Математика для программистов теория вероятностей


Оглавление (нажмите, чтобы открыть):

Теория вероятностей, Математическая статистика, Математическое программирование, Учебное пособие, Белько И.В., Морозова И.М., Криштапович Е.А., 2020

Теория вероятностей, Математическая статистика, Математическое программирование, Учебное пособие, Белько И.В., Морозова И.М., Криштапович Е.А., 2020.

Рассмотрены темы, изучаемые в третьей части курса «Высшая математика»: теория вероятностей, математическая статистика и математическое программирование. Каждая глава содержит теоретические основы с примерами, задачи с решениями и задачи для самостоятельной работы, снабженные ответами. Большинство примеров и задач имеют экономическую направленность. Пособие может быть использовано для самостоятельной подготовки по данным разделам курса высшей математики. Для студентов и преподавателей экономических специальностей высших учебных заведений.

События и вероятности.
Для вычисления вероятностей в начале главы вводятся элементы комбинаторики. Связи между операциями над событиями и их вероятностями описываются теоремами сложения и умножения вероятностей. Для случая, когда пространство событий разбивается гипотезами, рассматриваются формула полной вероятности и формула Байеса.

Оглавление.
Предисловие.
Часть 1.Теория вероятностей.
Глава 1.События и вероятности.
Глава 2.Схема испытаний Бернулли.
Глава 3.Случайные величины и законы их распределения.
Глава 4.Законы распределения случайных величин.
Глава 5.Многомерные случайные величины.
Глава 6.Закон больших чисел.
Часть 2.Математическая статистика.
Глава 7.Вариационные ряды и их характеристики.
Глава 8.Оценка параметров генеральной совокупности.
Глава 9.Проверка статистических гипотез.
Глава 10.Однофакторный дисперсионный анализ.
Глава 11.Корреляционный анализ.
Глава 12.Регрессионный анализ.
Часть 3.Математическое программирование.
Глава 13.Классические задачи линейного программирования.
Глава 14.Основные понятия задач линейного программирования и графический метод их решения.
Глава 15.Симплексный метод. Теория двойственности.
Глава 16.Транспортная задача.
Приложения.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России. Купить эту книгу

Какая математика нужна программистам

Опытные разработчики рассказывают нужны ли программисту знания математики и на какие ее разделы следует обратить внимание. Спойлер — каждому свое. Для разных типов задач нужны (или не нужны вовсе) свои разделы царицы наук. Подробнее об этом мы поговорим на бесплатном интенсиве по основам программирования.

Александр Баталов, технический директор Zavento:

Если вы планируете заниматься графикой, то, скорее всего, вам пригодятся дифференциальные уравнения и геометрия. Если моделированием естественных процессов (например, в области энергетики), то нужны: математический анализ, дифференциальные уравнения, математическая физика и вычислительная математика. Если финансовой сферой, то необходимо разбираться в теории вероятности и математической статистике, а также математической логике, алгебре, теории чисел и вычислительной математике. Для создания игр пригодятся все разделы математики, так как там есть и отрисовка графики, и моделирование физических процессов, ну и, конечно же, создание искусственного интеллекта.

Лично в моем опыте больше всего пригодились математический анализ, дифференциальные уравнения и вычислительная математика.

Ярослав Никонов, аналитик департамента разработки программного обеспечения компании «Аэроклуб ИТ»:

Даже тем программистам, которые не принимают непосредственного участия в разработке программ для научных и математических нужд, знания по математике могут пригодиться как минимум для уменьшения объема хранимых данных или прогнозирования.

Я бы советовал в первую очередь обратить внимание на дискретную математику и математическую статистику. Например, при написании баз данных или построении поисковых систем не обойтись без знаний дискретной математики. Она же пригодится в логистике и построении маршрутов. Data mining в свою очередь требует владения математической статистикой, как и биржевой сектор, где большинство игроков — боты, при написании которых также требуются знания по матстатистике, как и при любом прогнозировании.

Разберу пример из моего недавнего проекта в компании «Аэроклуб». Задача состояла в построении дешёвых или быстрых маршрутов из города А в город Б, используя перелёты и ж/д поездки. С одной стороны, задача выглядит довольно простой, ведь мы можем построить ориентированный граф, где вершинами являются города, а ребра — перелётом или ж/д переездом, где вес ребра — это стоимость или время. Далее можно воспользоваться алгоритмом поиска кратчайшего пути, например, алгоритмом Дейкстры. Но есть несколько сложностей:

  1. Цены не статичны и могут отличаться в зависимости от дат.
  2. Хранить данные о ценах на каждую дату за год практически невозможно (за сутки осуществляется более миллиона перелетов).
  3. Получить данные о ценах по всем направлениям на заданную дату очень долгая процедура (измеряется в 10-ах минут, и пользователь обычно не готов столько ждать).
  4. Нужен не самый дешевый маршрут, а несколько дешевых маршрутов (т.к. пользователь хочет увидеть несколько вариантов и выбрать тот, которым ему будет комфортнее добираться).

Проблема, описанная в 3 пункте, не решается известными алгоритмами быстрого поиска кратчайшего пути, так как практически все они ищут один путь, а нам необходимы несколько. На помощь в таких случаях может прийти теория графов — один из разделов дискретной математики, и хорошее логическое мышление. Проблемы под пунктами 1, 2 и 3 можно решить математической статистикой.

Поскольку мы не можем хранить довольно большой объем данных, необходимо его сократить. Каким образом можно сократить данные? Скажем, хранить только одну стоимость за сутки из города А в город Б, но при этом эта цена должна быть правдоподобной по сравнению с ценами перелетов из других городов, т.е., если цены из А в Б дешевле цен из А1 в Б1, то и единственная цена должна быть дешевле.

Для решения этой проблемы можно прибегнуть к простому способу хранения минимальных или средних цен за сутки. Хотя и это далеко не всегда правильный выход, так как может быть ровно один перелёт стоимостью в 1000 рублей и 10 перелётов стоимостью в 5000 рублей, таким образом получаем минимальная цену — 1000 рублей, а среднюю — чуть менее 5000. Минимальная цена очевидно слишком сильно отличается от средней. А поскольку маршруты строятся не на реальных ценах в данный момент, то мест на дешевый тариф может не остаться, и маршрут не окажется дешевым, как планировалось изначально.

Правильный выход при подсчете цены за сутки из пункта А в пункт Б должен быть относительным, и строиться относительно цен из других пунктов. Для таких оценок помогает математическая статистика. Построив относительные цены по разным направлениям за сутки, мы решаем проблемы пунктов 1, 2 и 3 и расставляем ровно один вес на каждое ребро, соединяющее вершины графа (города). А используя дискретную математику (теорию графов) можем построить эффективный алгоритм поиска нескольких дешевых (быстрых) маршрутов из пункта А в пункт Б.

Михаил Вайсман, CEO студии мобильной разработки Trinity Digital:

В будущем люди разделятся на два типа — созидающие, разрабатывающие — программисты, и потребляющие. Поэтому знание математики — обязательный атрибут не только программиста, но и любого человека, причисляющего себя к образованной, культурной части человечества, созидающей части.

Насчет разделов математики — обратите внимание на матанализ, очень хорошо структурирует мысль, и на линейную алгебру — пригодится для работы с компьютерной графикой.

Алексей Смирнов, технический директор ИТ-компании «Нетрика»:

Если изучать только отдельные области, образование программиста не будет полным. Например, трудно обойтись без дискретной математики — пожалуй, самой применимой в области общего программирования. Теория алгоритмов сильно зависит (как минимум) от знаний алгебры и математического анализа.

Большая часть разработчиков веб-приложений скажет, что им вполне достаточно школьной базы и самообразования — просто потому, что каких-то особенных математических навыков в этой сфере разработки ПО не требуется. Программистам, работающим на более сложном уровне, понадобятся более фундаментальные знания — например, в индустрии разработки компьютерных игр (Game Development) очень полезны знания алгоритмов, линейной алгебры и геометрии. В любом случае, прежде чем начать строить свою профессиональную карьеру в программировании, крайне важно заложить те самые базовые знания, которые в обязательном порядке даются в сильных технических вузах.

Николай Добровольский, вице-президент Parallels:

Программисты бывают разные. Математика и алгоритмика нужны в вещах связанных с низкоуровневыми оптимизациями и алгоритмами обработки данных. Но это далеко не вся и даже не самая большая часть работы. Например, наиболее трудоемкий процесс — написание пользовательского интерфейса. Здесь математика практически не нужна нигде. Требуется понимание подходов к построению удобных в использовании сервисов.

В этом есть сложность нашей, еще советской, школы программирования. У нас очень развита академическая составляющая, математика, комбинаторика, алгоритмика и слабые навыки создания приятных в использовании ИТ-продуктов. Это крайне важных аспект при их коммерческой реализации. Продукты должны красиво выглядеть, быть интуитивно понятны и простыми в использовании. С этим у нас в России далеко не все просто. Отчасти это связано с факторами внешней среды. Там где нет понятий сервиса, культуры и удобства обслуживания, прививать подобные ценности непросто. Но это крайне важный аспект, поскольку именно он позволяет программистам на всех уровнях делать удобные и ориентированные на конечного пользователя продукты.

Подобные навыки можно получить на курсах product management, program management и других дисциплинах. Десять, двадцать, тридцать лет назад слово «программист» объединяло в себе все, что так или иначе было связано с компьютерами, системами связи, программированием и так далее. Сейчас же все очень быстро развивается. Огромное количество технологий появляются каждый день. Что-то появляется, что-то умирает достаточно быстро.

Цикл порой может быть в год-два. Например, с точки зрения пользовательского опыта или web-технологий, то что сейчас считается мейнстримом, через три года может быть никому не нужно. При этом, крайне важно оставаться в информационном поле, следить за трендами, осваивать новые технологии.

Правило «10 000 часов», предполагающее трансформацию специалиста из «чайника» в профессионала» через практический опыт никто не отменял. Если говорить о книгах, то, на мой взгляд, одна из интереснейших работ в области эргономики была написана Дональдом Норманом и называется «Дизайн привычных вещей» (Designer everyday things). Написанная в 1988 году, она и по сей день дает основные ответы на вопросы создания удобных вещей.

Андрей Хромышев, старший программист-разработчик ПО компании Acronis:

Я думаю, здесь будет вполне уместна цитата великого Эдсгера Дейкстра: «Программирование — не набор пассов и заклинаний, не шаманство, не танцы с бубном, а математическая дисциплина. А всякая дисциплина, если она претендует на нечто большее, чем на внешний эффект, должна строиться на прочном фундаменте». Таким фундаментом для Дейкстры является математическая логика, а точнее — исчисление предикатов.

В большинстве случаев современному прикладному программисту нет необходимости иметь огромный багаж знаний по матанализу, статистике, линейной алгебре и прочим дисциплинам, но математическую логику знать практически необходимо — хотя бы ради того, чтобы понимать принципы работы и логически мыслить. Также справедливо утверждение, что программист с математической подготовкой пишет код лучше, понятнее, структурнее.

Стоит отметить, что многое зависит от задач, над которыми трудится программист: кто-то программирует сигнальные процессоры, а кто-то специфическое ПО для работы с ДНК.

В завершении скажу так: чем профессиональнее становится разработчик, тем «глубже» он идёт в предметную область, а в ней, безусловно, существует ряд инженерных решений, основанных на применении математического аппарата.

Роман Моисеенко, технический директор и сооснователь Мерката:

Мы устроили опрос разработчиков в нашей компании и они отметили, что очень пригодилась комбинаторика и комбинаторные алгоритмы, в основном — при оптимизации различных алгоритмов, работающих с перестановками, сочетаниями, размещениями, разбиением на подмножества, обходы графов, а также при оценке сложности того или иного алгоритма.

Также в прикладной разработке местами полезна тригонометрия. Из менее популярных, но все же полезных разделов — это теория множеств при работе со сложными массивами, числовые ряды, дифференциальное и интегральное счисление, статистика, однако их применение довольно специфично и сильно зависит от продуктов, которые разрабатывает компания.

Павел Чистов, руководитель отдела обучения компании «Инфостарт»:

Для будущих программистов важны комбинаторика, алгоритмирование, статистика и матанализ. В целом нельзя сказать, что изучение математики является гарантированно залогом к пониманию алгоритмов и построению алгоритмического мышления, но без нее, крайне тяжело развить эти навыки.

Для разного уровня программирования полезны свои разделы математики. Для низкоуровневого программирования, для 3D моделирования, для задаче-ориентированного программирования — будут полезны свои разделы. Кому геометрия, кому дискретная математика. К примеру, без знаний линейной алгебры и статистики невозможно программировать в области шифрования.

Даже без математики: профессия «Веб-разработчик».

Опытные разработчики рассказывают нужны ли программисту знания математики и на какие ее разделы следует обратить внимание. Спойлер — каждому свое. Для разных типов задач нужны (или не нужны вовсе) свои разделы царицы наук. Подробнее об этом мы поговорим на бесплатном интенсиве по основам программирования.

Александр Баталов, технический директор Zavento:

Если вы планируете заниматься графикой, то, скорее всего, вам пригодятся дифференциальные уравнения и геометрия. Если моделированием естественных процессов (например, в области энергетики), то нужны: математический анализ, дифференциальные уравнения, математическая физика и вычислительная математика. Если финансовой сферой, то необходимо разбираться в теории вероятности и математической статистике, а также математической логике, алгебре, теории чисел и вычислительной математике. Для создания игр пригодятся все разделы математики, так как там есть и отрисовка графики, и моделирование физических процессов, ну и, конечно же, создание искусственного интеллекта.

Лично в моем опыте больше всего пригодились математический анализ, дифференциальные уравнения и вычислительная математика.

Ярослав Никонов, аналитик департамента разработки программного обеспечения компании «Аэроклуб ИТ»:

Даже тем программистам, которые не принимают непосредственного участия в разработке программ для научных и математических нужд, знания по математике могут пригодиться как минимум для уменьшения объема хранимых данных или прогнозирования.

Я бы советовал в первую очередь обратить внимание на дискретную математику и математическую статистику. Например, при написании баз данных или построении поисковых систем не обойтись без знаний дискретной математики. Она же пригодится в логистике и построении маршрутов. Data mining в свою очередь требует владения математической статистикой, как и биржевой сектор, где большинство игроков — боты, при написании которых также требуются знания по матстатистике, как и при любом прогнозировании.

Разберу пример из моего недавнего проекта в компании «Аэроклуб». Задача состояла в построении дешёвых или быстрых маршрутов из города А в город Б, используя перелёты и ж/д поездки. С одной стороны, задача выглядит довольно простой, ведь мы можем построить ориентированный граф, где вершинами являются города, а ребра — перелётом или ж/д переездом, где вес ребра — это стоимость или время. Далее можно воспользоваться алгоритмом поиска кратчайшего пути, например, алгоритмом Дейкстры. Но есть несколько сложностей:

  1. Цены не статичны и могут отличаться в зависимости от дат.
  2. Хранить данные о ценах на каждую дату за год практически невозможно (за сутки осуществляется более миллиона перелетов).
  3. Получить данные о ценах по всем направлениям на заданную дату очень долгая процедура (измеряется в 10-ах минут, и пользователь обычно не готов столько ждать).
  4. Нужен не самый дешевый маршрут, а несколько дешевых маршрутов (т.к. пользователь хочет увидеть несколько вариантов и выбрать тот, которым ему будет комфортнее добираться).

Проблема, описанная в 3 пункте, не решается известными алгоритмами быстрого поиска кратчайшего пути, так как практически все они ищут один путь, а нам необходимы несколько. На помощь в таких случаях может прийти теория графов — один из разделов дискретной математики, и хорошее логическое мышление. Проблемы под пунктами 1, 2 и 3 можно решить математической статистикой.

Поскольку мы не можем хранить довольно большой объем данных, необходимо его сократить. Каким образом можно сократить данные? Скажем, хранить только одну стоимость за сутки из города А в город Б, но при этом эта цена должна быть правдоподобной по сравнению с ценами перелетов из других городов, т.е., если цены из А в Б дешевле цен из А1 в Б1, то и единственная цена должна быть дешевле.

Для решения этой проблемы можно прибегнуть к простому способу хранения минимальных или средних цен за сутки. Хотя и это далеко не всегда правильный выход, так как может быть ровно один перелёт стоимостью в 1000 рублей и 10 перелётов стоимостью в 5000 рублей, таким образом получаем минимальная цену — 1000 рублей, а среднюю — чуть менее 5000. Минимальная цена очевидно слишком сильно отличается от средней. А поскольку маршруты строятся не на реальных ценах в данный момент, то мест на дешевый тариф может не остаться, и маршрут не окажется дешевым, как планировалось изначально.

Правильный выход при подсчете цены за сутки из пункта А в пункт Б должен быть относительным, и строиться относительно цен из других пунктов. Для таких оценок помогает математическая статистика. Построив относительные цены по разным направлениям за сутки, мы решаем проблемы пунктов 1, 2 и 3 и расставляем ровно один вес на каждое ребро, соединяющее вершины графа (города). А используя дискретную математику (теорию графов) можем построить эффективный алгоритм поиска нескольких дешевых (быстрых) маршрутов из пункта А в пункт Б.

Михаил Вайсман, CEO студии мобильной разработки Trinity Digital:

В будущем люди разделятся на два типа — созидающие, разрабатывающие — программисты, и потребляющие. Поэтому знание математики — обязательный атрибут не только программиста, но и любого человека, причисляющего себя к образованной, культурной части человечества, созидающей части.

Насчет разделов математики — обратите внимание на матанализ, очень хорошо структурирует мысль, и на линейную алгебру — пригодится для работы с компьютерной графикой.

Алексей Смирнов, технический директор ИТ-компании «Нетрика»:

Если изучать только отдельные области, образование программиста не будет полным. Например, трудно обойтись без дискретной математики — пожалуй, самой применимой в области общего программирования. Теория алгоритмов сильно зависит (как минимум) от знаний алгебры и математического анализа.

Большая часть разработчиков веб-приложений скажет, что им вполне достаточно школьной базы и самообразования — просто потому, что каких-то особенных математических навыков в этой сфере разработки ПО не требуется. Программистам, работающим на более сложном уровне, понадобятся более фундаментальные знания — например, в индустрии разработки компьютерных игр (Game Development) очень полезны знания алгоритмов, линейной алгебры и геометрии. В любом случае, прежде чем начать строить свою профессиональную карьеру в программировании, крайне важно заложить те самые базовые знания, которые в обязательном порядке даются в сильных технических вузах.

Николай Добровольский, вице-президент Parallels:

Программисты бывают разные. Математика и алгоритмика нужны в вещах связанных с низкоуровневыми оптимизациями и алгоритмами обработки данных. Но это далеко не вся и даже не самая большая часть работы. Например, наиболее трудоемкий процесс — написание пользовательского интерфейса. Здесь математика практически не нужна нигде. Требуется понимание подходов к построению удобных в использовании сервисов.

В этом есть сложность нашей, еще советской, школы программирования. У нас очень развита академическая составляющая, математика, комбинаторика, алгоритмика и слабые навыки создания приятных в использовании ИТ-продуктов. Это крайне важных аспект при их коммерческой реализации. Продукты должны красиво выглядеть, быть интуитивно понятны и простыми в использовании. С этим у нас в России далеко не все просто. Отчасти это связано с факторами внешней среды. Там где нет понятий сервиса, культуры и удобства обслуживания, прививать подобные ценности непросто. Но это крайне важный аспект, поскольку именно он позволяет программистам на всех уровнях делать удобные и ориентированные на конечного пользователя продукты.

Подобные навыки можно получить на курсах product management, program management и других дисциплинах. Десять, двадцать, тридцать лет назад слово «программист» объединяло в себе все, что так или иначе было связано с компьютерами, системами связи, программированием и так далее. Сейчас же все очень быстро развивается. Огромное количество технологий появляются каждый день. Что-то появляется, что-то умирает достаточно быстро.

Цикл порой может быть в год-два. Например, с точки зрения пользовательского опыта или web-технологий, то что сейчас считается мейнстримом, через три года может быть никому не нужно. При этом, крайне важно оставаться в информационном поле, следить за трендами, осваивать новые технологии.

Правило «10 000 часов», предполагающее трансформацию специалиста из «чайника» в профессионала» через практический опыт никто не отменял. Если говорить о книгах, то, на мой взгляд, одна из интереснейших работ в области эргономики была написана Дональдом Норманом и называется «Дизайн привычных вещей» (Designer everyday things). Написанная в 1988 году, она и по сей день дает основные ответы на вопросы создания удобных вещей.

Андрей Хромышев, старший программист-разработчик ПО компании Acronis:

Я думаю, здесь будет вполне уместна цитата великого Эдсгера Дейкстра: «Программирование — не набор пассов и заклинаний, не шаманство, не танцы с бубном, а математическая дисциплина. А всякая дисциплина, если она претендует на нечто большее, чем на внешний эффект, должна строиться на прочном фундаменте». Таким фундаментом для Дейкстры является математическая логика, а точнее — исчисление предикатов.

В большинстве случаев современному прикладному программисту нет необходимости иметь огромный багаж знаний по матанализу, статистике, линейной алгебре и прочим дисциплинам, но математическую логику знать практически необходимо — хотя бы ради того, чтобы понимать принципы работы и логически мыслить. Также справедливо утверждение, что программист с математической подготовкой пишет код лучше, понятнее, структурнее.

Стоит отметить, что многое зависит от задач, над которыми трудится программист: кто-то программирует сигнальные процессоры, а кто-то специфическое ПО для работы с ДНК.

В завершении скажу так: чем профессиональнее становится разработчик, тем «глубже» он идёт в предметную область, а в ней, безусловно, существует ряд инженерных решений, основанных на применении математического аппарата.

Роман Моисеенко, технический директор и сооснователь Мерката:

Мы устроили опрос разработчиков в нашей компании и они отметили, что очень пригодилась комбинаторика и комбинаторные алгоритмы, в основном — при оптимизации различных алгоритмов, работающих с перестановками, сочетаниями, размещениями, разбиением на подмножества, обходы графов, а также при оценке сложности того или иного алгоритма.

Также в прикладной разработке местами полезна тригонометрия. Из менее популярных, но все же полезных разделов — это теория множеств при работе со сложными массивами, числовые ряды, дифференциальное и интегральное счисление, статистика, однако их применение довольно специфично и сильно зависит от продуктов, которые разрабатывает компания.

Павел Чистов, руководитель отдела обучения компании «Инфостарт»:

Для будущих программистов важны комбинаторика, алгоритмирование, статистика и матанализ. В целом нельзя сказать, что изучение математики является гарантированно залогом к пониманию алгоритмов и построению алгоритмического мышления, но без нее, крайне тяжело развить эти навыки.

Для разного уровня программирования полезны свои разделы математики. Для низкоуровневого программирования, для 3D моделирования, для задаче-ориентированного программирования — будут полезны свои разделы. Кому геометрия, кому дискретная математика. К примеру, без знаний линейной алгебры и статистики невозможно программировать в области шифрования.

Даже без математики: профессия «Веб-разработчик».

Математика для разработчиков

Знание математики повышает вашу конкурентоспособность как программиста и открывает много новых возможностей. Она развивает абстрактное и критическое мышление, позволяет строго анализировать код и доказывать его свойства. Есть множество областей и профессий, работа в которых просто невозможна без уверенного знания царицы всех наук: анализ данных, биоинформатика, верификация, компьютерное зрение, криптография, машинное обучение, финансовая математика и др. Не секрет, что на собеседованиях в ведущие IT-компании часто дают математические задачи даже на позиции, не связанные напрямую с математикой.

Для кого

Программа позволит вам освежить и систематизировать ваши знания по основам математического анализа, дискретной математики, линейной алгебры и теории вероятностей, а также потренироваться в решении стандартных и нестандартных задач.

Вступительный экзамен

Для поступления на программу необходимо сдать вступительный экзамен, продемонстрировав, что вы имеете базовые навыки программирования и помните математику уровня первого курса технических специальностей.

Курсы программы

Преподаватели

Александр Омельченко

Александр Храбров

Отзывы выпускников

Узнав о программе CS центра по математике, решил освежить свои заржавевшие университетские знания и ни капли не пожалел — очень серьезная подача материала с доказательствами и теоремами помогли глубже понять материал, интересные и полезные задачи закрепили понимание, плюс среди задач были задачи с проверкой и ценными комментариями от преподавателя. Были и недочеты — в некоторых задачах несколько числовых ответов проверялись все за один раз, поэтому невозможно было понять на каком этапе ошибся. Наверное, я сам себе противоречу, но все же для программистов не всегда нужен фундаментальный аксиоматический подход в подаче материала, вполне сгодится и сугубо практический, то есть без аксиоматики и с упором на практику (особенно это касается курса по теории вероятностей). В целом — впечатления очень позитивные, хоть и было потрачено много свободного времени, нервов, отставал от дедлайнов. Считаю, что программа в очень короткий промежуток времени позволяет охватить чуть ли не базовый курс университетской математики самостоятельно и без перемещения физического тела) Огромная благодарность CS центру, преподавателям, организаторам и ассистентам!

