1

Вопросы темы:

 Основные понятия теории вероятностей:

случайные события, испытания, исход
события элементарного события.
 Классическое определение вероятности.
 Статистическое определение вероятности
 Правила сложения и умножения
вероятностей.
 Совместные и несовместные события.

2
 Вопросы темы:

 Зависимые и независимые события.

Противоположные события.
 Условная вероятность.
 Формула полой вероятности.
 Формула Байеса. Дерево вероятностей.
 Анализ решений.

3
 Вопросы темы:

 Основные понятия теории вероятностей:

случайные события, испытания, исход
события элементарного события.
 Классическое определение вероятности.
 Статистическое определение вероятности
 Правила сложения и умножения
вероятностей.
 Совместные и несовместные события.

4
 Понятие теории вероятностей

 Вероятность – оценка шансов наступления

какого-либо события (принимает значение от 0
до 1)
 Невозможное событие – событие, которое не
может произойти в данных условиях
(вероятность = 0)
 Достоверное событие – событие, которое не
может НЕ произойти в данных условиях
(вероятность = 1)
5
 Три подхода к определению
вероятности:
1. Классическое определение вероятности
𝒎
𝐏 𝑨 =
𝒏
m – Количество испытаний, в которых произошло событие
n – Общее число испытаний

2. Эмпирическая вероятность
𝒎
𝐏 𝑨 =
𝒏
Предполагается, m – частота события А
что все исходы
одинаково
n – Общее число наблюдений
вероятны
3. Субъективная вероятность
Рассчитывается на основе прошлого опыта человека, личного
мнения и анализа конкретной ситуации

6
 Классическая вероятность

Классическая вероятность применима к ситуациям,

когда нам известно количество успешных испытаний и
общее количество испытаний известно заранее .

Найти вероятность выбора одной игральной карты с

изображением дамы или короля из колоды в 52 карты
Количество карт с изображением королевы или короля
𝑷 𝑨 = =
Общее количество карт в колоде
𝟖
= 𝟓𝟐 = 𝟎, 𝟏𝟓𝟑𝟖

7
 Эмпирическая вероятность
Эмпирическая вероятность вычисляется на основе наблюдаемой
информации, с помощью относительных частот
Определить вероятность запланированной покупки ноутбука
последней модификации, используя собранную информацию,
представленную в таблице:
Планировалась Совершена ли покупка?
ли покупка Всего
Да Нет
ноутбука?
Да 200 50 250
Нет 100 650 750
Всего 300 700 1000

8
 События

 Событие (event) — это любой возможный результат

случайного эксперимента
 Элементарное событие (simple event) — это событие,
которое можно описать одной характеристикой.
 Совместное событие (joint event) — это событие, которое
имеет несколько характеристикA
 Дополнением (complement) события А называются все
события, которые не являются частью события А.
Дополнение события А обозначается символом А .

9
 Свойства вероятности

1. Вероятность достоверного события равна

𝑚 𝑛
𝑃 𝐴 = = =1
𝑛 𝑛
2. Вероятность невозможного события равна 0.

𝑚 0
𝑃 𝐴 = = =0
𝑛 𝑛

3. Вероятность любого события равна 1

0 ≤ 𝑃 𝐴 ≤1

10
Пространство элементарных событий

При подбрасывании игральной кости – это 6 возможных

ситуаций:

При случайном выборе игральной карты (из колоды 36

карт)– это 36 возможных ситуаций:

11
 Визуализация событий

 Таблицы сопряженности
Туз Не Туз Всего

Черная 2 24 26
Красная 2 24 26

Всего 4 48 52
 Дерево решений
2

Полная 24
колода из 52
карт 2

24
12
 Определения
 Событие называется достоверным (Certain, P(A)=1), если
оно обязательно произойдёт в результате данного
испытания.
 Событие называется невозможным (Impossible, P(A)=0),
если оно не может произойти в результате данного
испытания.
 События A и В называются совместными (joint), если в
результате данного испытания появление одного из них не
исключает появления другого.
 События A и В называются несовместными
(взаимоисключающими mutually exclusive), если в
результате данного испытания появление одного из них
исключает появления другого.
13
 Определения
 Два события и называются противоположными
или взаимно дополняющими, если непоявление
одного из них в результате данного испытания
влечёт появление другого события.
 Суммой нескольких событий называется событие,
состоящее в наступлении хотя бы одного из них в
результате испытания.
 Произведением нескольких событий называется
событие, состоящее в совместном наступлении всех
этих событий в результате испытания.

