Почему вероятность меньше 1

Тема 8. СОБЫТИЕ И ВЕРОЯТНОСТЬ

Наблюдение явления, опыт, эксперимент, которые можно провести многократно, в теории вероятностей принято называть испытанием. Примеры: сдача экзамена, наблюдение за дорожно-транспортными происшествиями, выстрел из винтовки, бросание игрального кубика, педагогический эксперимент.

Результат, исход испытания называется событием. Примеры: успешная сдача экзамена, дорожно-транспортные происшествия со смертельным исходом, попадание в цель, появление того или иного числа очков на брошенной игральной кости, получение результата при проведении педагогического эксперимента.

Два события называются совместными, если появление одного из них не исключает появления другого в одном и том же испытании. Примеры: совместные события: идет дождь и идет снег, человек ест и человек читает, число целое и четное; несовместные события: день и ночь, человек читает и человек спит, число иррациональное и четное.

Два события называются противоположными, если в данном испытании они несовместны и одно из них обязательно происходит. Примеры: если сейчас день, то сейчас не ночь; если человек спит, то в данный момент он не читает; если число иррациональное, то оно не является четным.

Событие называется достоверным, если в данном испытании оно является единственно возможным его исходом. Событие называется невозможным, если в данном испытании оно заведомо не может произойти. Примеры: если в урне все шары белые, то достать белый шар является достоверным событием, а достать черный шар является невозможным событием; если человек прыгнул в воду, то выйти мокрым является достоверным событием, а выйти сухим является невозможным событием.

Событие называется случайным, если его наступление или ненаступление в некотором испытании (эксперименте) зависит от ряда случайных факторов. Примеры: успешная сдача экзамена; выигрыш в лотерее; рождения мальчика или девочки; всхожесть семян; попадание в цель и т. д.

8.2. Определение вероятности

Совокупность образует полную группу событий для данного испытания, если его результатом обязательно становится хотя бы одно из них. Например, при сдаче зачета возможны следующие исходы: «зачтено», «не зачтено», «не явился»; при подбрасывании монеты — «орел», «решка»; при подбрасывании игральной кости — 1, 2, 3, 4, 5, 6.

События, образующие полную группу попарно несовместных и равновозможных событий, будем называть элементарными событиями.

Классическое определение вероятности

Вероятностью P(A) события A называется отношение числа элементарных событий m, благоприятствующих событию A, к числу всех элементарных событий n:

Вероятность достоверного события равна 1.
Вероятность невозможного события равна 0.
Вероятность случайного события больше 0 и меньше 1.

Статистическое определение вероятности

Классическое определение вероятности не является пригодным для изучения произвольных случайных событий. Например, оно неприемлемо, если результаты испытания не равновозможны. В таких случаях используется статистическое определение вероятности. Пусть проводится n опытов, событие A наступило m раз, тогда

где m — абсолютная частота события A; P(A) — относительная частота события A.
Вероятностью события А для испытания в данном опыте называется число P(A), около которого группируются значения относительной частоты при больших n.

Геометрическое определение вероятности

Если в результате проведения испытаний наблюдается произвольный исход из некоторого бесконечного множества, то можно сказать, что пространство элементарных исходов может быть некоторой областью G, а под событием А можно понимать исходы, входящие в область g. Пусть на область G наугад брошена «точка»; приняв равновозможность вариантов, естественно считать, что вероятность попадания в область g можно найти по формуле, называемой геометрической вероятностью:

Области могут быть различной размерности (одно-, двух- или трехмерного измерения) и, в зависимости от выбора размерности меры, могут принимать значения либо длины, либо площади, либо объема. Для конкретного испытания размерность мер g и G должна быть одна.

8.3. Свойства вероятности

Суммой событий A и B называется событие C = A + B, состоящее в наступлении, по крайней мере, одного из событий — A или B.

Теорема. Вероятность суммы двух несовместных событий A и B равна сумме вероятностей этих событий: P (A + B) = P(A) + P(B).