Все, что исходит от CS центра — это прекрасно! Онлайн-программа «Математика для программистов» не стала исключением. Спасибо преподавателям, ассистентам и кураторам за 4 курса, которые и помогли мне освежить, укрепить уже имеющиеся знания и получить новые! Наверное, за онлайн-обучением будущее. Для многих непривычен такой формат, не хватает общения, обратной связи. И для меня было непривычно, но вместе с тем я понимаю, что если есть желание, то можно и в таком формате решить эти проблемы. Для этого, прежде всего, каждый должен проявлять больше инициативы. Преподаватели, ассистенты вам помогут, нужно лишь написать! А с однокурсниками и кураторами можно успешно общаться в чате. Уверен, скоро мы все привыкнем и для нас онлайн-программы станут такими же естественными, как и очные. Всем советую поступать на онлайн-программы CS центра! Это больше, чем пройти пару курсов по отдельности, не зря это «программа»!

Благодарю организаторов данной онлайн-программы, преподавателей и ассистентов. Было очень приятно работать. Данный курс помог мне подготовиться к собеседованию в корпоративную магистратуру ИТМО и JetBrains. Если бы было возможно, я бы с удовольствием прошёл остальные программы помимо математики для разработчиков. Спасибо!

Теория вероятностей. Математика для программистов: теория вероятностей

События, которые происходят реально или в нашем воображении, можно разделить на 3 группы. Это достоверные события, которые обязательно произойдут, невозможные события и случайные события. Теория вероятностей изучает случайные события, т.е. события, которые могут произойти или не произойти. В данной статье будет представлена в кратком виде теория вероятности формулы и примеры решения задач по теории вероятности, которые будут в 4 задании ЕГЭ по математике (профильный уровень).

Зачем нужна теория вероятности

Исторически потребность исследования этих проблем возникла в XVII веке в связи с развитием и профессионализацией азартных игр и появлением казино. Это было реальное явление, которое требовало своего изучения и исследования.

Игра в карты, кости, рулетку создавала ситуации, когда могло произойти любое из конечного числа равновозможных событий. Возникла необходимость дать числовые оценки возможности наступления того или иного события.

В XX веке выяснилось, что эта, казалось бы, легкомысленная наука играет важную роль в познании фундаментальных процессов, протекающих в микромире. Была создана современная теория вероятностей.

Основные понятия теории вероятности

Объектом изучения теории вероятностей являются события и их вероятности. Если событие является сложным, то его можно разбить на простые составляющие, вероятности которых найти несложно.

Суммой событий А и В называется событие С, заключающееся в том, что произошло либо событие А, либо событие В, либо события А и В одновременно.

Произведением событий А и В называется событие С, заключающееся в том, что произошло и событие А и событие В.

События А и В называется несовместными, если они не могут произойти одновременно.

Событие А называется невозможным, если оно не может произойти. Такое событие обозначается символом .

Событие А называется достоверным, если оно обязательно произойдет. Такое событие обозначается символом .

Важным частным случаем является ситуация, когда имеется равновероятных элементарных исходов, и произвольные из этих исходов образуют события А. В этом случае вероятность можно ввести по формуле . Вероятность, введенная таким образом, называется классической вероятностью. Можно доказать, что в этом случае свойства 1-4 выполнены.

Задачи по теории вероятностей, которые встречаются на ЕГЭ по математике, в основном связаны с классической вероятностью. Такие задачи могут быть очень простыми. Особенно простыми являются задачи по теории вероятностей в демонстрационных вариантах. Легко вычислить число благоприятных исходов , прямо в условии написано число всех исходов .

Ответ получаем по формуле .

Пример задачи из ЕГЭ по математике по определению вероятности

На столе лежат 20 пирожков — 5 с капустой, 7 с яблоками и 8 с рисом. Марина хочет взять пирожок. Какова вероятность, что она возьмет пирожок с рисом?

Решение.

Всего равновероятных элементарных исходов 20, то есть Марина может взять любой из 20 пирожков. Но нам нужно оценить вероятность того, что Марина возьмет пирожок с рисом, то есть , где А — это выбор пирожка с рисом. Значит у нас количество благоприятных исходов (выборов пирожков с рисом) всего 8. Тогда вероятность будет определяться по формуле:

Независимые, противоположные и произвольные события

Однако в открытом банке заданий стали встречаться и более сложные задания. Поэтому обратим внимание читателя и на другие вопросы, изучаемые в теории вероятностей.

События А и В называется независимыми, если вероятность каждого из них не зависит от того, произошло ли другое событие.

Событие B состоит в том, что событие А не произошло, т.е. событие B является противоположным к событию А. Вероятность противоположного события равна единице минус вероятность прямого события,т.е. .

Теоремы сложения и умножения вероятностей, формулы

Для произвольных событий А и В вероятность суммы этих событий равна сумме их вероятностей без вероятности их совместного события, т.е. .

Для независимых событий А и В вероятность произведения этих событий равна произведению их вероятностей, т.е. в этом случае .

Последние 2 утверждения называются теоремами сложения и умножения вероятностей.

Не всегда подсчет числа исходов является столь простым. В ряде случаев необходимо использовать формулы комбинаторики. При этом наиболее важным является подсчет числа событий, удовлетворяющих определенным условиям. Иногда такого рода подсчеты могут становиться самостоятельными заданиями.

Сколькими способами можно усадить 6 учеников на 6 свободных мест? Первый ученик займет любое из 6 мест. Каждому из этих вариантов соответствует 5 способов занять место второму ученику. Для третьего ученика остается 4 свободных места, для четвертого — 3, для пятого — 2, шестой займет единственное оставшееся место. Чтобы найти число всех вариантов, надо найти произведение , которое обозначается символом 6! и читается «шесть факториал».

В общем случае ответ на этот вопрос дает формула для числа перестановок из п элементов В нашем случае .

Рассмотрим теперь другой случай с нашими учениками. Сколькими способами можно усадить 2 учеников на 6 свободных мест? Первый ученик займет любое из 6 мест. Каждому из этих вариантов соответствует 5 способов занять место второму ученику. Чтобы найти число всех вариантов, надо найти произведение .

В общем случае ответ на этот вопрос дает формула для числа размещений из n элементов по k элементам

И последний случай из этой серии. Сколькими способами можно выбрать трех учеников из 6? Первого ученика можно выбрать 6 способами, второго — 5 способами, третьего — четырьмя. Но среди этих вариантов 6 раз встречается одна и та же тройка учеников. Чтобы найти число всех вариантов, надо вычислить величину: . В общем случае ответ на этот вопрос дает формула для числа сочетаний из элементов по элементам:

Примеры решения задач из ЕГЭ по математике на определение вероятности

Задача 1. Из сборника под ред. Ященко.

На тарелке 30 пирожков: 3 с мясом, 18 с капустой и 9 с вишней. Саша наугад выбирает один пирожок. Найдите вероятность того, что он окажется с вишней.

Задача 2. Из сборника под ред. Ященко.

В каждой партии из 1000 лампочек в среднем 20 бракованных. Найдите вероятность того, что наугад взятая лампочка из партии будет исправной.

Решение: Количество исправных лампочек 1000-20=980. Тогда вероятность того, что взятая наугад лампочка из партии будет исправной:

Вероятность того, что на тестировании по математике учащийся У. верно решит больше 9 задач, равна 0,67. Вероятность того, что У. верно решит больше 8 задач, равна 0,73. Найдите вероятность того, что У. верно решит ровно 9 задач.

Если мы вообразим числовую прямую и на ней отметим точки 8 и 9, то мы увидим, что условие «У. верно решит ровно 9 задач» входит в условие «У. верно решит больше 8 задач», но не относится к условию «У. верно решит больше 9 задач».

Однако, условие «У. верно решит больше 9 задач» содержится в условии «У. верно решит больше 8 задач». Таким образом, если мы обозначим события: «У. верно решит ровно 9 задач» — через А, «У. верно решит больше 8 задач» — через B, «У. верно решит больше 9 задач» через С. То решение будет выглядеть следующим образом:

На экзамене по геометрии школьник отвечает на один вопрос из списка экзаменационных вопросов. Вероятность того, что это вопрос по теме «Тригонометрия», равна 0,2. Вероятность того, что это вопрос по теме «Внешние углы», равна 0,15. Вопросов, которые одновременно относятся к этим двум темам, нет. Найдите вероятность того, что на экзамене школьнику достанется вопрос по одной из этих двух тем.

Давайте подумаем какие у нас даны события. Нам даны два несовместных события. То есть либо вопрос будет относиться к теме «Тригонометрия», либо к теме «Внешние углы». По теореме вероятности вероятность несовместных событий равна сумме вероятностей каждого события, мы должны найти сумму вероятностей этих событий, то есть:

Помещение освещается фонарём с тремя лампами. Вероятность перегорания одной лампы в течение года равна 0,29. Найдите вероятность того, что в течение года хотя бы одна лампа не перегорит.

Рассмотрим возможные события. У нас есть три лампочки, каждая из которых может перегореть или не перегореть независимо от любой другой лампочки. Это независимые события.

Тогда укажем варианты таких событий. Примем обозначения: — лампочка горит, — лампочка перегорела. И сразу рядом подсчитаем вероятность события. Например, вероятность события, в котором произошли три независимых события «лампочка перегорела», «лампочка горит», «лампочка горит»: , где вероятность события «лампочка горит» подсчитывается как вероятность события, противоположного событию «лампочка не горит», а именно: .

Раздел 12. Теория вероятностей.

2. Простейшие понятия теории вероятностей

3. Алгебра событий

4. Вероятность случайного события

5. Геометрические вероятности

6. Классические вероятности. Формулы комбинаторики.

7. Условная вероятность. Независимость событий.

8. Формула полной вероятности и формулы Байеса

9. Схема повторных испытаний. Формула Бернулли и её асимптотика

10. Случайные величины (СВ)

11. Ряд распределения ДСВ

12. Интегральная функция распределения

13. Функция распределения НСВ

14. Плотность вероятности НСВ

15. Числовые характеристики случайных величин

16. Примеры важных распределений СВ

16.1. Биномиальное распределение ДСВ.

16.2. Распределение Пуассона

16.3. Равномерное распределение НСВ.

16.4. Нормальное распределение.

17. Предельные теоремы теории вероятностей.

Теория вероятностей, подобно многим другим математическим дисциплинам, развивалась из потребностей практики. При этом, изучая реальный процесс, приходилось создавать абстрактную математическую модель реального процесса. Обычно учитывают главные, наиболее существенные движущие силы реального процесса, отбрасывая из рассмотрения второстепенные, которые называются случайными. Конечно, что считать главным, а что второстепенным,- отдельная задача. Решение этого вопроса определяет уровень абстракции, простоту или сложность математической модели и уровень адекватности модели реальному процессу. В сущности, любая абстрактная модель является результатом двух противостоящих устремлений: простоты и адекватности реальности.

Например, в теории стрельбы разработаны достаточно простые и удобные формулы для определения траектории полёта снаряда из орудия, расположенного в точке (рис. 1).

В определённых условиях упомянутая теория является достаточной, например, при массированной артподготовке.

Однако ясно, что если из одного орудия при одинаковых условиях произвести несколько выстрелов, то траектории будут хотя и близкими, но все же отличающимися. И если размер цели мал по сравнению с областью рассеивания, то возникают специфические вопросы, связанные именно с влиянием факторов, неучтённых в рамках предлагаемой модели. При этом учёт дополнительных факторов приведёт к слишком сложной модели, пользоваться которой практически невозможно. К тому же, этих случайных факторов бывает много, природа их чаще всего неизвестна.

В приведённом примере такими специфическими вопросами, выходящими за рамки детерминированной модели, являются, например, следующие: сколько надо произвести выстрелов, чтобы с определённой уверенностью (например, на ) гарантировать поражение цели? как надо провести пристрелку, чтобы на поражение цели затратить наименьшее количество снарядов? и т.п.

Как мы увидим в дальнейшем, слова «случайный», «вероятность» станут строгими математическими терминами. Вместе с тем они весьма распространены в обычной разговорной речи. При этом считается, что прилагательное «случайный» является противопоставлением «закономерному». Однако, это не так, ибо природа устроена таким образом, что случайные процессы обнаруживают закономерности, но при определённых условиях.

Основное условие называется массовостью.

Например, если подбросить монету, то нельзя предсказать, что выпадает, герб или цифра,- можно лишь угадать. Однако, если эту монету подбросить большое число раз, что доля выпадений герба будет не сильно отличается от некоторого числа, близкого к 0,5 (в дальнейшем это число мы назовем вероятностью). Причем, с увеличением числа подбрасываний отклонение от этого числа будет уменьшаться. Это свойство называется устойчивостью средних показателей (в данном случае — доли гербов). Надо сказать, что на первых шагах теории вероятностей, когда надо было на практике убедиться в наличии свойства устойчивости, даже большие учёные не считали за труд провести самостоятельно проверку. Так, известен опыт Бюффона, который подбросил монету 4040 раз, и герб выпал 2048 раз, следовательно, доля (или относительная частота) выпадения герба равна 0,508, что близко интуитивно к ожидаемому числу 0,5.

Поэтому обычно даётся определение предмета теории вероятностей как раздела математики, изучающего закономерности массовых случайных процессов.

Надо сказать, что, несмотря на то, что наибольшие достижения теории вероятностей относятся к началу прошлого века, в особенности благодаря аксиоматическому построению теории в работах А.Н. Колмогорова (1903-1987), интерес к изучению случайностей проявился давно.

Сначала интересы были связаны с попытками применить числовой подход к азартным играм. Первые достаточно интересные результаты теории вероятностей принято связывать с работами Л. Пачоли (1494г), Д. Кардано (1526) и Н. Тартальи (1556).

Позже Б. Паскаль (1623-1662), П. Ферма (1601-1665), Х. Гюйгенс (1629-1695) заложили основы классической теории вероятностей. В начале 18 века Я. Бернулли (1654-1705) формирует понятие вероятности случайного события как отношение числа благоприятствующих шансов к числу всех возможных. На использовании понятия меры множества строили свои теории Э. Борель (1871-1956), А. Ломницкий (1881-1941), Р. Мизес (1883-1953).

Теоретико-множественная точка зрения в наиболее законченном виде была изложена в 1933г. А.Н. Колмогоровым в его монографии «Основные понятия теории вероятностей». Именно с этого момента теория вероятностей становится строгой математической наукой.

Большой вклад в развитие теории вероятностей внесли русские математики П.Л. Чебышёв (1821-1894), А.А. Марков (1856-1922), С.Н. Бернштейн (1880-1968) и другие.

Теория вероятностей бурно развивается и в настоящее время.

Простейшие понятия теории вероятностей

Как любая математическая дисциплина, теория вероятностей начинается с введения простейших понятий, которые не определяются, а лишь поясняются.

Одним из основных первичных понятий является опыт. Под опытом понимается некоторый комплекс условий, которые могут воспроизводиться неограниченное число раз. Каждую реализацию этого комплекса и назовем опытом или испытанием. Результаты опыта могут быть различными, в этом и проявляется элемент случайности. Различные результаты или исходы опыта называются событиями (точнее случайными событиями). Таким образом, при осуществлении опыта может произойти то или иное событие. Другими словами, случайное событие – это исход опыта, который при осуществлении опыта может произойти (появиться) или не произойти.

Опыт будем обозначать буквой , а случайные события обозначаются обычно заглавными буквами

Часто в опыте можно заранее выделить его исходы, которые можно назвать простейшими, которые нельзя разложить на более простые. Такие события называются элементарными событиями (или случаями).

Пример 1. Пусть подбрасывается монета. Исходами опыта являются: выпадение герба (обозначим это событие буквой ); выпадение цифры (обозначим ). Тогда можно записать: опыт =<подбрасывание монеты>, исходы: Ясно, что элементарные события в данном опыте. Иначе говоря, перечисление всех элементарных событий опыта полностью его описывает. По этому поводу будем говорить, что опыт есть пространство элементарных событий, и в нашем случае опыт кратко можно записать в виде: =<подбрасывание монеты>=<Г;Ц>.

Пример 2 . =<монета подбрасывается дважды>= Здесь приведено словесное описание опыта и перечисление всех элементарных событий: означает, что сначала при первом подбрасывании монеты выпал герб, при втором – тоже герб; означает, что при первом подбрасывании монеты выпал герб, при втором цифра и т.д.

Пример 3. В системе координат в квадрат бросаются точки. В этом примере элементарными событиями являются точки с координатами которые удовлетворяют приведенным неравенствам. Кратко это записывается следующим образом:

Двоеточие в фигурных скобках означает, что состоит из точек но не любых, а только тех, которые удовлетворяют условию (или условиям), указанным после двоеточия (в нашем примере это неравенства).

Пример 4. Монета подбрасывается до первого выпадения герба. Другими словами, подбрасывание монеты продолжается до тех пор, пока не выпадет герб. В этом примере элементарные события перечислить можно, хотя их бесконечное число:

Заметим, что в примерах 3 и 4 пространство элементарных событий насчитывает бесконечное число исходов. В примере 4 их можно перечислить, т.е. пересчитать. Такое множество называется счетным. В примере 3 пространство является несчетным.

Введем в рассмотрение еще два события, которые присутствуют в любом опыте и которые имеют большое теоретические значение.

Назовем событие невозможным, если в результате опыта оно обязательно не произойдет. Будем его обозначать знаком пустого множества . Наоборот, событие, которое в результате опыта обязательно произойдёт называется достоверным. Достоверное событие обозначается так же, как и само пространство элементарных событий – буквой .

Например, при подбрасывании игральной кости событие <выпало меньше 9 очков>— достоверное, а событие <выпало ровно 9 очков>невозможное.

Итак, пространство элементарных событий может задаваться словесным описанием, перечислением всех его элементарных событий, заданием правил или условий, по которым получаются все его элементарные события.

До сих пор мы говорили лишь об элементарных событиях как непосредственных результатах опыта. Однако в рамках опыта можно говорить и о других случайных событиях, кроме элементарных.

Пример 5. При подбрасывании игральной кости, кроме элементарных событий выпадений соответственно единицы, двойки,…, шестерки, можно говорить о других событиях: (выпадение четного числа), (выпадение нечетного числа), (выпадение числа, кратного трем), (выпадение числа, меньшего 4) и т.п. В данном примере указанные события, кроме словесного задания, можно задать перечислением элементарных событий:

Образование новых событий из элементарных, а также из других событий осуществляется с помощью операций (или действий) над событиями.

Определение. Произведением двух событий и называется событие, состоящее в том, что в результате опыта произойдет и событие ,и событие , т. е произойдут оба события вместе (одновременно).

Знак произведения (точку) часто не ставят:

Определение. Суммой двух событий называется событие, состоящее в том, что в результате опыта произойдет или событие ,или событие ,или оба вместе (одновременно).

В обоих определениях мы намеренно подчеркнули союзы и и или -сцелью привлечь внимание читателя к своей речи при решении задач. Если мы произносим союз «и», то речь идет о произведении событий; если произносится союз «или», то события надо складывать. При этом заметим что союз «или» в обиходной речи часто используется в смысле исключения одного из двух: «только или только ». В теории вероятностей такое исключение не предполагается: и ,и , и означают появление события

Если задано перечислением элементарных событий, то сложные события с помощью указанных операций получить просто. Для получения надо найти все элементарные события, принадлежащие обоим событиям, если таковых нет, то Сумму событий также составить несложно: надо взять любое из двух событий и добавить к нему те элементарные события из другого события, которые не входят в первое.

В примере 5 получаем, в частности

Введенные операции называются бинарными, т.к. определены для двух событий. Большое значение имеет следующая унарная операция (определенная для одного события): событие называется противоположным событию если оно состоит в том, что в данном опыте событие не произошло. Из определения ясно, что всякое событие и ему противоположное обладают следующими свойствами: Введённая операция называется дополнением события А.

Отсюда следует, что если задано перечислением элементарных событий, то, зная задание события ,легко получить оно состоит из всех элементарных событий пространства которые не принадлежат В частности, для примера 5 событие

Если нет скобок, то устанавливается следующий приоритет в выполнении операций: дополнение, умножение, сложение.

Итак, с помощью введённых операций пространство элементарных событий пополняется другими случайными событиями, которые образуют так называемую алгебру событий.

Пример 6. По мишени стрелок произвёл три выстрела. Рассмотрим события = <стрелок попал в мишень при i-м выстреле>, i = 1,2,3.

Составим из этих событий (не забудем и о противоположных ) некоторые события. Пространных комментариев не приводим; полагаем, что читатель проведёт их самостоятельно.

Событие В = <все три выстрела попали в мишень>. Подробнее: В = <и первый, и второй, и третий выстрелы попали в мишень>. Использовали союз и, следовательно, события перемножаются:

Как известно, в математике большое значение имеет геометрическая интерпретация аналитических объектов, понятий и формул.

В теории вероятностей удобно наглядное представление (геометрическая интерпретация) опыта, случайных событий и операций над ними в виде так называемых диаграмм Эйлера-Венна . Суть состоит в том, что всякий опыт отождествляется (интерпретируется) с бросанием точек в некоторый квадрат. Точки бросаются наугад, так что у всех точек имеются одинаковые шансы попасть в любое место этого квадрата. Квадрат определяет рамки рассматриваемого опыта. Каждое событие в рамках опыта отождествляется с некоторой областью квадрата. Иначе говоря, осуществление события означает попадание случайной точки внутрь области, обозначенной буквой Тогда операции над событиями легко интерпретируются геометрически (рис.2)

На рис.2 а) для наглядности событие А выделено вертикальной штриховкой, событие В — горизонтальной. Тогда операции умножения соответствует двойная штриховка — событию соответствует та часть квадрата которая покрыта двойной штриховкой. При этом, если то и называются несовместными событиями. Соответственно операции сложения соответствует любая штриховка- событие означает часть квадрата, заштрихованная любой штриховкой – вертикальной, горизонтальной и двойной. На рис.2 б) показано событие ему соответствует заштрихованная часть квадрата — все, что не входит в область Введенные операции обладают следующими основными свойствами, некоторые из которых справедливы для одноименных операций над числами, но есть и специфические.

1 0 . коммутативность умножения;

2 0 . коммутативность сложения;

3 0 . ассоциативность умножения;

4 0 . ассоциативность сложения,

5 0 . дистрибутивность умножения относительно сложения,

6 0 . дистрибутивность сложения относительно умножения;

9 0 . законы двойственности де Моргана,

1 .A .A+ .A· =A, 1 .A+ . 1 .A· = , 1 .A+ =

Пример 7. Иван и Петр договорились встретиться на временном промежутке в Т час, например, (0,Т). При этом они условились, что каждый из них, придя на встречу, ждет другого не более час.

Мастер Йода рекомендует:  Простая типографика с меловым орнаментом в Photoshop

Придадим этому примеру геометрическую интерпретацию. Обозначим: время прихода на встречу Ивана; время прихода на встречу Петра. Согласно договоренности: 0 . Тогда в системе координат получаем: = Нетрудно заметить, что в нашем примере пространство элементарных событий представляет собой квадрат. 1

0 x соответствует та часть квадрата, которая расположена выше этой прямой.Аналогично, второму неравенству y≤x+ и; и не работает, если не работают все элементы, т.е. .Таким образом, второй закон двойственности де Моргана: реализуется при параллельном соединении элементов.

Приведённый пример показывает, почему теория вероятностей находит большое применение в физике, в частности, в расчетах надежности реальных технических устройств.

Учение о законах, которым подчиняются т. наз. случайные явления. Словарь иностранных слов, вошедших в состав русского языка. Чудинов А.Н., 1910 … Словарь иностранных слов русского языка

теория вероятностей — — [Л.Г.Суменко. Англо русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.] Тематики информационные технологии в целом EN probability theorytheory of chancesprobability calculation … Справочник технического переводчика

Теория вероятностей — есть часть математики, изучающая зависимости между вероятностями (см. Вероятность и Статистика) различных событий. Перечислим важнейшие теоремы, относящиеся к этой науке. Вероятность появления одного из нескольких несовместных событий равняется… … Энциклопедический словарь Ф.А. Брокгауза и И.А. Ефрона

ТЕОРИЯ ВЕРОЯТНОСТЕЙ — математич. наука позволяющая по вероятностям одних событий случайных (см.) находить вероятности случайных событий, связанных к. л. образом с первыми. Современная Т.в. основана на аксиоматике (см. Метод аксиоматический) А. Н. Колмогорова. На… … Российская социологическая энциклопедия

Теория вероятностей — раздел математики, в котором по данным вероятностям одних случайных событий находят вероятности других событий, связанных некоторым образом с первыми. Теория вероятностей изучает также случайные величины и случайные процессы. Одна из основных… … Концепции современного естествознания. Словарь основных терминов

теория вероятностей — tikimybių teorija statusas T sritis fizika atitikmenys: angl. probability theory vok. Wahrscheinlichkeitstheorie, f rus. теория вероятностей, f pranc. théorie des probabilités, f … Fizikos terminų žodynas

Теория Вероятностей — … Википедия

Теория вероятностей — математическая дисциплина, изучающая закономерности случайных явлений … Начала современного естествознания

ТЕОРИЯ ВЕРОЯТНОСТЕЙ — (probability theory) см. Вероятность … Большой толковый социологический словарь

Теория вероятностей и её применения — («Теория вероятностей и её применения»,) научный журнал Отделения математики АН СССР. Публикует оригинальные статьи и краткие сообщения по теории вероятностей, общим вопросам математической статистики и их применениям в естествознании и… … Большая советская энциклопедия

Книги

  • Теория вероятностей. , Вентцель Е.С.. Книга представляет собой учебник, предназначенный для лиц, знакомых с математикой в объёме обычного втузовского курса и интересующихся техническими приложениямитеории вероятностей, в… Купить за 1993 грн (только Украина)
  • Теория вероятностей. , Вентцель Е.С.. Эта книга будет изготовлена в соответствии с Вашим заказом по технологии Print-on-Demand. Книга представляет собой учебник, предназначенный для лиц, знакомых с математикой в объёме обычного…

Курс математики готовит школьникам массу сюрпризов, один из которых — это задача по теории вероятности. С решением подобных заданий у учащихся возникает проблема практически в ста процентах случаев. Чтобы понимать и разбираться в данном вопросе, необходимо знать основные правила, аксиомы, определения. Для понимания текста в книге, нужно знать все сокращения. Всему этому мы и предлагаем обучиться.

