(студент знает

20 19 38
два вопроса) = Р(А)  Р(В/А) =    0, 437 .
30 29 87

Пусть событие С = {студент не знает ответ на первый вопрос}, D = {студент не

знает ответ на второй вопрос}.

Р(С) = 10/30. Р(С/D) = 9/29 (из 29 оставшихся вопросов студент не знает ответ на

9, так как на один из вопросов он уже не ответил). Тогда Р(А  В) = Р(студент не знает два

10 9 9
вопроса) = Р(А)  Р(В/А) =    0,103 .
30 29 87
 Теорема умножения легко обобщается на любое конечное число событий. Так,

например, в случае трех событий А, В, С:

Р(А  В  С) = Р(А)  Р(В/А)  Р(С/(А В)). (1.10)

В общем случае

Р (А1А2 ...Ап) = Р(А1)  Р(А2/А1)  Р(А3/(А1 А2))...Р(Аn/(А1А2…Аn-1)). (1.11)

Задача 1.13. Из колоды в 52 карты случайным образом берут 3 карты. Найти

вероятность того, что все три карты – тузы (событие D).

Решение

D = А  В  С, где А = { первая карта – туз}, В = { вторая карта – туз}, С = {третья

карта – туз}. В силу равной возможности исходов, обеспеченной перемешиванием карт,

здесь можно воспользоваться классической формулой (1.1), как для расчета безусловных,

так и для расчета условных вероятностей.

Р(А) = 4/52 (в колоде из 52 карт 4 туза), Р(В/А) = 3/51 (осталась 51 карта, среди них

– 3 туза), Р(С/(А  В)) =2/50 (осталось 50 карт, среди них – 2 туза). Тогда по формуле (1.10)

Р(D) = Р (три туза) = 4/52  3/51  2/50 = 0,00018.

Для вычисления вероятности появления хотя бы одного из событий А1, А2, ..., Аn

можно найти сначала вероятность противоположного события, которое заключается в том,

что не произойдет ни одно из указанных событий. Это событие соответствует совмещению

событий, противоположных рассматриваемым: A1  A2  ...  An .

Окончательная формула будет:

P( A1  A2  ...  An )  1  P( A1  A2  ...  An ) . (1.12)

Задача 1.14. В группе 10 студентов. Найти вероятность того, что хотя бы у двух

студентов совпадают дни рождения (событие А). Считаем, что в году 365 дней.
 Решение

Противоположное событие А можно представить себе так: если предложить

каждому студенту заштриховать в календаре года дату своего рождения, то ни одна дата

в календаре не окажется заштрихованной дважды, т. е. первый студент может заштриховать

любой день из 365 дней, второй – один из 364 оставшихся, третий – один из 363 оставшихся

и т. п. Тогда

365 364 363 356

P( A )     ... 

365365  
365 
365
10 сомножителей

Искомая вероятность P( A)  1  P( A )  0,889 .

1.6. НЕЗАВИСИМОСТЬ СЛУЧАЙНЫХ СОБЫТИЙ

Два события А и В называются независимыми, если предположение о том, что

произошло одно из них, не изменяет вероятность другого, т. е. если

Р(В/А) = Р(В); Р(А/В) = Р(А).

Из соотношения (1.9) вытекает, что из двух записанных выше равенств одно

является следствием другого.

Пример. Пусть событие А – появление герба при однократном бросании монеты, а

событие В – появление карты бубновой масти при вынимании карты из колоды. Очевидно,

что события А и В независимы.

В случае независимости событий А и В формула (1.7) примет более простой вид:

Р(А  В) = Р(А)  Р(В). (1.13)

т. е. вероятность совмещения двух независимых событий равна произведению

вероятностей этих событий.

 События А1; А2, ..., Ап называются независимыми в совокупности, если вероятность

наступления каждого из них не меняет своего значения после того, как одно или несколько

из остальных событий осуществились.

