Несколько событий называются независимыми в совокупности, если любое из них не зависит от любого другого события и от любой комбинации остальных.
События называются зависимыми, если одно из них влияет на вероятность появления другого. Например, две производственные установки связаны единым технологическим циклом. Тогда вероятность выхода из строя одной из них зависит от того, в каком состоянии находится другая.
Вероятность одного события , вычисленная в предположении осуществления другого события , называется условной вероятностью события и обозначается .
Условие независимости события от события записывают в виде , а условие его зависимости — в виде .
Теорема умножения вероятностей
Пусть события и независимые, причем вероятности этих событий известны. Найдем вероятность совмещения событий и .
Теорема 1. Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:
Следствие 1. Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий:
Теорема 2. Вероятность совместного появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило:
Следствие 2. Вероятность совместного появления нескольких зависимых событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились.
}Вопрос 11. Основные формулы теории вероятностей. Формула полной вероятности
Теорема 1. Если событие наступает только при условии появления одного из событий , образующих полную группу несовместных событий, то вероятность события равна сумме произведений вероятностей каждого из событий на соответствующую условную вероятность события :
(1)
При этом события называются гипотезами, а вероятности — априорными. Эта формула называется формулой полной вероятности.
Формула Байеса
Пусть событие A может наступить при условии появления одного из несовместных событий , образующих полную группу. Поскольку заранее не известно, какое из этих событий наступит, их называют гипотезами. Вероятность появления события A определяется по формуле полной вероятности:
. (*)
Допустим, что произведено испытание, в результате которого появилось событие А. Поставим своей задачей определить, как изменились (в связи с тем, что событие А уже наступило) вероятности гипотез. Другими словами, будем искать условные вероятности
Найдем сначала условную вероятность . ПО теореме умножения имеем .
Отсюда .
Заменив здесь Р (А) по формуле (*), получим
.
Аналогично выводятся формулы, определяющие условные вероятности остальных гипотез, т. е. условная вероятность любой гипотезы может быть вычислена по формуле
.
Полученные формулы называют формулами Байеса (по имени английского математика, который их вывел; опубликованы в 1764 г.).Формулы Бейеса позволяют переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие А.
}Вопрос 12. Понятие случайной величины. Определение закона распределения случайной величины
Достаточно часто на практике рассматриваются такие испытания, в результате реализации которых случайным образом получается некоторое число. Например, при бросании игрального кубика выпадает число очков от 1 до 6, при взятии 6 карт из колоды можно получить от 0 до 4 тузов. За определенный промежуток времени (скажем, день или месяц) в городе регистрируется то или иное количество преступлений, происходит какое-то количество дорожно-транспортных происшествий. Из орудия производится выстрел. Дальность полета снаряда также принимает какое-либо значение случайным образом.
Во всех перечисленных испытаниях мы сталкиваемся с так называемыми случайными величинами.
Числовая величина, принимающая то или иное значение в результате реализации испытания случайным образом, называется случайной величиной.
Понятие случайной величины играет весьма важную роль в теории вероятностей. Если «классическая» теория вероятностей изучала главным образом случайные события, то современная теория вероятностей преимущественно имеет дело со случайными величинами.
Далее будем обозначать случайные величины прописными латинскими буквами X, Y, Z и т.д., а их возможные значения – соответствующими строчными x, y, z. Например, если случайная величина имеет три возможных значения, то будем обозначать их так: , , .
Итак, примерами случайных величин могут быть:
1) количество очков, выпавших на верхней грани игрального кубика:
2) число тузов, при взятии из колоды 6 карт;
3) количество зарегистрированных преступлений за день или месяц;
4) число попаданий в мишень при четырех выстрелов из пистолета;
5) расстояние, которое пролетит снаряд при выстреле из орудия;
6) рост случайно взятого человека.
Можно заметить, что в первом примере случайная величина может принять одно из шести возможных значений: 1, 2, 3, 4, 5 и 6. Во втором и четвертом примерах число возможных значений случайной величины пять: 0, 1, 2, 3, 4. В третьем примере значением случайной величины может быть любое (теоретически) натуральное число или 0. В пятом и шестом примерах случайная величина может принимать любое действительное значение из определенного промежутка (а, b).
Если случайная величина может принимать конечное или счетное множество значений, то она называется дискретной (дискретно распределенной).
Непрерывной случайной величиной называется такая случайная величина, которая может принимать все значения из некоторого конечного или бесконечного промежутка.
Для задания случайной величины недостаточно перечислить ее всевозможные значения. Например, во втором и в третьем примерах случайные величины могли принимать одни и те же значения: 0, 1, 2, 3 и 4. Однако вероятности, с которыми эти случайные величины принимают свои значения, будут совершенно разными. Поэтому для задания дискретной случайной величины кроме перечня ее всех возможных значений нужно еще указать их вероятности.
Соответствие между возможными значениями случайной величины и их вероятностями называют законом распределения дискретной случайной величины.
Закон распределения можно задать в виде таблицы, формулы или графически.
Определение. Случайной величиной, связанной с данным опытом называется величина, которая при данном осуществлении данного опыта принимает то или иное числовое значение, заранее не известное какое именно.