Наука и ее применение

Так как мы предлагаем ускоренный курс «теория вероятности для чайников», то сначала необходимо ввести основные понятия и буквенные сокращения. Для начала определимся с самим понятием «теория вероятности». Что же это за наука и для чего она нужна? Теория вероятности — это один из разделов математики, который изучает случайные явления и величины. Так же она рассматривает закономерности, свойства и операции, совершаемые с этими случайными величинами. Для чего она нужна? Широкое распространение наука получила в изучении природных явлений. Любые природные и физические процессы не обходятся без присутствия случайности. Даже если во время опыта были максимально точно зарегистрированы результаты, при повторе того же испытания, результат с большой вероятностью не будет таким же.

Примеры задач по мы обязательно рассмотрим, вы сами сможете в этом убедиться. Исход зависит от множества различных факторов, которые практически невозможно учесть или зарегистрировать, но тем не менее они оказывают огромнейшее влияние на исход опыта. Яркими примерами могут служить задачи определения траектории движения планет или определение прогноза погоды, вероятность встретить знакомого человека во время пути на работу и определение высоты прыжка спортсмена. Так же теория вероятности оказывает большую помощь брокерам на фондовых биржах. Задача по теории вероятности, с решением которой раньше возникало много проблем, станет для вас сущим пустяком после трех-четырех примеров, приведенных ниже.

События

Как уже говорилось ранее, наука изучает события. Теория вероятностей, примеры решения задач мы рассмотрим немного позже, изучает только один вид — случайные. Но тем не менее необходимо знать, что события могут быть трех видов:

Предлагаем немного оговорить каждый из них. Невозможное событие никогда не произойдет, ни при каких условиях. Примерами могут служить: замерзание воды при плюсовой температуре, вытягивание кубика из мешка с шарами.

Достоверное событие происходит всегда со стопроцентной гарантией, если выполнены все условия. Например: вы получили заработную плату за проделанную работу, получили диплом о высшем профессиональном образовании, если добросовестно учились, сдали экзамены и защитили диплом и так далее.

Со все немного сложнее: в ходе опыта оно может произойти или нет, например, вытащить туз из карточной колоды, сделав не более трех попыток. Результат можно получить как с первой попытки, так и, вообще, не получить. Именно вероятность происхождения события и изучает наука.

Вероятность

Это в общем смысле оценка возможности удачного исхода опыта, при котором наступает событие. Вероятность оценивается на качественном уровне, особенно если количественная оценка невозможна или затруднительна. Задача по теории вероятности с решением, точнее с оценкой подразумевает нахождение той самой возможной доли благополучного исхода. Вероятность в математике — это числовая характеристики события. Она принимает значения от нуля до единицы, обозначается буквой Р. Если Р равняется нулю, то событие произойти не может, если единице, то событие произойдет со стопроцентной вероятностью. Чем больше Р приближается к единице, тем сильнее вероятность благополучного исхода, и наоборот, если близко к нулю, то и событие произойдет с малой вероятностью.

Сокращения

Задача по теории вероятности, с решением которой вы вскоре столкнетесь, может содержать следующие сокращения:

Возможны и некоторые другие: по мере необходимости будут вноситься добавочные объяснения. Предлагаем, для начала, пояснить представленные выше сокращения. Первым в нашем списке встречается факториал. Для того чтобы было понятно, приведем примеры: 5!=1*2*3*4*5 или 3!=1*2*3. Далее, в фигурных скобках пишут заданные множества, например: <1;2;3;4;..;n>или <10;140;400;562>. Следующее обозначение — это множество натуральных чисел, довольно часто встречается в заданиях по теории вероятности. Как уже говорилось ранее, Р — это вероятность, а Р(Х) — это вероятность происхождения события Х. Большими буквами латинского алфавита обозначаются события, например: А — попался белый шар, В — синий, С — красный или соответственно, . Маленькая буква n — это количество всех возможных исходов, а m — количество благополучных. Отсюда и получаем правило нахождения классической вероятности в элементарных задачах: Р=m/n. Теория вероятности «для чайников», наверное, и ограничивается данными знаниями. Теперь для закрепления переходим к решению.

Задача 1. Комбинаторика

Студенческая группа насчитывает тридцать человек, из которых необходимо выбрать старосту, его заместителя и профорга. Необходимо найти количество способов сделать данное действие. Подобное задание может встретиться на ЕГЭ. Теория вероятности, решение задач которой мы сейчас рассматриваем, может включать задачи из курса комбинаторики, нахождение классической вероятности, геометрической и задачи на основные формулы. В данном примере мы решаем задание из курса комбинаторики. Переходим к решению. Это задание простейшее:

  1. n1=30 — возможных старост студенческой группы;
  2. n2=29 — те, кто могут занять пост заместителя;
  3. n3=28 человек претендует на должность профорга.

Все, что нам остается сделать, это найти возможное количество вариантов, то есть перемножить все показатели. В результате мы получаем: 30*29*28=24360.

Это и будет ответом на поставленный вопрос.

Задача 2. Перестановка

На конференции выступают 6 участников, порядок определяется жеребьевкой. Нам нужно найти количество возможных вариантов жеребьевки. В данном примере, мы рассматриваем перестановку из шести элементов, то есть нам нужно найти 6!

В пункте сокращений мы уже упоминали, что это такое и как вычисляется. Итого получается, что существует 720 вариантов жеребьевки. На первый взгляд тяжелое задание имеет вполне короткое и простое решение. Это и есть задания, которые рассматривает теория вероятности. Как решать задачи более высокого уровня, мы рассмотрим в следующих примерах.

Задача 3

Группу студентов из двадцати пяти человек необходимо разбить на три подгруппы по шесть, девять и десять человек. Мы имеем: n=25, k=3, n1=6, n2=9, n3=10. Осталось подставить значения в нужную формулу, мы получаем: N25(6,9,10). После несложных вычислений мы получаем ответ — 16 360 143 800. Если в задании не говорится о том, что необходимо получить числовое решение, то можно дать его в виде факториалов.

Задача 4

Три человека загадали числа от одного до десяти. Найдите вероятность того, что у кого-то числа совпадут. Сначала мы должны узнать число всех исходов — в нашем случае это тысяча, то есть десять в третей степени. Теперь найдем количество вариантов, когда все загадали разные числа, для этого перемножаем десять, девять и восемь. Откуда взялись эти числа? Первый загадывает число, у него есть десять вариантов, второй имеет уже девять, а третьему надо выбирать из восьми оставшихся, таким образом получаем 720 возможных вариантов. Как уже мы посчитали ранее, всего вариантов 1000, а без повторений 720, следовательно, нас интересуют оставшиеся 280. Теперь нам нужна формула нахождения классической вероятности: Р= . Мы получили ответ: 0,28.

Математика для программистов: теория вероятностей

Многие, столкнувшись с понятием «теория вероятности», пугаются, думая, что это нечто непосильное, очень сложное. Но все на самом деле не так трагично. Сегодня мы рассмотрим основное понятие теории вероятности, научимся решать задачи на конкретных примерах.

Наука

Что же изучает такой раздел математики, как «теория вероятности»? Она отмечает закономерности и величин. Впервые данным вопросом заинтересовались ученые еще в восемнадцатом веке, когда изучали азартные игры. Основное понятие теории вероятности — событие. Это любой факт, который констатируется опытом или наблюдением. Но что же такое опыт? Еще одно основное понятие теории вероятности. Оно означает, что этот состав обстоятельств создан не случайно, а с определенной целью. Что касается наблюдения, то здесь исследователь сам не участвует в опыте, а просто является свидетелем данных событий, он никак не влияет на происходящее.

События

Мы узнали, что основное понятие теории вероятности — это событие, но не рассмотрели классификацию. Все они делятся на следующие категории:

Независимо от того, какие это события, за которыми наблюдают или создают в ходе опыта, все они подвержены данной классификации. Предлагаем с каждым из видов познакомиться отдельно.


Достоверное событие

Это такое обстоятельство, перед которым сделан необходимый комплекс мероприятий. Для того чтобы лучше вникнуть в суть, лучше привести несколько примеров. Этому закону подчинены и физика, и химия, и экономика, и высшая математика. Теория вероятности включает такое важное понятие, как достоверное событие. Приведем примеры:

  • Мы работаем и получаем вознаграждение в виде заработной платы.
  • Сдали хорошо экзамены, прошли конкурс, за это получаем вознаграждение в виде поступления в учебное заведение.
  • Мы вложили деньги в банк, при необходимости получим их назад.

Такие события являются достоверными. Если мы выполнили все необходимые условия, то обязательно получим ожидаемый результат.

Невозможные события

Сейчас мы рассматриваем элементы теории вероятности. Предлагаем перейти к пояснению следующего вида события, а именно — невозможного. Для начала оговорим самое важное правило — вероятность невозможного события равна нулю.

От данной формулировки нельзя отступать при решении задач. Для пояснения приведем примеры таких событий:

  • Вода замерзла при температуре плюс десять (это невозможно).
  • Отсутствие электроэнергии никак не влияет на производство (так же невозможно, как и в предыдущем примере).

Более примеров приводить не стоит, так как описанные выше очень ярко отражают суть данной категории. Невозможное событие никогда не произойдет во время опыта ни при каких обстоятельствах.

Случайные события

Изучая элементы особое внимание стоит уделить именно данному виду события. Именно их и изучает данная наука. В результате опыта может что-то произойти или нет. Кроме этого, испытание может проводиться неограниченное количество раз. Яркими примерами могут служить:

  • Бросок монеты — это опыт, или испытание, выпадение орла — это событие.
  • Вытягивание мячика из мешка вслепую — испытание, попался красный шар — это событие и так далее.

Таких примеров может быть неограниченное количество, но, в общем, суть должна быть понятна. Для обобщения и систематизирования полученных знаний о событиях приведена таблица. Теория вероятности изучает только последний вид из всех представленных.

События, происходящие со стопроцентной гарантией при соблюдении некоторых условий.

Поступление в учебное заведение при хорошей сдаче вступительного экзамена.

События, которые никогда не произойдут ни при каких условиях.

Идет снег при температуре воздуха плюс тридцать градусов по Цельсию.

Событие, которое может произойти или нет в ходе проведения опыта/испытания.

Попадание или промах при бросании баскетбольного мяча в кольцо.

Законы

Теория вероятности — это наука, изучающая возможность выпадения какого-либо события. Как и другие, она имеет некоторые правила. Существуют следующие законы теории вероятности:

  • Сходимость последовательностей случайных величин.
  • Закон больших чисел.

При расчете возможности сложного можно использовать комплекс простых событий для достижения результата более легким и быстрым путем. Отметим, что законы теории вероятности легко доказываются с помощью некоторых теорем. Предлагаем для начала познакомиться с первым законом.

Сходимость последовательностей случайных величин

Отметим, что видов сходимости несколько:

  • Последовательность случайных величин сходима по вероятности.
  • Почти невозможное.
  • Среднеквадратическая сходимость.
  • Сходимость по распределению.

Так, с лету, очень тяжело вникнуть в суть. Приведем определения, которые помогут разобраться в данной теме. Для начала первый вид. Последовательность называют сходимой по вероятности , если соблюдено следующее условие: n стремится к бесконечности, число, к которому стремится последовательность, больше нуля и приближена к единице.

Переходим к следующему виду, почти наверное . Говорят, что последовательность сходится почти наверное к случайной величине при n, стремящейся к бесконечности, и Р, стремящейся к величине, приближенной к единице.

Следующий тип — это сходимость среднеквадратическая . При использовании СК-сходимости изучение векторных случайных процессов сводится к изучению их координатных случайных процессов.

Остался последний тип, давайте разберем кратко и его, чтобы переходить непосредственно к решению задач. Сходимость по распределению имеет и еще одно название — «слабое», далее поясним, почему. Слабая сходимость — это сходимость функций распределения во всех точках непрерывности предельной функции распределения.

Обязательно выполним обещание: слабая сходимость отличается от всех вышеперечисленных тем, что случайная величина не определена на вероятностном пространстве. Это возможно потому, что условие формируется исключительно с использованием функций распределения.

Закон больших чисел

Отличными помощниками при доказательстве данного закона станут теоремы теории вероятности, такие как:

  • Неравенство Чебышева.
  • Теорема Чебышева.
  • Обобщенная теорема Чебышева.
  • Теорема Маркова.

Если будем рассматривать все эти теоремы, то данный вопрос может затянуться на несколько десятков листов. У нас же основная задача — это применение теории вероятности на практике. Предлагаем вам прямо сейчас этим и заняться. Но перед этим рассмотрим аксиомы теории вероятностей, они будут основными помощниками при решении задач.

Аксиомы

С первой мы уже познакомились, когда говорили о невозможном событии. Давайте вспоминать: вероятность невозможного события равна нулю. Пример мы приводили очень яркий и запоминающийся: выпал снег при температуре воздуха тридцать градусов по Цельсию.

Вторая звучит следующим образом: достоверное событие происходит с вероятностью, равной единице. Теперь покажем, как это записать с помощью математического языка: Р(В)=1.

Третья: Случайное событие может произойти или нет, но возможность всегда варьируется в пределах от нуля до единицы. Чем ближе значение к единице, тем шансов больше; если значение приближается к нулю, вероятность очень мала. Запишем это математическим языком: 0 Пособие по уходу за пожилым человеком: размер, оформление, лишение Пособие нетрудоспособным гражданам

Математика для программистов: теория вероятностей. Теория вероятностей

Азарт и жажда разбогатеть дали толчок возникновению новой чрезвычайно существенной математической дисциплины: теории вероятностей. В разработке ее основ принимали участие математики такого масштаба, как Паскаль и Ферма, Гюйгенс.

Скачать:

Предварительный просмотр:

МБОУ СШ №8 г. Ярцево Смоленской области

Проект по математике:

«История возникновения теории вероятностей»

Подготовила: ученица 11 класса

средней школы №8 Либерт Елена

Руководитель: учитель математики

Борисенкова Ольга Владимировна

История возникновения теории вероятностей…………………………………………………………..…. 3

Средневековая Европа и начало Нового времени……………………….4

XVII век: Паскаль, Ферма, Гюйгенс…..………………………………….5

XIX век. Общие тенденции и критика……………………….…………..7

Применение теории вероятности в XIX-XX веках……………….…..…8

История возникновения теории вероятностей

Французский дворянин, некий господин де Мере, был азартным игроком в кости и страстно хотел разбогатеть. Он затратил много времени, чтобы открыть тайну игры в кости. Он выдумывал различные варианты игры, предполагая, что таким образом приобретет крупное состояние. Так, например, он предлагал бросать одну кость по очереди 4 раза и убеждал партнера, что по крайней мере один раз выпадет при этом шестерка. Если за 4 броска шестерка не выходила, то выигрывал противник.

В те времена еще не существовала отрасль математики, которую сегодня мы называем теорией вероятностей, а поэтому, чтобы убедиться, верны ли его предположения, господин Мере обратился к своему знакомому, известному математику и философу Б. Паскалю с просьбой, чтобы он изучил два знаменитых вопроса, первый из которых он попытался решить сам. Вопросы были такие:

Сколько раз надо бросать две игральные кости, чтобы случаев выпадения сразу двух шестерок было больше половины от общего числа бросаний?

Как справедливо разделить поставленные на кон двумя игроками деньги, если они по каким-то причинам прекратили игру преждевременно?

Паскаль не только сам заинтересовался этим, но и написал письмо известному математику П. Ферма, чем спровоцировал его заняться общими законами игры в кости и вероятностью выигрыша.

Таким образом, азарт и жажда разбогатеть дали толчок возникновению новой чрезвычайно существенной математической дисциплины: теории вероятностей. В разработке ее основ принимали участие математики такого масштаба, как Паскаль и Ферма, Гюйгенс (1629-1695), который написал тракта «О расчетах при азартных играх», Яков Бернулли (1654-1705), Муавр (1667-1754), Лаплас (1749- 1827), Гаусс (1777-1855) и Пуассон (1781-1840). В наше время теория вероятности используется почти во всех отраслях знаний: в статистике, синоптике (прогноз погоды), биологии, экономике, технологии, строительстве и т. д.

Средневековая Европа и начало Нового времени

Первые задачи вероятностного характера возникли в различных азартных играх — костях, картах и др. Французский каноник XIII века Ришар де Фурниваль правильно подсчитал все возможные суммы очков после броска трёх костей и указал число способов, которыми может получиться каждая из этих сумм. Это число способов можно рассматривать как первую числовую меру ожидаемости события, аналогичную вероятности. До Фурниваля, а иногда и после него, эту меру часто подсчитывали неверно, считая, например, что суммы 3 и 4 очка равновероятны, так как оба могут получиться «только одним способом»: по результатам броска «три единицы» и «двойка с двумя единицами» соответственно. При этом не учитывалось, что три единицы в самом деле получаются только одним способом:

1+1+1, а двойка с двумя единицами — тремя:

1+1+2;\;1+2+1;\;2+1+1, так что эти события не равновероятны. Аналогичные ошибки неоднократно встречались и в дальнейшей истории науки.

В обширной математической энциклопедии «Сумма арифметики, геометрии, отношений и пропорций» итальянца Луки Пачоли (1494) содержатся оригинальные задачи на тему: как разделить ставку между двумя игроками, если серия игр прервана досрочно. Пример подобной задачи: игра идёт до 60 очков, победитель получает всю ставку в 22 дуката, в ходе игры первый игрок набрал 50 очков, второй — 30, и тут игру пришлось прекратить; требуется справедливо разделить исходную ставку. Решение зависит от того, что понимать под «справедливым» разделом; сам Пачоли предложил делить пропорционально набранным очкам (55/4 и 33/4 дуката); позднее его решение было признано ошибочным.

Распределение суммы очков после бросания двух костей

Крупный алгебраист XVI века ДжероламоКардано посвятил анализу игры содержательную монографию «Книга об игре в кости» (1526 год, опубликована посмертно). Кардано провёл полный и безошибочный комбинаторный анализ для значений суммы очков и указал для разных событий ожидаемое значение доли «благоприятных» событий: например, при бросании трёх костей доля случаев, когда значения всех 3 костей совпадают, равна 6/216 или 1/36. Кардано сделал проницательное замечание: реальное количество исследуемых событий может при небольшом числе игр сильно отличаться от теоретического, но чем больше игр в серии, тем доля этого различия меньше. По существу, Кардано близко подошёл к понятию вероятности:

Итак, имеется одно общее правило для расчёта: необходимо учесть общее число возможных выпадений и число способов, которыми могут появиться данные выпадения, а затем найти отношение последнего числа к числу оставшихся возможных выпадений.

Другой итальянский алгебраист, Никколо Тарталья, раскритиковал подход Пачоли к решению задачи о разделе ставки: ведь если один из игроков ещё не успел набрать ни одного очка, то алгоритм Пачоли отдаёт всю ставку его сопернику, но это трудно назвать справедливым, поскольку некоторые шансы на выигрыш у отстающего всё же имеются. Кардано и Тарталья предложили свои (различные) способы раздела, но впоследствии и эти способы были признаны неудачными.

Исследованием данной темы занимался и Галилео Галилей, написавший трактат «О выходе очков при игре в кости» (1718 год, опубликован посмертно). Изложение теории игры у Галилея отличается исчерпывающей полнотой и ясностью. В своей главной книге «Диалог о двух главнейших системах мира, птоломеевой и коперниковой» Галилей также указал на возможность оценки погрешности астрономических и иных измерений, причём заявил, что малые ошибки измерения вероятнее, чем большие, отклонения в обе стороны равновероятны, а средний результат должен быть близок к истинному значению измеряемой величины. Эти качественные рассуждения стали первым в истории предсказанием нормального распределения ошибок.

XVII век: Паскаль, Ферма, Гюйгенс

В XVII веке начало формироваться отчётливое представление о проблематике теории вероятностей и появились первые математические (комбинаторные) методы решения вероятностных задач. Основателями математической теории вероятностей стали Блез Паскаль и Пьер Ферма.

Перед этим математик-любитель шевалье де Мере обратился к Паскалю по поводу так называемой «задачи об очках»: сколько раз нужно бросать две кости, чтобы ставить на одновременное выпадение хотя бы раз двух шестёрок было выгодно? Паскаль и Ферма вступили в переписку друг с другом по поводу данной задачи и родственных вопросов (1654). В рамках этой переписки учёные обсудили ряд проблем, связанных с вероятностными расчётами; в частности, рассматривалась старая задача о разделе ставки, и оба учёных пришли к решению, что надо разделить ставку соответственно остающимся шансам на выигрыш. Паскаль указал де Мере на ошибку, допущенную им при решении «задачи об очках»: в то время как де Мере неверно определил равновероятные события, получив ответ: 24 броска, Паскаль дал правильный ответ: 25 бросков.

Паскаль в своих трудах далеко продвинул применение комбинаторных методов, которые систематизировал в своей книге «Трактат об арифметическом треугольнике» (1665). Опираясь на вероятностный подход, Паскаль даже доказывал (в посмертно опубликованных заметках), что быть верующим выгоднее, чем атеистом.

Гюйгенс, вначале использовал термин «стоимость», а термин «ожидание» появился впервые при переводе трактата Гюйгенса Ван Схоутеном на латинский язык и стал общепринятым в науке.

В книге большое число задач, некоторые с решениями, другие «для самостоятельного решения». Из последних особый интерес и оживлённое обсуждение вызвала «задача о разорении игрока». В несколько обобщённом виде она формулируется так: у игроков A и B есть a и b монет соответственно, в каждой игре выигрывается одна монета, вероятность выигрыша A в каждой игре равна p, требуется найти вероятность полного его разорения. Полное общее решение «задачи о разорении» дал Абрахам де Муавр полвека спустя (1711). В наши дни вероятностная схема «задачи о разорении» используется при решении многих задач типа «случайное блуждание».

Гюйгенс проанализировал и задачу о разделе ставки, дав её окончательное решение: ставку надо разделить пропорционально вероятностям выигрыша при продолжении игры. Он также впервые применил вероятностные методы к демографической статистике и показал, как рассчитать среднюю продолжительность жизни.

К этому же периоду относятся публикации английских статистиков Джона Граунта (1662) и Уильяма Петти (1676, 1683). Обработав данные более чем за столетие, они показали, что многие демографические характеристики лондонского населения, несмотря на случайные колебания, имеют достаточно устойчивый характер — например, соотношение числа новорождённых мальчиков и девочек редко отклоняется от пропорции 14 к 13, невелики колебания и процента смертности от конкретных случайных причин. Эти данные подготовили научную общественность к восприятию новых идей.

Граунт также впервые составил таблицы смертности — таблицы вероятности смерти как функции возраста. Вопросами теории вероятностей и её применения к демографической статистике занялись также Иоганн Худде и Ян де Витт в Нидерландах, которые в 1671 году также составили таблицы смертности и использовали их для вычисления размеров пожизненной ренты. Более подробно данный круг вопросов был изложен в 1693 году Эдмундом Галлеем.

На книгу Гюйгенса опирались появившиеся в начале XVIII века трактаты Пьера де Монмора «Опыт исследования азартных игр» (опубликован в 1708 и переиздан с дополнениями в 1713 году) и Якоба Бернулли «Искусство предположений» (опубликован уже после смерти учёного, в том же 1713 году). Последний имел для теории вероятностей особенно большое значение.

Общие тенденции и критика

В XIX веке число работ по теории вероятностей продолжало расти, были даже компрометирующие науку попытки распространить её методы далеко за разумные пределы — например, на область морали, психологии, правоприменения и даже богословия. В частности, валлийский философ Ричард Прайс, а следом за ним и Лаплас, считали возможным рассчитать по формулам Байеса вероятность предстоящего восхода Солнца, Пуассон пытался провести вероятностный анализ справедливости судебных приговоров и достоверности показаний свидетелей. Философ Дж. С. Милль в 1843 году, указав на подобные спекулятивные применения, назвал исчисление вероятностей «позором математики». Эта и другие оценки свидетельствовали о недостаточной строгости обоснования теории вероятностей.