Примеры: пусть А — идет дождь, а В — идет снег, то (А + В) — либо дождь, либо снег, либо дождь со снегом, т. е. осадки; А — пошли на дискотеку; В — пошли в библиотеку, то А + В — пошли либо на дискотеку, либо в библиотеку, т. е. вышли из дома.

Следствие. Сумма вероятностей противоположных событий А и равна единице:

Вероятность суммы полной группы событий равна 1.

Примеры: если А — число четное, то — число нечетное; если А — зима, то — не зима (либо осень, либо лето, либо весна); если А — сдал экзамен, то — не сдал экзамен.

Произведением событий А и В называется событие С = АВ, состоящее в том, что в результате испытания произошло и событие А и событие В.

Примеры: пусть А — из урны вытянули белый шар, В — из урны вытянули белый шар, то АВ — из урны вытянули два белых шара; А — идет дождь, В — идет снег, то АВ — дождь со снегом; А — число четное, В — число кратное 3, то АВ — число кратное 6.

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

Чаще всего зависимые испытания происходят тогда, когда тянут из одной колоды, не возвращая карты в колоду, вытаскивают из одной урны и т. д.

Теорема. Вероятность произведения двух независимых событий A и B равна произведению их вероятностей:

Пусть А и В — зависимые. Условной вероятностью PA (B) события В называется вероятность события В, найденная в предположении, что событие А уже наступило.

Теорема. Вероятность произведения двух зависимых событий A и B равна произведению вероятности одного из них на условную вероятность другого, найденного в предположении, что первое событие уже наступило:

Теорема. Вероятность суммы двух совместных событий A и B равна сумме вероятностей этих событий минус вероятность их произведения

Теорема (формула полной вероятности). Вероятность события A, которое может наступить лишь при условии появления одного из n попарно несовместных событий B1, B2,…, Bn, образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события A:

Теорема (формула Байеса). Если существуют n попарно несовместных событий B ₁ , B ₂ , …, B _n , образующих полную группу, и известны условные вероятности события А, то можно найти вероятности того, что событие А произошло при условии появления некоторого события B _k по формуле:

Вопросы

1. Может ли событие быть одновременно и невозможным и достоверным?
2. Входит ли в понятие суммы событий (А + В) событие, состоящее в одновременном наступлении события А и события В?
3. Приведите пример полной группы событий для выбранного Вами испытания.
4. Исходя из формулы определения вероятности, объясните, почему значение вероятности находится в пределах от 0 до 1.
5. Часто ли случается, что наступление какого-либо события зависит от ряда причин? Приведите пример.
6. С помощью какой формулы можно выяснить наиболее вероятную причину уже наступившего события?

Теория вероятности. Почему вероятность не может быть больше 1?

Представим, что у нас проводится эксперимент с пространством из n элементарных исходов, которые равновероятны. Элементарные исходы являются несовместными событиями (напомним, что несовместные события — это те, которые не могут произойти одновременно) , поэтому вероятность каждого из них равна 1/n. Допустим, нас интересует событие А, которое наступает только при реализации благоприятных элементарных исходов, количество последних m (m< n). Тогда, согласно классическому определению, вероятность такого события:

Для любого события А справедливо неравенство: 0 < P(A)

100% это 1. А разве может быть вероятность выше 100%. Конечно нет. Она болтается между 0% и 100%. т. е. Р (а) меньше. или равно 1 и больше или равно 0.

Плотность вероятности — это не сама вероятность

Наибольшее значение вероятности — единица. Это общеизвестный факт! Однако для некоторых плотностей вероятности (например, плотности вероятности экспоненциального распределения на графике ниже), когда λ= 1.5 и �� = 0 плотность вероятности 1.5, что очевидно больше 1!

1. Почему так?

Даже если плотность вероятности f(x) принимает значение больше 1, если область, в которую она интегрируется, меньше 1, то она сводится к 1. Рассмотрим пример простой плотности вероятности — непрерывное равномерное распределение в области [0, 0.5]. Плотность вероятности непрерывного распределения 1/(b-a) постоянно равна 2.

