Сложение вероятностей несовместных событий примеры. Вероятность. Теоремы сложения и умножения вероятностей. Теорема умножения вероятностей событий, одно из которых совершается при условии совершения другого

Сумма всех вероятностей событий выборочного пространства равняется 1. Например, если экспериментом является подбрасывание монеты при Событии А = «орел» и Событии В = «решка», то А и В представляют собой все выборочное пространство. Значит, Р(А) +Р(В) = 0.5 + 0.5 = 1 .

Пример. В ранее предложенном примере вычисления вероятности извлечения из кармана халата красной ручки (это событие А), в котором лежат две синих и одна красная ручка, Р(А) = 1/3 ≈ 0.33, вероятность противоположного события – извлечения синей ручки – составит

Прежде чем перейти к основным теоремам, введем еще два более сложных понятия - сумма и произведение событий. Эти понятия отличны от привычных понятий суммы и произведения в арифметике. Сложение и умножение в теории вероятностей - символические операции, подчиненные определенным правилам и облегчающие логическое построение научных выводов.

Суммой нескольких событий является событие, заключающееся в появлении хотя бы одного из них. То есть, суммой двух событий А и В называется событие С, состоящее в появлении или события А, или события В, или событий А и В вместе.

Например, если пассажир ждет на остановке трамваев какой-либо из двух маршрутов, то нужное ему событие заключается в появлении трамвая первого маршрута (событие А), или трамвая второго маршрута (событие В), или в совместном появлении трамваев первого и второго маршрутов (событие С). На языке теории вероятностей это значит, что нужное пассажиру событие D заключается в появлении или события А, или события В, или события С, что символически запишется в виде:

D = A + B + C

Произведением двух событий А и В является событие, заключающееся в совместном появлении событий А и В . Произведением нескольких событий называется совместное появление всех этих событий.

В приведенном примере с пассажиром событие С (совместное появление трамваев двух маршрутов) представляет собой произведение двух событий А и В , что символически записывается следующим образом:

Допустим, что два врача порознь осматривают пациента с целью выявления конкретного заболевания. В процессе осмотров возможно появление следующих событий:

Обнаружение заболеваний первым врачом (А );

Необнаружение заболевания первым врачом ();

Обнаружение заболевания вторым врачом (В );

Необнаружение заболевания вторым врачом ().

Рассмотрим событие, которое заключается в том, что заболевание будет обнаружено в процессе осмотров ровно один раз. Это событие может реализоваться двумя способами:

Заболевание обнаружит первый врач (А ) и не обнаружит второй ();

Заболеваний не обнаружит первый врач () и обнаружит второй (B ).

Обозначим рассматриваемое событие через и запишем символически:

Рассмотрим событие, которое заключается в том, что заболевание будет обнаружено в процессе осмотров дважды (и первым, и вторым врачом). Обозначим это событие через и запишем: .

Событие, заключающееся в том, что ни первый, ни второй врач заболевания не обнаружит, обозначим через и запишем: .

Основные теоремы теории вероятности

Вероятность суммы двух несовместных событий равняется сумме вероятностей этих событий.

Запишем теорему сложения символически:

Р(А + В) = Р(А)+Р(В) ,

где Р - вероятность соответствующего события (событие указывается в скобках).

Пример . У больного наблюдается желудочное кровотечение. Этот симптом регистрируется при язвенной эрозии сосуда (событие А), разрыве варикозно-расширенных вен пищевода (событие В), раке желудка (событие С), полипе желудка (событие D), геморрагическом диатезе (событие F), механической желтухе (событие Е) и конечном гастрите (событие G ).

Врач, основываясь на анализе статистических данных, присваивает каждому событию значение вероятности:

Всего врач имел 80 больных с желудочным кровотечением (n = 80), из них у 12 была язвенная эрозия сосуда (), у 6 - разрыв варикозно-расширенных вен пищевода (), у 36 - рак желудка () и т. д.

Для назначения обследования врач хочет определить вероятность того, что желудочное кровотечение связано с заболеванием желудка (событие I):

Вероятность того, что желудочное кровотечение связано с заболеванием желудка, достаточно высока, и врач может определить тактику обследования, исходя из предположения о заболевании желудка, обоснованном на количественном уровне с помощью теории вероятностей.

Если рассматриваются совместные события, вероятность суммы двух событий равна сумме вероятностей этих событий без вероятности совместного их наступления.

Символически это записывается следующей формулой:

Если представить себе, что событие А заключается в попадании при стрельбе в мишень, заштрихованную горизонтальными полосами, а событие В - в попадании в мишень, заштрихованную вертикальными полосами, то в случае несовместных событий по теореме сложения вероятность суммы равна сумме вероятностей отдельных событий. Если же эти события совместны, то есть некоторая вероятность, соответствующая совместному наступлению событий А и В . Если не ввести поправку на вычитаемое Р(АВ) , т.е. на вероятность совместного наступления событий, то эта вероятность будет учтена дважды, так как площадь, заштрихованная и горизонтальными, и вертикальными линиями, является составной частью обеих мишеней и будет учитываться как в первом, так и во втором слагаемом.

На рис. 1 дана геометрическая интерпретация, наглядно иллюстрирующая данное обстоятельство. В верхней части рисунка помещены непересекающиеся мишени, являющиеся аналогом несовместных событий, в нижней части - пересекающиеся мишени, являющиеся аналогом совместных событий (одним выстрелом можно попасть сразу и в мишень А, и в мишень В).

Прежде чем перейти к теореме умножения, необходимо рассмотреть понятия независимых и зависимых событий и условной и безусловной вероятностей.

Независимым от события В называется такое событие А, вероятность появления которого не зависит от появления или непоявления события В.

Зависимым от события В называется такое событие А, вероятность появления которого зависит от появления или непоявления события В.

Пример . В урне находятся 3 шара, 2 белых и 1 черный. При выборе шара наугад вероятность выбрать белый шар (событие А) равна: Р(А) = 2/3, а черный (событие В)Р(В) = 1/3. Мы имеем дело со схемой случаев, и вероятности событий рассчитываются строго по формуле. При повторении опыта вероятности появления событий А и В остаются неизменными, если после каждого выбора шар возвращается в урну. В этом случае события А и В являются независимыми. Если же выбранный в первом опыте шар в урну не возвращается, то вероятность события (А) во втором опыте зависит от появления или непоявления события (В) в первом опыте. Так, если в первом опыте появилось событие В (выбран черный шар), то второй опыт проводится при наличии в урне 2 белых шаров и вероятность появления события А во втором опыте равна: Р(А) = 2/2= 1.