Математический аппарат теории вероятностей тем временем продолжал совершенствоваться. Основной сферой её применения в тот период была математическая обработка результатов наблюдений, содержащих случайные погрешности, а также расчёты рисков в страховом деле и других статистических параметров. Среди главных прикладных задач теории вероятностей и математической статистики XIX века можно назвать следующие:

найти вероятность того, что сумма независимых случайных величин с одинаковым (известным) законом распределения находится в заданных пределах. Особую важность эта проблема представляла для теории ошибок измерения, в первую очередь для оценки погрешности наблюдений;

установление статистической значимости различия случайных значений или серий таких значений. Пример: сравнение результатов применения нового и старого видов лекарств для принятия решения о том, действительно ли новое лекарство лучше;

исследование влияния заданного фактора на случайную величину (факторный анализ).

Уже к середине XIX века формируется вероятностная теория артиллерийской стрельбы. В большинстве крупных стран Европы были созданы национальные статистические организации. В конце века область применения вероятностных методов начала успешно распространяться на физику, биологию, экономику, социологию.

Применение теории вероятности в XIX-XX веках.

В 19 и 20 столетиях теория вероятностей проникает сначала в науку (астрономию, физику, биологию), потом в практику (сельское хозяйство, промышленность, медицину), и наконец, после изобретения компьютеров, в повседневную жизнь любого человека, пользующегося современными средствами получения и передачи информации. Проследим применение в различных областях.

Именно для использования в астрономии был разработан знаменитый “метод наименьших квадратов” (Лежандр 1805, Гаусс 1815). Главной задачей, для решения которой он был первоначально использован, стал расчет орбит комет, который приходилось производить по малому числу наблюдений. Ясно, что надежное определение типа орбиты (эллипс или гипербола) и точный расчет ее параметров оказывается трудным, так как орбита наблюдается лишь на небольшом участке. Метод оказался эффективным, универсальным, и вызвал бурные споры о приоритете. Его стали использовать в геодезии и картографии. Сейчас, когда искусство ручных расчетов утрачено, трудно представить, что при составлении карт мирового океана в 1880-х годах в Англии методом наименьших квадратов была численно решена система, состоящая из примерно 6000 уравнений с несколькими сотнями неизвестных.

Во второй половине 19 века была в работах Максвелла, Больцмана и Гиббса была развита статистическая механика, которая описывала состояние разряженных систем, содержащих огромное число частиц (порядка числа Авогадро). Если раньше понятие распределения случайной величины было преимущественно связано с распределением ошибок измерения, то теперь распределенными оказались самые разные величины – скорости, энергии, длины свободного пробега.

В 1870-1900 годах бельгиец Кетле и англичане Френсис Гальтон и Карл Пирсон основали новое научное направление – биометрию, в которой впервые стала систематически и количественно изучаться неопределенная изменчивость живых организмов и наследование количественных признаков. В научный оборот были введены новые понятия – регрессии и корреляции.

Итак, вплоть до начала 20 века основные приложения теории вероятности были связаны с научными исследованиями. Внедрение в практику – сельское хозяйство, промышленность, медицину произошло в 20 веке.

В начале 20 века в Англии была поставлена задача количественного сравнения эффективности различных методов ведения сельского хозяйства. Для решения этой задачи была развита теория планирования экспериментов, дисперсионный анализ. Основная заслуга в развитии этого уже чисто практического использования статистики принадлежит сэру Рональду Фишеру, астроному по образованию, а в дальнейшем фермеру, статистику, генетику, президенту английского Королевского общества. Современная математическая статистика, пригодная для широкого применения в практике, была развита в Англии (Карл Пирсон, Стьюдент, Фишер). Стьюдент впервые решил задачу оценки неизвестного параметра распределения без использования байесовского подхода.

Введение методов статистического контроля на производстве (контрольные карты Шухарта). Сокращение необходимого количества испытаний качества продукции. Математические методы оказываются уже настолько важными, что их стали засекречивать. Так книга с описанием новой методики, позволявшей сократить количество испытаний (“Последовательный анализ” Вальда), была издана только после окончания второй мировой войны в 1947 году.

Широкое применение статистических методов в медицине началось сравнительно недавно (вторая половина 20 века). Развитие эффективных методов лечения (антибиотики, инсулин, эффективная анестезия, искусственное кровообращение) потребовало достоверных методов оценки их эффективности. Возникло новое понятие “Доказательная медицина”. Начал развиваться более формальный, количественный подход к терапии многих заболевании – введение протоколов, guidelines.

С середины 1980-х годов возник новый и важнейший фактор, революционизировавший все приложения теории вероятностей – возможность широкого использования быстрых и доступных компьютеров. Почувствовать всю громадность произошедшего переворота можно, если учесть, что один современный персональный компьютер превосходит по быстродействию и памяти все компьютеры СССР и США, имевшиеся к 1968 году, времени, когда уже были осуществлены проекты, связанные со строительством атомных электростанций, полетами на Луну, созданием термоядерной бомбы. Сейчас методом прямого экспериментирования можно получать результаты, которые ранее были недоступны – thinkingofunthinkable.

Начиная с 1980-х годов количество известных последовательностей белков и нуклеиновых кислот стремительно возрастает. Объем накопленной информации таков, что только компьютерный анализ этих данных может решать задачи по извлечению информации.

8.Экономика и банковское дело.

Широкое применение имеет теория риска. Теория риска есть теория принятия решений в условиях вероятностной неопределенности. С математической точки зрения она является разделом теории вероятностей, а приложения теории риска практически безграничны. Наиболее продвинута финансовая область приложений: банковское дело и страхование, управление рыночными и кредитными рисками, инвестициями, бизнес-рисками, телекоммуникациям. Развиваются и нефинансовые приложения, связанные с угрозами здоровью, окружающей среде, рисками аварий и экологических катастроф, и другими направлениями.

Под занавес продолжительных летних каникул пришло время потихоньку возвращаться к высшей математике и торжественно открыть пустой вёрдовский файл, чтобы приступить к созданию нового раздела – . Признаюсь, нелегко даются первые строчки, но первый шаг – это пол пути, поэтому я предлагаю всем внимательно проштудировать вводную статью, после чего осваивать тему будет в 2 раза проще! Ничуть не преувеличиваю. …Накануне очередного 1 сентября вспоминается первый класс и букварь…. Буквы складываются в слоги, слоги в слова, слова в короткие предложения – Мама мыла раму. Совладать с тервером и математической статистикой так же просто, как научиться читать! Однако для этого необходимо знать ключевые термины, понятия и обозначения, а также некоторые специфические правила, которым и посвящён данный урок.

Но сначала примите мои поздравления с началом (продолжением, завершением, нужное отметить) учебного года и примите подарок. Лучший подарок – это книга, и для самостоятельной работы я рекомендую следующую литературу:

1) Гмурман В.Е. Теория вероятностей и математическая статистика

Легендарное учебное пособие, выдержавшее более десяти переизданий. Отличается доходчивостью и предельной простой изложения материала, а первые главы так и вовсе доступны, думаю, уже для учащихся 6-7-х классов.

2) Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике

Решебник того же Владимира Ефимовича с подробно разобранными примерами и задачами.

ОБЯЗАТЕЛЬНО закачайте обе книги из Интернета или раздобудьте их бумажные оригиналы! Подойдёт и версия 60-70-х годов, что даже лучше для чайников. Хотя фраза «теория вероятностей для чайников» звучит довольно нелепо, поскольку почти всё ограничивается элементарными арифметическими действиями. Проскакивают, правда, местами производные и интегралы , но это только местами.

Я постараюсь достичь той же ясности изложения, но должен предупредить, что мой курс ориентирован на решение задач и теоретические выкладки сведены к минимуму. Таким образом, если вам нужна развёрнутая теория, доказательства теорем (теорем-теорем!), пожалуйста, обратитесь к учебнику. Ну, а кто хочет научиться решать задачи по теории вероятностей и математической статистике в самые короткие сроки , следуйте за мной!

Для начала хватит =)

По мере прочтения статей целесообразно знакомиться (хотя бы бегло) с дополнительными задачами рассмотренных видов. На странице Готовые решения по высшей математике будут размещаться соответствующие pdf-ки с примерами решений. Также значительную помощь окажут ИДЗ 18.1 Рябушко (попроще) и прорешанные ИДЗ по сборнику Чудесенко (посложнее).

1) Суммой двух событий и называется событие которое состоит в том, что наступит или событие или событие или оба события одновременно. В том случае, если события несовместны , последний вариант отпадает, то есть может наступить или событие или событие .

Правило распространяется и на бОльшее количество слагаемых, например, событие состоит в том, что произойдёт хотя бы одно из событий , а если события несовместныто одно и только одно событие из этой суммы: или событие , или событие , или событие , или событие , или событие .

События (при броске игральной кости не выпадет 5 очков) состоит в том, что выпадет или 1, или 2, или 3, или 4, или 6 очков.

Событие (выпадет не более двух очков) состоит в том, что появится 1 или 2 очка .

Событие (будет чётное число очков) состоит в том, что выпадет или 2 или 4 или 6 очков.

Событие заключается в том, что из колоды будет извлечена карта красной масти (черва или бубна), а событие – в том, что будет извлечена «картинка» (валет или дама или король или туз).

Чуть занятнее дело с совместными событиями:

Событие состоит в том, что из колоды будет извлечена трефа или семёрка или семёрка треф. Согласно данному выше определению, хотя бы что-то – или любая трефа или любая семёрка или их «пересечение» – семёрка треф. Легко подсчитать, что данному событию соответствует 12 элементарных исходов (9 трефовых карт + 3 оставшиеся семёрки).

Событие состоит в том, что завтра в 12.00 наступит ХОТЯ БЫ ОДНО из суммируемых совместных событий , а именно:

– или будет только дождь / только гроза / только солнце;
– или наступит только какая-нибудь пара событий (дождь + гроза / дождь + солнце / гроза + солнце);
– или все три события появятся одновременно.

То есть, событие включает в себя 7 возможных исходов.

Второй столп алгебры событий:

2) Произведением двух событий и называют событие , которое состоит в совместном появлении этих событий, иными словами, умножение означает, что при некоторых обстоятельствах наступит и событие , и событие . Аналогичное утверждение справедливо и для бОльшего количества событий, так, например, произведение подразумевает, что при определённых условиях произойдёт и событие , и событие , и событие , …, и событие .

Рассмотрим испытание, в котором подбрасываются две монеты и следующие события:

– на 1-й монете выпадет орёл;
– на 1-й монете выпадет решка;
– на 2-й монете выпадет орёл;
– на 2-й монете выпадет решка.

Тогда:
и на 2-й) выпадет орёл;
– событие состоит в том, что на обеих монетах (на 1-й и на 2-й) выпадет решка;
– событие состоит в том, что на 1-й монете выпадет орёл и на 2-й монете решка;
– событие состоит в том, что на 1-й монете выпадет решка и на 2-й монете орёл.

Нетрудно заметить, что события несовместны (т.к. не может, например, выпасть 2 орла и в то же самое время 2 решки) и образуют полную группу (поскольку учтены все возможные исходы броска двух монет) . Давайте просуммируем данные события: . Как интерпретировать эту запись? Очень просто – умножение означает логическую связку И , а сложение – ИЛИ . Таким образом, сумму легко прочитать понятным человеческим языком: «выпадут два орла или две решки или на 1-й монете выпадет орёл и на 2-й решка или на 1-й монете выпадет решка и на 2-й монете орёл »

Это был пример, когда в одном испытании задействовано несколько объектов, в данном случае – две монеты. Другая распространенная в практических задачах схема – это повторные испытания , когда, например, один и тот же игральный кубик бросается 3 раза подряд. В качестве демонстрации рассмотрим следующие события:

– в 1-м броске выпадет 4 очка;
– во 2-м броске выпадет 5 очков;
– в 3-м броске выпадет 6 очков.

Тогда событие состоит в том, что в 1-м броске выпадет 4 очка и во 2-м броске выпадет 5 очков и в 3-м броске выпадет 6 очков. Очевидно, что в случае с кубиком будет значительно больше комбинаций (исходов), чем, если бы мы подбрасывали монету.

…Понимаю, что, возможно, разбираются не очень интересные примеры, но это часто встречающиеся в задачах вещи и от них никуда не деться. Помимо монетки, кубика и колоды карт вас поджидают урны с разноцветными шарами, несколько анонимов, стреляющих по мишени, и неутомимый рабочий, который постоянно вытачивает какие-то детали =)

Вероятность события

Вероятность события – это центральное понятие теории вероятностей. …Убийственно логичная вещь, но с чего-то надо было начинать =) Существует несколько подходов к её определению:

;
Геометрическое определение вероятности ;
Статистическое определение вероятности .

В данной статье я остановлюсь на классическом определении вероятностей, которое находит наиболее широкое применение в учебных заданиях.

Обозначения . Вероятность некоторого события обозначается большой латинской буквой , а само событие берётся в скобки, выступая в роли своеобразного аргумента. Например:

Также для обозначения вероятности широко используется маленькая буква . В частности, можно отказаться от громоздких обозначений событий и их вероятностей в пользу следующей стилистики::

– вероятность того, что в результате броска монеты выпадет «орёл»;
– вероятность того, что в результате броска игральной кости выпадет 5 очков;
– вероятность того, что из колоды будет извлечена карта трефовой масти.

Данный вариант популярен при решении практических задач, поскольку позволяет заметно сократить запись решения. Как и в первом случае, здесь удобно использовать «говорящие» подстрочные/надстрочные индексы.

Все уже давно догадались о числах, которые я только что записал выше, и сейчас мы узнаем, как они получились:

Классическое определение вероятности :

Вероятностью наступления события в некотором испытании называют отношение , где:

– общее число всех равновозможных , элементарных исходов этого испытания, которые образуют полную группу событий ;

– количество элементарных исходов, благоприятствующих событию .

При броске монеты может выпасть либо орёл, либо решка – данные события образуют полную группу , таким образом, общее число исходов ; при этом, каждый из них элементарен и равновозможен . Событию благоприятствует исход (выпадение орла). По классическому определению вероятностей: .

Аналогично – в результате броска кубика может появиться элементарных равновозможных исходов, образующих полную группу, а событию благоприятствует единственный исход (выпадение пятёрки). Поэтому: .ЭТОГО ДЕЛАТЬ НЕ ПРИНЯТО (хотя не возбраняется прикидывать проценты в уме).

Принято использовать доли единицы , и, очевидно, что вероятность может изменяться в пределах . При этом если , то событие является невозможным , если – достоверным , а если , то речь идёт о случайном событии.

! Если в ходе решения любой задачи у вас получилось какое-то другое значение вероятности – ищите ошибку!

При классическом подходе к определению вероятности крайние значения (ноль и единица) получаются посредством точно таких же рассуждений. Пусть из некой урны, в которой находятся 10 красных шаров, наугад извлекается 1 шар. Рассмотрим следующие события:

в единичном испытании маловозможное событие не произойдёт .

Именно поэтому Вы не сорвёте в лотерее Джек-пот, если вероятность этого события, скажем, равна 0,00000001. Да-да, именно Вы – с единственным билетом в каком-то конкретном тираже. Впрочем, бОльшее количество билетов и бОльшее количество розыгрышей Вам особо не помогут. . Когда я рассказываю об этом окружающим, то почти всегда в ответ слышу: «но ведь кто-то выигрывает». Хорошо, тогда давайте проведём следующий эксперимент: пожалуйста, сегодня или завтра купите билет любой лотереи (не откладывайте!). И если выиграете. ну, хотя бы больше 10 килорублей, обязательно отпишитесь – я объясню, почему это произошло. За процент, разумеется =) =)

Но грустить не нужно, потому что есть противоположный принцип: если вероятность некоторого события очень близка к единице, то в отдельно взятом испытании оно практически достоверно произойдёт. Поэтому перед прыжком с парашютом не надо бояться, наоборот – улыбайтесь! Ведь должны сложиться совершенно немыслимые и фантастические обстоятельства, чтобы отказали оба парашюта.

Хотя всё это лирика, поскольку в зависимости от содержания события первый принцип может оказаться весёлым, а второй – грустным; или вообще оба параллельными.

Пожалуй, пока достаточно, на уроке Задачи на классическое определение вероятности мы выжмем максимум из формулы . В заключительной же части этой статьи рассмотрим одну важную теорему:

Сумма вероятностей событий, которые образуют полную группу, равна единице . Грубо говоря, если события образуют полную группу, то со 100%-й вероятностью какое-то из них произойдёт. В самом простом случае полную группу образуют противоположные события, например:

– в результате броска монеты выпадет орёл;
– в результате броска монеты выпадет решка.

Совершенно понятно, что данные события равновозможны и их вероятности одинаковы .

По причине равенства вероятностей равновозможные события часто называют равновероятными . А вот и скороговорка на определение степени опьянения получилась =)

Пример с кубиком: события противоположны, поэтому .

Рассматриваемая теорема удобна тем, что позволяет быстро найти вероятность противоположного события. Так, если известна вероятность того, что выпадет пятёрка, легко вычислить вероятность того, что она не выпадет:

Это гораздо проще, чем суммировать вероятности пяти элементарных исходов. Для элементарных исходов, к слову, данная теорема тоже справедлива:
. Например, если – вероятность того, что стрелок попадёт в цель, то – вероятность того, что он промахнётся.

! В теории вероятностей буквы и нежелательно использовать в каких-то других целях.

В честь Дня Знаний я не буду задавать домашнее задание =), но очень важно, чтобы вы могли ответить на следующие вопросы:

– Какие виды событий существуют?
– Что такое случайность и равновозможность события?
– Как вы понимаете термины совместность/несовместность событий?
– Что такое полная группа событий, противоположные события?
– Что означает сложение и умножение событий?
– В чём суть классического определения вероятности?
– Чем полезна теорема сложения вероятностей событий, образующих полную группу?

Нет, зубрить ничего не надо, это всего лишь азы теории вероятностей – своеобразный букварь, который довольно быстро уложится в голове. И чтобы это произошло как можно скорее, предлагаю ознакомиться с уроками

Предыстория теории вероятности.

Случай, случайность — с ними мы встречаемся повседневно: случайная встреча, случайная поломка, случайная находки, случайная ошибка. Этот ряд можно продолжать бесконечно. Казалось бы, тут нет места для математики, но и здесь наука обнаружила интересные закономерности — они позволяют человеку уверенно чувствовать себя при встрече со случайными событиями.
Теорию вероятностей можно определить как раздел математики, в котором изучаются закономерности присущие случайным событиям. Методы теории вероятностей широко применяются при математической обработке результатов измерений, а также во многих задачах экономики, статистики, страхового дела, массового обслуживания. Отсюда не трудно догадаться, что и в авиации теория вероятностей находит очень широкое применение.
Моя будущая диссертационная работа будет связана со спутниковой навигацией. Не только в спутниковой навигации, но и в традиционных средствах навигации, теория вероятностей получило очень широкое применение, потому что через вероятность количественно выражаются большинство эксплуатационно-технических характеристик радиотехнических средств.

Необходимость понятия вероятности и исследований в этом направлении была исторически связана с азартными играми, особенно с играми в кости. До появления понятия вероятности формулировались в основном комбинаторные задачи подсчета числа возможных исходов при бросании нескольких костей, а также задача раздела ставки между игроками, когда игра закончена досрочно. Первую задачу при бросании трех костей «решил» в 960 году епископ Виболд из г. Камбрэ. Он насчитал 56 вариантов. Однако это количество по сути не отражает количество равновероятных возможностей, поскольку каждый из 56 вариантов может реализоваться разным количеством способов. В первой половине 13 века эти аспекты учел Ришар де Форниваль. Несмотря на то, что у него тоже фигурирует число 56, но он в рассуждениях учитывает, что, например, «одинаковое количество очков на трех костях можно получить шестью способами». Основываясь на его рассуждениях уже можно установить, что число равновозможных вариантов — 216. В дальнейшем многие не совсем верно решали эту задачу. Впервые четко количество равновозможных исходов при подбрасывании трех костей подсчитал Галилео Галилей, возводя шестерку (количество вариантов выпадения одной кости) в степень 3 (количество костей): 6³=216. Он же составил таблицы количества способов получения различных сумм очков.

Задачи второго типа в конце 15 века сформулировал и предложил первое (вообще говоря ошибочное) решение Лука Пачоли. Его решение заключалось в делении ставки пропорционально уже выигранным партиям. Существенное дальнейшее продвижение в начале 16 века связано с именами итальянских ученых Джероламо Кардано и Н. Тарталья. Кардано дал правильный подсчет количества случаев при бросании двух костей (36). Он также впервые соотнес количество случаев выпадения некоторого числа хотя бы на одной кости (11) к общему числу исходов (что соответствует классическому определению вероятности) — 11/36. Аналогично и для трех костей он рассматривал, например, что девять очков может получиться количеством способов, равным 1/9 «всей серии» (то есть общего количества равновозможных исходов — 216). Кардано формально не вводил понятие вероятности, но по существу рассматривал относительное количество исходов, что по сути эквивалентно рассмотрению вероятностей. Необходимо также отметить, что в зачаточном состоянии у Кардано можно найти также идеи, связанные с законом больших чисел. По поводу задачи деления ставки Кардано предлагал учитывать количество оставшихся партий, которые надо выиграть. Н. Тарталья также сделал замечания по поводу решения Луки и предложил свое решение (вообще говоря, тоже ошибочное).

Заслуга Галилея также заключается в расширении области исследований на область ошибок наблюдений. Он впервые указал на неизбежность ошибок и классифицировал их на систематические и случайные (такая классификация применяется и сейчас).

Возникновение теории вероятности как науки.

Теория вероятностей — раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Возникновение теории вероятностей как науки относят к средним векам и первым попыткам математического анализа азартных игр (орлянка, кости, рулетка). Первоначально её основные понятия не имели строго математического вида, к ним можно было относиться как к некоторым эмпирическим фактам, как к свойствам реальных событий, и они формулировались в наглядных представлениях. Самые ранние работы учёных в области теории вероятностей относятся к XVII веку. Исследуя прогнозирование выигрыша в азартных играх, Блез Паскаль и Пьер Ферма открыли первые вероятностные закономерности, возникающие при бросании костей. Под влиянием поднятых и рассматриваемых ими вопросов решением тех же задач занимался и Христиан Гюйгенс. При этом с перепиской Паскаля и Ферма он знаком не был, поэтому методику решения изобрёл самостоятельно. Его работа, в которой вводятся основные понятия теории вероятностей (понятие вероятности как величины шанса; математическое ожидание для дискретных случаев, в виде цены шанса), а также используются теоремы сложения и умножения вероятностей (не сформулированные явно), вышла в печатном виде на двадцать лет раньше (1657 год) издания писем Паскаля и Ферма (1679 год).

Важный вклад в теорию вероятностей внёс Якоб Бернулли: он дал доказательство закона больших чисел в простейшем случае независимых испытаний. В первой половине XIX века теория вероятностей начинает применяться к анализу ошибок наблюдений; Лаплас и Пуассон доказали первые предельные теоремы. Во второй половине XIX века основной вклад внесли русские учёные П. Л. Чебышёв, А. А. Марков и А. М. Ляпунов. В это время были доказаны закон больших чисел, центральная предельная теорема, а также разработана теория цепей Маркова. Современный вид теория вероятностей получила благодаря аксиоматизации, предложенной Андреем Николаевичем Колмогоровым. В результате теория вероятностей приобрела строгий математический вид и окончательно стала восприниматься как один из разделов математики.

Мастер Йода рекомендует:  Лучшие Youtube-каналы для Frontend-разработчика

Теория вероятностей возникла в середине XVII века. Первые работы по теории вероятностей, принадлежащие французским учёным Б. Паскалю и П. Ферма и голландскому учёному X. Гюйгенсу, появились в связи с подсчётом различных вероятностей в азартных играх. Крупный успех теории вероятностей связан с именем швейцарского математика Я. Бернулли, установившего закон больших чисел для схемы независимых испытаний с двумя исходами.

Следующий (второй) период истории теории вероятностей (XVIII в. и начало ХIХ в.) связан с именами А. Муавра (Англия), П. Лапласа (Франция), К. Гаусса (Германия) и С. Пуассона (Франция). Это — период, когда теория вероятностей уже находит ряд весьма актуальных применений в естествознании и технике (главным образом в теории ошибок наблюдений, развившейся в связи с потребностями геодезии и астрономии, и в теории стрельбы).

Третий период истории теории вероятностей, (вторая половина XIX в.) связан в основном с именами русских математиков П. Л. Чебышева, А. М. Ляпунова и А. А. Маркова (старшего). Теория вероятностей развивалась в России и раньше (в XVIII в. ряд трудов по теории вероятности был написан работавшими в России Л. Эйлером, Н. Бернулли и Д. Бернулли; во второй период развития теории вероятностей следует отметить работы М. В. Остроградского по вопросам теории вероятностей,связанным с математической статистикой, и В. Я. Буняковского по применениям теории вероятностей к страховому делу, статистике и демографии).