Полная вероятность — это площадь области под графиком f(x),
то есть 2*0.5 = 1. Как видите, даже если плотность вероятности больше 1, то при интегрировании в область меньше 1 она сводится к 1.

2. Плотность вероятности и вероятность

Разве плотность вероятности f(x) не есть сама вероятность? Нет. Потому что f(x) может быть больше 1. f(��) — это просто высота графика плотности вероятности при X = ��.

Вся путаница “плотность вероятности = вероятность” возникает из-за того, что мы привыкли к понятию “функция вероятности = вероятность”, что верно. Однако плотность вероятности не то же самое, что функция вероятности. Ее не стоит интерпретировать так же, потому что дискретные и непрерывные случайные величины определяются по-разному.

Чтобы найти вероятность P(��=��) для дискретных случайных величин, мы ищем значение функции вероятности в одной точке. Вот так — в Пуассоновском распределении. Для непрерывных случайных величин мы берем интеграл от плотности вероятности на конкретном промежутке, чтобы найти вероятность того, что X попадет в этот промежуток.

f(x) ≠ P(X = ��)* f(x): плотность вероятности для непрерывных случайных величин
* P(X = x): функция вероятности для дискретных случайных величин

Теперь, конечно, все понятно. Однако вы можете задаться вопросом… Почему мы должны интегрировать плотность вероятности? Можем ли мы просто суммировать значения плотности, как делаем это со значениями функции вероятности?

Нет. Потому, что для непрерывных случайных величин вероятность того, что �� принимает какое-либо конкретное значение �� равна 0. Ниже подробности.

3. Непрерывная случайная величина и вероятность

Посмотрим на предыдущий пример, непрерывное равномерное распределение в [0, 0.5]. Плотность вероятности при x=1 равна двум. Но почему вероятность при x=1 нулевая? Чтобы ответить на этот вопрос, нужно сначала ответить на другой.
Сколько всего чисел в области [0, 0.5]?

Бесконечность. Бесконечное множество, если быть математически точной. 0.1, 0.01, 0.001, 0.0001, … Можно продолжать вставлять 0 перед единицей. Следовательно, непрерывная случайная величина имеет бесконечное число возможных значений, даже если область определения невелика и фиксирована. Допустим, плотность вероятности для каждого значения на промежутке [0, 0.5] имеет экстремально малое значение, например, 000000001. Тем не менее, сумма бесконечного числа значений достигнет бесконечности независимо от того, насколько малы эти значения. Значит, чтобы получить сумму вероятностей, равную 1, вероятность в каждой конкретной точке должна быть 1/∞, то есть 0.

Это тоже не имеет смысла. Если добавить бесконечное число нулей, все равно получится нуль. Полная вероятность должна составлять единицу, а не нуль.

Дело в том, что нельзя использовать понятие дискретной функции вероятности (у одного значения одна вероятность) для непрерывных величин. Нельзя определить вероятность непрерывных величин таким же образом, что и дискретных.

4. Вероятность из плотности вероятности

Заимствуем идею в интегрировании

Если вероятность того, что X находится точно в точке ��, равна нулю, как насчет очень маленького интервала вокруг точки ��? Например, [��, ��+d��]? Пусть d�� будет 0.00000000001. Тогда вероятность того, что X попадет в интервал [��, ��+d��] — это область под кривой f(��) расположенной между [��, ��+d��]. Если d�� бесконечно мало, этого приближения достаточно для P(��=��).

f(��)d�� : Вероятность X в [��, ��+d��].
f(��): Плотность вероятности.
d�� : Размер интервала.

Если вы посмотрите определения плотности вероятности и функции вероятности, то увидите, что сумма в случае дискретных величин (функция вероятности) меняется на интегралы в случае непрерывных величин (плотность вероятности).
Почему используются термины «плотность» и «масса»? В физике мы интегрируем плотность для получения массы. Если думать о массе как о вероятности, то мы интегрируем плотность вероятности, чтобы получить вероятность (массу).
Что означает плотность вероятности в точке ��? Она означает то, насколько вероятность сконцентрирована на единицу длины (d��) вблизи ��, или насколько плотна вероятность вблизи ��.
Нужно исправить график экспоненциального распределения в англоязычной Википедии. P(X) звучит как вероятность. Нужно изменить эту надпись на f(x) или «Плотность вероятности».