14
 Вычисление совместной (Joint) и
безусловной (Marginal) вероятности

 Вероятность совместных событий A и B:

Количество исходов событий и А и В
𝑷 𝑨и𝑩 =
Общее количество исходов

 Безусловная вероятность:

𝑷 𝑨 = 𝑷 𝑨 и 𝑩𝟏 + 𝑷 𝑨 и 𝑩𝟐 + … + 𝑷 𝑨 и 𝑩𝒌

Где B1, B2, …, Bk являются взаимоисключающими и

исчерпывающими
11
Пример совместной вероятности

P(Туз Красный)=
Количество тузов красного цвета 𝟐
=𝑷 𝑨 = =
Общее количество карт в колоде 𝟓𝟐

Цвет
Карта Красная Черная Всего
Туз 2 2 4
Не Туз 24 24 48
Всего 26 26 52
12
 Безусловная вероятность

P(Туз) =
𝟐 𝟐
= 𝑷 Красный Туз + 𝑷 Черный Туз = +
𝟓𝟐 𝟓𝟐

Цвет
Карта Красная Черная Всего
Туз 2 2 4
Не Туз 24 24 48
Всего 26 26 52

17
 Таблица сопряженности

Событие
Событие B1 B2 Всего
A1 P(A1 и B1) P(A1 и B2) P(A1)

A2 P(A2 и B1) P(A2 и B2) P(A2)

Всего P(B1) P(B2) 1

Совместные Безусловные
вероятности вероятности
18
 Правило сложения вероятностей

Вероятность появления хотя бы одного из двух совместных

событий равна сумме вероятностей этих событий без
вероятности их совместного наступления

P(A или B) = P(A) + P(B) - P(A и B)

Вероятность появления одного их двух

несовместных событий, неважно какого, равна
сумме вероятностей этих событий
P(A or B) = P(A) + P(B)

19
 Правило сложения
P(Красная илиТуз) =
= P(Красная) +P(Туз) - P(Красная and Туз)
= 26/52 + 4/52 - 2/52 = 28/52

Цвет
Карта Всего
Красный Черный
Туз 2 2 4
Не Туз 24 24 48
Всего 26 26 52

20
 Вычисление условной
вероятности
 Вероятность события А при условии, что
наступило событие В:
𝑃(𝐴 и 𝐵)
𝑃(𝐴 | 𝐵) =
𝑃(𝐵)

𝑃(𝐴 и 𝐵)
𝑃(𝐵 | 𝐴) =
𝑃(𝐴)

Где P(A и B) = совместная вероятность событий A и B

P(A) = безусловная вероятность события A
P(B) = безусловная вероятность события B
21
 Пример

В 70% подержанных автомобилях есть

кондиционер (К), а в 40% есть магнитофон (М).
В 20% - есть и то и другое.

Какова вероятность того, что в автомобиле

есть магнитофон, если в нем есть
кондиционер? То есть надо найти P(М | К).

22
 Пример
Р(К) = 0.7 , Р(М) = 0.4, Р(М и К) = 0.2

М Нет М Всего
К 0.2 0.5 0.7
Нет К 0.2 0.1 0.3
Всего 0.4 0.6 1.0

𝑷(𝐌 и К) 𝟎. 𝟐
𝑷 𝑴 К) = =
𝑷(К) 𝟎. 𝟕

23
 Дерево вероятности
𝟎. 𝟐
Есть ли в машине 𝟎. 𝟕
кондиционер? P(К и М) = 0.2

P(К и М) = 0.5
𝟎. 𝟓
Все Условные 𝟎. 𝟕
машины вероятности

𝟎. 𝟐
𝟎. 𝟑 P(К и М) = 0.2

P(К и М) = 0.1
𝟎. 𝟏
𝟎. 𝟑 24
 Независимые события
События A и B называются
независимыми (independent) если на
вероятность одного события не влияет
тот факт, что другое событие
произошло.