Если же в первом опыте не появилось событие В(выбран белый шар), то второй опыт проводится при наличии в урне одного белого и одного черного шаров и вероятность появления события А во втором опыте равна: Р(А)=1/2. Очевидно, в этом случае события А и В тесно связаны и вероятности их появления являются зависимыми.

Условной вероятностью события А называется вероятность его появления при условии, что появилось событие В. Условная вероятность символически обозначается Р(А/В).

Если вероятность появления события А не зависит от появления события В , то условная вероятность события А равна безусловной вероятности:

Если вероятность появления события А зависит от появления события В, то условная вероятность никогда не может быть равна безусловной вероятности:

Выявление зависимости различных событий между собой имеет большое значение в решении практических задач. Так, например, ошибочное предположение о независимости появления некоторых симптомов при диагностике пороков сердца по вероятностной методике, разработанной в Институте сердечно-сосудистой хирургии им. А. Н. Бакулева, обусловило около 50% ошибочных диагнозов.

Начнем с задачи.

Предположим, что вероятность получения вами пятерки за контрольную равна 0,5, а четверки - 0,3. Какова вероятность того, что за контрольную вы получите 4 или 5?

Некоторые сразу выпалят: «0,8», но почему именно так? Почему, например, не 0,15 (перемножили, а не сложили)? Разберемся.

Предположим, есть некоторый опыт, у которого есть исходов. Из них наступлению события благоприятны , а событию - . Нетрудно по формуле найти вероятности наступления каждого из событий - это соответственно и . Но какова вероятность того, что наступит либо первое событие, либо второе? Иначе говоря, мы ищем вероятность объединения этих событий. Для этого надо выяснить, сколько у нас благоприятных исходов. ? Не совсем. Ведь может случиться так, что эти события выполнятся одновременно.

Тогда предположим, что события непересекающиеся, то есть не могут выполняться одновременно. Вот тогда получаем, что благоприятных исходов для объединения - . Значит, вероятность объединения будет равна:

Вероятность объединения несовместных событий равна сумме их вероятностей.

Обратим внимание: здесь речь идет об ОДНОМ эксперименте, в результате которого может наступить либо первое событие, либо второе, но не оба сразу.

В частности, в примере с контрольной мы понимаем, что ученик не может одновременно получить за контрольную и 5, и 4 (речь идет об одной оценке за одну и ту же контрольную), значит, вероятность того, что он получит 4 или 5, равна сумме вероятностей, то есть, все-таки, 0,8.

Ответ: 0,8.

А что делать, если события пересекаются, то есть существуют исходы, благоприятные для них обоих? Такая ситуация будет рассмотрена в конце урока.

2. Математический форум Math Help Planet ()

3. Интернет-сайт "Математика, которая мне нравится" ()

Домашнее задание

1. Два стрелка стреляют по мишени. Первый стрелок поражает мишень с вероятностью 0,9. Второй стрелок поражает мишень с вероятностью 0,8. Найти вероятность того, что мишень будет поражена.

2. Случайный эксперимент состоит в подбрасывании двух игральных костей. Одна из игральных костей окрашена в синий цвет, другая - в красный. Найти вероятность того, что на синей игральной кости выпадет число 3, а на красной игральной кости выпадет число 4.

Глава 3.

Основные теоремы теории вероятностей и следствия из них

Теорема сложения вероятностей несовместных

Событий

Во второй главе было показано, как можно определить вероятность отдельного случайного события при выполнении определенных условий. Как известно, со случайными событиями можно проводить арифметические действия, главными из которых являются сложение и умножение событий. Теория вероятностей позволяет с помощью своих основных теорем найти вероятность суммы и произведения событий, т.е. определить либо вероятность появления хотя бы одного из рассматриваемых событий, либо вероятность одновременного появления этих событий.

К основным теоремам теории вероятностей относятся:

1. Теорема сложения вероятностей.

2. Теорема умножения вероятностей.

Рассмотрим теорему сложения вероятностей для частного случая. Предположим, что А и В несовместные события, причем будем считать, что вероятности этих событий известны, или могут быть найдены.

Теорема 3.1. Вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий, т.е.

Доказательство. Пусть n – общее число всех равновозможных элементарных событий испытания, в котором могут появиться события А или В . Обозначим через т А и т В число элементарных событий благоприятствующих событиям А и В соответственно. Так как события А и В несовместны, то сумме этих событий А + В благоприятствуют т А + т В элементарных событий. Поэтому .

Теорема доказана.

Следствие. Вероятность появления одного из нескольких попарно несовместных событий равна сумме вероятностей этих событий, т.е.

Доказательство нетрудно провести, используя метод математической индукции.

Пример 3.1. В ящике находятся 8 белых, 5 черных и 10 красных шаров. Случайным образом выбирается один шар. Какова вероятность того, что этот шар не белый?

Решение. Пусть событие А – выбор черного шара, В – выбор красного шара. Тогда событие С = А + В определяет выбор не белого шара (либо черного, либо красного).

По классической формуле . По теореме 3.1 окончательно получаем .■

Пример 3.2. На фирме имеется две вакантные должности, на занятие которых претендуют трое мужчин и пять женщин. Найти вероятность того, что среди взятых на работу людей будет хотя бы один мужчина, если отбор претендентов производится случайным образом.

Решение. Пусть событие С состоит в том, что среди взятых на работу людей будет хотя бы один мужчина. Очевидно, что событие С произойдет в том случае, когда произойдет одно из следующих двух несовместных событий: А – приняты на работу двое мужчин; В – приняты на работу одна женщина и один мужчина. Таким образом, С = А + В .

Найдем вероятности событий А и В , используя классическую формулу, получим

и .

События А и В – несовместны, следовательно, можно применить теорему 3.1. Получаем . ■

При решении примера 3.2 не было рассмотрено только одно из возможных событий, состоящее в том, что будут приняты на работу две женщины. Обозначим его буквой D и найдем его вероятность. Применяя классическую формулу, получим

.

Нетрудно понять, что события А , В и D образуют полную группу для испытания: выбор двух человек из восьми. Найдем сумму вероятностей этих событий: . Полученный результат можно представить в общем виде.

Теорема 3.2. Сумма вероятностей событий, образующих полную группу, равна 1.

Доказательство. Пусть события А 1 , А 2 , …, А n образуют полную группу для некоторого испытания. Тогда по определению в результате этого испытания одно из событий обязательно произойдет, т.е. сумма этих событий является достоверным событием. Вероятность достоверного события равна 1. Следовательно, справедливо равенство:

Напомним, что по определению полной группы она состоит из несовместных событий. Тогда по следствию из теоремы 3.1 получаем

Теорема доказана.