Сумма экспоненциальных случайных величин(Opens in a new browser tab)
Биномиальное распределение
Что такое распределение Пуассона?

Вычисление вероятности

Какова вероятность выиграть в лотерею? Исследователи подсчитали: один на восемь миллионов. «Или выиграю, или проиграю», — решаю я, покупая лотерейный билет. Так понятие вероятности преследует нас в обычной жизни. И не только в лотерее. Давайте разберемся подробнее.

Вероятность

Выходя утром из дома, мы задумываемся: брать ли с собой зонт? Проверяем прогноз погоды — вероятность выпадения осадков 2%. Зонтик нам сегодня вряд ли понадобится. В пути нас настигает ливень…

Прогноз погоды — самый яркий пример вероятности. Он не всегда бывает точный, не всегда сбывается. Мы не можем с уверенностью сказать, что будет завтра. Зато можем по совокупности факторов определить, на какую погоду стоит ориентироваться.

Теория вероятности — один из разделов математики, в котором изучаются модели случайных экспериментов.

Случайными экспериментами называются такие, результаты которых неизвестны заранее. Подбрасывая монетку, мы не знаем, что выпадет — орел или решка. Только поймав монетку, мы узнаем результат.

Ученый по имени Эрвин Шредингер провел мысленный эксперимент. Он поместил кота в закрытый ящик, в котором был расположен механизм, содержащий атомное ядро и ёмкость с ядовитым газом.

По эксперименту с вероятностью 0,5 ядро распадется, емкость с газом откроется и кот умрет. Но при этом с вероятностью 0,5 ядро не распадается и кот останется жив.

Рассмотрим чуть подробнее пример с монеткой. Есть всего два варианта, какое событие может произойти:

выпадет орел;
выпадет решка.

Эти два события образуют множество элементарных событий.

Множество элементарных событий — множество всех возможных результатов случайного эксперимента.

В случае выше их всего два. А если мы будем подбрасывать игральную кость, то их будет уже 6. Множество элементарных событий будет менять в зависимости от ситуации.

Допустим, мы поспорили с друзьями, что выпадет орел. Для нас это событие будет благоприятным, поскольку мы выиграем спор. Второе событие будет неблагоприятным, потому что спор будет проигран.

Как найти вероятность, что мы выиграем спор? Нужно разделить число благоприятных событий на общее число событий. Таким образом, мы получили классическое определение вероятности.

Вероятность — отношение количества благоприятных событий к количеству всех возможных событий.

Пусть m — количество благоприятных исходов, а n — количество всех событий. Получаем следующую формулу.

Вероятность можно обозначить, как P(x), где х — некоторое событие.

Заметим, что количество благоприятных исходов должно быть либо меньше, либо равно количеству всех исходов. Если благоприятных событий больше, чем всех, значит, мы нашли не все множество элементарных событий.

Когда вероятность равна 1, то такое событие точно наступит. Иначе говоря, мы можем быть уверены на 100% — оно произойдет.

Можно, если хитро сформулировать условия. Например: «Орел — я выиграл, решка — ты проиграл». Вероятность выигрыша в этом случае будет равна \(P = \frac = 1\), то есть мы точно выиграем спор.

Однако вероятность не так проста, и даже здесь подготовила ловушку.

Вероятность всегда будет меньше или равна 1. Но ее можно выразить и через проценты. Для этого достаточно умножить полученный результат на 100%.

Пример 1. На ресепшене одного из отелей стоит ваза с конфетами. В вазе 56 яблочных конфет, 49 апельсиновых и 35 малиновых. Гость отеля наугад тянет конфету. Какова вероятность, что ему попадется апельсиновая конфета?

Решение. Найдем, сколько всего конфет в вазе: 56 + 49 + 35 = 140. Вероятность вытащить апельсиновую конфету будет равна
\(\frac = 0,35\)

Выразим в процентах:
0,35 * 100% = 35%

Задача решена. Обычно в ответе пишут значение вероятности через дробное число, а не проценты. Поэтому получаем следующий ответ.