Теория вероятностей — математическая наука, позволяющая по вероятностям одних случайных событий находить вероятности других случайных событий, связанных каким-либо образом с первыми. Утверждение о том, что какое-либо событие наступает с вероятностью, равной, например, ½, ещё не представляет само по себе окончательной ценности, так как мы стремимся к достоверному знанию. Окончательную познавательную ценность имеют те результаты теории вероятностей, которые позволяют утверждать, что вероятность наступления какого-либо события А весьма близка к единице или (что то же самое) вероятность не наступления события А весьма мала. В соответствии с принципом «пренебрежения достаточно малыми вероятностями» такое событие справедливо считают практически достоверным. Поэтому можно также сказать, что теория вероятностей есть математическая наука, выясняющая закономерности, которые возникают при взаимодействии большого числа случайных факторов.

Наиболее распространённая в настоящее время логическая схема построения основ теории вероятностей разработана в 1933 советским математиком А. Н. Колмогоровым.

В 20-х гг. ХХ в. было обнаружено, что даже в схеме последовательности одинаково распределённых и независимых случайных величин могут вполне естественным образом возникать предельные распределения, отличные от нормального.

В Западной Европе во 2-й половине ХIX в. получили большое развитие работы по математической статистике (в Бельгии — А. Кетле, в Англии — Ф. Гальтон) и статистической физике (в Австрии — Л. Больцман), которые наряду с основными теоретическими работами Чебышева, Ляпунова и Маркова создали основу для существенного расширения проблематики теории вероятностей в четвёртом (современном) периоде её развития. Этот период истории теории вероятностей характеризуется чрезвычайным расширением круга её применений, созданием нескольких систем безукоризненно строгого математического обоснования теории вероятностей, новых мощных методов, требующих иногда применения (помимо классического анализа) средств теории множеств, теории функций действительного переменного и функционального анализа. В этот период при очень большом усилении работы по теории вероятностей за рубежом (во Франции — Э. Борель, П. Леви, М. Фреше, в Германии — Р. Мизес, в США — Н. Винер, В. Феллер, Дж. Дуб, в Швеции — Г. Крамер) современная наука продолжает занимать значительное, а в ряде направлений и ведущее положение. В нашей стране новый период развития теории вероятностей открывается деятельностью С.Н. Бернштейна, значительно обобщившего классические предельные теоремы Чебышева, Ляпунова и Маркова и впервые в России широко поставившего работу по применениям теории вероятностей к естествознанию им математической статистике.

Теория вероятностей, подобно другим разделам математики, развилась из потребностей практики: в абстрактной форме она отражает закономерности, присущие случайным событиям массового характера. Эти закономерности играют исключительно важную роль в физике и других областях естествознания, разнообразнейших технических дисциплинах, экономике, социологии, биологии. В связи с широким развитием предприятий, производящих массовую продукцию, результаты теории вероятностей стали использоваться не только для браковки уже изготовленной продукции, но и для организации самого процесса производства (статистический контроль в производстве).

Некоторые программисты после работы в области разработки обычных коммерческих приложений задумываются о том, чтобы освоить машинное обучение и стать аналитиком данных. Часто они не понимают, почему те или иные методы работают, и большинство методов машинного обучения кажутся магией. На самом деле, машинное обучение базируется на математической статистике, а та, в свою очередь, основана на теории вероятностей. Поэтому в этой статье мы уделим внимание базовым понятиям теории вероятностей: затронем определения вероятности, распределения и разберем несколько простых примеров.

Возможно, вам известно, что теория вероятностей условно делится на 2 части. Дискретная теория вероятностей изучает явления, которые можно описать распределением с конечным (или счетным) количеством возможных вариантов поведения (бросания игральных костей, монеток). Непрерывная теория вероятностей изучает явления, распределенные на каком-то плотном множестве, например на отрезке или в круге.

Можно рассмотреть предмет теории вероятностей на простом примере. Представьте себя разработчиком шутера. Неотъемлемой частью разработки игр этого жанра является механика стрельбы. Ясно, что шутер в котором всё оружие стреляет абсолютно точно, будет малоинтересен игрокам. Поэтому, обязательно нужно добавлять оружию разброс. Но простая рандомизация точек попадания оружия не позволит сделать его тонкую настройку, поэтому, корректировка игрового баланса будет сложна. В то же время, используя случайные величины и их распределения можно проанализировать то, как будет работать оружие с заданным разбросом, и поможет внести необходимые корректировки.

Пространство элементарных исходов

Допустим, из некоторого случайного эксперимента, который мы можем многократно повторять (например, бросание монеты), мы можем извлечь некоторую формализуемую информацию (выпал орел или решка). Эта информация называется элементарным исходом, при этом целесообразно рассматривать множество всех элементарных исходов, часто обозначаемое буквой Ω (Омега).

Структура этого пространства целиком зависит от природы эксперимента. Например, если рассматривать стрельбу по достаточно большой круговой мишени, — пространством элементарных исходов будет круг, для удобства размещенный с центром в нуле, а исходом — точка в этом круге.

Кроме того, рассматривают множества элементарных исходов — события (например, попадание в «десятку» — это концентрический круг маленького радиуса с мишенью). В дискретном случае всё достаточно просто: мы можем получить любое событие, включая или исключая элементарные исходы за конечное время. В непрерывном же случае всё гораздо сложнее: нам понадобится некоторое достаточно хорошее семейство множеств для рассмотрения, называемое алгеброй по аналогии с простыми вещественными числами, которые можно складывать, вычитать, делить и умножать. Множества в алгебре можно пересекать и объединять, при этом результат операции будет находиться в алгебре. Это очень важное свойство для математики, которая лежит за всеми этими понятиями. Минимальное семейство состоит всего из двух множеств — из пустого множества и пространства элементарных исходов.

Мера и вероятность

Вероятность — это способ делать выводы о поведении очень сложных объектов, не вникая в принцип их работы. Таким образом, вероятность определяется как функция от события (из того самого хорошего семейства множеств), которая возвращает число — некоторую характеристику того, насколько часто может происходить такое событие в реальности. Для определённости математики условились, что это число должно лежать между нулем и единицей. Кроме того, к этой функции предъявляются требования: вероятность невозможного события нулевая, вероятность всего множества исходов единичная, и вероятность объединения двух независимых событий (непересекающихся множеств) равна сумме вероятностей. Другое название вероятности — вероятностная мера. Чаще всего используется Лебегова мера , обобщающая понятия длина, площадь, объём на любые размерности (n -мерный объем), и таким образом она применима для широкого класса множеств.

Вместе совокупность множества элементарных исходов, семейства множеств и вероятностной меры называется вероятностным пространством . Рассмотрим, каким образом можно построить вероятностное пространство для примера со стрельбой в мишень.

Рассмотрим стрельбу в большую круглую мишень радиуса R , в которую невозможно промахнуться. Множеством элементарных событий положим круг с центром в начале координат радиуса R . Поскольку мы собираемся использовать площадь (меру Лебега для двумерных множеств) для описания вероятности события, то будем использовать семейство измеримых (для которых эта мера существует) множеств.

Примечание На самом деле, это технический момент и в простых задачах процесс определения меры и семейства множеств не играет особой роли. Но понимать, что эти два объекта существуют, необходимо, ведь во многих книгах по теории вероятности теоремы начинаются со слов: «Пусть (Ω,Σ,P) — вероятностное пространство … ».

Как уже сказано выше, вероятность всего пространства элементарных исходов должна равняться единице. Площадь (двумерная мера Лебега, которую мы обозначим λ 2 (A) , где А — событие) круга по хорошо известной со школы формуле равна π *R 2 . Тогда мы можем ввести вероятность P(A) = λ 2 (A) / (π *R 2) , и эта величина уже будет лежать между 0 и 1 для любого события А.

Если предположить, что попадание в любую точку мишени равновероятно, поиск вероятности попадания стрелком в какую-то то область мишени сводится к поиску площади этого множества (отсюда можно сделать вывод, что вероятность попадания в конкретную точку нулевая, ведь площадь точки равна нулю).

Например, мы хотим узнать, какова вероятность того, что стрелок попадёт в «десятку» (событие A — стрелок попал в нужное множество). В нашей модели, «десятка» представляется кругом с центром в нуле и радиусом r. Тогда вероятность попадания в этот круг P(A) = λ 2 /(A)π *R 2 = π * r 2 /(π R 2)= (r/R) 2 .

Это одна из самых простых разновидностей задач на «геометрическую вероятность», — большинство таких задач требуют поиска площади.

Случайные величины

Случайная величина — функция, переводящая элементарные исходы в вещественные числа. К примеру, в рассмотренной задаче мы можем ввести случайную величину ρ(ω) — расстояние от точки попадания до центра мишени. Простота нашей модели позволяет явно задать пространство элементарных исходов: Ω = <ω = (x,y) такие числа, что x 2 +y 2 ≤ R 2 >. Тогда случайная величина ρ(ω) = ρ(x,y) = x 2 +y 2 .

Средства абстракции от вероятностного пространства. Функция распределения и плотность

Хорошо, когда структура пространства хорошо известна, но на самом деле так бывает далеко не всегда. Даже если структура пространства известна, она может быть сложна. Для описания случайных величин, если их выражение неизвестно, существует понятие функции распределения, которую обозначают F ξ (x) = P(ξ

Теория ве. Математика для программистов: теория вероятностей

Многие вещи нам непонятны не потому, что наши понятия слабы;
но потому, что сии вещи не входят в круг наших понятий.
Козьма Прутков

Основная цель изучения математики в средних специальных учебных заведениях состоит в том, чтобы дать студентам набор математических знаний и навыков, необходимых для изучения других программных дисциплин, использующих в той или иной мере математику, для умения выполнять практические расчеты, для формирования и развития логического мышления.

В данной работе последовательно вводятся все базовые понятия раздела математики «Основы теории вероятностей и математической статистики», предусмотренные программой и Государственными образовательными стандартами среднего профессионального образования (Министерство образования Российской Федерации. М., 2002г.), формулируются основные теоремы, большая часть которых не доказывается. Рассматриваются основные задачи и методы их решения и технологии применения этих методов к решению практических задач. Изложение сопровождается подробными комментариями и многочисленными примерами.

Методические указания могут быть использованы для первичного ознакомления с изучаемым материалом, при конспектировании лекций, для подготовки к практическим занятиям, для закрепления полученных знаний, умений и навыков. Кроме того, пособие будет полезно и студентам- старшекурсникам как справочное пособие, позволяющее быстро восстановить в памяти то, что было изучено ранее.

В конце работы приведены примеры и задания, которые студенты могут выполнять в режиме самоконтроля.

Методические указания предназначены для студентов заочной и дневной форм обучения.

Теория вероятностей изучает объективные закономерности массовых случайных событий. Она является теоретической базой для математической статистики, занимающейся разработкой методов сбора, описания и обработки результатов наблюдений. Путем наблюдений (испытаний, экспериментов), т.е. опыта в широком смысле слова, происходит познание явлений действительного мира.

В своей практической деятельности мы часто встречаемся с явлениями, исход которых невозможно предсказать, результат которых зависит от случая.

Случайное явление можно охарактеризовать отношением числа его наступлений к числу испытаний, в каждом из которых при одинаковых условиях всех испытаний оно могло наступить или не наступить.

Теория вероятностей есть раздел математики, в котором изучаются случайные явления (события) и выявляются закономерности при массовом их повторении.

Математическая статистика — это раздел математики, который имеет своим предметом изучения методов сбора, систематизации, обработки и использования статистических данных для получения научно обоснованных выводов и принятия решений.

При этом под статистическими данными понимается совокупность чисел, которые представляют количественные характеристики интересующих нас признаков изучаемых объектов. Статистические данные получаются в результате специально поставленных опытов, наблюдений.

Статистические данные по своей сущности зависят от многих случайных факторов, поэтому математическая статистика тесно связана с теорией вероятностей, которая является ее теоретической основой.

I. ВЕРОЯТНОСТЬ. ТЕОРЕМЫ СЛОЖЕНИЯ И УМНОЖЕНИЯ ВЕРОЯТНОСТЕЙ

1.1. Основные понятия комбинаторики

В разделе математики, который называется комбинаторикой, решаются некоторые задачи, связанные с рассмотрением множеств и составлением различных комбинаций из элементов этих множеств. Например, если взять 10 различных цифр 0, 1, 2, 3,: , 9 и составлять из них комбинации, то будем получать различные числа, например 143, 431, 5671, 1207, 43 и т.п.

Мы видим, что некоторые из таких комбинаций отличаются только порядком цифр (например, 143 и 431), другие — входящими в них цифрами (например, 5671 и 1207), третьи различаются и числом цифр (например, 143 и 43).

Таким образом, полученные комбинации удовлетворяют различным условиям.

В зависимости от правил составления можно выделить три типа комбинаций: перестановки, размещения, сочетания .

Предварительно познакомимся с понятием факториала .

Произведение всех натуральных чисел от 1 до n включительно называют n-факториалом и пишут .

Вычислить: а) ; б) ; в) .

б) Так как и , то можно вынести за скобки

Комбинация из n элементов, которые отличаются друг от друга только порядком элементов, называются перестановками.

Перестановки обозначаются символом Р n , где n- число элементов, входящих в каждую перестановку. (Р — первая буква французского слова permutation — перестановка).

Число перестановок можно вычислить по формуле

или с помощью факториала:

Пример 2. Сколькими способами можно расставлять на одной полке шесть различных книг?

Решение. Искомое число способов равно числу перестановок из 6 элементов, т.е.

Размещениями из m элементов в n в каждом называются такие соединения, которые отличаются друг от друга либо самими элементами (хотя бы одним), либо порядком из расположения.

Размещения обозначаются символом , где m — число всех имеющихся элементов, n — число элементов в каждой комбинации. (А- первая буква французского слова arrangement , что означает «размещение, приведение в порядок»).

При этом полагают, что nm.

Число размещений можно вычислить по формуле

т.е. число всех возможных размещений из m элементов по n равно произведению n последовательных целых чисел, из которых большее есть m .

Запишем эту формулу в факториальной форме:

Пример 3. Сколько вариантов распределения трех путевок в санатории различного профиля можно составить для пяти претендентов?

Решение. Искомое число вариантов равно числу размещений из 5 элементов по 3 элемента, т.е.

Сочетаниями называются все возможные комбинации из m элементов по n , которые отличаются друг от друга по крайней мере хотя бы одним элементом (здесь m и n- натуральные числа, причем n m ).

Число сочетаний из m элементов по n обозначаются (С -первая буква французского слова combination — сочетание).

В общем случае число из m элементов по n равно числу размещений из m элементов по n , деленному на число перестановок из n элементов:

Используя для чисел размещений и перестановок факториальные формулы, получим:

Пример 4. В бригаде из 25 человек нужно выделить четырех для работы на определенном участке. Сколькими способами это можно сделать?

Решение. Так как порядок выбранных четырех человек не имеет значения, то это можно сделать способами.

Находим по первой формуле

Кроме того, при решении задач используются следующие формулы, выражающие основные свойства сочетаний:

(по определению полагают и );

1.2. Решение комбинаторных задач

Задача 1. На факультете изучается 16 предметов. На понедельник нужно в расписание поставить 3 предмета. Сколькими способами можно это сделать?

Решение. Способов постановки в расписание трех предметов из 16 столько, сколько можно составить размещений из 16 элементов по 3.

Задача 2. Из 15 объектов нужно отобрать 10 объектов. Сколькими способами это можно сделать?

Задача 3. В соревнованиях участвовало четыре команды. Сколько вариантов распределения мест между ними возможно?

Задача 4. Сколькими способами можно составить дозор из трех солдат и одного офицера, если имеется 80 солдат и 3 офицера?

Решение. Солдат в дозор можно выбрать

способами, а офицеров способами. Так как с каждой командой из солдат может пойти любой офицер, то всего имеется способов.

Задача 5. Найти , если известно, что .

Так как , то получим

По определению сочетания следует, что , . Т.о. .

1.3. Понятие о случайном событии. Виды событий. Вероятность события

Всякое действие, явление, наблюдение с несколькими различными исходами, реализуемое при данном комплексе условий, будем называть испытанием.

Результат этого действия или наблюдения называется событием .

Если событие при заданных условиях может произойти или не произойти, то оно называется случайным . В том случае, когда событие должно непременно произойти, его называют достоверным , а в том случае, когда оно заведомо не может произойти,- невозможным .

События называются несовместными , если каждый раз возможно появление только одного из них.

События называются совместными , если в данных условиях появление одного из этих событий не исключает появление другого при том же испытании.

События называются противоположными , если в условиях испытания они, являясь единственными его исходами, несовместны.

События принято обозначать заглавными буквами латинского алфавита: А, В, С, Д, : .


Полной системой событий А 1 , А 2 , А 3 , : , А n называется совокупность несовместных событий, наступление хотя бы одного из которых обязательно при данном испытании.

Если полная система состоит из двух несовместных событий, то такие события называются противоположными и обозначаются А и .

Пример. В коробке находится 30 пронумерованных шаров. Установить, какие из следующих событий являются невозможными, достоверными, противоположными:

достали пронумерованный шар (А);

достали шар с четным номером (В);

достали шар с нечетным номером (С);

достали шар без номера (Д).

Какие из них образуют полную группу?

Решение. А — достоверное событие; Д — невозможное событие;

В и С — противоположные события.

Полную группу событий составляют А и Д, В и С .

Вероятность события, рассматривается как мера объективной возможности появления случайного события.

1.4. Классическое определение вероятности

Число, являющееся выражением меры объективной возможности наступления события, называется вероятностью этого события и обозначается символом Р(А).

Определение. Вероятностью события А называется отношение числа исходов m, благоприятствующих наступлению данного события А , к числу n всех исходов (несовместных, единственно возможных и равновозможных), т.е. .

Следовательно, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, подсчитать все возможные несовместные исходы n, выбрать число интересующих нас исходов m и вычислить отношение m к n .

Из этого определения вытекают следующие свойства:

Вероятность любого испытания есть неотрицательное число, не превосходящее единицы.

Действительно, число m искомых событий заключено в пределах . Разделив обе части на n , получим

2. Вероятность достоверного события равна единице, т.к. .

3. Вероятность невозможного события равна нулю, поскольку .

Задача 1. В лотерее из 1000 билетов имеются 200 выигрышных. Вынимают наугад один билет. Чему равна вероятность того, что этот билет выигрышный?

Решение. Общее число различных исходов есть n =1000. Число исходов, благоприятствующих получению выигрыша, составляет m=200. Согласно формуле, получим

Задача 2. В партии из 18 деталей находятся 4 бракованных. Наугад выбирают 5 деталей. Найти вероятность того, что из этих 5 деталей две окажутся бракованными.

Решение. Число всех равновозможных независимых исходов n равно числу сочетаний из 18 по 5 т.е.

Подсчитаем число m, благоприятствующих событию А. Среди 5 взятых наугад деталей должно быть 3 качественных и 2 бракованных. Число способов выборки двух бракованных деталей из 4 имеющихся бракованных равно числу сочетаний из 4 по 2:

Число способов выборки трех качественных деталей из 14 имеющихся качественных равно

Любая группа качественных деталей может комбинироваться с любой группой бракованных деталей, поэтому общее число комбинаций m составляет

Искомая вероятность события А равна отношению числа исходов m, благоприятствующих этому событию, к числу n всех равновозможных независимых исходов:

Суммой конечного числа событий называется событие, состоящее в наступлении хотя бы одного из них.

Сумму двух событий обозначают символом А+В, а сумму n событий символом А 1 +А 2 + : +А n .

Теорема сложения вероятностей.

Вероятность суммы двух несовместных событий равна суммевероятностей этих событий.

Следствие 1. Если событие А 1 , А 2 , : ,А n образуют полную систему, то сумма вероятностей этих событий равна единице.

Следствие 2. Сумма вероятностей противоположных событий и равна единице.

Задача 1. Имеется 100 лотерейных билетов. Известно, что на 5 билетов попадает выигрыш по 20000 руб., на 10 — по 15000 руб, на 15 — по 10000 руб., на 25 — по 2000 руб. и на остальные ничего. Найти вероятность того, что на купленный билет будет получен выигрыш не менее 10000 руб.

Решение. Пусть А, В, и С- события, состоящие в том, что на купленный билет падает выигрыш, равный соответственно 20000, 15000 и 10000 руб. так как события А, В и С несовместны, то

Задача 2. На заочное отделение техникума поступают контрольные работы по математике из городов А, В и С . Вероятность поступления контрольной работы из города А равна 0,6, из города В — 0,1. Найти вероятность того, что очередная контрольная работа поступит из города С .

но и всех дальнейших

наблюдённые частоты стабилизируются,

Какового практическое применение методов теории вероятностей?

Практическое применение методов теории вероятностей заключается в пересчёте вероятностей «сложных» событий через вероятности «простых событий».

Пример. Вероятность выпадения герба при однократном подбрасывании правильной монеты равна ½ (к этому числу стремится наблюдённая частота выпадения герба при большом количестве бросаний). Требуется найти вероятность того, что при трёх бросаниях правильной монеты выпадет 2 герба.

Ответ: на этот вопрос даёт формула Берулли:

0.375 (т.е такое событие бывает в 37,5 % случаев при 2 –ух бросаниях правильной монеты).

Характерной особенностью современной теории вероятностей является тот факт, что несмотря на свою практическую направленность, в ней используют новейшие разделы почти всех разделов математики.

Основные понятия: генеральная и выборочная совокупность.

Привем таблицу соотнесения основных понятий генеральной совокупности и выборки.

Генеральная совокупность Выборочная совокупность
Случайная величина (x, h, z) Признак (x, y, z)
Вероятность p, p ген Относительная частота p, p выб
Распределение вероятностей Частотное распределение
Параметр (характеристика вероятностного распределения) Статистика (функция от выборочных значений признаков), служит для оценки того или иного параметра генерального вероятностного распределения
Примеры параметров и отвечающих им статистик
Одномерные случайные величины (одномерные распределения)
Математическое ожидание (m, Мx) Среднее арифметическое (m, )
Мода (Мо) Мода (Мо)
Медиана (Ме) Медиана (Ме)
Среднее квадратическое отклонение (s)
Дисперсия (s 2 , Dx) Дисперсия (s 2 , Dx)
Двумерные случайные величины (двумерные распределения)
Коэффициент корреляции r(x, h) Коэффициент корреляции r (x, y)
Многомерные случайные величины (многомерные распределения)
Коэффициенты уравнения регрессии b 1 ,b 2 ,…,b n Коэффициенты уравнения регрессии b 1 , b 2 , … , b n

1. Однофакторный дисперсионный анализ.

Принимает значения в диапазоне от -1 до +1

Показывает тесноту связи (связь как синхронность, согласованность ) между признаками

Может принимать любые значения

Привязан к единицам измерения обоих признаков

Показывает структуру связи между признаками: характеризует связь как зависимость, влияние, устанавливает причинно-следственные связи.

Знак коэффициента говорит о направлении связи

Совокупное влияние всех независимых факторов на зависимую переменную не может быть представлено как простая сумма нескольких парных регрессий.

Это совокупное влияние находится более сложным методом — методом множественной регрессии.

Этапы проведения корреляционного и регрессионного анализа:

· Выявление наличия взаимосвязи между признаками;

· Определение формы связи;

· Определение силы, тесноты и направления связи.

Задачи,решаемые после прочтения данной лекции:

Можно выписывать уравнения прямой и обратной регрессий для данных величин. Строить соответствующие графики. Находить коэффициент корреляции рассматриваемых величин. По критерию Стьюдента проверять гипотезу о существенности корреляционной связи. Пользуемся командами: ЛИНЕЙН и Мастер диаграмм в Excel.

1. Конспект лекций.

  1. Гмурман, В.Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 2003. — 479 с.

1.8. Основные понятия планирования эксперимента и некоторые рекомендации

1. Планирование эксперимента: основные этапы и принципы.

2. Понятие эксперимента, отклика, поверхности отклика, факторного пространства.

3. Определение цели планирования эксперимента.

4. Основные этапы планирования:

1. Основные понятия. Постановка задачи.

Планирование эксперимента – это оптимальное (наиболее эффективное) управление ходом эксперимента с целью получения максимально возможной информации на основании минимально допустимого количества данных. Под самим же экспериментом понимаем систему операций, действий или наблюдений, направленных на получение информации об объекте.

Теория планирования эксперимента предполагает наличие определенных знаний и условно можно выделить следующие этапы планирования:

1) сбор и первичная обработка статистических данных

2) определение точечных и интервальных оценок распределения

3)и последующая их обработка, что предполагает знание статистических методов измерений случайной величины, теории проверки статистических гипотез, методов планирования эксперимента, в частности, пассивного эксперимента, методов дисперсионного анализа, методов поиска экстремума функции отклика;

2) составление плана эксперимента, проведение самого эксперимента, проведение обработки результатов эксперимента, оценка точности эксперимента.

Итак, дадим понятие самого эксперимента.

Эксперимент. Эксперимент является основным и наиболее совершенным методом познания, который может быть активным или пассивным.

Активный – основной вид эксперимента, который проводится в контролируемых и управляемых условиях, имеющих следующие преимущества:

1) результаты наблюдений независимые нормально распределенные случайные величины;

2) дисперсии равны друг другу (вследствие того, что выборочные оценки являются однородными);

3) независимые переменные измеряются с малой погрешностью в сравнении с погрешностью значения y ;

4) активный эксперимент лучше организован: оптимальное использование факторного пространства позволяет при минимальных затратах получить максимум информации про изучаемые процессы или явления.