Следствие . Сумма вероятностей противоположных событий равна 1.

Доказательство непосредственно следует из того, что противоположные события образуют полную группу, следовательно, по теореме 3.2 имеет место формула

(3.3)

где А и Ā – противоположные события.

Следствие доказано.

При решение задач чаще применяется преобразованная формула (3.3), а именно

(3.4)

Пример 3.3. Из девяти кандидатов для выбора на три должности пятеро имеют диплом с отличием. Все имеют одинаковые шансы быть выбранными на эти должности. Определить вероятность того, что среди выбранных будет хотя бы один, имеющий диплом с отличием.

Решение. Пусть событие А означает, что среди выбранных кандидатов хотя бы один имеет диплом с отличием. Очевидно, что событие Ā противоположное А будет состоять в том, что все три выбранных человека не имеют диплома с отличием. Найдем вероятность противоположного события. Для этого применим классическую формулу, получаем

.

По формуле (3.3) найдем вероятность события А :

. ■

Решение примера 3.3 может быть получено и другим, более длинным способом. Нетрудно понять, что событие А есть сумма следующих событий:

А 1 – среди выбранных только один кандидат с дипломом с отличием;

А 2 – среди выбранных два кандидата с дипломом с отличием;

А 3 – среди выбранных три кандидата с дипломом с отличием.

По классической формуле получаем

Очевидно, что события А 1 , А 2 , А 3 – несовместны, следовательно можно применить теорему 3.3. Таким образом

Понятно, что первый способ решения намного проще.

В выше рассмотренных теоремах и примерах предполагалась несовместность соответствующих случайных событий. Естественно, может возникнуть задача, в которой требуется найти вероятность появления хотя бы одного из совместных событий. Теорему 3.1 в этом случае применять нельзя. Существует более общий вид теоремы сложения вероятностей, который использует понятие вероятности произведения событий.

Теорема умножения вероятностей событий

Пусть рассматривается некоторое испытание, в котором возможно появление случайного события А . Если кроме условия испытания никаких ограничений для события А не существует, то вероятность события А называют безусловной вероятностью. Если же задаются некоторые дополнительные условия, то появляется условная вероятность этого события. Чаще всего дополнительные условия связаны с появлением другого случайного события. Итак, при анализе того или иного явления может возникнуть вопрос: влияет ли на возможность появления некоторого события А наступление другого случайного события В и если влияет, то как? Например, наступление В ведет к обязательному наступлению события А или, наоборот, исключает возможность появления события А , а может быть лишь изменяет значение вероятности. Легко понять, что если событие В является благоприятствующим событию А , то при наступлении события В событие А всегда наступает, или если А и В – два несовместных в данном испытании события, то при наступлении события В событие А никогда не будет происходить. Однако это так называемые крайние случаи. Наибольший интерес возникает тогда, когда наступление события В как-то изменяет (увеличивает или уменьшает) вероятность появления события А , не превращая его в достоверное или невозможное при новых условиях событие. Характеристикой такого влияния одного события на другое служит условная вероятность.

Условной вероятностью события А при условии В называется вероятность события А , вычисленная в предположении, что событие В уже произошло.

Аналогично можно определить условную вероятность события В , при условии, что событие А уже произошло.

Пример 3.4. Пусть в урне находятся 6 белых и 8 черных шаров. Из урны последовательно друг за другом случайным образом вынимают два шара, не возвращая их обратно. Найти вероятность того, что второй шар окажется белым, если первым был вынут также белый шар?

Решение . Пусть событие А состоит в том, что второй шар окажется белым, а событие В , что первый шар белый. В задаче требуется найти вероятность события А , при условии, что событие В произошло, т.е. найти . Если событие В произошло, то в урне осталось 13 шаров, из которых 5 белых. Следовательно, вероятность вынуть белый шар из 13, среди которых 5 белых равна .■

Отметим два момента.

Во-первых, для события А может быть найдена не только его условная вероятность, но и так называемая полная вероятность события, т.е. вероятность того, что второй шар окажется белым при выборе первым любого шара. О нахождении такой вероятности речь пойдет в пункте 3.4.

Во-вторых, условие примера может быть так изменено, что цвет первого выбранного шара вообще не будет влиять на вероятность появления события А . Будем считать, что шары после фиксирования их цвета возвращаются обратно в урну. Тогда, очевидно, вероятность события А не зависит от того, какого цвета был выбран первый шар, т.е. от появления (или не появления) события В . В этом случае , т.е. вероятность события А совпадает с условной вероятностью этого события. Сами же события А и В являются независимыми в данном испытании.

Два события А и В называются независимыми, если вероятность появления каждого из них не зависит от того, появилось другое событие или нет. В противном случае, события называются зависимыми.

Из определения следует, что для независимых событий А и В справедливы формулы:

. (3.5)

Получим формулу для нахождения условной вероятности, используя классическое определение. Пусть испытание состоит из n равновозможных элементарных событий. Число событий, благоприятствующих событию А , равно т А ; событию В – т В ; произведению событий АВ – т АВ . Очевидно, что и . Так как событию В благоприятствует т В исходов, из которых только т А благоприятствуют А , то условная вероятность равна

. Окончательно, получаем

(3.6)

Необходимо обратить внимание на то, что знаменатель в формуле (3.6) отличен от нуля, так как по условию событие В может произойти, т.е. т В не равно нулю.

Рассуждая аналогично, можно получить формулу для условной вероятности события В : . Но, так как событие АВ ничем не отличается от события ВА и , то условную вероятность события В можно определить по формуле

(3.7)

В наиболее полных, применяющих аксиоматический подход, курсах теории вероятностей формулы (3.6) и (3.7) принимают за определение условной вероятности, а формулы (3.5) – за определение независимых событий.

Из формул (3.6) и (3.7) непосредственно вытекает следующая теорема умножения вероятностей.

Теорема 3.2. Вероятность одновременного появления двух случайных событий равна произведению вероятности одного события на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило, т.е.

(3.8)

Следствие. Вероятность одновременного появления нескольких случайных событий равна произведению вероятности одного события на условные вероятности всех остальных, при этом вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились, т.е.

Пример 3.5. В лотереи находятся 20 билетов, из которых 5 выигрышных. Случайным образом выбирают последовательно друг за другом 3 билета без возвращения. Определить вероятность того, что первый, второй и третий билеты будут выигрышными.