Ответ: 0,35

Чтобы выразить вероятность через проценты в одно действие, достаточно воспользоваться следующей формулой.

Но что, если нам нужно найти вероятность для более сложных экспериментов? Первым делом нужно определить, какие события перед нами.

Равновозможные и противоположные события

Когда мы бросаем игральную кость, вероятность выпадения любого из чисел равна 16. То есть вероятности выпадения чисел равны между собой. Такие события называются равновозможными.

Равновозможные события — такие события, что по условиям опыта ни одно из них не является более возможным, чем другие.

Вероятности появления событий равны.

Для игрального кубика существует всего шесть событий, которые могут произойти: выпадет число 1, 2, 3, 4, 5 или 6. Все эти события образуют полную группу событий.

Полная группа событий — такая группа событий, если в результате опыта обязательно появится хотя бы одно из них.

В результате подбрасывания монеты выпадет либо орел, либо решка. То есть полная группа событий состоит из двух событий.

Мы подбросили монету и выпал орел. Следовательно, не выпала решка.

А если не выпадет орел? Обязательно выпадет решка. Эти события будут называться противоположными.

Противоположные события — такие события, если при не наступлении одного обязательно наступает второе.

Обозначим событие “выпала решка” как A. Противоположное ему событие “выпал орел” обозначим как \(\overline\).

Заметим, что вероятность события A равняется 12, как и вероятность события \(\overline\). Чему равна их сумма?

Так мы вывели связь между противоположными событиями. Поскольку они всегда образуют полную группу событий, то сумма их вероятностей будет равна 1.

Какие еще примеры противоположных событий можно назвать? Ясная и дождливая погода. Если наступает одно из этих событий, то второе уже не может наступить.

Объединение и пересечение событий

Допустим, у нас есть два события: сегодня пойдет снег и сегодня пойдет дождь. Что будет, если мы их объединим?

Объединение событий — событие, состоящее из всех элементарных исходов, благоприятствующих хотя бы одному из событий.

В этом случае мы получим событие, которое будет выполняться при любом из исходов: и если пойдет снег, и если не пойдет снег.

Объединение событий обозначается знаком \(\cup\). Объединение событий А и В можно записать как \(A \cup B\).

Рассмотрим немного другой пример. В первое событие входит, что Илья получит пятерку по физике, а второе событие — Антон получит пятерку по физике. А как можно назвать событие, если оба мальчика получат пятерку по физике?

Пересечение событий — событие, состоящее из всех элементарных исходов, благоприятствующих обоим событиям.

Пересечение событий обозначается знаком \(\cap\). Пересечение событий А и В можно записать как \(A \cap B\).

Несовместные и совместные события

Рассмотрим два события: “чайник исправно работает” и “чайник сломался”. Могут ли эти события существовать одновременно? Нет, поскольку появление одного из них исключает появление другого.

Такие события называются несовместными. Название само говорит, что события не могут существовать одновременно.

Несовместные события — такие события, появление одного из которых исключает появление другого.

Решим небольшую задачу. На экзамене есть несколько билетов. С вероятностью 0,5 попадется билет по планиметрии. С вероятностью 0,3 попадется билет по экономике. При этом не существует билетов, которые включают обе эти темы. С какой вероятностью на контрольной попадется билет по одной из этих тем?

Представим билеты в виде схемы. Заметим, что нам нужно объединить два из трех кругов, то есть сложить их вероятности.

Следовательно, вероятность будет равна 0,5 + 0,3 = 0,8.

Сформулируем определение суммы вероятностей двух несовместных событий.

Если события А и В несовместны, то вероятность их объединения равна сумме их вероятностей:

\(P(A \cup B) = P(A) + P(B)\)

Если существуют несовместные события, то существуют и совместные.

Совместные события — события, наступление одного из которых не исключает наступления другого.