Исходя из этого определения, в случае независимости событий А1; А2, ..., Ап между

собой в совокупности на основании формулы (1.11) имеем

P( A1  A2 ...  An )  P( A1)  P( A2 )  ...  P( An ) , (1.14)

Кроме того, вероятность совмещения любой комбинации из событий А1; А2, ..., Ап равна

произведению их вероятностей. В частности, независимость трех событий А, В и С в

совокупности означает выполнимость четырех условий:

P( A  B  C)  P( A)  P( B)  P(C )
P( A  B)  P( A)  P( B)
P( B  C )  P( B)  P( C )
P( A  C)  P( A)  P(C )

Рассмотрим примеры, где применяются правила сложения и умножения

независимых событий. Отметим одно полезное при решении задач свойство: если события

А и В независимы, то будут независимыми следующие пары событий: 1) А и B ; 2) A и В;

3) A и B и тогда

P( A  B)  P( A)  P( B); P( A  B )  P( A)  P( B ); P( A  B )  P( A)  P( B ).

1.7. ФОРМУЛА ПОЛНОЙ ВЕРОЯТНОСТИ И ФОРМУЛЫ БАЙЕСА

Пусть случайное событие А может произойти при наступлении одного из попарно

несовместных событий H1, H2, ..., HN, называемых “гипотезами”, которые образуют

полную группу. Тогда, если произошло событие А, то это значит, что произошло одно из

попарно несовместных событий Н1А, Н2 А, ..., НNА. Следовательно,

А=Н1А+Н2А+... + HNА.

Применяя правило сложения вероятностей, имеем

P(А)=P(Н1А+Н2А+... + HNА)= P(Н1А)+P(Н2А)+... +P( HNА).

Но P(НiА) = P(Нi) P(A/Нi) (i = 1, 2, …, N), поэтому

 N
P( A)   P( H i )  P( A/ H i ) . (1.15)
i 1

Формула (1.15) называется формулой полной вероятности.

Предположим, что производится некоторый опыт, причем об условиях его

проведения можно высказать N гипотез H1, H2, ..., HN, , которые образуют полную группу.,

имеющих вероятности Р(Нj). Пусть в результате опыта может произойти или не произойти

событие А, причем, если опыт происходит при выполнении гипотезы Нj, то вероятности

Р(А/Нj) известны (j = 1, 2,..., N).

Спрашивается, как изменятся вероятности гипотез, если стало известным, что

событие А произошло? Иными словами, нас интересуют значения вероятностей P(Hj/A).

На основании соотношений (1.7) и (1.8) имеем

Р(HjA) = Р(Hj) Р(А/Нj) = Р(А) Р (Hj/A), (j = 1, 2, ..., N),

откуда

P ( H j ) P ( A / H j )
P( H j / A)  . (1.16)
P( A)

Формула (1.16) называется формулой Байеса.

Задача 1.21. Случайно оказались смешанными две партии изделий, причем

известно, что число изделий в первой партии втрое больше, чем во второй, а дефектные

изделия составляют 3 % в первой партии и 2 % – во второй партии. Какова вероятность

того, что взятое наудачу из смеси изделие будет дефектным (событие А)?

Решение

Выдвинем гипотезу Н: Н ={изделие относится к первой партии}, тогда H = {изделие

относится ко второй партии}, Р(Н) = 3/4, P ( H ) = 1/4; условные вероятности события А

равны Р(А/Н) = 0,03; P ( A/ H ) = 0,02; это следует из условия задачи. Тогда по формуле (1.15)

получаем Р(А) = (3/4)  (3/100) + (1/4)  (2/100) = 0,0275.

 Задача 1.22. В условиях предыдущей задачи взятое изделие подвергли проверке, и

оно оказалось дефектным. Какова вероятность того, что изделие было взято из первой

партии.

Решение

Воспользуемся результатом предыдущей задачи, где найдена Р(А) = 0,0275 и

формулой Байеса (1.16):

P( H )  P( A/H ) 0,75  0,03

P( H/ A)    0,82 .
P( A) 0,0275