P(A | B)  P(A)

25
 Правило умножения вероятностей

Правило умножения зависимых событий

P(A and B)  P(A | B) P(B)

Правило умножения зависимых событий

P(A and B)  P(A) P(B)
Если А и В независимые события, то P(A | B)  P(A)

26
 Пример
Компания «АВС» использует различные методы
оценки при подборе новых руководящих работников, в том
числе тесты на знание Статистики и Этики.
По прошлому опыту известно, что 60% кандидатов
проходят тест на знание Статистики 80% кандидатов — тест
по Этике. допущение, что прохождение одного теста не
влияет на результат прохождения второго теста.
Найти вероятность получения произвольно выбранным
кандидатом различных результатов.
вероятность того, что такой кандидат:
а) пройдет оба теста;
б) пройдет только один тест;
в) не пройдет оба теста.
г) пройдет хотя бы один тест (как минимум);
27
Вероятность попадания одного слушателя из пяти
на стажировку

1 2 3 4 5

𝒎 𝟏
P(A) = = = 0,2 = 20%
𝒏 𝟓

28
Вероятность попадания двух
слушателей из пяти на стажировку

1 2 3 4 5

𝒎 𝟒
P(A) = = = 0,4 = 40%
𝒏 𝟏𝟎

29
 Элементы комбинаторики

Комбинаторика возникла в XVI веке.

Первоначально комбинаторные задачи
касались в основном азартных игр. Эти и
другие проблемы азартных игр являлись
движущей силой в развитии комбинаторики
и далее в развитии теории вероятностей.

30
 Элементы комбинаторики

Сочетаниями без повторений из n

элементов по k называются такие выборки,
которые содержат по k элементов, выбранных
из числа данных n элементов генеральной
совокупности без повторений, и отличаются
друг от друга только составом элементов

𝒏!
𝑪𝒌𝒏 =
𝒌! (𝒏 − 𝒌)!

31
 Элементы комбинаторики

Размещениями из n элементов по k называются

такие выборки, которые содержат по k элементов,
выбранных из числа данных n элементов
генеральной совокупности без повторений, и
отличаются друг от друга либо составом
элементов, либо порядком их расположения.

𝒏!
А𝒌𝒏 =
(𝒏 − 𝒌)!

32
 Элементы комбинаторики

Перестановками без повторений из n

элементов называются размещения без
повторений из n элементов по n, т.е. размещения
отличаются друг от друга только порядком
следования элементов.

𝒏 𝒏! 𝒏!
Р𝒏 = А𝒏 = = = 𝑛!
(𝒏−𝒏)! (𝟎)!

33
 Элементы комбинаторики

𝒏! 𝒏!
А𝒌𝒏 = 𝑪𝒌𝒏 = 𝑷𝒏 = 𝒏!
(𝒏 − 𝒌)! 𝒌! (𝒏 − 𝒌)!

34
 Элементы комбинаторики

𝒏! 𝒏!
𝒌
𝑪𝒏 = А𝒌𝒏 = 𝑷𝒏 = 𝒏!
𝒌! (𝒏 − 𝒌)! (𝒏 − 𝒌)!

35
 Безусловная вероятность
(Полная вероятность)

Формула полной вероятности событие A:

P(A)  P(A | B1 ) P(B1 )  P(A | B2 ) P(B2 )    P(A | Bk ) P(Bk )

Событие А может наступить при условии появления

одного из несовместных событий B1, B2, …, Bk ,
образующих полную группу.

36
 Теорема Байеса

P(A | Bi )P(Bi )
P(Bi | A) 
P(A | B1 )P(B1 )  P(A | B2 )P(B2 )    P(A | Bk )P(Bk )
Формула Байеса позволяет переоценить вероятность
гипотез (Вk) после того, как становиться известным
результат испытания, в итоге которого появилось
событие А.
Вероятности Р(Вi) (i=1,2,…,n) называются
априорными вероятностями («доопытными»), а
условные вероятности
Р(Вi |A) (i=1,2,…,n) - апостериорными
вероятностями («послеопытными»).

37
 Формула Байеса

 Формула Байеса используется для

пересмотра ранее рассчитанных
вероятностей на основе вновь поступившей
информации.

 Формулу Байеса можно рассматривать как

расширение условной вероятности.

38