В магазине работают два консультанта. Один из них занят общением с клиентом. Означает ли это, что второй консультант тоже занят? Нет, поскольку они работают независимо друг от друга. Если занят первый консультант, второй может быть как занят, так и нет.

Подбросим игральный кубик и рассмотрим два вида событий. Пусть событие А — это “выпадет число 2”, событие В — “выпадет четное число”.

Найдем вероятность события А: \(\frac\).

Для события В всего три благоприятных исхода из шести: выпадет число 2, 4 или 6. Тогда вероятность наступления события В равна \(\frac = \frac\)

Исключают ли события А и В друг друга? Нет, поскольку если произойдет событие А, произойдет и событие В. Когда произойдет событие В, есть вероятность, что произойдет и событие А.

Найдем объединение совместных событий на примере кругов. Если мы наложим их друг на друга, то в середине получится как бы два слоя. Проверить это можно, если наложить друг на друга два листа бумаги.

А нужно получить вот такую картину:

Поэтому для объединения двух кругов нам нужно будет исключить одну из серединок.

Если события А и В совместны, то вероятность их объединения равна сумме их вероятностей без вероятности их пересечения:

\(P(A \cup B) = P(A) + P(B) — P(A \cap B)\)

В каких случаях нужно пользоваться формулой со сложением? Достаточно, чтобы задачу можно было сформулировать с помощью “или”. Например, нужно, чтобы выпали темы по планиметрии или по экономике.

Независимые и зависимые события

Прогуляемся в магазин за булочками. В упаковке две булочки, а сама упаковка непрозрачная, то есть увидеть булочки до вскрытия упаковки мы не можем.

Известно, что на заводе, где изготавливаются булочки, 5 из 100 булочек подгорают. Значит, 95 из 100 булочек не подгорают. По классическому определению вероятности находим, что вероятность каждой булочки не подгореть равна \(\frac = 0,95\).

Какова вероятность, что в упаковке попадутся только не подгорелые булочки? Как найти вероятность сразу для двух булочек?

Ответим на вопрос: зависят ли булочки друг от друга?

Если подгорит одна из булочек в упаковке, не обязательно подгорит другая. Следовательно, булочки не зависят друг от друга. Такие события называются независимыми.

Независимые события — такие события, появление одного из которых не зависит от появления другого события.

Определим вероятность независимых событий.

Пусть вероятность, что подгорела первая булочка, будет равна Р(А) = 0,95, а вероятность для второй булочки будет равна Р(В) = 0,95.

А чтобы найти вероятность независимых событий, нужно воспользоваться следующей формулой:

\(P(A \cap B) = P(A) * P(B)\)

Тогда вероятность, что булочки в одной упаковке не подгорят, равняется P = 0,95 * 0,95 = 0,9025.

В каком случае нужно пользоваться этой формулой? Нужно подставить союз “и”.

Мы хотим, чтобы в упаковке первая булочка была не подгорелой и вторая булочка была не подгорелой.

Приведем еще один пример. В здании два автомата с кофе на разных этажах. Даже если сломается один из них, работа второго не будет зависеть от первого.

Но если автоматы стоят рядом и включены в одну розетку, то при поломке одного из них есть вероятность выхода из строя розетки, а значит, и второй автомат тоже сломается. Такие события будут зависимыми: появление одного из них зависит от появления другого.

Предположим, что в мешке лежит семь кубиков: два из них оранжевые, а пять — фиолетовые. Из мешка дважды вытаскивают кубики. Какова вероятность, достать во второй раз именно фиолетовый кубик?

Нужная последовательность может быть в двух случаях:

сначала вытащат фиолетовый кубик и потом снова фиолетовый;
сначала вытащат оранжевый кубик, а потом фиолетовый.

Разберем первый случай. Вероятность в первый раз вытащить фиолетовый кубик равна \(\frac\). После этого в мешке останется шесть кубиков, четыре из которых будут фиолетовые.

Вероятность вытащить во второй раз фиолетовый кубик равна \(\frac * \frac = \frac = \frac\).

Теперь рассмотрим второй случай. Вероятность в первый раз достать оранжевый кубик равна \(\frac\). В мешке останется шесть кубиков, пять из которых будут фиолетовыми.