Решение. Пусть событие А состоит в том, что первым выберут выигрышный билет, событие В – в том, что второй билет будет выигрышным и, наконец, С – третий билет выигрышный. Очевидно, что .

Условная вероятность события В при условии, что событие А произошло, т.е. из лотереи был выбран один выигрышный билет, равна (всего билетов осталось 19, из них 4 выигрышных).

Условная вероятность события С при условии, что события А и В произошли, т.е. были выбраны два выигрышных билета, равна .

По следствию к теореме 3.2 вероятность произведения равна

Необходимо отметить, что задача 3.5 может быть решена с помощью классической формулы и формул комбинаторики:

.

Теорема 3.2 верна для любых случайных событий А и В . В частном случае, когда события А и В являются независимыми справедливо следующее утверждение.

Теорема 3.3. Вероятность одновременного появления двух несовместных событий А и В равна произведению вероятностей этих событий, т.е.

Доказательство. События А и В – независимы. По теореме 3.2 с учетом формулы (3.5), получим

Теорема доказана.

Итак, теорема 3.3 говорит о том, что вероятность произведения независимых событий находится по формуле (3.9). Верно и обратное утверждение.

Теорема 3.4. Если для двух событий верна формула (3.9), то эти события независимы.

Приведем без доказательства несколько важных свойств, справедливых для независимых событий.

1. Если событие В не зависит от А , то событие А не зависит от В .

2. Если события А и В – независимы, то независимы и события А и .

3. Если два события независимы, то независимы и противоположные им события.

Теорема 3.3 может быть обобщена на конечное число событий. Однако, прежде чем это сделать, необходимо более подробно остановиться на понятии независимости трех и более событий.

Для группы, состоящей из трех и более событий, существует понятие попарной независимости и независимости в совокупности.

События А 1 , А 2 , …, А n называются попарно независимыми , если любые два из этих событий независимы.

События А 1 , А 2 , …, А n называются независимыми в совокупности (или просто независимыми) , если они попарно независимы и независимы каждое событие и все возможные произведения всех остальных.

Например, три события А 1 , А 2 , А 3 независимы в совокупности, если независимы следующие события:

А 1 и А 2 , А 1 и А 3 , А 2 и А 3 ,

А 1 и А 2 А 3 , А 2 и А 1 А 3 , А 3 и А 1 А 2 .

Теорема 3.5. Если события А 1 , А 2 , …, А n независимы в совокупности, то вероятность их одновременного появления вычисляется по формуле:

Доказательство. Покажем, что формула верна для трех событий. Если событий больше трех, то справедливость формулы доказывается методом математической индукции.

Итак, покажем, что . По условию теоремы события А 1 , А 2 , А 3 независимы в совокупности. Следовательно, независимыми являются, например, два события А 1 А 2 и А 3 . По формуле (3.9), получим . По условию события А 1 и А 2 также независимы. Применив к первому сомножителю формулу (3.9), окончательно, получим .

Теорема доказана.

Необходимо отметить, что если события попарно независимы, то отсюда не следует, что они будут и независимы в совокупности. И, наоборот, если события независимы в совокупности, то они, очевидно, по определению будут и попарно независимы.

Рассмотрим пример событий попарно независимых, но зависимых в совокупности.

Пример 3.6. Пусть в коробке лежат 4 одинаковых карточки с написанными на них числами:

Случайным образом выбирает одну карточку. Событие А означает, что выбрали карточку, на которой есть число 1, событие В предполагает, что на выбранной карточке есть число 2, событие С – число 3. Выяснить являются ли события А , В и С попарно независимыми или независимыми в совокупности.

Решение. Вероятность каждого из событий А , В и С можно найти по классической формуле (всего карточек 4, на двух из них есть числа 1, 2, 3 соответственно): .

Покажем, что события А , В и С попарно независимы. Выберем любые два события, например, А и В . Вероятность их произведения , так как одновременное появление чисел 1 и 2 может быть только на одной карточке из четырех.

Таким образом, справедливо равенство . По теореме 3.4 события А и В независимы. Аналогично можно показать независимость событий В и С , а также событий А и С . Попарная независимость доказана.

Покажем, что эти события не являются независимыми в совокупности. Вероятность одновременного появления всех трех событий, т.е. появления всех трех чисел, равна , так как только на одной карточке из четырех есть все три числа. Произведение вероятностей событий равно . Таким образом, , следовательно, независимость в совокупности отсутствует. ■

Из теоремы умножения вероятностей и теоремы сложения вероятностей несовместных событий непосредственно следует теорема сложения вероятностей совместных событий.

Изучение теории вероятности начинается с решения задач на сложение и умножение вероятностей. Стоит сразу упомянуть, что студент при освоении данной области знаний может столкнуться с проблемой: если физические или химические процессы можно представить визуально и понять эмпирически, то уровень математической абстракции очень высок, и понимание здесь приходит только с опытом.

Однако игра стоит свеч, ведь формулы - как рассматриваемые в данной статье, так и более сложные - используются сегодня повсеместно и вполне могут пригодиться в работе.

Происхождение

Как ни странно, толчком к развитию данного раздела математики стали… азартные игры. Действительно, игра в кости, бросание монетки, покер, рулетка - это типичные примеры, в которых используются сложение и умножение вероятностей. На примере задач в любом учебнике это можно увидеть наглядно. Людям было интересно узнать, как увеличить свои шансы на победу, и, надо сказать, некоторые в этом преуспели.

Например, уже в XXI веке один человек, чьего имени раскрывать мы не будем, использовал эти накопленные веками знания, чтобы буквально «обчистить» казино, выиграв в рулетку несколько десятков миллионов долларов.

Впрочем, несмотря на повышенный интерес к предмету, только к XX веку была разработана теоретическая база, делающая «теорвер» полноценной Сегодня же практически в любой науке можно встретить расчёты, использующие вероятностные методы.

Применимость

Важным моментом при использовании формул сложения и умножения вероятностей, условной вероятности является выполнимость центральной предельной теоремы. В противном случае хоть это и может и не осознаваться студентом, все вычисления, какими бы правдоподобными они ни казались, будут некорректны.

Да, у высокомотивированного учащегося возникает соблазн использовать новые знания при каждом удобном случае. Но в данном случае следует несколько притормозить и строго очертить рамки применимости.

