Шпаргалка по "Теории вероятности"

Решение.

А – формула содержится в первом справочнике;

В – формула содержится во втором справочнике;

С – формула содержится в третьем справочнике.

Воспользуемся теоремами  сложения и умножения вероятностей.

1. 

2.  .

3. 

Пусть в результате испытания  могут появиться n событий, независимых в совокупности, либо некоторые из них (в частности, только одно или ни одного), причем вероятности появления каждого из событий известны. Как найти вероятность того, что наступит хотя бы одно из этих событий? Например, если в результате испытания могут появиться три события, то появление хотя бы одного из этих событий означает наступление либо одного, либо двух, либо трех событий. Ответ на поставленный вопрос дает следующая теорема.

Теорема. Вероятность появления хотя бы одного из событий  , независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий

Если события   имеют одинаковую вероятность  , то формула принимает простой вид:

.

Пример. Вероятности попадания в цель при стрельбе из трех орудий таковы: p1 = 0,8;p2 = 0,7; p3 = 0,9. Найти вероятность хотя бы одного попадания (событие А) при одном залпе из всех орудий.

Решение. Вероятность попадания в цель каждым из орудий не зависит от результатов стрельбы из других орудий, поэтому рассматриваемые события   (попадание первого орудия),   (попадание второго орудия) и   (попадание третьего орудия) независимы в совокупности.

Вероятности событий, противоположных  событиям  ,   и   (т. е. вероятности промахов), соответственно равны:

,  , 

Искомая вероятность  .

Пример. В типографии имеется 4 плоскопечатных машины. Для каждой машины вероятность того, что она работает в данный момент, равна 0,9. Найти вероятность того, что в данный момент работает хотя бы одна машина (событие А).

Решение. События "машина работает" и "машина не работает" (в данный момент) — противоположные, поэтому сумма их вероятностей равна единице: 

Отсюда вероятность того, что машина в данный момент не работает, равна 

Искомая вероятность 

Так как полученная вероятность  весьма близка к единице, то на основании  следствия из принципа практической невозможности маловероятных событий  мы вправе заключить, что в данный момент работает хотя бы одна из машин.

Пример. Вероятность того, что при одном выстреле стрелок попадает в цель, равна 0,4. Сколько выстрелов должен произвести стрелок, чтобы с вероятностью не менее 0,9 он попал в цель хотя бы один раз?

Решение. Обозначим через А событие "при n выстрелах стрелок попадает в цель хотя бы один раз". События, состоящие в попадании в цель при первом, втором выстрелах и т. д., независимы в совокупности, поэтому применима формула  .

Приняв во внимание, что, по условию,   (следовательно,  ), получим

Прологарифмируем это  неравенство по основанию 10:

Итак,  , т.е. стрелок должен произвести не менее 5 выстрелов.

 

 

 

 

 

 

 

 

1.5. Условная вероятность

Случайное событие определено как событие, которое при осуществлении  совокупности условий эксперимента может произойти или не произойти. Если при вычислении вероятности  события никаких других ограничений, кроме условий эксперимента, не налагается, то такую вероятность называют безусловной; если же налагаются и другие дополнительные условия, то вероятность события называют условной. Например, часто вычисляют вероятность события В при дополнительном условии, что произошло событие А.

Условной вероятностью   (два обозначения) называют вероятность события В, вычисленную в предположении, что событие А уже наступило.

Вероятность совместного появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность второго, вычисленную при условии, что первое событие произошло, т.е.

.

В частности, отсюда получаем  
.

Пример. В урне находятся 3 белых шара и 2 черных. Из урны вынимается один шар, а затем второй. Событие В – появление белого шара при первом вынимании. Событие А – появление белого шара при втором вынимании.

Решение. Очевидно, что вероятность события А, если событие В произошло, будет  
.  
Вероятность события А при условии, что событие В не произошло, будет  
.

Пример. В урне 3 белых и 3 черных шара. Из урны дважды вынимают по одному шару, не возвращая их обратно. Найти вероятность появления белого шара при втором испытании (событие В), если при первом испытании был извлечен черный шар (событие А).

Решение. После первого испытания в урне осталось 5 шаров, из них 3 белых. Искомая условная вероятность  .

Этот же результат можно  получить по формуле 
.

Действительно, вероятность  появления белого шара при первом испытании 
.

Найдем вероятность   того, что в первом испытании появится черный шар, а во втором — белый. Общее число исходов — совместного появления двух шаров, безразлично какого цвета, равно числу размещений  . Из этого числа исходов событию   благоприятствуют   исходов. Следовательно,  .

Искомая условная вероятность  

Результаты совпали.

Пример. В трамвайном парке имеются 15 трамваев маршрута №1 и 10 трамваев маршрута №2. Какова вероятность того, что вторым по счету на линию выйдет трамвай маршрута №1?

Решение. Пусть А - событие, состоящее в том, что на линию вышел трамвай маршрута №1, В - маршрута №2.

Рассмотрим все события, которые могут при этом быть (в  условиях нашей задачи):  . Из них нас будут интересовать только первое и третье, когда вторым выйдет трамвай маршрута №1.

Так как все эти события  совместны, то:

;

;

отсюда искомая вероятность 

Пример. Какова вероятность того, что 2 карты, вынутые из колоды в 36 карт, окажутся одной масти?