Пассивный эксперимент не зависит от экспериментатора, который в данном случае выступает сторонним наблюдателем.

При планировании эксперимента исследуемый объект представляется в виде «черного ящика», на который воздействуют управляемые и неуправляемые факторы:

тут — управляемые факторы; — неуправляемые факторы, — параметры оптимизации, которые могут охарактеризовать работу объекта.

Факторы. Каждый фактор может принимать определенное количество значений называемых уровнями факторов. Множество возможных уровней фактора называется областью определения фактора, которые могут быть непрерывными или дискретными, ограниченными и неограниченными. Факторы могут быть:

совместимыми: предполагается допустимость любой комбинации факторов, которая не должна влиять на сохранение изучаемого процесса;

независимыми: между факторами должна отсутствовать корреляционная связь, то есть имеется возможность изменять значение каждого из рассматриваемых в системе факторов независимо друг от друга. Нарушение хотя бы одно­го из этих требований приводит либо к невозможности применения планирования эксперимента, либо к весьма серьезным трудностям. Правильный выбор факторов позволяет четко задавать условия опыта.

Исследуемые параметры должны удовлетворять ряду требований:

эффективность, способствующая скорейшему достижению цели;

универсальность, характерная не только для исследуемого объекта;

статистическая однородность, предполагающая соответствие с точностью до погрешности эксперимента определенному набору значений факторов определенного значения фактора ;

количественное выражение одним числом;

существование при любом состоянии объекта.

Модель . Зависимость между выходным параметром (откликом) и входными параметрами (факторами) называется функцией откли­ка и имеет следующий вид:

Тут — отклик (результат эксперимента); — незави­симые переменные (факторы), которые можно варьировать при постановке экспериментов.

Отклик. Отклик – это результат опыта в соответствующих условиях, который также называют функцией цели, критерием эффективности, критерием оптимальности, параметром оптимизации и др.

В теории планирования эксперимента к параметру оптимизации предъявляются требования, выполнение которых необходимо для успешного решения задачи. Выбор параметра оптимизации должен базироваться на четко сформулированной задаче, на ясном понима­нии конечной цели исследования. Параметр оптими­зации должен быть эффективным в статистическом смысле, то есть определяться с достаточной точностью. При большой ошибке его определения необходимо увеличивать число параллельных опытов.

Желательно, чтобы параметров оптимизации было как можно меньше. Однако не следует добиваться уменьшения числа параметров оптимизации за счет полноты характеристики системы. Желатель­но также, чтобы система во всей полноте характеризовалась просты­ми параметрами оптимизации, имеющими ясный физический смысл. Естественно, что простой, с ясным физическим смыслом параметр оптимизации защищает экспериментатора от многих ошибок и избавляет его от многих трудностей, связанных с решением различных методических вопросов экспериментирования и технологиче­ской интерпретации полученных результатов.

Геометрический аналог параметра (функции отклика), соответствующий уравнению (1), называется поверхностью отклика, а пространство, в котором строят указанную поверхность,- факторным пространством. В простейшем случае, когда исследу­ется зависимость отклика от одного фактора, поверхность откли­ка представляет собой линию на плоскости, то есть в двухмерном пространстве. В общем случае, когда рассматриваются факто­ров, уравнение (1) описывает поверхность отклика в — мерном пространстве. Так, например, при двух факторах факторное пространство представляет собой факторную плоскость.

Целью планирования эксперимента является получение математической модели исследуемого объекта или процесса. При весьма ограниченных знаниях о механизме процесса аналитическое выражение функции отклика неизвестно, поэтому обычно используют полиномиальные математические модели (алгебраические полиномы) называемые уравнениями регрессии, общий вид которых:

где – выборочные коэффициенты регрессии, которые можно получить, пользуясь результатами эксперимента.

4. К основным этапам планирования эксперимента можно отнести:

1.Сбор, изучение, анализ всех данных об объекте.

2. Кодирование факторов.

3. Составление матрицы планирования эксперимента.

4. Проверка воспроизводимости опытов.

5. Расчет оценок коэффициентов регрессионного уравнения.

6. Проверка значимости коэффициентов регрессии.

7. Проверка адекватности полученной модели.

8. Переход к физическим переменным.

1. Конспект лекций.

4.1 Цепи Маркова. Случайные функции. Метод Монте — Карло. Имитационное моделирование. Сетевое планирование. Динамическое и целочисленное программирование

1. Методы Монте-Карло.

2. Метод статистических испытаний (методы Монте-Карло)

Что изучает теория вероятностей?

Теория вероятностей изучает так называемые случайные события и устанавливает закономерности в проявлении таких событий, можно сказать, что теория вероятностей является разделом математики, в котором изучаются математические модели случайных экспериментов, т.е. экспериментов, исходы которых нельзя определить однозначно условиями проведения опыта.

Для введения понятия случайного события необходимо рассмотреть некоторые примеры реальных экспериментов.

2. Дать понятие случайного эксперимента и привести примеры случайных экспериментов.

Приведем примеры случайных экспериментов:

1. Однократное подбрасывание монеты.

2.Однократное подбрасывание игральной кости.

3. Случайный выбор шара из урны.

4. Измерение времени безотказной работы электрической лампочки.

5. Измерение числа вызовов, поступающих на АТС за единицу времени.

Эксперимент является случайным, если нельзя предсказать исход не только первого опыта, но и всех дальнейших . Например, проводится некоторая химическая реакция, исход которой неизвестен. Если её один раз провести и получить определённый результат, то при дальнейшем проведении опыта в одних и тех же условиях случайность исчезает.

Примеров такого рода можно привести сколь угодно много. В чём же состоит общность опытов со случайными исходами? Оказывается, несмотря на то, что результата каждого из перечисленных выше экспериментов предсказать невозможно, на практике для них уже давно была замечена закономерность определённого вида, а именно: при проведении большого количества испытаний наблюдённые частоты появления каждого случайного события стабилизируются, т.е. всё меньше отличаются от некоторого числа, называемого вероятностью события.

Наблюдённой частотой события А () называется отношение числа появлений события А () к общему числу испытаний (N):

Такое свойство устойчивости частоты позволяет, не имея возможности предсказать исход отдельного опыта достаточно точно прогнозировать свойства явлений, связанных с рассматриваемым опытом. Поэтому методы теории вероятностей в современной жизни проникли во все сферы деятельности человека, причём не только в естественнонаучные, экономические, но и гуманитарные, такие, как история, лингвистика и т.д. На этом подходе основано статистическое определение вероятности .

при (наблюденная частота события стремится к его вероятности при росте количества опытов, то есть при n ).

Однако определение вероятности через частоту не является удовлетворительным для теории вероятностей как математической науки. Это связано с тем, что практически нельзя провести бесконечное число испытаний и наблюдённая частота меняется от опыта к опыту. Поэтому А.Н. Колмогоров предложил аксиоматическое определение вероятности, которое принято в настоящее время.

Многие, столкнувшись с понятием «теория вероятности», пугаются, думая, что это нечто непосильное, очень сложное. Но все на самом деле не так трагично. Сегодня мы рассмотрим основное понятие теории вероятности, научимся решать задачи на конкретных примерах.

Наука

Что же изучает такой раздел математики, как «теория вероятности»? Она отмечает закономерности и величин. Впервые данным вопросом заинтересовались ученые еще в восемнадцатом веке, когда изучали азартные игры. Основное понятие теории вероятности — событие. Это любой факт, который констатируется опытом или наблюдением. Но что же такое опыт? Еще одно основное понятие теории вероятности. Оно означает, что этот состав обстоятельств создан не случайно, а с определенной целью. Что касается наблюдения, то здесь исследователь сам не участвует в опыте, а просто является свидетелем данных событий, он никак не влияет на происходящее.

События

Мы узнали, что основное понятие теории вероятности — это событие, но не рассмотрели классификацию. Все они делятся на следующие категории:

Независимо от того, какие это события, за которыми наблюдают или создают в ходе опыта, все они подвержены данной классификации. Предлагаем с каждым из видов познакомиться отдельно.

Достоверное событие

Это такое обстоятельство, перед которым сделан необходимый комплекс мероприятий. Для того чтобы лучше вникнуть в суть, лучше привести несколько примеров. Этому закону подчинены и физика, и химия, и экономика, и высшая математика. Теория вероятности включает такое важное понятие, как достоверное событие. Приведем примеры:

  • Мы работаем и получаем вознаграждение в виде заработной платы.
  • Сдали хорошо экзамены, прошли конкурс, за это получаем вознаграждение в виде поступления в учебное заведение.
  • Мы вложили деньги в банк, при необходимости получим их назад.

Такие события являются достоверными. Если мы выполнили все необходимые условия, то обязательно получим ожидаемый результат.

Невозможные события

Сейчас мы рассматриваем элементы теории вероятности. Предлагаем перейти к пояснению следующего вида события, а именно — невозможного. Для начала оговорим самое важное правило — вероятность невозможного события равна нулю.

От данной формулировки нельзя отступать при решении задач. Для пояснения приведем примеры таких событий:

  • Вода замерзла при температуре плюс десять (это невозможно).
  • Отсутствие электроэнергии никак не влияет на производство (так же невозможно, как и в предыдущем примере).

Более примеров приводить не стоит, так как описанные выше очень ярко отражают суть данной категории. Невозможное событие никогда не произойдет во время опыта ни при каких обстоятельствах.

Случайные события

Изучая элементы теории вероятности, особое внимание стоит уделить именно данному виду события. Именно их и изучает данная наука. В результате опыта может что-то произойти или нет. Кроме этого, испытание может проводиться неограниченное количество раз. Яркими примерами могут служить:

  • Бросок монеты — это опыт, или испытание, выпадение орла — это событие.
  • Вытягивание мячика из мешка вслепую — испытание, попался красный шар — это событие и так далее.

Таких примеров может быть неограниченное количество, но, в общем, суть должна быть понятна. Для обобщения и систематизирования полученных знаний о событиях приведена таблица. Теория вероятности изучает только последний вид из всех представленных.

События, происходящие со стопроцентной гарантией при соблюдении некоторых условий.

Поступление в учебное заведение при хорошей сдаче вступительного экзамена.

События, которые никогда не произойдут ни при каких условиях.

Идет снег при температуре воздуха плюс тридцать градусов по Цельсию.

Событие, которое может произойти или нет в ходе проведения опыта/испытания.

Попадание или промах при бросании баскетбольного мяча в кольцо.

Законы

Теория вероятности — это наука, изучающая возможность выпадения какого-либо события. Как и другие, она имеет некоторые правила. Существуют следующие законы теории вероятности:

  • Сходимость последовательностей случайных величин.
  • Закон больших чисел.

При расчете возможности сложного можно использовать комплекс простых событий для достижения результата более легким и быстрым путем. Отметим, что законы легко доказываются с помощью некоторых теорем. Предлагаем для начала познакомиться с первым законом.

Сходимость последовательностей случайных величин

Отметим, что видов сходимости несколько:

  • Последовательность случайных величин сходима по вероятности.
  • Почти невозможное.
  • Среднеквадратическая сходимость.
  • Сходимость по распределению.

Так, с лету, очень тяжело вникнуть в суть. Приведем определения, которые помогут разобраться в данной теме. Для начала первый вид. Последовательность называют сходимой по вероятности , если соблюдено следующее условие: n стремится к бесконечности, число, к которому стремится последовательность, больше нуля и приближена к единице.

Переходим к следующему виду, почти наверное . Говорят, что последовательность сходится почти наверное к случайной величине при n, стремящейся к бесконечности, и Р, стремящейся к величине, приближенной к единице.

Следующий тип — это сходимость среднеквадратическая . При использовании СК-сходимости изучение векторных случайных процессов сводится к изучению их координатных случайных процессов.

Остался последний тип, давайте разберем кратко и его, чтобы переходить непосредственно к решению задач. Сходимость по распределению имеет и еще одно название — «слабое», далее поясним, почему. Слабая сходимость — это сходимость функций распределения во всех точках непрерывности предельной функции распределения.

Обязательно выполним обещание: слабая сходимость отличается от всех вышеперечисленных тем, что случайная величина не определена на вероятностном пространстве. Это возможно потому, что условие формируется исключительно с использованием функций распределения.

Закон больших чисел

Отличными помощниками при доказательстве данного закона станут теоремы теории вероятности, такие как:

  • Неравенство Чебышева.
  • Теорема Чебышева.
  • Обобщенная теорема Чебышева.
  • Теорема Маркова.

Если будем рассматривать все эти теоремы, то данный вопрос может затянуться на несколько десятков листов. У нас же основная задача — это применение теории вероятности на практике. Предлагаем вам прямо сейчас этим и заняться. Но перед этим рассмотрим аксиомы теории вероятностей, они будут основными помощниками при решении задач.

Аксиомы

С первой мы уже познакомились, когда говорили о невозможном событии. Давайте вспоминать: вероятность невозможного события равна нулю. Пример мы приводили очень яркий и запоминающийся: выпал снег при температуре воздуха тридцать градусов по Цельсию.

Вторая звучит следующим образом: достоверное событие происходит с вероятностью, равной единице. Теперь покажем, как это записать с помощью математического языка: Р(В)=1.

Третья: Случайное событие может произойти или нет, но возможность всегда варьируется в пределах от нуля до единицы. Чем ближе значение к единице, тем шансов больше; если значение приближается к нулю, вероятность очень мала. Запишем это математическим языком: 0 ∞ (1-λ/n) n .

Однако есть специальные таблицы, в которых находятся практически все значения е.

Теорема Муавра-Лапласа

Если в схеме Бернулли количество испытаний достаточно велико, а вероятность появления события А во всех схемах одинакова, то вероятность появления события А определенное количество раз в серии испытаний можно найти формулой Лапласа:

Р n (m)= 1/√npq x ϕ(X m).

Чтобы лучше запомнилась формула Лапласа (теория вероятности), примеры задач в помощь ниже.

Сначала найдем X m , подставляем данные (они все указаны выше) в формулу и получим 0,025. При помощи таблиц находим число ϕ(0,025), значение которого 0,3988. Теперь можно подставлять все данные в формулу:

Р 800 (267) = 1/√(800 х 1/3 х 2/3) х 0,3988 = 3/40 х 0,3988 = 0,03.

Таким образом, вероятность того, что рекламная листовка сработает ровно 267 раз, составляет 0,03.

Формула Байеса

Формула Байеса (теория вероятности), примеры решения заданий с помощью которой будут приведены ниже, представляет собой уравнение, которое описывает вероятность события, опираясь на обстоятельства, которые могли быть связаны с ним. Основная формула имеет следующий вид:

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

Р(А|B) — условная вероятность, то есть может произойти событие А при условии, что событие В истинно.

Р (В|А) — условная вероятность события В.

Итак, заключительная часть небольшого курса «Теория вероятности» — формула Байеса, примеры решений задач с которой ниже.

Задание 5 : На склад привезли телефоны от трех компаний. При этом часть телефонов, которые изготавливаются на первом заводе, составляет 25%, на втором — 60%, на третьем — 15%. Известно также, что средний процент бракованных изделий у первой фабрики составляет 2%, у второй — 4%, и у третьей — 1%. Необходимо найти вероятность того, что случайно выбранный телефон окажется бракованным.

А = «случайно взятый телефон».

В 1 — телефон, который изготовила первая фабрика. Соответственно, появятся вводные В 2 и В 3 (для второй и третьей фабрик).

В итоге получим:

Р (В 1) = 25%/100% = 0,25; Р(В 2) = 0,6; Р (В 3) = 0,15 — таким образом мы нашли вероятность каждого варианта.

Теперь нужно найти условные вероятности искомого события, то есть вероятность бракованной продукции в фирмах:

Р (А/В 1) = 2%/100% = 0,02;

Теперь подставим данные в формулу Байеса и получим:

Р (А) = 0,25 х 0,2 + 0,6 х 0,4 + 0,15 х 0,01= 0,0305.

В статье представлена теория вероятности, формулы и примеры решения задач, но это только вершина айсберга обширной дисциплины. И после всего написанного логично будет задаться вопросом о том, нужна ли теория вероятности в жизни. Простому человеку сложно ответить, лучше спросить об этом у того, кто с ее помощью не единожды срывал джек-пот.

Курс математики готовит школьникам массу сюрпризов, один из которых — это задача по теории вероятности. С решением подобных заданий у учащихся возникает проблема практически в ста процентах случаев. Чтобы понимать и разбираться в данном вопросе, необходимо знать основные правила, аксиомы, определения. Для понимания текста в книге, нужно знать все сокращения. Всему этому мы и предлагаем обучиться.

Наука и ее применение

Так как мы предлагаем ускоренный курс «теория вероятности для чайников», то сначала необходимо ввести основные понятия и буквенные сокращения. Для начала определимся с самим понятием «теория вероятности». Что же это за наука и для чего она нужна? Теория вероятности — это один из разделов математики, который изучает случайные явления и величины. Так же она рассматривает закономерности, свойства и операции, совершаемые с этими случайными величинами. Для чего она нужна? Широкое распространение наука получила в изучении природных явлений. Любые природные и физические процессы не обходятся без присутствия случайности. Даже если во время опыта были максимально точно зарегистрированы результаты, при повторе того же испытания, результат с большой вероятностью не будет таким же.

Примеры задач по мы обязательно рассмотрим, вы сами сможете в этом убедиться. Исход зависит от множества различных факторов, которые практически невозможно учесть или зарегистрировать, но тем не менее они оказывают огромнейшее влияние на исход опыта. Яркими примерами могут служить задачи определения траектории движения планет или определение прогноза погоды, вероятность встретить знакомого человека во время пути на работу и определение высоты прыжка спортсмена. Так же теория вероятности оказывает большую помощь брокерам на фондовых биржах. Задача по теории вероятности, с решением которой раньше возникало много проблем, станет для вас сущим пустяком после трех-четырех примеров, приведенных ниже.

События

Как уже говорилось ранее, наука изучает события. Теория вероятностей, примеры решения задач мы рассмотрим немного позже, изучает только один вид — случайные. Но тем не менее необходимо знать, что события могут быть трех видов:

Предлагаем немного оговорить каждый из них. Невозможное событие никогда не произойдет, ни при каких условиях. Примерами могут служить: замерзание воды при плюсовой температуре, вытягивание кубика из мешка с шарами.

Достоверное событие происходит всегда со стопроцентной гарантией, если выполнены все условия. Например: вы получили заработную плату за проделанную работу, получили диплом о высшем профессиональном образовании, если добросовестно учились, сдали экзамены и защитили диплом и так далее.

Со все немного сложнее: в ходе опыта оно может произойти или нет, например, вытащить туз из карточной колоды, сделав не более трех попыток. Результат можно получить как с первой попытки, так и, вообще, не получить. Именно вероятность происхождения события и изучает наука.

Вероятность

Это в общем смысле оценка возможности удачного исхода опыта, при котором наступает событие. Вероятность оценивается на качественном уровне, особенно если количественная оценка невозможна или затруднительна. Задача по теории вероятности с решением, точнее с оценкой подразумевает нахождение той самой возможной доли благополучного исхода. Вероятность в математике — это числовая характеристики события. Она принимает значения от нуля до единицы, обозначается буквой Р. Если Р равняется нулю, то событие произойти не может, если единице, то событие произойдет со стопроцентной вероятностью. Чем больше Р приближается к единице, тем сильнее вероятность благополучного исхода, и наоборот, если близко к нулю, то и событие произойдет с малой вероятностью.

Сокращения

Задача по теории вероятности, с решением которой вы вскоре столкнетесь, может содержать следующие сокращения:

Возможны и некоторые другие: по мере необходимости будут вноситься добавочные объяснения. Предлагаем, для начала, пояснить представленные выше сокращения. Первым в нашем списке встречается факториал. Для того чтобы было понятно, приведем примеры: 5!=1*2*3*4*5 или 3!=1*2*3. Далее, в фигурных скобках пишут заданные множества, например: <1;2;3;4;..;n>или <10;140;400;562>. Следующее обозначение — это множество натуральных чисел, довольно часто встречается в заданиях по теории вероятности. Как уже говорилось ранее, Р — это вероятность, а Р(Х) — это вероятность происхождения события Х. Большими буквами латинского алфавита обозначаются события, например: А — попался белый шар, В — синий, С — красный или соответственно, . Маленькая буква n — это количество всех возможных исходов, а m — количество благополучных. Отсюда и получаем правило нахождения классической вероятности в элементарных задачах: Р=m/n. Теория вероятности «для чайников», наверное, и ограничивается данными знаниями. Теперь для закрепления переходим к решению.

Задача 1. Комбинаторика

Студенческая группа насчитывает тридцать человек, из которых необходимо выбрать старосту, его заместителя и профорга. Необходимо найти количество способов сделать данное действие. Подобное задание может встретиться на ЕГЭ. Теория вероятности, решение задач которой мы сейчас рассматриваем, может включать задачи из курса комбинаторики, нахождение классической вероятности, геометрической и задачи на основные формулы. В данном примере мы решаем задание из курса комбинаторики. Переходим к решению. Это задание простейшее:

  1. n1=30 — возможных старост студенческой группы;
  2. n2=29 — те, кто могут занять пост заместителя;
  3. n3=28 человек претендует на должность профорга.

Все, что нам остается сделать, это найти возможное количество вариантов, то есть перемножить все показатели. В результате мы получаем: 30*29*28=24360.

Это и будет ответом на поставленный вопрос.

Задача 2. Перестановка

На конференции выступают 6 участников, порядок определяется жеребьевкой. Нам нужно найти количество возможных вариантов жеребьевки. В данном примере, мы рассматриваем перестановку из шести элементов, то есть нам нужно найти 6!

В пункте сокращений мы уже упоминали, что это такое и как вычисляется. Итого получается, что существует 720 вариантов жеребьевки. На первый взгляд тяжелое задание имеет вполне короткое и простое решение. Это и есть задания, которые рассматривает теория вероятности. Как решать задачи более высокого уровня, мы рассмотрим в следующих примерах.

Задача 3

Группу студентов из двадцати пяти человек необходимо разбить на три подгруппы по шесть, девять и десять человек. Мы имеем: n=25, k=3, n1=6, n2=9, n3=10. Осталось подставить значения в нужную формулу, мы получаем: N25(6,9,10). После несложных вычислений мы получаем ответ — 16 360 143 800. Если в задании не говорится о том, что необходимо получить числовое решение, то можно дать его в виде факториалов.

Задача 4

Три человека загадали числа от одного до десяти. Найдите вероятность того, что у кого-то числа совпадут. Сначала мы должны узнать число всех исходов — в нашем случае это тысяча, то есть десять в третей степени. Теперь найдем количество вариантов, когда все загадали разные числа, для этого перемножаем десять, девять и восемь. Откуда взялись эти числа? Первый загадывает число, у него есть десять вариантов, второй имеет уже девять, а третьему надо выбирать из восьми оставшихся, таким образом получаем 720 возможных вариантов. Как уже мы посчитали ранее, всего вариантов 1000, а без повторений 720, следовательно, нас интересуют оставшиеся 280. Теперь нам нужна формула нахождения классической вероятности: Р= . Мы получили ответ: 0,28.

Теория вероятности формулы и примеры решения задач

События, которые происходят реально или в нашем воображении, можно разделить на 3 группы. Это достоверные события, которые обязательно произойдут, невозможные события и случайные события. Теория вероятностей изучает случайные события, т.е. события, которые могут произойти или не произойти. В данной статье будет представлена в кратком виде теория вероятности формулы и примеры решения задач по теории вероятности, которые будут в 4 задании ЕГЭ по математике (профильный уровень).

Зачем нужна теория вероятности

Исторически потребность исследования этих проблем возникла в XVII веке в связи с развитием и профессионализацией азартных игр и появлением казино. Это было реальное явление, которое требовало своего изучения и исследования.

Игра в карты, кости, рулетку создавала ситуации, когда могло произойти любое из конечного числа равновозможных событий. Возникла необходимость дать числовые оценки возможности наступления того или иного события.

В XX веке выяснилось, что эта, казалось бы, легкомысленная наука играет важную роль в познании фундаментальных процессов, протекающих в микромире. Была создана современная теория вероятностей.

Мастер Йода рекомендует:  Название таблицы в HTML

Основные понятия теории вероятности

Объектом изучения теории вероятностей являются события и их вероятности. Если событие является сложным, то его можно разбить на простые составляющие, вероятности которых найти несложно.

События А и В называется несовместными, если они не могут произойти одновременно.

Событие А называется невозможным, если оно не может произойти. Такое событие обозначается символом .

Событие А называется достоверным, если оно обязательно произойдет. Такое событие обозначается символом .

  1. Вероятность принимает значения на отрезке от 0 до 1, т.е. .
  2. Вероятность невозможного события равна 0, т.е. .
  3. Вероятность достоверного события равна 1, т.e. .
  4. Если события A и В несовместные, то вероятность их суммы равна сумме их вероятностей, т.е. .

Важным частным случаем является ситуация, когда имеется равновероятных элементарных исходов, и произвольные из этих исходов образуют события А. В этом случае вероятность можно ввести по формуле . Вероятность, введенная таким образом, называется классической вероятностью. Можно доказать, что в этом случае свойства 1-4 выполнены.

Задачи по теории вероятностей, которые встречаются на ЕГЭ по математике, в основном связаны с классической вероятностью. Такие задачи могут быть очень простыми. Особенно простыми являются задачи по теории вероятностей в демонстрационных вариантах. Легко вычислить число благоприятных исходов , прямо в условии написано число всех исходов .

Ответ получаем по формуле .

Пример задачи из ЕГЭ по математике по определению вероятности

На столе лежат 20 пирожков — 5 с капустой, 7 с яблоками и 8 с рисом. Марина хочет взять пирожок. Какова вероятность, что она возьмет пирожок с рисом?

Решение.

Всего равновероятных элементарных исходов 20, то есть Марина может взять любой из 20 пирожков. Но нам нужно оценить вероятность того, что Марина возьмет пирожок с рисом, то есть , где А — это выбор пирожка с рисом. Значит у нас количество благоприятных исходов (выборов пирожков с рисом) всего 8. Тогда вероятность будет определяться по формуле:

Независимые, противоположные и произвольные события

Однако в открытом банке заданий стали встречаться и более сложные задания. Поэтому обратим внимание читателя и на другие вопросы, изучаемые в теории вероятностей.

События А и В называется независимыми, если вероятность каждого из них не зависит от того, произошло ли другое событие.

Событие B состоит в том, что событие А не произошло, т.е. событие B является противоположным к событию А. Вероятность противоположного события равна единице минус вероятность прямого события,т.е. .

Теоремы сложения и умножения вероятностей, формулы

Для произвольных событий А и В вероятность суммы этих событий равна сумме их вероятностей без вероятности их совместного события, т.е. .

Для независимых событий А и В вероятность произведения этих событий равна произведению их вероятностей, т.е. в этом случае .

Последние 2 утверждения называются теоремами сложения и умножения вероятностей.

Не всегда подсчет числа исходов является столь простым. В ряде случаев необходимо использовать формулы комбинаторики. При этом наиболее важным является подсчет числа событий, удовлетворяющих определенным условиям. Иногда такого рода подсчеты могут становиться самостоятельными заданиями.

Сколькими способами можно усадить 6 учеников на 6 свободных мест? Первый ученик займет любое из 6 мест. Каждому из этих вариантов соответствует 5 способов занять место второму ученику. Для третьего ученика остается 4 свободных места, для четвертого — 3, для пятого — 2, шестой займет единственное оставшееся место. Чтобы найти число всех вариантов, надо найти произведение , которое обозначается символом 6! и читается «шесть факториал».

В общем случае ответ на этот вопрос дает формула для числа перестановок из п элементов В нашем случае .

Рассмотрим теперь другой случай с нашими учениками. Сколькими способами можно усадить 2 учеников на 6 свободных мест? Первый ученик займет любое из 6 мест. Каждому из этих вариантов соответствует 5 способов занять место второму ученику. Чтобы найти число всех вариантов, надо найти произведение .

В общем случае ответ на этот вопрос дает формула для числа размещений из n элементов по k элементам

И последний случай из этой серии. Сколькими способами можно выбрать трех учеников из 6? Первого ученика можно выбрать 6 способами, второго — 5 способами, третьего — четырьмя. Но среди этих вариантов 6 раз встречается одна и та же тройка учеников. Чтобы найти число всех вариантов, надо вычислить величину: . В общем случае ответ на этот вопрос дает формула для числа сочетаний из элементов по элементам:

Примеры решения задач из ЕГЭ по математике на определение вероятности

Задача 1. Из сборника под ред. Ященко.

На тарелке 30 пирожков: 3 с мясом, 18 с капустой и 9 с вишней. Саша наугад выбирает один пирожок. Найдите вероятность того, что он окажется с вишней.

Задача 2. Из сборника под ред. Ященко.


В каждой партии из 1000 лампочек в среднем 20 бракованных. Найдите вероятность того, что наугад взятая лампочка из партии будет исправной.

Решение: Количество исправных лампочек 1000-20=980. Тогда вероятность того, что взятая наугад лампочка из партии будет исправной:

Вероятность того, что на тестировании по математике учащийся У. верно решит больше 9 задач, равна 0,67. Вероятность того, что У. верно решит больше 8 задач, равна 0,73. Найдите вероятность того, что У. верно решит ровно 9 задач.

Если мы вообразим числовую прямую и на ней отметим точки 8 и 9, то мы увидим, что условие «У. верно решит ровно 9 задач» входит в условие «У. верно решит больше 8 задач», но не относится к условию «У. верно решит больше 9 задач».

Однако, условие «У. верно решит больше 9 задач» содержится в условии «У. верно решит больше 8 задач». Таким образом, если мы обозначим события: «У. верно решит ровно 9 задач» — через А, «У. верно решит больше 8 задач» — через B, «У. верно решит больше 9 задач» через С. То решение будет выглядеть следующим образом:

На экзамене по геометрии школьник отвечает на один вопрос из списка экзаменационных вопросов. Вероятность того, что это вопрос по теме «Тригонометрия», равна 0,2. Вероятность того, что это вопрос по теме «Внешние углы», равна 0,15. Вопросов, которые одновременно относятся к этим двум темам, нет. Найдите вероятность того, что на экзамене школьнику достанется вопрос по одной из этих двух тем.

Давайте подумаем какие у нас даны события. Нам даны два несовместных события. То есть либо вопрос будет относиться к теме «Тригонометрия», либо к теме «Внешние углы». По теореме вероятности вероятность несовместных событий равна сумме вероятностей каждого события, мы должны найти сумму вероятностей этих событий, то есть:

Помещение освещается фонарём с тремя лампами. Вероятность перегорания одной лампы в течение года равна 0,29. Найдите вероятность того, что в течение года хотя бы одна лампа не перегорит.

Рассмотрим возможные события. У нас есть три лампочки, каждая из которых может перегореть или не перегореть независимо от любой другой лампочки. Это независимые события.

Тогда укажем варианты таких событий. Примем обозначения: — лампочка горит, — лампочка перегорела. И сразу рядом подсчитаем вероятность события. Например, вероятность события, в котором произошли три независимых события «лампочка перегорела», «лампочка горит», «лампочка горит»: , где вероятность события «лампочка горит» подсчитывается как вероятность события, противоположного событию «лампочка не горит», а именно: .

Заметим, что благоприятных нам несовместных событий всего 7. Вероятность таких событий равна сумме вероятностей каждого из событий: .

Еще одну задачку вы можете посмотреть на рисунке:

Таким образом, мы с вами поняли, что такое теория вероятности формулы и примеры решения задач по которой вам могут встретиться в варианте ЕГЭ.

Теория вероятностей. Базовые термины и понятия. Математика для программистов: теория вероятностей

Раздел 12. Теория вероятностей.

2. Простейшие понятия теории вероятностей

3. Алгебра событий

4. Вероятность случайного события

5. Геометрические вероятности

6. Классические вероятности. Формулы комбинаторики.

7. Условная вероятность. Независимость событий.

8. Формула полной вероятности и формулы Байеса

9. Схема повторных испытаний. Формула Бернулли и её асимптотика

10. Случайные величины (СВ)

11. Ряд распределения ДСВ

12. Интегральная функция распределения

13. Функция распределения НСВ

14. Плотность вероятности НСВ

15. Числовые характеристики случайных величин

16. Примеры важных распределений СВ

16.1. Биномиальное распределение ДСВ.

16.2. Распределение Пуассона

16.3. Равномерное распределение НСВ.

16.4. Нормальное распределение.

17. Предельные теоремы теории вероятностей.

Теория вероятностей, подобно многим другим математическим дисциплинам, развивалась из потребностей практики. При этом, изучая реальный процесс, приходилось создавать абстрактную математическую модель реального процесса. Обычно учитывают главные, наиболее существенные движущие силы реального процесса, отбрасывая из рассмотрения второстепенные, которые называются случайными. Конечно, что считать главным, а что второстепенным,- отдельная задача. Решение этого вопроса определяет уровень абстракции, простоту или сложность математической модели и уровень адекватности модели реальному процессу. В сущности, любая абстрактная модель является результатом двух противостоящих устремлений: простоты и адекватности реальности.

Например, в теории стрельбы разработаны достаточно простые и удобные формулы для определения траектории полёта снаряда из орудия, расположенного в точке (рис. 1).

В определённых условиях упомянутая теория является достаточной, например, при массированной артподготовке.

Однако ясно, что если из одного орудия при одинаковых условиях произвести несколько выстрелов, то траектории будут хотя и близкими, но все же отличающимися. И если размер цели мал по сравнению с областью рассеивания, то возникают специфические вопросы, связанные именно с влиянием факторов, неучтённых в рамках предлагаемой модели. При этом учёт дополнительных факторов приведёт к слишком сложной модели, пользоваться которой практически невозможно. К тому же, этих случайных факторов бывает много, природа их чаще всего неизвестна.

В приведённом примере такими специфическими вопросами, выходящими за рамки детерминированной модели, являются, например, следующие: сколько надо произвести выстрелов, чтобы с определённой уверенностью (например, на ) гарантировать поражение цели? как надо провести пристрелку, чтобы на поражение цели затратить наименьшее количество снарядов? и т.п.

Как мы увидим в дальнейшем, слова «случайный», «вероятность» станут строгими математическими терминами. Вместе с тем они весьма распространены в обычной разговорной речи. При этом считается, что прилагательное «случайный» является противопоставлением «закономерному». Однако, это не так, ибо природа устроена таким образом, что случайные процессы обнаруживают закономерности, но при определённых условиях.

Основное условие называется массовостью.

Например, если подбросить монету, то нельзя предсказать, что выпадает, герб или цифра,- можно лишь угадать. Однако, если эту монету подбросить большое число раз, что доля выпадений герба будет не сильно отличается от некоторого числа, близкого к 0,5 (в дальнейшем это число мы назовем вероятностью). Причем, с увеличением числа подбрасываний отклонение от этого числа будет уменьшаться. Это свойство называется устойчивостью средних показателей (в данном случае — доли гербов). Надо сказать, что на первых шагах теории вероятностей, когда надо было на практике убедиться в наличии свойства устойчивости, даже большие учёные не считали за труд провести самостоятельно проверку. Так, известен опыт Бюффона, который подбросил монету 4040 раз, и герб выпал 2048 раз, следовательно, доля (или относительная частота) выпадения герба равна 0,508, что близко интуитивно к ожидаемому числу 0,5.

Поэтому обычно даётся определение предмета теории вероятностей как раздела математики, изучающего закономерности массовых случайных процессов.

Надо сказать, что, несмотря на то, что наибольшие достижения теории вероятностей относятся к началу прошлого века, в особенности благодаря аксиоматическому построению теории в работах А.Н. Колмогорова (1903-1987), интерес к изучению случайностей проявился давно.

Сначала интересы были связаны с попытками применить числовой подход к азартным играм. Первые достаточно интересные результаты теории вероятностей принято связывать с работами Л. Пачоли (1494г), Д. Кардано (1526) и Н. Тартальи (1556).

Позже Б. Паскаль (1623-1662), П. Ферма (1601-1665), Х. Гюйгенс (1629-1695) заложили основы классической теории вероятностей. В начале 18 века Я. Бернулли (1654-1705) формирует понятие вероятности случайного события как отношение числа благоприятствующих шансов к числу всех возможных. На использовании понятия меры множества строили свои теории Э. Борель (1871-1956), А. Ломницкий (1881-1941), Р. Мизес (1883-1953).

Теоретико-множественная точка зрения в наиболее законченном виде была изложена в 1933г. А.Н. Колмогоровым в его монографии «Основные понятия теории вероятностей». Именно с этого момента теория вероятностей становится строгой математической наукой.

Большой вклад в развитие теории вероятностей внесли русские математики П.Л. Чебышёв (1821-1894), А.А. Марков (1856-1922), С.Н. Бернштейн (1880-1968) и другие.

Теория вероятностей бурно развивается и в настоящее время.

Простейшие понятия теории вероятностей

Как любая математическая дисциплина, теория вероятностей начинается с введения простейших понятий, которые не определяются, а лишь поясняются.

Одним из основных первичных понятий является опыт. Под опытом понимается некоторый комплекс условий, которые могут воспроизводиться неограниченное число раз. Каждую реализацию этого комплекса и назовем опытом или испытанием. Результаты опыта могут быть различными, в этом и проявляется элемент случайности. Различные результаты или исходы опыта называются событиями (точнее случайными событиями). Таким образом, при осуществлении опыта может произойти то или иное событие. Другими словами, случайное событие – это исход опыта, который при осуществлении опыта может произойти (появиться) или не произойти.

Опыт будем обозначать буквой , а случайные события обозначаются обычно заглавными буквами

Часто в опыте можно заранее выделить его исходы, которые можно назвать простейшими, которые нельзя разложить на более простые. Такие события называются элементарными событиями (или случаями).

Пример 1. Пусть подбрасывается монета. Исходами опыта являются: выпадение герба (обозначим это событие буквой ); выпадение цифры (обозначим ). Тогда можно записать: опыт =<подбрасывание монеты>, исходы: Ясно, что элементарные события в данном опыте. Иначе говоря, перечисление всех элементарных событий опыта полностью его описывает. По этому поводу будем говорить, что опыт есть пространство элементарных событий, и в нашем случае опыт кратко можно записать в виде: =<подбрасывание монеты>=<Г;Ц>.

Пример 2 . =<монета подбрасывается дважды>= Здесь приведено словесное описание опыта и перечисление всех элементарных событий: означает, что сначала при первом подбрасывании монеты выпал герб, при втором – тоже герб; означает, что при первом подбрасывании монеты выпал герб, при втором цифра и т.д.

Пример 3. В системе координат в квадрат бросаются точки. В этом примере элементарными событиями являются точки с координатами которые удовлетворяют приведенным неравенствам. Кратко это записывается следующим образом:

Двоеточие в фигурных скобках означает, что состоит из точек но не любых, а только тех, которые удовлетворяют условию (или условиям), указанным после двоеточия (в нашем примере это неравенства).

Пример 4. Монета подбрасывается до первого выпадения герба. Другими словами, подбрасывание монеты продолжается до тех пор, пока не выпадет герб. В этом примере элементарные события перечислить можно, хотя их бесконечное число:

Заметим, что в примерах 3 и 4 пространство элементарных событий насчитывает бесконечное число исходов. В примере 4 их можно перечислить, т.е. пересчитать. Такое множество называется счетным. В примере 3 пространство является несчетным.

Введем в рассмотрение еще два события, которые присутствуют в любом опыте и которые имеют большое теоретические значение.

Назовем событие невозможным, если в результате опыта оно обязательно не произойдет. Будем его обозначать знаком пустого множества . Наоборот, событие, которое в результате опыта обязательно произойдёт называется достоверным. Достоверное событие обозначается так же, как и само пространство элементарных событий – буквой .

Например, при подбрасывании игральной кости событие <выпало меньше 9 очков>— достоверное, а событие <выпало ровно 9 очков>невозможное.

Итак, пространство элементарных событий может задаваться словесным описанием, перечислением всех его элементарных событий, заданием правил или условий, по которым получаются все его элементарные события.

До сих пор мы говорили лишь об элементарных событиях как непосредственных результатах опыта. Однако в рамках опыта можно говорить и о других случайных событиях, кроме элементарных.

Пример 5. При подбрасывании игральной кости, кроме элементарных событий выпадений соответственно единицы, двойки,…, шестерки, можно говорить о других событиях: (выпадение четного числа), (выпадение нечетного числа), (выпадение числа, кратного трем), (выпадение числа, меньшего 4) и т.п. В данном примере указанные события, кроме словесного задания, можно задать перечислением элементарных событий:

Образование новых событий из элементарных, а также из других событий осуществляется с помощью операций (или действий) над событиями.

Определение. Произведением двух событий и называется событие, состоящее в том, что в результате опыта произойдет и событие ,и событие , т. е произойдут оба события вместе (одновременно).

Знак произведения (точку) часто не ставят:

Определение. Суммой двух событий называется событие, состоящее в том, что в результате опыта произойдет или событие ,или событие ,или оба вместе (одновременно).

В обоих определениях мы намеренно подчеркнули союзы и и или -сцелью привлечь внимание читателя к своей речи при решении задач. Если мы произносим союз «и», то речь идет о произведении событий; если произносится союз «или», то события надо складывать. При этом заметим что союз «или» в обиходной речи часто используется в смысле исключения одного из двух: «только или только ». В теории вероятностей такое исключение не предполагается: и ,и , и означают появление события

Если задано перечислением элементарных событий, то сложные события с помощью указанных операций получить просто. Для получения надо найти все элементарные события, принадлежащие обоим событиям, если таковых нет, то Сумму событий также составить несложно: надо взять любое из двух событий и добавить к нему те элементарные события из другого события, которые не входят в первое.

В примере 5 получаем, в частности

Введенные операции называются бинарными, т.к. определены для двух событий. Большое значение имеет следующая унарная операция (определенная для одного события): событие называется противоположным событию если оно состоит в том, что в данном опыте событие не произошло. Из определения ясно, что всякое событие и ему противоположное обладают следующими свойствами: Введённая операция называется дополнением события А.

Отсюда следует, что если задано перечислением элементарных событий, то, зная задание события ,легко получить оно состоит из всех элементарных событий пространства которые не принадлежат В частности, для примера 5 событие

Если нет скобок, то устанавливается следующий приоритет в выполнении операций: дополнение, умножение, сложение.

Итак, с помощью введённых операций пространство элементарных событий пополняется другими случайными событиями, которые образуют так называемую алгебру событий.

Пример 6. По мишени стрелок произвёл три выстрела. Рассмотрим события = <стрелок попал в мишень при i-м выстреле>, i = 1,2,3.

Составим из этих событий (не забудем и о противоположных ) некоторые события. Пространных комментариев не приводим; полагаем, что читатель проведёт их самостоятельно.

Событие В = <все три выстрела попали в мишень>. Подробнее: В = <и первый, и второй, и третий выстрелы попали в мишень>. Использовали союз и, следовательно, события перемножаются:

Как известно, в математике большое значение имеет геометрическая интерпретация аналитических объектов, понятий и формул.

В теории вероятностей удобно наглядное представление (геометрическая интерпретация) опыта, случайных событий и операций над ними в виде так называемых диаграмм Эйлера-Венна . Суть состоит в том, что всякий опыт отождествляется (интерпретируется) с бросанием точек в некоторый квадрат. Точки бросаются наугад, так что у всех точек имеются одинаковые шансы попасть в любое место этого квадрата. Квадрат определяет рамки рассматриваемого опыта. Каждое событие в рамках опыта отождествляется с некоторой областью квадрата. Иначе говоря, осуществление события означает попадание случайной точки внутрь области, обозначенной буквой Тогда операции над событиями легко интерпретируются геометрически (рис.2)

На рис.2 а) для наглядности событие А выделено вертикальной штриховкой, событие В — горизонтальной. Тогда операции умножения соответствует двойная штриховка — событию соответствует та часть квадрата которая покрыта двойной штриховкой. При этом, если то и называются несовместными событиями. Соответственно операции сложения соответствует любая штриховка- событие означает часть квадрата, заштрихованная любой штриховкой – вертикальной, горизонтальной и двойной. На рис.2 б) показано событие ему соответствует заштрихованная часть квадрата — все, что не входит в область Введенные операции обладают следующими основными свойствами, некоторые из которых справедливы для одноименных операций над числами, но есть и специфические.

1 0 . коммутативность умножения;

2 0 . коммутативность сложения;

3 0 . ассоциативность умножения;

4 0 . ассоциативность сложения,

5 0 . дистрибутивность умножения относительно сложения,

6 0 . дистрибутивность сложения относительно умножения;

9 0 . законы двойственности де Моргана,

1 .A .A+ .A· =A, 1 .A+ . 1 .A· = , 1 .A+ =

Пример 7. Иван и Петр договорились встретиться на временном промежутке в Т час, например, (0,Т). При этом они условились, что каждый из них, придя на встречу, ждет другого не более час.

Придадим этому примеру геометрическую интерпретацию. Обозначим: время прихода на встречу Ивана; время прихода на встречу Петра. Согласно договоренности: 0 . Тогда в системе координат получаем: = Нетрудно заметить, что в нашем примере пространство элементарных событий представляет собой квадрат. 1

0 x соответствует та часть квадрата, которая расположена выше этой прямой.Аналогично, второму неравенству y≤x+ и; и не работает, если не работают все элементы, т.е. .Таким образом, второй закон двойственности де Моргана: реализуется при параллельном соединении элементов.

Приведённый пример показывает, почему теория вероятностей находит большое применение в физике, в частности, в расчетах надежности реальных технических устройств.

(или ТВиМС) — именно так часто звучит название предмета в вашем расписании или рекомендуемом учебнике. Почему два предмета в одном? Как они связаны? Если речь идет об углубленном изучении предмета, обычно первый семестр посвящен изучению теории вероятностей, и только во втором, основываясь на полученных знаниях, переходят к математической статистике.

Остановимся подробнее на каждом предмете и узнаем, как же они связаны друг с другом.

Полезная страница? Сохрани или расскажи друзьям

Что изучает теория вероятностей?

Теория вероятностей , как следует из названия, имеет дело с вероятностями. Нас окружают множество вещей и явлений, о которых, как бы ни была развита наука, нельзя сделать точных прогнозов. Мы не знаем, какую карту вытянем из колоды наугад или сколько дней в мае будет идти дождь, но, имея некоторую дополнительную информацию, можем строить прогнозы и вычислять вероятности этих случайных событий.

Таким образом, мы сталкиваемся с основным понятием случайного события — явления, поведение которого невозможно предсказать, опыта, результат которого заранее невозможно вычислить и т.п. Именно вероятности событий вычисляются в типовых задачах. Вероятность — это некоторая, строго говоря, функция, принимающая значения от 0 до 1 и характеризующая данное случайное событие. 0 — событие практически невозможно, 1 — событие практически достоверно, 0,5 (или «50 на 50») — с равной вероятностью событие произойдет или нет.

От теории вероятностей к математической статистике

Теория вероятностей изучает математические законы распределения случайных событий, и фактически является теоретической базой для математической статистики. Но, если в теории вероятностей обычно распределение задано тем или иным образом, и требуется найти вероятности, числовые характеристики (например, математическое ожидание, дисперсию и т.п.), построить графики функции и плотности распределения, то в задачах математической статистики , напротив, известны данные (выборка), собранные по результатам какого-то эксперимента или наблюдения, по которым следует определить закон распределения, наиболее подходящий в данном случае, достоверную с некоторой долей вероятности информацию о том, какими могут быть математическое ожидание или среднеквадратическое отклонение величины и т.п.

Что изучает математическая статистика?

Если говорить строго, то математическая статистика — это раздел математики, который изучеет методы сбора, систематизации, обработки и использования статистических данных для получения научно обоснованных выводов и принятия на их основе решений.

Почему же для обработки простых наборов данных требуется целая наука? Потом, что эти данные, как бы мы не старались, никогда не являются точными, содержат случайные ошибки. Это могут быть и погрешности измерительных приборов, и ошибки человеческие (связанные с тем, кто проводит исследование и измерение), и неоднородность данных или, конечно, их недостаточность (невозможно изучить, например, всех коров в мире, чтобы делать выводы об их удоях;), или опросить всех избирателей чтобы сделать прогноз выигрыша для кандидата на выборах).

Обычно исследователь многократно повторяет (если это физически возможно) свой опыт, получая большое количество однотипных данных, которые теперь надо обработать и сделать весомые выводы, которые позволят не только продвинуться глубже в изучении предмета (будь то удои коров или политические предпочтения), но и сделать выводы, прогнозы, принять важные экономические решения и т.д.

Именно математическая статистика дает методы для обработки данных, алгоритмы для проверки статистических гипотез, критерии адекватности и значимости выбранной модели или закона, обоснованные границы точности для параметров распределения, которые мы можем получить исходя из наших данных и т.п.

Как изучить теорию вероятностей и математическую статистику? Читайте (и прорешивайте в них примеры) учебники по математической статистике , изучите примеры решений , используйте калькуляторы по ТВ , таблицы и формулы статистики для удобства. Онлайн решебник по теории вероятностей поможет с трудными задачами.

Учение о законах, которым подчиняются т. наз. случайные явления. Словарь иностранных слов, вошедших в состав русского языка. Чудинов А.Н., 1910 … Словарь иностранных слов русского языка

теория вероятностей — — [Л.Г.Суменко. Англо русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.] Тематики информационные технологии в целом EN probability theorytheory of chancesprobability calculation … Справочник технического переводчика

Теория вероятностей — есть часть математики, изучающая зависимости между вероятностями (см. Вероятность и Статистика) различных событий. Перечислим важнейшие теоремы, относящиеся к этой науке. Вероятность появления одного из нескольких несовместных событий равняется… … Энциклопедический словарь Ф.А. Брокгауза и И.А. Ефрона

ТЕОРИЯ ВЕРОЯТНОСТЕЙ — математич. наука позволяющая по вероятностям одних событий случайных (см.) находить вероятности случайных событий, связанных к. л. образом с первыми. Современная Т.в. основана на аксиоматике (см. Метод аксиоматический) А. Н. Колмогорова. На… … Российская социологическая энциклопедия

Теория вероятностей — раздел математики, в котором по данным вероятностям одних случайных событий находят вероятности других событий, связанных некоторым образом с первыми. Теория вероятностей изучает также случайные величины и случайные процессы. Одна из основных… … Концепции современного естествознания. Словарь основных терминов

теория вероятностей — tikimybių teorija statusas T sritis fizika atitikmenys: angl. probability theory vok. Wahrscheinlichkeitstheorie, f rus. теория вероятностей, f pranc. théorie des probabilités, f … Fizikos terminų žodynas

Теория Вероятностей — … Википедия

Теория вероятностей — математическая дисциплина, изучающая закономерности случайных явлений … Начала современного естествознания

ТЕОРИЯ ВЕРОЯТНОСТЕЙ — (probability theory) см. Вероятность … Большой толковый социологический словарь

Теория вероятностей и её применения — («Теория вероятностей и её применения»,) научный журнал Отделения математики АН СССР. Публикует оригинальные статьи и краткие сообщения по теории вероятностей, общим вопросам математической статистики и их применениям в естествознании и… … Большая советская энциклопедия

Книги

  • Теория вероятностей. , Вентцель Е.С.. Книга представляет собой учебник, предназначенный для лиц, знакомых с математикой в объёме обычного втузовского курса и интересующихся техническими приложениямитеории вероятностей, в… Купить за 1993 грн (только Украина)
  • Теория вероятностей. , Вентцель Е.С.. Эта книга будет изготовлена в соответствии с Вашим заказом по технологии Print-on-Demand. Книга представляет собой учебник, предназначенный для лиц, знакомых с математикой в объёме обычного…

Курс математики готовит школьникам массу сюрпризов, один из которых — это задача по теории вероятности. С решением подобных заданий у учащихся возникает проблема практически в ста процентах случаев. Чтобы понимать и разбираться в данном вопросе, необходимо знать основные правила, аксиомы, определения. Для понимания текста в книге, нужно знать все сокращения. Всему этому мы и предлагаем обучиться.

Наука и ее применение

Так как мы предлагаем ускоренный курс «теория вероятности для чайников», то сначала необходимо ввести основные понятия и буквенные сокращения. Для начала определимся с самим понятием «теория вероятности». Что же это за наука и для чего она нужна? Теория вероятности — это один из разделов математики, который изучает случайные явления и величины. Так же она рассматривает закономерности, свойства и операции, совершаемые с этими случайными величинами. Для чего она нужна? Широкое распространение наука получила в изучении природных явлений. Любые природные и физические процессы не обходятся без присутствия случайности. Даже если во время опыта были максимально точно зарегистрированы результаты, при повторе того же испытания, результат с большой вероятностью не будет таким же.

Примеры задач по мы обязательно рассмотрим, вы сами сможете в этом убедиться. Исход зависит от множества различных факторов, которые практически невозможно учесть или зарегистрировать, но тем не менее они оказывают огромнейшее влияние на исход опыта. Яркими примерами могут служить задачи определения траектории движения планет или определение прогноза погоды, вероятность встретить знакомого человека во время пути на работу и определение высоты прыжка спортсмена. Так же теория вероятности оказывает большую помощь брокерам на фондовых биржах. Задача по теории вероятности, с решением которой раньше возникало много проблем, станет для вас сущим пустяком после трех-четырех примеров, приведенных ниже.

События

Как уже говорилось ранее, наука изучает события. Теория вероятностей, примеры решения задач мы рассмотрим немного позже, изучает только один вид — случайные. Но тем не менее необходимо знать, что события могут быть трех видов:

Предлагаем немного оговорить каждый из них. Невозможное событие никогда не произойдет, ни при каких условиях. Примерами могут служить: замерзание воды при плюсовой температуре, вытягивание кубика из мешка с шарами.

Достоверное событие происходит всегда со стопроцентной гарантией, если выполнены все условия. Например: вы получили заработную плату за проделанную работу, получили диплом о высшем профессиональном образовании, если добросовестно учились, сдали экзамены и защитили диплом и так далее.

Со все немного сложнее: в ходе опыта оно может произойти или нет, например, вытащить туз из карточной колоды, сделав не более трех попыток. Результат можно получить как с первой попытки, так и, вообще, не получить. Именно вероятность происхождения события и изучает наука.

Вероятность

Это в общем смысле оценка возможности удачного исхода опыта, при котором наступает событие. Вероятность оценивается на качественном уровне, особенно если количественная оценка невозможна или затруднительна. Задача по теории вероятности с решением, точнее с оценкой подразумевает нахождение той самой возможной доли благополучного исхода. Вероятность в математике — это числовая характеристики события. Она принимает значения от нуля до единицы, обозначается буквой Р. Если Р равняется нулю, то событие произойти не может, если единице, то событие произойдет со стопроцентной вероятностью. Чем больше Р приближается к единице, тем сильнее вероятность благополучного исхода, и наоборот, если близко к нулю, то и событие произойдет с малой вероятностью.

Сокращения

Задача по теории вероятности, с решением которой вы вскоре столкнетесь, может содержать следующие сокращения:

Возможны и некоторые другие: по мере необходимости будут вноситься добавочные объяснения. Предлагаем, для начала, пояснить представленные выше сокращения. Первым в нашем списке встречается факториал. Для того чтобы было понятно, приведем примеры: 5!=1*2*3*4*5 или 3!=1*2*3. Далее, в фигурных скобках пишут заданные множества, например: <1;2;3;4;..;n>или <10;140;400;562>. Следующее обозначение — это множество натуральных чисел, довольно часто встречается в заданиях по теории вероятности. Как уже говорилось ранее, Р — это вероятность, а Р(Х) — это вероятность происхождения события Х. Большими буквами латинского алфавита обозначаются события, например: А — попался белый шар, В — синий, С — красный или соответственно, . Маленькая буква n — это количество всех возможных исходов, а m — количество благополучных. Отсюда и получаем правило нахождения классической вероятности в элементарных задачах: Р=m/n. Теория вероятности «для чайников», наверное, и ограничивается данными знаниями. Теперь для закрепления переходим к решению.

Задача 1. Комбинаторика

Студенческая группа насчитывает тридцать человек, из которых необходимо выбрать старосту, его заместителя и профорга. Необходимо найти количество способов сделать данное действие. Подобное задание может встретиться на ЕГЭ. Теория вероятности, решение задач которой мы сейчас рассматриваем, может включать задачи из курса комбинаторики, нахождение классической вероятности, геометрической и задачи на основные формулы. В данном примере мы решаем задание из курса комбинаторики. Переходим к решению. Это задание простейшее:

  1. n1=30 — возможных старост студенческой группы;
  2. n2=29 — те, кто могут занять пост заместителя;
  3. n3=28 человек претендует на должность профорга.

Все, что нам остается сделать, это найти возможное количество вариантов, то есть перемножить все показатели. В результате мы получаем: 30*29*28=24360.

Это и будет ответом на поставленный вопрос.

Задача 2. Перестановка

На конференции выступают 6 участников, порядок определяется жеребьевкой. Нам нужно найти количество возможных вариантов жеребьевки. В данном примере, мы рассматриваем перестановку из шести элементов, то есть нам нужно найти 6!

В пункте сокращений мы уже упоминали, что это такое и как вычисляется. Итого получается, что существует 720 вариантов жеребьевки. На первый взгляд тяжелое задание имеет вполне короткое и простое решение. Это и есть задания, которые рассматривает теория вероятности. Как решать задачи более высокого уровня, мы рассмотрим в следующих примерах.

Задача 3

Группу студентов из двадцати пяти человек необходимо разбить на три подгруппы по шесть, девять и десять человек. Мы имеем: n=25, k=3, n1=6, n2=9, n3=10. Осталось подставить значения в нужную формулу, мы получаем: N25(6,9,10). После несложных вычислений мы получаем ответ — 16 360 143 800. Если в задании не говорится о том, что необходимо получить числовое решение, то можно дать его в виде факториалов.

Задача 4

Три человека загадали числа от одного до десяти. Найдите вероятность того, что у кого-то числа совпадут. Сначала мы должны узнать число всех исходов — в нашем случае это тысяча, то есть десять в третей степени. Теперь найдем количество вариантов, когда все загадали разные числа, для этого перемножаем десять, девять и восемь. Откуда взялись эти числа? Первый загадывает число, у него есть десять вариантов, второй имеет уже девять, а третьему надо выбирать из восьми оставшихся, таким образом получаем 720 возможных вариантов. Как уже мы посчитали ранее, всего вариантов 1000, а без повторений 720, следовательно, нас интересуют оставшиеся 280. Теперь нам нужна формула нахождения классической вероятности: Р= . Мы получили ответ: 0,28.

«Случайности не случайны». Звучит так, словно сказал философ, но на деле изучать случайности удел великой науки математики. В математике случайностями занимается теория вероятности. Формулы и примеры заданий, а также основные определения этой науки будут представлены в статье.

Что такое теория вероятности?

Теория вероятности — это одна из математических дисциплин, которая изучает случайные события.

Чтобы было немного понятнее, приведем небольшой пример: если подкинуть вверх монету, она может упасть «орлом» или «решкой». Пока монета находится в воздухе, обе эти вероятности возможны. То есть вероятность возможных последствий соотносится 1:1. Если из колоды с 36-ю картами вытащить одну, тогда вероятность будет обозначаться как 1:36. Казалось бы, что здесь нечего исследовать и предугадывать, тем более при помощи математических формул. Тем не менее, если повторять определенное действие много раз, то можно выявить некую закономерность и на ее основе спрогнозировать исход событий в других условиях.

Если обобщить все вышесказанное, теория вероятности в классическом понимании изучает возможность возникновения одного из возможных событий в числовом значении.

Со страниц истории

Теория вероятности, формулы и примеры первых заданий появились еще в далеком Средневековье, когда впервые возникли попытки спрогнозировать исход карточных игр.

Изначально теория вероятности не имела ничего общего с математикой. Она обосновывалась эмпирическими фактами или свойствами события, которое можно было воспроизвести на практике. Первые работы в этой сфере как в математической дисциплине появились в XVII веке. Родоначальниками стали Блез Паскаль и Пьер Ферма. Длительное время они изучали азартные игры и увидели определенные закономерности, о которых и решили рассказать обществу.

Такую же методику изобрел Христиан Гюйгенс, хотя он не был знаком с результатами исследований Паскаля и Ферма. Понятие «теория вероятности», формулы и примеры, что считаются первыми в истории дисциплины, были введены именно им.

Немаловажное значение имеют и работы Якоба Бернулли, теоремы Лапласа и Пуассона. Они сделали теорию вероятности больше похожей на математическую дисциплину. Свой теперешний вид теория вероятностей, формулы и примеры основных заданий получили благодаря аксиомам Колмогорова. В результате всех изменений теория вероятности стала одним из математических разделов.

Базовые понятия теории вероятностей. События

Главным понятием этой дисциплины является «событие». События бывают трех видов:

  • Достоверные. Те, которые произойдут в любом случае (монета упадет).
  • Невозможные. События, что не произойдут ни при каком раскладе (монета останется висеть в воздухе).
  • Случайные. Те, что произойдут или не произойдут. На них могут повлиять разные факторы, которые предугадать очень трудно. Если говорить о монете, то случайные факторы, что могут повлиять на результат: физические характеристики монеты, ее форма, исходное положение, сила броска и т. д.

Все события в примерах обозначаются заглавными латинскими буквами, за исключением Р, которой отведена другая роль. Например:

  • А = «студенты пришли на лекцию».
  • Ā = «студенты не пришли на лекцию».

В практических заданиях события принято записывать словами.

Одна из важнейших характеристик событий — их равновозможность. То есть, если подбросить монету, все варианты исходного падения возможны, пока она не упала. Но также события бывают и не равновозможными. Это происходит, когда кто-то специально воздействует на исход. Например, «меченые» игральные карты или игральные кости, в которых смещен центр тяжести.

Еще события бывают совместимыми и несовместимыми. Совместимые события не исключают появления друг друга. Например:

  • А = «студентка пришла на лекцию».
  • В = «студент пришел на лекцию».

Эти события независимы друг от друга, и появление одного из них не влияет на появление другого. Несовместимые события определяются тем, что появление одного исключает появление другого. Если говорить о той же монете, то выпадение «решки» делает невозможным появление «орла» в этом же эксперименте.

Действия над событиями

События можно умножать и складывать, соответственно, в дисциплине вводятся логические связки «И» и «ИЛИ».

Сумма определяется тем, что может появиться или событие А, или В, или два одновременно. В случае когда они несовместимы, последний вариант невозможен, выпадет или А, или В.

Умножение событий заключается в появлении А и В одновременно.

Теперь можно привести несколько примеров, чтобы лучше запомнились основы, теория вероятности и формулы. Примеры решения задач далее.

Задание 1 : Фирма принимает участие в конкурсе на получение контрактов на три разновидности работы. Возможные события, которые могут произойти:

  • А = «фирма получит первый контракт».
  • А 1 = «фирма не получит первый контракт».
  • В = «фирма получит второй контракт».
  • В 1 = «фирма не получит второй контракт»
  • С = «фирма получит третий контракт».
  • С 1 = «фирма не получит третий контракт».

С помощью действий над событиями попробуем выразить следующие ситуации:

  • К = «фирма получит все контракты».

В математическом виде уравнение будет иметь следующий вид: К = АВС.

  • М = «фирма не получит ни одного контракта».

Усложняем задание: H = «фирма получит один контракт». Поскольку не известно, какой именно контракт получит фирма (первый, второй или третий), необходимо записать весь ряд возможных событий:

Н = А 1 ВС 1 υ АВ 1 С 1 υ А 1 В 1 С.

А 1 ВС 1 — это ряд событий, где фирма не получает первый и третий контракт, но получает второй. Соответственным методом записаны и другие возможные события. Символ υ в дисциплине обозначает связку «ИЛИ». Если перевести приведенный пример на человеческий язык, то фирма получит или третий контракт, или второй, или первый. Подобным образом можно записывать и другие условия в дисциплине «Теория вероятности». Формулы и примеры решения задач, представленные выше, помогут сделать это самостоятельно.

Собственно, вероятность

Пожалуй, в этой математической дисциплине вероятность события — это центральное понятие. Существует 3 определения вероятности:

  • классическое;
  • статистическое;
  • геометрическое.

Каждое имеет свое место в изучении вероятностей. Теория вероятности, формулы и примеры (9 класс) в основном используют классическое определение, которое звучит так:

  • Вероятность ситуации А равняется отношению числа исходов, что благоприятствуют ее появлению, к числу всех возможных исходов.

Формула выглядит так: Р(А)=m/n.

А — собственно, событие. Если появляется случай, противоположный А, его можно записывать как Ā или А 1 .

m — количество возможных благоприятных случаев.

n — все события, которые могут произойти.

Например, А = «вытащить карту червовой масти». В стандартной колоде 36 карт, 9 из них червовой масти. Соответственно, формула решения задания будет иметь вид:

В итоге вероятность того, что из колоды вытянут карту червовой масти, составит 0,25.

К высшей математике

Теперь стало немного известно, что такое теория вероятности, формулы и примеры решения заданий, которые попадаются в школьной программе. Однако теория вероятностей встречается и в высшей математике, которая преподается в вузах. Чаще всего там оперируют геометрическими и статистическими определениями теории и сложными формулами.

Очень интересна теория вероятности. Формулы и примеры (высшая математика) лучше начинать изучать с малого — со статистического (или частотного) определения вероятности.

Статистический подход не противоречит классическому, а немного расширяет его. Если в первом случае нужно было определить, с какой долей вероятности произойдет событие, то в этом методе необходимо указать, как часто оно будет происходить. Здесь вводится новое понятие «относительная частота», которую можно обозначить W n (A). Формула ничем не отличается от классической:

Если классическая формула вычисляется для прогнозирования, то статистическая — согласно результатам эксперимента. Возьмем, к примеру, небольшое задание.

Отдел технологического контроля проверяет изделия на качество. Среди 100 изделий нашли 3 некачественных. Как найти вероятность частоты качественного товара?

А = «появление качественного товара».

Таким образом, частота качественного товара составляет 0,97. Откуда взяли 97? Из 100 товаров, которые проверили, 3 оказались некачественными. От 100 отнимаем 3, получаем 97, это количество качественного товара.

Немного о комбинаторике

Еще один метод теории вероятности называют комбинаторикой. Его основной принцип состоит в том, что если определенный выбор А можно осуществить m разными способами, а выбор В — n разными способами, то выбор А и В можно осуществить путем умножения.

Например, из города А в город В ведет 5 дорог. Из города В в город С ведет 4 пути. Сколькими способами можно доехать из города А в город С?

Все просто: 5х4=20, то есть двадцатью разными способами можно добраться из точки А в точку С.

Усложним задание. Сколько существует способов раскладывания карт в пасьянсе? В колоде 36 карт — это исходная точка. Чтобы узнать количество способов, нужно от исходной точки «отнимать» по одной карте и умножать.

То есть 36х35х34х33х32…х2х1= результат не вмещается на экран калькулятора, поэтому его можно просто обозначить 36!. Знак «!» возле числа указывает на то, что весь ряд чисел перемножается между собой.

В комбинаторике присутствуют такие понятия, как перестановка, размещение и сочетание. Каждое из них имеет свою формулу.

Упорядоченный набор элементов множества называют размещением. Размещения могут быть с повторениями, то есть один элемент можно использовать несколько раз. И без повторений, когда элементы не повторяются. n — это все элементы, m — элементы, которые участвуют в размещении. Формула для размещения без повторений будет иметь вид:

Соединения из n элементов, которые отличаются только порядком размещения, называют перестановкой. В математике это имеет вид: Р n = n!

Сочетаниями из n элементов по m называют такие соединения, в которых важно, какие это были элементы и каково их общее количество. Формула будет иметь вид:

Формула Бернулли

В теории вероятности, так же как и в каждой дисциплине, имеются труды выдающихся в своей области исследователей, которые вывели ее на новый уровень. Один из таких трудов — формула Бернулли, что позволяет определять вероятность появления определенного события при независимых условиях. Это говорит о том, что появление А в эксперименте не зависит от появления или не появления того же события в ранее проведенных или последующих испытаниях.

P n (m) = C n m ×p m ×q n-m .

Вероятность (р) появления события (А) неизменна для каждого испытания. Вероятность того, что ситуация произойдет ровно m раз в n количестве экспериментов, будет вычисляться формулой, что представлена выше. Соответственно, возникает вопрос о том, как узнать число q.

Если событие А наступает р количество раз, соответственно, оно может и не наступить. Единица — это число, которым принято обозначать все исходы ситуации в дисциплине. Поэтому q — число, которое обозначает возможность ненаступления события.

Теперь вам известна формула Бернулли (теория вероятности). Примеры решения задач (первый уровень) рассмотрим далее.

Задание 2: Посетитель магазина сделает покупку с вероятностью 0,2. В магазин зашли независимым образом 6 посетителей. Какова вероятность того, что посетитель сделает покупку?

Решение: Поскольку неизвестно, сколько посетителей должны сделать покупку, один или все шесть, необходимо просчитать все возможные вероятности, пользуясь формулой Бернулли.

А = «посетитель совершит покупку».

В этом случае: р = 0,2 (как указано в задании). Соответственно, q=1-0,2 = 0,8.

n = 6 (поскольку в магазине 6 посетителей). Число m будет меняться от 0 (ни один покупатель не совершит покупку) до 6 (все посетители магазина что-то приобретут). В итоге получим решение:

P 6 (0) = C 0 6 ×p 0 ×q 6 =q 6 = (0,8) 6 = 0,2621.

Ни один из покупателей не совершит покупку с вероятностью 0,2621.

Как еще используется формула Бернулли (теория вероятности)? Примеры решения задач (второй уровень) далее.

После вышеприведенного примера возникают вопросы о том, куда делись С и р. Относительно р число в степени 0 будет равно единице. Что касается С, то его можно найти формулой:

Поскольку в первом примере m = 0, соответственно, С=1, что в принципе не влияет на результат. Используя новую формулу, попробуем узнать, какова вероятность покупки товаров двумя посетителями.

P 6 (2) = C 6 2 ×p 2 ×q 4 = (6×5×4×3×2×1) / (2×1×4×3×2×1) × (0,2) 2 × (0,8) 4 = 15 × 0,04 × 0,4096 = 0,246.

Не так уж и сложна теория вероятности. Формула Бернулли, примеры которой представлены выше, прямое тому доказательство.

Формула Пуассона

Уравнение Пуассона используется для вычисления маловероятных случайных ситуаций.

P n (m)=λ m /m! × e (-λ) .

При этом λ = n х p. Вот такая несложная формула Пуассона (теория вероятности). Примеры решения задач рассмотрим далее.

Задание 3 : На заводе изготовили детали в количестве 100000 штук. Появление бракованной детали = 0,0001. Какова вероятность, что в партии будет 5 бракованных деталей?

Как видим, брак — это маловероятное событие, в связи с чем для вычисления используется формула Пуассона (теория вероятности). Примеры решения задач подобного рода ничем не отличаются от других заданий дисциплины, в приведенную формулу подставляем необходимые данные:

А = «случайно выбранная деталь будет бракованной».

р = 0,0001 (согласно условию задания).

n = 100000 (количество деталей).

m = 5 (бракованные детали). Подставляем данные в формулу и получаем:

Р 100000 (5) = 10 5 /5! Х е -10 = 0,0375.

Так же как и формула Бернулли (теория вероятности), примеры решений с помощью которой написаны выше, уравнение Пуассона имеет неизвестное е. По сути его можно найти формулой:

е -λ = lim n ->∞ (1-λ/n) n .

Однако есть специальные таблицы, в которых находятся практически все значения е.

Теорема Муавра-Лапласа

Если в схеме Бернулли количество испытаний достаточно велико, а вероятность появления события А во всех схемах одинакова, то вероятность появления события А определенное количество раз в серии испытаний можно найти формулой Лапласа:

Р n (m)= 1/√npq x ϕ(X m).

Чтобы лучше запомнилась формула Лапласа (теория вероятности), примеры задач в помощь ниже.

Сначала найдем X m , подставляем данные (они все указаны выше) в формулу и получим 0,025. При помощи таблиц находим число ϕ(0,025), значение которого 0,3988. Теперь можно подставлять все данные в формулу:

Р 800 (267) = 1/√(800 х 1/3 х 2/3) х 0,3988 = 3/40 х 0,3988 = 0,03.

Таким образом, вероятность того, что рекламная листовка сработает ровно 267 раз, составляет 0,03.

Формула Байеса

Формула Байеса (теория вероятности), примеры решения заданий с помощью которой будут приведены ниже, представляет собой уравнение, которое описывает вероятность события, опираясь на обстоятельства, которые могли быть связаны с ним. Основная формула имеет следующий вид:

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

Р(А|B) — условная вероятность, то есть может произойти событие А при условии, что событие В истинно.

Р (В|А) — условная вероятность события В.

Итак, заключительная часть небольшого курса «Теория вероятности» — формула Байеса, примеры решений задач с которой ниже.

Задание 5 : На склад привезли телефоны от трех компаний. При этом часть телефонов, которые изготавливаются на первом заводе, составляет 25%, на втором — 60%, на третьем — 15%. Известно также, что средний процент бракованных изделий у первой фабрики составляет 2%, у второй — 4%, и у третьей — 1%. Необходимо найти вероятность того, что случайно выбранный телефон окажется бракованным.

А = «случайно взятый телефон».

В 1 — телефон, который изготовила первая фабрика. Соответственно, появятся вводные В 2 и В 3 (для второй и третьей фабрик).

В итоге получим:

Р (В 1) = 25%/100% = 0,25; Р(В 2) = 0,6; Р (В 3) = 0,15 — таким образом мы нашли вероятность каждого варианта.

Теперь нужно найти условные вероятности искомого события, то есть вероятность бракованной продукции в фирмах:

Р (А/В 1) = 2%/100% = 0,02;

Теперь подставим данные в формулу Байеса и получим:

Р (А) = 0,25 х 0,2 + 0,6 х 0,4 + 0,15 х 0,01= 0,0305.

В статье представлена теория вероятности, формулы и примеры решения задач, но это только вершина айсберга обширной дисциплины. И после всего написанного логично будет задаться вопросом о том, нужна ли теория вероятности в жизни. Простому человеку сложно ответить, лучше спросить об этом у того, кто с ее помощью не единожды срывал джек-пот.

Примеры задач по теории вероятности

В данном разделе размещены задачи с решениями по теории вероятностей из разных разделов, которые изучаются студентами и даже школьниками. Помимо подробных решений типовых задач на сайте есть онлайн-учебник, онлайн-калькуляторы по теории вероятностей, формулы, списки учебников и многое другое (см. ссылки ниже).

Если у вас есть трудности с решением заданий по терверу, обращайтесь, мы готовы помочь. Стоимость консультации от 70 рублей, срок от 1 дня, оформление в Word. Подробнее тут: Теория вероятностей для студентов.

Добавить комментарий