Теория вероятности имеет дело со случайными событиями, которые в эмпирическом плане представляют собой результаты экспериментов: мы можем бросать кубик с шестью гранями, вытаскивать карту из колоды, предсказывать количество бракованных деталей в партии. Однако в некоторых вопросах использовать формулы из этого раздела математики категорически нельзя. Особенности рассмотрения вероятностей события, теорем сложения и умножения событий мы обсудим в конце статьи, а пока обратимся к примерам.

Основные понятия

Под случайным событием подразумевается некоторый процесс или результат, который может проявиться, а может и не проявиться в результате эксперимента. Например, мы подбрасываем бутерброд - он может упасть маслом вверх или маслом вниз. Любой из двух исходов будет являться случайным, и мы заранее не знаем, какой из них будет иметь место.

При изучении сложения и умножения вероятностей нам понадобятся ещё два понятия.

Совместными называются такие события, появление одного из которых не исключает появления другого. Скажем, два человека одновременно стреляют по мишени. Если один из них произведет успешный никак не отразится на возможности второго попасть в «яблочко» или промахнуться.

Несовместными будут такие события, появление которых одновременно является невозможным. Например, вытаскивая из коробки только один шарик, нельзя достать сразу и синий, и красный.

Обозначение

Понятие вероятности обозначается латинской заглавной буквой P. Далее в скобках следуют аргументы, обозначающие некоторые события.

В формулах теоремы сложения, условной вероятности, теоремы умножения вы увидите в скобках выражения, например: A+B, AB или A|B. Рассчитываться они будут различными способами, к ним мы сейчас и обратимся.

Сложение

Рассмотрим случаи, в которых используются формулы сложения и умножения вероятностей.

Для несовместных событий актуальна самая простая формула сложения: вероятность любого из случайных исходов будет равна сумме вероятностей каждого из этих исходов.

Предположим, что есть коробка с 2 синими, 3 красными и 5 жёлтыми шариками. Итого в коробке имеется 10 предметов. Какова доля истинности утверждения, что мы вытащим синий или красный шар? Она будет равна 2/10 + 3/10, т. е. пятьдесят процентов.

В случае же несовместных событий формула усложняется, поскольку добавляется дополнительное слагаемое. Вернемся к нему через один абзац, после рассмотрения ещё одной формулы.

Умножение

Сложение и умножение вероятностей независимых событий используются в разных случаях. Если по условию эксперимента нас устраивает любой из двух возможных исходов, мы посчитаем сумму; если же мы хотим получить два некоторых исхода друг за другом, мы прибегнем к использованию другой формулы.

Возвращаясь к примеру из предыдущего раздела, мы хотим вытащить сначала синий шарик, а затем - красный. Первое число нам известно - это 2/10. Что происходит дальше? Шаров остается 9, красных среди них всё столько же - три штуки. Согласно расчётам получится 3/9 или 1/3. Но что теперь делать с двумя числами? Правильный ответ - перемножать, чтобы получилось 2/30.

Совместные события

Теперь можно вновь обратиться к формуле суммы для совместных событий. Для чего мы отвлекались от темы? Чтобы узнать, как перемножаются вероятности. Сейчас нам это знание пригодится.

Мы уже знаем, какими будут первые два слагаемых (такие же, как и в рассмотренной ранее формуле сложения), теперь же потребуется вычесть произведение вероятностей, которое мы только что научились рассчитывать. Для наглядности напишем формулу: P(A+B) = P(A) + P(B) - P(AB). Получается, что в одном выражении используется и сложение, и умножение вероятностей.

Допустим, мы должны решить любую из двух задач, чтобы получить зачёт. Первую мы можем решить с вероятностью 0,3, а вторую - 0,6. Решение: 0,3 + 0,6 - 0,18 = 0,72. Заметьте, просто просуммировать числа здесь будет недостаточно.

Условная вероятность

Наконец, существует понятие условной вероятности, аргументы которой обозначаются в скобках и разделяются вертикальной чертой. Запись P(A|B) читается следующим образом: «вероятность события A при условии события B».

Посмотрим пример: друг дает вам некоторый прибор, пусть это будет телефон. Он может быть сломан (20 %) или исправен (80 %). Любой попавший в руки прибор вы в состоянии починить с вероятностью 0,4 либо не в состоянии этого сделать (0,6). Наконец, если прибор находится в рабочем состоянии, вы можете дозвониться до нужного человека с вероятностью 0,7.

Легко заметить, как в данном случае проявляется условная вероятность: вы не сможете дозвониться до человека, если телефон сломан, а если он исправен, вам не требуется его чинить. Таким образом, чтобы получить какие-либо результаты на «втором уровне», нужно узнать, какое событие выполнилось на первом.

Расчёты

Рассмотрим примеры решения задач на сложение и умножение вероятностей, воспользовавшись данными из предыдущего абзаца.

Для начала найдем вероятность того, что вы почините отданный вам аппарат. Для этого, во-первых, он должен быть неисправен, а во-вторых, вы должны справиться с починкой. Это типичная задача с использованием умножения: получаем 0,2*0,4 = 0,08.

Какова вероятность, что вы сразу дозвонитесь до нужного человека? Проще простого: 0,8*0,7 = 0,56. В этом случае вы обнаружили, что телефон исправен и успешно совершили звонок.

Наконец, рассмотрим такой вариант: вы получили сломанный телефон, починили его, после чего набрали номер, и человек на противоположном конце взял трубку. Здесь уже требуется перемножение трёх составляющих: 0,2*0,4*0,7 = 0,056.

А что делать, если у вас сразу два нерабочих телефона? С какой вероятностью вы почините хотя бы один из них? на сложение и умножение вероятностей, поскольку используются совместные события. Решение: 0,4 + 0,4 - 0,4*0,4 = 0,8 - 0,16 = 0,64. Таким образом, если вам в руки попадёт два сломанных аппарата, вы справитесь с починкой в 64% случаев.

Внимательное использование

Как говорилось в начале статьи, использование теории вероятности должно быть обдуманным и осознанным.

Чем больше серия экспериментов, тем ближе подходит теоретически предсказываемое значение к полученному на практике. Например, мы бросаем монетку. Теоретически, зная о существовании формул сложения и умножения вероятностей, мы можем предсказать, сколько раз выпадет «орёл» и «решка», если мы проведем эксперимент 10 раз. Мы провели эксперимент, и по стечению обстоятельств соотношение выпавших сторон составило 3 к 7. Но если провести серию из 100, 1000 и более попыток, окажется, что график распределения всё ближе подбирается к теоретическому: 44 к 56, 482 к 518 и так далее.