Решение. Сначала подсчитаем вероятность того, что две карты окажутся одной определенной масти (например «пики»). Пусть А - появление первой карты такой масти, В- появление второй карты той же масти. Событие В зависит от события А, т.к. его вероятность меняется от того, произошло или нет событие А. Поэтому придется воспользоваться теоремой умножения в ее общей форме:

,  
где   (после вынимания первой карты осталось 35 карт, из них той же масти, что и первая - 8).

Получаем  
.

События, состоящие в том, что будут вынуты две карты  масти «пики», масти «треф» и т.д., несовместны друг с другом. Следовательно, для нахождения вероятности их объединения  воспользуемся теоремой сложения: 
.

 

1.6. Формула полной  вероятности и формула Байеса

Если событие А может произойти только при выполнении одного из событий  , которые образуют полную группу несовместных событий, то вероятность события Авычисляется по формуле

.

Эта формула называется формулой полной вероятности.

Вновь рассмотрим полную группу несовместных событий  , вероятности появления которых  . Событие А может произойти только вместе с каким-либо из событий  , которые будем называть гипотезами. Тогда по формуле полной вероятности

Если событие А произошло, то это может изменить вероятности гипотез  .

По теореме умножения  вероятностей

,

откуда

.

Аналогично, для остальных  гипотез

Полученная формула называется формулой Байеса (формулой Бейеса). Вероятности гипотез   называются апостериорными вероятностями, тогда как   -априорными вероятностями.

Пример. В магаз поступила новая продукция с 3х предприятий.20%-продукция первого предприятия, 30% - продукция второго предприятия, 50% - продукция третьего предприятия; далее, 10% продукции первого предприятия высшего сорта, на втором предприятии - 5% и на третьем - 20% продукции высшего сорта. Найти вероятность того, что случайно купленная новая продукция окажется высшего сорта.

Решение. Обозначим через В событие, заключающееся в том, что будет куплена продукция высшего сорта, через   обозначим события, заключающиеся в покупке продукции, принадлежащей соответственно первому, второму и третьему предприятиям.

Можно применить формулу полной вероятности, причем в наших обозначениях:

Подставляя эти значения в формулу  полной вероятности, получим искомую  вероятность:

Пример. Один из трех стрелков вызывается на линию огня и производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго - 0,5; для третьего - 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком.

Решение. Возможны три гипотезы:

А₁ - на линию огня вызван первый стрелок,

А₂ - на линию огня вызван второй стрелок,

А₁ - на линию огня вызван третий стрелок.

Так как вызов на линию огня любого стрелка равновозможен, то 

В результате опыта наблюдалось  событие В - после произведенных выстрелов мишень не поражена. Условные вероятности этого события при сделанных гипотезах равны:

по формуле Байеса находим вероятность  гипотезы   после опыта:

Пример. На трех станках-автоматах обрабатываются однотипные детали, поступающие после обработки на общий конвейер. Первый станок дает 2% брака, второй – 7%, третий – 10%. Производительность первого станка в 3 раза больше производительности второго, а третьего – в 2 раза меньше, чем второго.

а) Каков процент брака на конвейере?

б) Каковы доли деталей каждого  станка среди бракованных деталей  на конвейере?

Решение. Возьмем с конвейера наудачу одну деталь и рассмотрим событие А – деталь бракованная. Оно связано с гипотезами относительно того, где была обработана эта деталь:   – взятая наудачу деталь обработана на  -ом станке,  .

Условные вероятности (в условии  задачи они даны в форме процентов):

Зависимости между производительностями станков означают следующее:

.

А так как гипотезы образуют полную группу, то  .

Решив полученную систему уравнений, найдем:  .

а) Полная вероятность того, что  взятая наудачу с конвейера деталь – бракованная:

.

Другими словами, в массе деталей, сходящих с конвейера, брак составляет 4%.

б) Пусть известно, что взятая наудачу  деталь – бракованная. Пользуясь  формулой Байеса, найдем условные вероятности  гипотез:

,

,

.

Таким образом, в общей массе  бракованных деталей на конвейере  доля первого станка составляет 33%, второго – 39%, третьего – 28%.

 

1.7. Независимые  испытания. Формула Бернулли

При решении вероятностных  задач часто приходится сталкиваться с ситуациями, в которых одно и тоже испытание повторяется многократно и исход каждого испытания независим от исходов других. Такой эксперимент еще называется схемой повторных независимых испытаний или схемой Бернулли.

Примеры повторных испытаний:

1) многократное извлечение  из урны одного шара при  условии, что вынутый шар после  регистрации его цвета кладется  обратно в урну;

2) повторение одним стрелком  выстрелов по одной и той  же мишени при условии, что  вероятность удачного попадания  при каждом выстреле принимается  одинаковой (роль пристрелки не  учитывается).

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы; вероятность появления события А в каждом отдельно взятом или единичном испытании постоянна и от испытания к испытанию не изменяется (т.е. испытания проводятся в одинаковых условиях). Обозначим вероятность появления события А в единичном испытании буквой р, т.е.  , а вероятность противоположного события (событие А не наступило) - буквой  .

Тогда вероятность того, что событие А появится в этих n испытаниях ровно k раз, выражаетсяформулой Бернулли

Распределение числа успехов (появлений события) носит название биномиального распределения.

Пример. В урне 20 белых и 10 черных шаров. Вынули 4 шара, причем каждый вынутый шар возвращают в урну перед извлечением следующего и шары в урне перемешивают. Найти вероятность того, что из четырех вынутых шаров окажется 2 белых.

Решение. Событие А – достали белый шар. Тогда вероятности 
,  .  
По формуле Бернулли требуемая вероятность равна  
.