Вероятность вытащить во второй раз фиолетовый кубик будет уже равна \(\frac * \frac = \frac = \frac\).

В этом примере очень наглядно видно, что вероятность напрямую зависит от того, какой кубик попался первым. Следовательно, эти события зависимы.

Как отличить зависимые и независимые события? Если после наступления первого события меняется количество благоприятных и всех исходов, то такие события — зависимые. Если количество благоприятных и всех исходов не меняется, то события независимые.

Условная вероятность — вероятность некоторого события В при условии наступления некоторого события А.

Условная вероятность обозначается P(B|A). В нашем примере условной вероятностью будет вычисление, что во второй раз попадется именно фиолетовый кубик.

Найдем вероятность двух зависимых событий. Формула похожа на ту, что используется для независимых событий. Но в этот раз нам нужно применить условную вероятность.

Вероятность появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, при условии, что первое событие уже наступило:

\(P(A \cap B) = P(A) * P(B | A)\)

Формула Бернулли

Рассмотрим случаи, когда испытание повторяется многократно. Для этого еще раз обратимся к игральному кубику. Подбросим кубик 8 раз. Какова вероятность, что цифра 5 выпала ровно три раза?

Пусть p — вероятность, что выпадет цифра 5. Тогда \(p = \frac\).

Теперь возьмем q — противоположное р событие — вероятность, что цифра 5 не выпадет. \(q = \frac\).

Обозначим количество всех бросков за n, а количество выпадения цифры 5 за k.

Чтобы решить задачу, нужно воспользоваться формулой Бернулли.

Множитель \(C_n^k\) — это число сочетаний. Подробнее узнать про сочетания можно в статье «Основы комбинаторики».

Решим задачу, подставив значения в формулу:

Фактчек

Вероятность — отношение количества благоприятных событий к количеству всех возможных событий.
События могут быть противоположными. Противоположные события — такие события, если при не наступлении одного обязательно наступает второе.
События можно разделить на совместные и несовместные. Несовместные события — такие события, появление одного из которых исключает появление другого. Если события А и В несовместны, то вероятность их объединения равна сумме их вероятностей: P(A \(\cup) B) = P(A) + P(B). Совместные события — события, наступление одного из которых не исключает наступления другого. Если события А и В совместны, то вероятность их объединения равна сумме их вероятностей без вероятности их пересечения: P(A \cup B) = P(A) + P(B) — P(A \cap B).
События также можно разделить на независимые и зависимые. Независимые события — такие события, появление одного из которых не зависит от появления другого события. Вероятность независимых событий можно найти по формуле P(A \cap B) = P(A) * P(B). Зависимые события — это события, появление одного из которых зависит от появления другого. Вероятность появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, при условии, что первое событие уже наступило. P(A \cap B) = P(A) * P(B | A).
Условная вероятность — вероятность некоторого события В при условии наступления некоторого события А.

Проверь себя

Задание 1.
Какие события являются несовместными?

Подбрасывание монетки.
Брак батареек в одной упаковке.
“Миша идет” и “Миша стоит”.
Случайное вытаскивание конфет из вазы.

Задание 2.
Алена делает ошибку при решении задач по математике с вероятностью 0,17. С какой вероятностью она не сделает ошибку при решении задачи?

Задание 3.
Артем решал задачи на вероятность. Ниже приведены его ответы. В какой из задач он точно совершил ошибку?

Задание 4.
В упаковке три шариковые ручки. С вероятностью 0,1 такая ручка не будет писать. Найдите вероятность, что все три ручки в упаковке пишут.

Задание 5.
Перед Дашей лежит несколько карточек. Она случайно переворачивает одну из них. С вероятностью 0,5 на карточке окажется рисунок природы. С вероятностью 0,27 на карточке окажется мотивационная цитата. Карточек и с рисунком, и с цитатой нет. Найдите вероятность, что Дана перевернет карточку или с рисунком, или с цитатой.

Ответы: 1. — 3 2. — 3 3. — 4 4. — 4 5. — 1