А теперь представьте, что данный эксперимент проводится не с монеткой, а с производством какого-нибудь новейшего химического вещества, вероятности получения которого мы не знаем. Мы провели бы 10 экспериментов и, не получив успешного результата, могли бы обобщить: «вещество получить невозможно». Но кто знает, проведи мы одиннадцатую попытку - достигли бы мы цели или нет?

Таким образом, если вы обращаетесь к неизведанному, к неисследованной области, теория вероятности может оказаться неприменима. Каждая последующая попытка в этом случае может оказаться успешной и обобщения типа «X не существует» или «X является невозможным» будут преждевременны.

Заключительное слово

Итак, мы рассмотрели два вида сложения, умножение и условные вероятности. При дальнейшем изучении данной области необходимо научиться различать ситуации, когда используется каждая конкретная формула. Кроме того, нужно представлять, применимы ли вообще вероятностные методы при решении вашей задачи.

Если вы будете практиковаться, то через некоторое время начнете осуществлять все требуемые операции исключительно в уме. Для тех, кто увлекается карточными играми, этот навык можно считать крайне ценным - вы значительно увеличите свои шансы на победу, всего лишь рассчитывая вероятность выпадения той или иной карты или масти. Впрочем, полученным знаниям вы без труда найдете применение и в других сферах деятельности.

Мы уже знаем, что вероятность – это численная мера возможности наступления случайного события, т.е. события, которое может произойти, а может и не произойти при осуществлении определенной совокупности условий. При изменении совокупности условий вероятность случайного события может измениться. В качестве дополнительного условия мы можем рассмотреть наступление другого события. Итак, если к комплексу условий, при котором происходит случайное событие А , добавить еще одно, состоящее в наступлении случайного события В , то вероятность наступления события А будет называться условной.

Условная вероятность события А - вероятность появления события А при ус­ловии, что произошло событие В. Условная вероятностьобозначается (A ).

Пример 16. В ящике имеются 7 белых и 5 черных шаров, отличаю­щихся лишь цветом. Опыт состоит в том, что случайным образом вынимают один шар и, не опуская его обратно, вынимают еще один шар. Какова вероятность, что, второй вынутый шар – черный, если при первом извлечении достали белый шар?

Решение.

Перед нами два случайных события: событие А – первый вынутый шар оказался белым, В – второй вынутый шар - черный. А и В несовместные события, воспользуемся классическим определением вероятности. Число элементарных исходов при извлечении первого шара – 12, а число благоприятных исходов достать белый шар – 7. Следовательно, вероятность P(А) = 7/12.

Если первый шар оказался белым, то условная вероятность события В - появления второго черного шара (при условии, что первый шар был белым) - равна (В) = 5/11, так как перед выни­манием второго шара осталось 11 шаров, из которых 5 черных.

Отметим, что вероятность появления черного шара при втором извлечении не зависела бы от цвета вынутого первого шара, если, вы­нув первый шар, мы положили бы его обратно в ящик.

Рассмотрим два случайных события А и В. Пусть вероятности P(А) и (В) известны. Определим, чему равна вероятность появления и события А, и события В, т.е. произведения этих событий.

Теорема умножения вероятностей. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при том условии, что первое событие произошло:

Р(А× В) = Р(А)× (В) .

Так как для вычисления вероятности произведения не играет роли какое из рассмотренных событий А и В было первым, а какое вторым, то можно записать:

Р(А× В) = Р(А) × (В) = Р(В) × (А).

Теорему можно распространить на произведение п событий:

Р(А 1 А 2 . А п) = Р(А х) Р(А 2 /А 1) .. Р(А п /А 1 А 2 ... А п-1).

Пример 17. Для условий предыдущего примера вычислить вероятность извлечения двух шаров: а) белого шара первым, а черного вторым; б) двух черных шаров.

Решение.

а)Из предыдущего примера мы знаем вероятности достать из ящика белый шар первым и черный шар вторым, при условии, что первым извлекли белый шар. Для подсчета вероятности появления обоих событий вместе воспользуемся теоремой умножения вероятностей: Р(А× В) = Р(А) × (В)= .

б) Аналогично рассчитаем вероятность вынуть два черных шара. Вероятность достать первым черный шар . Вероятность достать черный шар во второй раз при условии, что первый вынутый черный шар мы не опускаем обратно в ящик (черных шаров осталось 4, а всего шаров стало 11). Результирующую вероятность можно подсчитать по формуле Р(А×В)= Р(А) × (В) 0,152.

Теорема умножения вероятностей имеет более простой вид, если события А и В независимые.

Событие В называют независимым от события А, если вероят­ность события В не изменяется от того, произошло событие А или нет. Если событие В является независимым от события А, то его условная (В) равна обычной вероятности P(В):

Оказывается, что если событие В будет независимым от события А , то и событие А будет независимым от В , т.е. (А)= P(А).

Докажем это. Подставим равенство из определения независимости события В от события А в теорему умножения вероятностей: Р(А×В) = Р(А)× (В)= Р(А)× (В). Но с другой стороны Р(А× В) = Р(В) × (А). Значит Р(А) × (В)= Р(В) × (А) и (А)= P(А).

Таким образом, свойство независимость (или зависимость) событий всегда взаимно и можно дать следующее определение: два события называются независимыми , если появление одного из них не изменяет вероятность появления другого.

Следует отметить, что в основе независимости событий лежит независимость физической природы их происхождения. Это означает, что наборы случайных факторов, приводящих к тому или иному исходу испытания одного и другого случайного события, различны. Так, например, поражение цели одним стрелком никак не влияет (если, конечно, не придумывать никаких экзотических причин) на вероятность попадания в цель вторым стрелком. На практике независимые события встречаются очень часто, так как причинная связь явлений во многих случаях отсутствует или несущест­венна.

Теорема умножения вероятностей для независимых событий. Вероятность произведения двух независимых событий равна произведению вероятности этих событий: Р(А×В) = Р(А) × P(В).

Из теоремы умножения вероятностей для независимых событий вытекает следующее следствие.

Если события А и В несовместные и P(A)¹0, P(В)¹0, то они зависимы.

Докажем это способом от противного. Предположим, что несовместные события А и В независимы. Тогда Р(А×В) = Р(А) ×P(В). И так как P(A)¹0, P(В)¹0 , т.е. события А и В не являются невозможными, то Р(А×В)¹0. Но, с другой стороны, событие А ž В является невозможным как произведение несовместных событий (это рассматривалось выше). Значит Р(А×В)=0. получили противоречие. Таким образом, наше исходное предположение неверно. События А и В – зависимые.

Пример 18 . Вернемся теперь к нерешенной задаче о двух стрелках, стреляющих по одной цели. Напомним, что при ве­роятности попадания в цель первым стрелком – 0,8, а вторым 0,7 необходимо найти вероятность поражения цели.

События А и В – попадание в цель соответственно первым и вторым стрелком – совместные, поэтому для нахождения вероятности суммы событий А + В – поражение цели хотя бы одним стрелком – необходимо воспользоваться формулой: Р(А +В)=Р(А)+ Р(В) –Р(А žВ). События А и В независимые, поэтому Р(А× В) = Р(А) × P(В).

Итак, Р(А +В) = Р(А) + Р(В) - Р(А) × P(В).

Р(А +В)= 0,8 + 0,7 – 0,8×0,7 = 0,94.

Пример 19.

Производится два независимых выстрела в одну и ту же мишень. Вероятность попадания при первом выстреле 0,6, а при втором - 0,8. Найти вероятность попадания в мишень при двух выстрелах.

1) Обозначим попадание при первом выстреле как событие
А 1 , при втором - как событие А 2 .

Попадание в мишень предполагает хотя бы одно попада­ние: или только при первом выстреле, или только при втором, или и при первом, и при втором. Следовательно, в задаче требу­ется определить вероятность суммы двух совместных событий А 1 и А 2:

Р(А 1 + А 2) = Р(А 1) + Р(А 2)-Р(А 1 А 2).

2) Так как события независимы, то Р(А 1 А 2) = Р(А 1) Р(А 2).

3) Получаем: Р(А 1 + А 2) = 0,6 + 0,8 - 0,6 0,8 = 0,92.
Если события несовместны, то Р(А В) = 0 и Р(А + В) = = Р(А) + Р(В).

Пример 20.

В урне находятся 2 белых, 3 красных и 5 синих одинаковых по размеру шаров. Какова вероятность, что шар, случайным образом извлеченный из урны, будет цветным (не белым)?

1) Пусть событие А - извлечение красного шара из урны,
событие В - извлечение синего шара. Тогда событие (А + В)
есть извлечение цветного шара из урны.

2) Р(А) = 3/10, Р(В) = 5/10.

3) События А и В несовместны, так как извлекается только
один шар. Тогда: Р(А + В) = Р(А) + Р(В) = 0,3 + 0,5 = 0,8.

Пример 21.

В урне находятся 7 белых и 3 черных шара. Какова вероят­ность: 1) извлечения из урны белого шара (событие А); 2) из­влечения из урны белого шара после удаления из нее одного шара, который является белым (событие В); 3) извлечения из урны белого шара после удаления из нее одного шара, который является черным (событие С)?

1) Р(А) = = 0,7 (см. классическую вероятность).

2)Р В (А) = = 0,(6).

3) Р С (А) = | = 0,(7).

Пример 22.

Механизм собирается из трех одинаковых деталей и счита­ется неработоспособным, если все три детали вышли из строя. В сборочном цехе осталось 15 деталей, из которых 5 нестандарт­ных (бракованных). Какова вероятность того, что собранный из взятых наугад оставшихся деталей механизм будет неработос­пособным?

1) Обозначим искомое событие через А, выбор первой не­стандартной детали через А 1 , второй- через А 2 , третьей - через А 3

2) Событие А произойдет, если произойдет и событие А 1 и событие А 2 , и событие А 3 т. е.

А = А 1 А 2 А 3 ,

так как логическое «и» соответствует произведению (см. раз­дел «Алгебра высказываний. Логические операции»).

3) События А 1 , А 2 , А 3 зависимы, поэтому Р(А 1 А 2 А 3) =
= Р(А 1) Р(А 2 /А 1) Р(А 3 /А 1 А 2).

4)Р(А 1) = ,Р(А 2 /А 1) = ,Р(А 3 /А 1 А 2)= . Тогда

Р(А 1 А 2 А 3) = 0,022.

Для независимых событий: Р(А В) = Р(А) Р(В).

Исходя из вышеуказанного, критерий независимости двух событий А и В:

Р(А) = Р В (А) = Р (А), Р(В) = Р А (В) =Р (В).

Пример 23.

Вероятность поражения цели первым стрелком (событие А) равна 0,9, а вероятность поражения цели вторым стрелком (событие В) равна 0,8. Какова вероятность того, что цель будет поражена хотя бы одним стрелком?

1) Пусть С - интересующее нас событие; противоположное событие - состоит в том, что оба стрелка промахнулись.

3) Так как при стрельбе один стрелок не мешает другому, то события и независимы.

Имеем: Р() = Р() Р() = =(1 - 0,9) (1 - 0,8) =

0,1 0,2 = 0,02.

4) Р(С) = 1 -Р() = 1 -0,02 = 0,98.

Формула полной вероятности

Пусть событие А может произойти в результате проявления одного и только одного события Н i (i = 1,2,... n) из некоторой полной группы несовместных событий H 1 , H 2,… H n . События этой группы обычно называют гипотезами.

Формула полной вероятности. Вероятность события А рав­на сумме парных произведений вероятностей всех гипотез, об­разующих полную группу, на соответствующие условные ве­роятности данного события А:

Р(А) = , где = 1.

Пример 24.

Имеется 3 одинаковые урны. В первой - 2 белых и 1 чер­ный шар, во второй - 3 белых и 1 черный шар, в третьей урне - 2 белых и 2 черных шара. Из выбранной наугад урны выбира­ется 1 шар. Какова вероятность того, что он окажется белым?

Все урны считаются одинаковыми, следовательно, вероят­ность выбрать i-ю урну есть

Р(H i) = 1/3, где i = 1, 2, 3.

2) Вероятность вынуть белый шар из первой урны: (А) = .

Вероятность вынуть белый шар из второй урны: (А) = .

Вероятность вынуть белый шар из третьей урны: (А) = .

3) Искомая вероятность:

Р(А) = =0.63(8)

Пример 25.

В магазин для продажи поступает продукция трех фабрик, относительные доли которых: I - 50%, II - 30%, III - 20%. Для продукции фабрик брак соответственно составляет: I - 2%, П - 2%, III - 5%. Какова вероятность того, что изделие этой продукции, случайно приобретенное в магазине, окажется доб­рокачественным (событие А)?

1) Здесь возможны следующие три гипотезы: H 1 , H 2, H 3 -
приобретенная вещь выработана соответственно на I, II, III фабриках; система этих гипотез полная.

Вероятности: P(H 1) = 0,5; Р(Н 2) = 0,3; Р(Н 3) = 0,2.

2) Соответствующие условные вероятности события А рав­ны: (A) = 1-0,02 = 0,98; (A) = 1-0,03 = 0,97; (А) = = 1-0,05 = 0,95.

3) По формуле полной вероятности имеем: Р(А) = 0,5 0,98 + + 0,3 0,97 + 0,2 0,95 = 0,971.

Формула апостериорной вероятности (формула Бейеса)

Рассмотрим ситуацию.

Имеется полная группа несовместных гипотез H 1 , H 2, … H n , вероятности которых (i = 1, 2, ... п) известны до опыта (вероят­ности априори). Производится опыт (испытание), в результате которого зарегистрировано появление события А, причем изве­стно, что этому событию наши гипотезы приписывали опреде­ленные вероятности (i=1, 2, ...п). Каковы будут вероятности этих гипотез после опыта (вероятности апостериори)?

Ответ на подобный вопрос дает формула апостериорной вероятности (формула Бейеса):

, где i=1,2, ...п.

Пример 26.

Вероятность поражения самолета при одиночном выстреле для 1-го ракетного комплекса (событие А) равна 0,2, а для 2-го (событие В) - 0,1. Каждый из комплексов производит по одно­му выстрелу, причем зарегистрировано одно попадание в само­лет (событие С). Какова вероятность, что удачный выстрел при­надлежит первому ракетному комплексу?

Решение.

1) До опыта возможны четыре гипотезы:

H 1 = А В - самолет поражен 1 -м комплексом и самолет поражен 2-м комплексом (произведение соответствует логичес­кому «и»),

H 2 = А В - самолет поражен 1 -м комплексом и само­лет не поражен 2-м комплексом,

H 3 = А В - самолет не поражен 1 -м комплексом и са­молет поражен 2-м комплексом,

H 4 = А В - самолет не поражен 1 -м комплексом и са­молет не поражен 2-м комплексом.

Эти гипотезы образуют полную группу событий.

2) Соответствующие вероятности (при независимом действии комплексов):

Р(H 1) = 0,2 0,1 = 0,02;

Р(H 2) = 0,2 (1-0,1) = 0,18;

Р(Н 3) = (1-0,2) 0,1 = 0,08;

Р(H 4) = (1-0,2) (1-0,1) = 0,72.

3) Так как гипотезы образуют полную группу событий, то должно выполняться равенство = 1.

Проверяем: Р(H 1) + Р(Н 2) + Р(H 3) + Р(H 4) = 0,02 + 0,18 + + 0,08 + 0,72 = 1, таким образом, рассматриваемая группа гипо­тез верна.

4) Условные вероятности для наблюдаемого события С при данных гипотезах будут: (С) = 0, так как по условию задачи зарегистрировано одно попадание, а гипотеза H 1 , предполагает два попадания:

(С) = 1; (С) = 1.

(С) = 0, так как по условию задачи зарегистрировано одно попадание, а гипотеза H 4 предполагает отсутствие попаданий. Следовательно, гипотезы H 1 , и H 4 отпадают.

5)Вероятности гипотез H 2 и H 3 вычисляем по формуле Бейеса:

0,7, 0,3.

Таким образом, с вероятностью приблизительно 70% (0,7) можно утверждать, что удачный выстрел принадлежит первому ракетному комплексу.

5.4. Случайные величины. Закон распределения дискретной случайной величины

Достаточно часто на практике рассматриваются такие испытания, в результате реализации которых случайным образом получается некоторое число. Например, при бросании игрального кубика выпадает число очков от 1 до 6, при взятии 6 карт из колоды можно получить от 0 до 4 тузов. За определенный промежуток времени (скажем, день или месяц) в городе регистрируется то или иное количество преступлений, происходит какое-то количество дорожно-транспортных происшествий. Из орудия производится выстрел. Дальность полета снаряда также принимает какое-либо значение случайным образом.

Во всех перечисленных испытаниях мы сталкиваемся с так называемыми случайными величинами.

Числовая величина, принимающая то или иное значение в результате реализации испытания случайным образом, называется случайной величиной .

Понятие случайной величины играет весьма важную роль в теории вероятностей. Если «классическая» теория вероятностей изучала главным образом случайные события, то современная теория вероятностей преимущественно имеет дело со случайными величинами.

Далее будем обозначать случайные величины прописными латинскими буквами X, Y, Z и т.д., а их возможные значения – соответствующими строчными x, y, z. Например, если случайная величина имеет три возможных значения, то будем обозначать их так: , , .

Итак, примерами случайных величин могут быть:

1) количество очков, выпавших на верхней грани игрального кубика:

2) число тузов, при взятии из колоды 6 карт;

3) количество зарегистрированных преступлений за день или месяц;

4) число попаданий в мишень при четырех выстрелов из пистолета;

5) расстояние, которое пролетит снаряд при выстреле из орудия;

6) рост случайно взятого человека.

Можно заметить, что в первом примере случайная величина может принять одно из шести возможных значений: 1, 2, 3, 4, 5 и 6. Во втором и четвертом примерах число возможных значений случайной величины пять: 0, 1, 2, 3, 4. В третьем примере значением случайной величины может быть любое (теоретически) натуральное число или 0. В пятом и шестом примерах случайная величина может принимать любое действительное значение из определенного промежутка (а , b ).

Если случайная величина может принимать конечное или счетное множество значений, то она называется дискретной (дискретно распределенной).

Непрерывной случайной величиной называется такая случайная величина, которая может принимать все значения из некоторого конечного или бесконечного промежутка.

Для задания случайной величины недостаточно перечислить ее всевозможные значения. Например, во втором и в третьем примерах случайные величины могли принимать одни и те же значения: 0, 1, 2, 3 и 4. Однако вероятности, с которыми эти случайные величины принимают свои значения, будут совершенно разными. Поэтому для задания дискретной случайной величины кроме перечня ее всех возможных значений нужно еще указать их вероятности.

Соответствие между возможными значениями случайной величины и их вероятностями называютзаконом распределения дискретной случайной величины. , …, Х=

Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. Он является одним из форм закона распределения.

Пример 27. Случайным образом бросается монета. Построить ряд и многоугольник распределения числа выпавших гербов.

Случайная величина, равная количеству выпавших гербов, может принимать два значения: 0 и 1. Значение 1 соответствует событию - выпадение герба, значение 0 – выпадению решки. Вероятности выпадения герба и выпадения решки одинаковы и равны . Т.е. вероятности, с которыми случайная величина принимает значения 0 и 1, равны . Ряд распределения имеет вид: