Как найти вероятность какого либо события

На этой странице вы узнаете

• Как кот может быть одновременно жив и мертв? 
• Можно ли всегда выигрывать спор с монеткой? 
• Если рандомно ответить на вопрос теста, какой шанс угадать ответ?

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

Вероятность

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

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

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

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

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

• выпадет орел;
• выпадет решка. 

Эти два события образуют множество элементарных событий. 

Множество элементарных событий — множество всех возможных результатов случайного эксперимента. 

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

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

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

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

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

(P = frac{m}{n})

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

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

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

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

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

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

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

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

Ответ: 0,35

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

(P = frac{m}{n} * 100%)

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

Равновозможные и противоположные события

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

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

Вероятности появления событий равны. 

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

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

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

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

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

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

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

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

)frac{1}{2} + frac{1}{2} = 1) 

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

(P(A) + P(overline{A}) = 1)

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

Объединение и пересечение событий 

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

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

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

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

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

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

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

Несовместные и совместные события

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

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

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

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

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

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

Сформулируем определение суммы вероятностей двух несовместных событий. 

Если существуют несовместные события, то существуют и совместные. 

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

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

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

Найдем вероятность события А: (frac{1}{6}). 

Для события В всего три благоприятных исхода из шести: выпадет число 2, 4 или 6. Тогда вероятность наступления события В равна (frac{3}{6} = frac{1}{2})

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

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

А нужно получить вот такую картину:

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

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

Независимые и зависимые события 

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

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

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

Ответим на вопрос: зависят ли булочки друг от друга? 

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

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

Определим вероятность независимых событий. 

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

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

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

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

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

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

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

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

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

Нужная последовательность может быть в двух случаях:

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

Разберем первый случай. Вероятность в первый раз вытащить фиолетовый кубик равна (frac{5}{7}). После этого в мешке останется шесть кубиков, четыре из которых будут фиолетовые. 

Вероятность вытащить во второй раз фиолетовый кубик равна (frac{5}{7} * frac{4}{6} = frac{20}{42} = frac{10}{21}). 

Теперь рассмотрим второй случай. Вероятность в первый раз достать оранжевый кубик равна (frac{2}{7}). В мешке останется шесть кубиков, пять из которых будут фиолетовыми. 

Вероятность вытащить во второй раз фиолетовый кубик будет уже равна (frac{2}{7} * frac{5}{6} = frac{10}{42} = frac{5}{21}). 

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

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

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

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

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

Формула Бернулли

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

Пусть p — вероятность, что выпадет цифра 5. Тогда (p = frac{1}{6}). 

Теперь возьмем q — противоположное р событие — вероятность, что цифра 5 не выпадет. (q = frac{5}{6}). 

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

Чтобы решить задачу, нужно воспользоваться формулой Бернулли. 

(P_n(k) = C_n^k * p^k * q^{n — k}) 

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

Решим задачу, подставив значения в формулу:

(P_8(3) = C_8^3 * (frac{1}{6})^3 * (frac{5}{6})^5 = frac{8!}{5!3!} * frac{1}{6^3} * frac{5^5}{6^5} = frac{6 * 7 * 8}{1 * 2 * 3} * frac{5^5}{6^8} approx 0,1) 

Фактчек

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

Проверь себя

Задание 1. 
Какие события являются несовместными?

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

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

1. 0,17
2. 1
3. 0,83
4. 1,17 

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

1. 1
2. 0,216
3. 0,45
4. 1,5 

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

1. 0,3
2. 0,001
3. 2,7
4. 0,729 

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

1. 0,77
2. 0,135
3. 0,23
4. -0,23

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

Была ли эта статья полезной?

Вероятность — очень лёгкая тема, если концентрироваться на смысле задач, а не на формулах. Найти вероятность того что — не просто. И  как решать задачи на вероятность?. Во-первых, что такое вероятность? Это шанс, что какое-то событие произойдёт. Если мы говорим, что вероятность некоторого события 50%, что это значит? Что оно либо произойдет, либо не произойдет — одно из двух. Таким образом подсчитать значение вероятности очень просто — нужно взять количество подходящих нам вариантов и разделить на количество всех возможных вариантов. Например, шанс получить решку при подбрасывании монеты это ½. Как мы получаем ½? Всего у нас два возможных варианта (орёл и решка), из них нам подходит один (решка), так мы и получаем вероятность ½.

Как мы уже с вами увидели, вероятность может быть выражена как в процентах, так и в обычных числах. Важно: на ЕГЭ вам нужно будет записать ответ в числах, не в процентах. Принято, что вероятность изменяется от 0 (никогда не произойдет) до 1 (абсолютно точно произойдет). Также можно сказать, что всегда

Вероятность подходящих событий + вероятность неподходящих событий = 1

Теперь мы точно понимаем, как считать вероятность отдельного события, и даже такие задачи есть в банке ФИПИ, но понятно, что на этом всё не заканчивается. Чтобы жизнь была веселее, в задачах на вероятность обычно происходят как минимум два события, и надо посчитать вероятность с учетом каждого из них.

Вероятность нескольких событий

Подсчитываем вероятность каждого события в отдельности, затем между дробями ставим знаки:

1. Если нужно первое И второе событие, то умножаем.

2. Если нужно первое ИЛИ второе событие, то складываем.

Задачи и решения задач на вероятность

Задача 1. Среди натуральных чисел от 23 до 37 случайно выбирают одно число. Найдите вероятность того, что оно не делится на 5.

Решение:

Вероятность, это отношение благоприятных вариантов к общему их количеству.

Всего в этом промежутке 15 чисел. Из них на 5 делится всего 3, значит не делится 12.

Вероятность тогда: 

Ответ: 0,8.

Задача 2. Для дежурства в столовой случайно выбирают двух учащихся класса. Какова вероятность того, что дежурить будут два мальчика, если в классе обучается 7 мальчиков и 8 девочек?

Решение: Вероятность, это отношение благоприятных вариантов к общему их количеству. В классе 7 мальчиков, это благоприятные варианты. А всего 15 учеников.

Вероятность что первый дежурный мальчик:

Вероятность что второй дежурный мальчик:

Раз оба должны быть мальчики, вероятности перемножим:

Ответ: 0,2.

Задача 3. На борту самолёта 12 мест рядом с запасными выходами и 18 мест за перегородками, разделяющими салоны. Остальные места неудобны для пассажира высокого роста. Пассажир В. высокого роста. Найдите вероятность того, что на регистрации при случайном выборе места пассажиру В. достанется удобное место, если всего в самолёте 300 мест.

Решение: Пассажиру В. удобны 30 мест (12 + 18 = 30), а всего в самолете 300 мест. Поэтому вероятность того, что пассажиру В. достанется удобное место равна 30/300, т. е. 0,1.

Задача 4. В сборнике билетов по математике всего 25 билетов, в 10 из них встречается вопрос по неравенствам.

Найдите вероятность того, что в случайно выбранном на экзамене билете школьнику не достанется вопроса по неравенствам.

Решение: Из 25 билетов 15 не содержат вопроса по неравенствам, поэтому вероятность того, что в случайно выбранном на экзамене билете школьнику не достанется вопроса по неравенствам, равна 15/25, т. е. 0,6.

Задача 5. В сборнике билетов по химии всего 35 билетов, в 7 из них встречается вопрос по кислотам.

Найдите вероятность того, что в случайно выбранном на экзамене билете школьнику не достанется вопроса по кислотам.

Решение: Из 35 билетов 28 не содержат вопроса по кислотам, поэтому вероятность того, что в случайно выбранном на экзамене билете школьнику не достанется вопроса по кислотам, равна 28/35, т. е. 0,8.

Задача 6. В среднем из 500 садовых насосов, поступивших в продажу, 2 подтекают. Найдите вероятность того, что один случайно выбранный для контроля насос не подтекает.

Решение: Если из 500 насосов 2 подтекают, то 498 не подтекают. Следовательно, вероятность выбора хорошего насоса — 498/500, т. е. 0,996.

Задача 7. Вероятность того, что новый пылесос в течение года поступит в гарантийный ремонт, равна 0,065. В некотором городе из 1000 проданных пылесосов в течение года в гарантийную мастерскую поступило 70 штук.

На сколько отличается частота события «гарантийный ремонт» от его вероятности в этом городе?

Решение: Частота события «гарантийный ремонт» равна 70/1000, т. е. 0,07. Она отличается от предсказанной вероятности на 0,005 (0,07 – 0,065 = 0,005).

Задача 8. В чемпионате по гимнастике участвуют 50 спортсменок: 18 из России, 14 из Украины, остальные — из Белоруссии. Порядок, в котором выступают гимнастки, определяется жребием.

Найдите вероятность того, что спортсменка, выступающая первой, окажется из Белоруссии.

Решение: Всего участниц на чемпионате 50, а спортсменок из Белоруссии — 18 (50 – 18 – 14 = 18).

Вероятность того, что первой будет выступать спортсменка из Белоруссии — 18 из 50, т. е. 18/50, или 0,36.

Задача 9. Научная конференция проводится в 5 дней. Всего запланировано 80 докладов — первые три дня по 12 докладов, остальные распределены поровну между четвертым и пятым днями. Порядок докладов определяется жеребьёвкой.

Какова вероятность, что доклад профессора М. окажется запланированным на последний день конференции?

Решение: За первые три дня будут прочитаны 36 докладов (12 ∙ 3 = 36), на последние два дня планируется 44 доклада. Поэтому на последний день запланировано 22 докладов (44 : 2 = 22). Значит, вероятность того, что доклад профессора М. окажется запланированным на последний день конференции, равна 22/80, т. е. 0,275.

Задача 10.

Перед началом первого тура чемпионата по шахматам участников разбивают на игровые пары случайным образом с помощью жребия. Всего в чемпионате участвует 26 шахматистов, среди которых 14 участников из России, в том числе Егор Косов.

Найдите вероятность того, что в первом туре Егор Косов будет играть с каким-либо шахматистом из России?

Решение: В первом туре Егор Косов может сыграть с 25 шахматистами (26 – 1 = 25), из которых 13 ― из России. Значит, вероятность того, что в первом туре Егор Косов будет играть с каким-либо шахматистом из России, равна 13/25, или 0,52.

Задача 11.

В чемпионате мира участвуют 16 команд. С помощью жребия их нужно разделить на четыре группы по четыре команды в каждой. В ящике вперемешку лежат карточки с номерами групп: 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4.

Капитаны команд тянут по одной карточке. Какова вероятность того, что команда России окажется во второй группе?

Решение: Вероятность того, что команда России окажется во второй группе, равна отношению количества карточек с номером 2, к общему числу карточек, т. е. 4/16, или 0,25.

Задача 12.  В группе туристов 5 человек. С помощью жребия они выбирают двух человек, которые должны идти в село за продуктами. Турист А. хотел бы сходить в магазин, но он подчиняется жребию. Какова вероятность того, что А. пойдёт в магазин?

Решение: Выбирают двоих туристов из пяти. Следовательно, вероятность быть выбранным равна 2/5, т. е. 0,4.

Задача 13. В группе туристов 30 человек. Их вертолётом в несколько приёмов забрасывают в труднодоступный район по 6 человек за рейс. Порядок, в котором вертолёт перевозит туристов, случаен. Найдите вероятность того, что турист П. полетит первым рейсом вертолёта.

Решение: На первом рейсе 6 мест, всего мест 30. Тогда вероятность того, что турист полетит первым рейсом вертолёта, равна 6/30, или 0,2.

Задача 14. Какова вероятность того, что случайно выбранное натуральное число от 10 до 19 делится на три?

Решение: Натуральных чисел от 10 до 19 десять, из них на 3 делятся три числа: 12, 15 и 18. Следовательно, искомая вероятность равна 3/10, т. е. 0,3.

Вероятность нескольких событий

Задача 1. Перед началом волейбольного матча капитаны команд тянут честный жребий, чтобы определить, какая из команд начнёт игру с мячом. Команда «Стартер» по очереди играет с командами «Ротор», «Мотор» и «Стратор». Найдите вероятность того, что «Стартер» будет начинать только вторую игру.

Решение: 

Тип вопроса: совмещение событий.

Нас устроит следующий вариант: «Статор» не начинает первую игру, начинает вторую игру, не начинает третью игру. Вероятность такого развития событий равна произведению вероятностей каждого из этих событий. Вероятность каждого из них равна 0,5, следовательно: 0,5 · 0,5 · 0,5 = 0,125.

Задача 2. Чтобы пройти в следующий круг соревнований, футбольной команде нужно набрать хотя бы 4 очка в двух играх. Если команда выигрывает, она получает 3 очка, в случае ничьей ― 1 очко, если проигрывает ― 0 очков. Найдите вероятность того, что команде удастся выйти в следующий круг соревнований. Считайте, что в каждой игре вероятности выигрыша и проигрыша одинаковы и равны 0,4.

Решение: 

Тип вопроса: совмещение событий.

Задачу выполняют несколько вариантов:

Игра №1	Игра №2	Вероятность данного варианта
3	1	0,4 · 0,2 = 0,08
1	3	0,2 · 0,4 = 0,08
3	3	0,4 · 0,4 = 0,16

Вероятность происхождения какого-либо их этих 3-х вариантов равна сумме вероятностей каждого из вариантов: 0,08 + 0,08 + 0,16 = 0,32.

Задача 3. В классе учится 21 человек. Среди них две подруги: Аня и Нина. Класс случайным образом делят на 7 групп, по 3 человека в каждой. Найти вероятность того что Аня и Нина окажутся в одной группе.

Решение: 

Тип вопроса: уменьшение групп.

Вероятность попадания Ани в одну из групп равна 1. Вероятность попадания Нины в ту же группу равна 2 из 20 (2 оставшихся места в группе, а человек осталось 20). 2/20 = 1/10 = 0,1.

Задача 4. В кармане у Пети было 4 монеты по рублю и 2 монеты по два рубля. Петя, не глядя, переложил какие-то 3 монеты в другой карман. Найдите вероятность того, что обе двухрублёвые монеты лежат в одном кармане.

Решение:

Способ №1

Тип задачи: уменьшение групп.

Представим, что шесть монет делят на две группы по три монеты. Вероятность, что первая однорублевая монета попадет в один из карманов (групп) = 1.

Вероятность, что две двухрублевые монеты попадут в этот же карман = количество оставшихся мест в этом кармане/на количество оставшихся мест в обоих карманах = 2/5 = 0,4.

Способ №2

Тип вопроса: совмещение событий.

Задачу выполняют в несколько вариантов:

Если Петя переложил в другой карман три из четырех рублевых монет (а двухрублевые не перекладывал), или если переложил в другой карман обе двухрублевые монеты и одну рублевую одним из трех способов: 1, 2, 2; 2, 1, 2; 2, 2, 1. Можно изобразить это на схеме (перекладывает Петя в карман 2, поэтому будем высчитывать вероятности в колонке «карман 2»):

Вероятность происхождения какого-либо их этих 4-х вариантов равна сумме вероятностей каждого из вариантов: 

Задача 5. В кармане у Пети было 2 монеты по 5 рублей и 4 монеты по 10 рублей. Петя, не глядя, переложил какие-то 3 монеты в другой карман. Найдите вероятность того, что пятирублевые монеты лежат теперь в разных карманах.

Решение:

Тип задачи: уменьшение групп.

Способ №1

Представим, что шесть монет делят на две группы по три монеты. Вероятность, что первая двухрублевая монета попадет в один из карманов (групп) = 1. Вероятность, что вторая монета попадет в другой карман = количество оставшихся мест в другом/ на количество оставшихся мест в обоих карманах = 3/5 = 0,6.

Способ №2

Тип вопроса: совмещение событий.

Задачу выполняют несколько вариантов:

Чтобы пятирублевые монеты оказались в разных карманах, Петя должен взять из кармана одну пятирублевую и две десятирублевые монеты. Это можно сделать тремя способами: 5, 10, 10; 10, 5, 10 или 10, 10, 5. Можно изобразить это на схеме (перекладывает Петя в карман 2, поэтому будем высчитывать вероятности в колонке «карман 2»):

Вероятность происхождения какого-либо их этих 4-х вариантов равна сумме вероятностей каждого из вариантов: 

Задача 6. В случайном эксперименте симметричную монету бросают трижды. Найдите вероятность того, что орёл выпадет ровно два раза.

Решение: Тип вопроса: нахождение желаемого и действительного совмещение событий Нас устраивают три варианта:

Орёл ― решка ― орёл;

Орёл ― орёл ― решка;

Решка ― орёл ― орёл;

Вероятность каждого случая ― 1/2, а каждого варианта ― 1/8 (1/2 ∙ 1/2 ∙ 1/2 = 1/8)

Нас устроит либо первый, либо второй, либо третий вариант. Следовательно, складываем их вероятности и получаем 3/8 (1/8 + 1/8 + 1/8 = 3/8), т. е. 0,375.

Задача 7. Если гроссмейстер А. играет белыми, то он выигрывает у гроссмейстера Б. с вероятностью 0,5. Если А. играет черными, то А. выигрывает у Б. с вероятностью 0,34. Гроссмейстеры А. и Б. играют две партии, причем во второй партии меняют цвет фигур. Найдите вероятность того, что А. выиграет оба раза.

Решение: 

Тип вопроса: совмещение событий.

В любом случае А. будет играть как белыми, так и черными, поэтому нас устроит вариант, когда гроссмейстер А. выиграет, играя белыми (вероятность ― 0,5), а также играя чёрными (вероятность ― 0,34). Поэтому надо перемножить вероятности этих двух событий: 0,5 ∙ 0,34 = 0,17.

Задача 8. Вероятность того, что батарейка бракованная, равна 0,02. Покупатель в магазине выбирает случайную упаковку, в которой две таких батарейки. Найдите вероятность того, что обе батарейки окажутся исправными.

Решение: 

Тип вопроса: совмещение событий.

Вероятность того, что батарейка исправна, равна 0,98. Покупателю надо, чтобы и первая, и вторая батарейка были исправны: 0,98 · 0,98 = 0,9604.

Задача 9. На рок-фестивале выступают группы ― по одной от каждой из заявленных стран. Порядок выступления определяется жребием. Какова вероятность того, что группа из США будет выступать после группы из Канады и после группы из Китая? Результат округлите до сотых.

Решение: 

Тип вопроса: совмещение событий.

Общее количество выступающих на фестивале групп для ответа на вопрос неважно. Сколько бы их ни было, для указанных стран есть 6 способов взаимного расположения среди выступающих (КИТ — Китай, КАН = Канада):

… США, КАН, КИТ …

… США, КИТ, КАН …

… КИТ, США, КАН …

… КАН, США, КИТ …

… КАН, КИТ, США …

… КИТ, КАН, США …

США находится после Китая и Канады в двух последних случаях. Поэтому вероятность того, что группы случайным образом будут распределены именно так, равна:

≈ 0,33.

Дополняющая вероятность

Задача 1. 

Автоматическая линия изготавливает батарейки. Вероятность того, что готовая батарейка неисправна, равна 0,02. Перед упаковкой каждая батарейка проходит систему контроля. Вероятность того, что система забракует неисправную батарейку, равна 0,97. Вероятность того, что система по ошибке забракует исправную батарейку, равна 0,05.

Найдите вероятность того, что случайно выбранная батарейка будет забракована.

Решение: 

Существуют 2 варианта, которые нам подходят:

Вариант А: батарейка забракована, она неисправна;

Вариант Б: батарейка забракована, она исправна.

Вероятность варианта А: 0,02 ∙ 0,97 = 0,0194;

Вероятность варианта Б: 0,05 ∙ 0,98 = 0,049;

Нас устроит либо первый, либо второй вариант: 0,0194 + 0,049 = 0,0684.

Задача 2. Две фабрики выпускают одинаковые стекла для автомобильных фар. Первая фабрика выпускает 60% этих стекол, вторая — 40%. Первая фабрика выпускает 3% бракованных стекол, а вторая — 5%. Найдите вероятность того, что случайно купленное в магазине стекло окажется бракованным.

Решение: 

Вероятность того, что стекло куплено на первой фабрике и оно бракованное: 0,6 · 0,03 = 0,018.

Вероятность того, что стекло куплено на второй фабрике и оно бракованное: 0,4 · 0,05 = 0,02.

Вероятность того, что случайно купленное в магазине стекло окажется бракованным, равна 0,018 + 0,02 = 0,038.

Задача 3. На фабрике керамической посуды 10% произведённых тарелок имеют дефект. При контроле качества продукции выявляется 80% дефектных тарелок. Остальные тарелки поступают в продажу. Найдите вероятность того, что случайно выбранная при покупке тарелка не имеет дефектов. Результат округлите до тысячных.

Решение: 

Предположим, у нас х тарелок изначально (ведь мы постоянно имеем дело с процентами, поэтому нам ничего не мешает оперировать конкретными величинами).

Тогда 0,1х — дефектные тарелки, а 0,9х — нормальные, которые поступят в магазин сразу. Из дефектных убирается 80%, то есть 0,08х, и остаётся 0,02х, которые тоже пойдут в магазин. Таким образом, общее количество тарелок на полках в магазине окажется: 0,9х + 0,02х = 0,92х. Из них нормальными будет 0,9х. Соответственно, по формуле вероятность будет 0,9х/0,92х ≈ 0,978.

Задача 4. По отзывам покупателей Игорь Игоревич оценил надёжность двух интернет-магазинов. Вероятность того, что нужный товар доставят из магазина А, равна 0,91. Вероятность того, что этот товар доставят из магазина Б, равна 0,89. Игорь Игоревич заказал товар сразу в обоих магазинах. Считая, что интернет-магазины работают независимо друг от друга, найдите вероятность того, что ни один магазин не доставит товар.

Решение. Вероятность того, что первый магазин не доставит товар, равна 1 − 0,91 = 0,09. Вероятность того, что второй магазин не доставит товар, равна 1 − 0,89 = 0,11. Вероятность происхождения двух этих событий одновременно равна произведению вероятностей каждого из них: 0,09 · 0,11 = 0,0099.

Задача 5. При изготовлении подшипников диаметром 70 мм вероятность того, что диаметр будет отличаться от заданного меньше чем на 0,01 мм, равна 0,961. Найдите вероятность того, что случайный подшипник будет иметь диаметр меньше чем 69,99 мм или больше чем 70,01 мм.

Решение: Нам дана вероятность события, при котором диаметр будет в пределах между 69,99 мм и 70,01 мм, и она равна 0,961. Вероятность всех остальных вариантов мы можем найти по принципу дополняющей вероятности: 1 − 0,961 = 0,039.

Задача 6. Вероятность того, что на тесте по истории учащийся верно решит больше 9 задач, равна 0,68. Вероятность того, что верно решит больше 8 задач, равна 0,78. Найдите вероятность того, что верно решит ровно 9 задач.

Решение: Вероятность того, что Т. верно решит более 8 задач, включает в себя вероятность решения ровно 9 задач. При этом, события, при которых О. решит больше 9 задач, нам не подходят. Следовательно, отняв от вероятности решения более 9 задач вероятность решения более 8 задач, мы и найдём вероятность решения только 9 задач: 0,78 – 0,68 = 0,1.

Задача 7. Из районного центра в деревню ежедневно ходит автобус. Вероятность того, что в понедельник в автобусе окажется меньше 21 пассажира, равна 0,88. Вероятность того, что окажется меньше 12 пассажиров, равна 0,66. Найдите вероятность того, что число пассажиров будет от 12 до 20.

Решение. Вероятность того, что в автобусе окажется меньше 21 пассажира, включает в себя вероятность, что в нём окажутся от 12 до 20 пассажиров. При этом события, при которых пассажиров будет меньше 12, нам не подходят. Следовательно, отняв от первой вероятности (менее 21) вторую вероятность (менее 12), мы и найдём вероятность того, что пассажиров будет от 12 до 20 : 0,88 – 0,66 = 0,22.

Задача 8. В Волшебной стране бывает два типа погоды: хорошая и отличная, причём погода, установившись утром, держится неизменной весь день. Известно, что с вероятностью 0,9 погода завтра будет такой же, как и сегодня. 10 апреля погода в Волшебной стране хорошая. Найдите вероятность того, что 13 апреля в Волшебной стране будет отличная погода.

Решение:

Задачу выполняют несколько вариантов («Х» — хорошая погода, «О» — отличная погода):

11 апреля	12 апреля	13 апреля	Вероятность данного варианта
X – 0,9	X – 0,9	O – 0,1	0,9 ·0,9 ·0,1 = 0,081
X – 0,9	O – 0,1	O – 0,9	0,9 ·0,1 ·0,9 = 0,081
O – 0,1	O – 0,9	O – 0,9	0,1 ·0,9 ·0,9 = 0,081
O – 0,1	X – 0,1	O – 0,1	0,1 ·0,1 ·0,1 = 0,001

Вероятность происхождения какого-либо их этих 4-х вариантов равна сумме вероятностей каждого из вариантов: 0,081 + 0,081 + 0,081 + 0,001 = 0,244.

Задача 9. В Волшебной стране бывает два типа погоды: хорошая и отличная, причём погода, установившись утром, держится неизменной весь день. Известно, что с вероятностью 0,8 погода завтра будет такой же, как и сегодня. Сегодня 3 июля, погода в Волшебной стране хорошая. Найдите вероятность того, что 6 июля в Волшебной стране будет отличная погода.

Решение:

Задачу выполняют несколько вариантов («Х» ― хорошая погода, «О» ― отличная погода):

4 июля	5 июля	6 июля	Вероятность данного варианта
X – 0,8	X – 0,8	O – 0,2	0,8 · 0,8 · 0,2 = 0,128
X – 0,8	O – 0,2	O – 0,8	0,8 · 0,2 · 0,8 = 0,128
O – 0,2	O − 0,8	O − 0,8	0,2 · 0,8 · 0,8 = 0,128
O – 0,2	X – 0,2	O – 0,2	0,2 · 0,2 · 0,2 = 0,008

Вероятность происхождения какого-либо их этих 4 ― х вариантов равна сумме вероятностей каждого из вариантов: 0,128 + 0,128 + 0,128 + 0,008 = 0,392.

Как решать задачи на вероятность?

Если вас интересует вопрос заголовка, вы наверняка студент или школьник, столкнувшийся с новым для себя предметом. Задачи теории вероятностей сейчас решают и школьники пятых классов продвинутых школ, и старшеклассники перед ЕГЭ, и студенты буквально всех специальностей – от географов до математиков. Что же это за предмет такой, и как к нему подойти?

Вероятность. Что это?

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.

Алгоритм решения задач на вероятность

Подробнее с основами теории вероятностей можно ознакомиться, например, в онлайн учебнике.

А теперь не будем ходить вокруг да около, и сформулируем схему, по которой следует решать стандартные учебные задачи на вычисление вероятности случайного события, а затем ниже на примерах проиллюстрируем ее применение.

• Внимательно прочитать задачу и понять, что именно происходит (что из какого ящика вытаскивается, что где лежало, сколько приборов работает и т.п.)
• Найти основной вопрос задачи вроде “вычислить вероятность того, что …” и вот это многоточие записать в виде события, вероятность которого надо найти.
• Событие записано. Теперь надо понять, к какой “схеме” теории вероятностей относится задача, чтобы правильно выбрать формулы для решения. Ответьте на тестовые вопросы типа:
  • происходит одно испытание (например, выбрасывание двух костей) или несколько (например, проверка 10 приборов);
  • если испытаний несколько, зависимы ли результаты одного от других (зависимость или независимость событий);
  • событие происходит в единственной ситуации или задача говорит о нескольких возможных гипотезах (например, шар вынимается из любого ящика из трех, или из конкретного).

  Чем больше опыт решения задач, тем легче будет определить, какие формулы подходят.

• Выбрана формула (или несколько) для решения. Записываем все данные задачи и подставляем в данную формулу.
• Вуаля, вероятность найдена.

Как решать задачи: классическая вероятность

Пример 1. В группе из 30 студентов на контрольной работе 6 студентов получили «5», 10 студентов – «4», 9 студентов – «3», остальные – «2». Найти вероятность того, что 3 студента, вызванные к доске, получили по контрольной работе «2».

Начинаем решение по пунктам, описанным выше.

• В задаче речь идет о выборе 3 студентов из группы, которые удовлетворяют определенным условиям.
• Вводим основное событие $X$ = (Все 3 студента, вызванные к доске, получили по контрольной работе «2»).
• Так как в задаче происходит только одно испытание и оно связано с отбором/выбором по определенному условию, речь идет о классическом определении вероятности. Запишем формулу: $P=m/n$, где $m$ – число исходов, благоприятствующих осуществлению события $X$, а $n$ – число всех равновозможных элементарных исходов.
• Теперь необходимо найти значения $m$ и $n$ для этой задачи. Сначала найдем число всех возможных исходов – число способов выбрать 3 студентов из 30. Так как порядок выбора не имеет значения, это число сочетаний из 30 по 3: $$n=C_{30}^3=frac{30!}{3!27!}=frac{28cdot 29 cdot 30}{1cdot 2 cdot 3}=4060.$$ Найдем число способов вызвать только студентов, получивших “2”. Всего таких студентов было $30-6-10-9=5$ человек, поэтому $$m=C_{5}^3=frac{5!}{3!2!}=frac{4 cdot 5}{1cdot 2}=10.$$
• Получаем вероятность: $$P(X)=frac{m}{n}=frac{10}{4060}=0,002.$$ Задача решена.

Еще: Решенные задачи на классическое определение вероятности.

Некогда решать? Найди решенную задачу

Готовые решения задач по любым разделам теории вероятностей, более 10000 примеров! Найди свою задачу:

Как решать задачи: формула Бернулли

Пример 2. Какова вероятность того, что при 8 бросаниях монеты герб выпадет 5 раз?

Снова по схеме решения задач на вероятность рассматриваем данную задачу:

• В задаче идет речь о серии одинаковых испытаний – бросаний монеты.
• Вводим основное событие $X$ = (При 8 бросаниях монеты герб выпадет 5 раз).
• Так как в задаче происходит несколько испытаний, и вероятность появления события (герба) одинакова в каждом испытании, речь идет о схеме Бернулли. Запишем формулу Бернулли, которая описывает вероятность того, что из $n$ бросков монет герб выпадет ровно $k$ раз:
  $$ P_{n}(k)=C_n^k cdot p^k cdot (1-p)^{n-k}.$$
• Записываем данные из условия задачи: $n=8, p=0,5$ (вероятность выпадения герба в каждом броске равна 0,5) и $k=5$
• Подставляем и получаем вероятность:
  $$ P(X)=P_{8}(5)=C_8^5 cdot 0,5^5 cdot (1-0,5)^{8-5}=frac{8!}{5!3!}cdot 0,5^8=frac{6cdot 7 cdot 8}{1cdot 2 cdot 3} cdot 0,5^8= 0,219.$$
  Задача решена.

Еще примеры: Решенные задачи на формулу Бернулли

И это все? Конечно, нет.

Выше мы упомянули только малую часть тем и формул теории вероятностей, для более подробного изучения вы можете посмотреть учебник онлайн на данном сайте (или скачать классические учебники по ТВ), ознакомиться со статьями по решению вероятностных задач, бесплатными примерами, воспользоваться онлайн калькуляторами. Удачи!

Полезные статьи по теории вероятностей

• Как найти математическое ожидание случайной величины?
• Как найти дисперсию случайной величины?
• Как найти вероятность в задачах про выстрелы?
• Как найти вероятность в задачах про подбрасывания монеты?
• Как найти вероятность в задачах про подбрасывание игральных костей?
• Как найти вероятность в задачах про станки?
• Как найти вероятность в задачах про надежность схем и цепей?
• Как найти вероятность наступления хотя бы одного события?

Вероя́тность — степень (относительная мера, количественная оценка) возможности наступления некоторого события. Когда основания для того, чтобы какое-нибудь возможное событие произошло в действительности, перевешивают противоположные основания, то это событие называют вероятным, в противном случае — маловероятным или невероятным. Перевес положительных оснований над отрицательными, и наоборот, может быть в различной степени, вследствие чего вероятность (и невероятность) бывает большей либо меньшей^[1]. Поэтому часто вероятность оценивается на качественном уровне, особенно в тех случаях, когда более или менее точная количественная оценка невозможна или крайне затруднена. Возможны различные градации «уровней» вероятности^[2].

Исследование вероятности с математической точки зрения составляет особую дисциплину — теорию вероятностей^[1]. В теории вероятностей и математической статистике понятие вероятности формализуется как числовая характеристика события — вероятностная мера (или её значение) — мера на множестве событий (подмножеств множества элементарных событий), принимающая значения от до . Значение соответствует достоверному событию. Невозможное событие имеет вероятность 0 (обратное, вообще говоря, не всегда верно). Если вероятность наступления события равна , то вероятность его ненаступления (а также невероятность наступления) равна . В частности, вероятность означает равную вероятность наступления и ненаступления события.

Классическое определение вероятности основано на понятии равновозможности исходов. В качестве вероятности выступает отношение количества исходов, благоприятствующих данному событию, к общему числу равновозможных исходов. Например, вероятности выпадения «орла» или «решки» при случайном подбрасывании монеты одинаковы и равны , вероятности выпадения любой грани игральной кости одинаковы и равны . Данное классическое «определение» вероятности можно обобщить на случай бесконечного количества возможных значений — например, если некоторое событие может произойти с равной вероятностью в любой точке (количество точек бесконечно) некоторой ограниченной области пространства (плоскости), то вероятность того, что оно произойдёт в некоторой части этой допустимой области равна отношению объёма (площади) этой части к объёму (площади) области всех возможных точек.

Эмпирическое «определение» вероятности связано с частотой наступления события исходя из того, что при достаточно большом числе испытаний частота должна стремиться к объективной степени возможности этого события. В современном изложении теории вероятностей вероятность определяется аксиоматически, как частный случай абстрактной теории меры множества. Тем не менее, связующим звеном между абстрактной мерой и вероятностью, выражающей степень возможности наступления события, является именно частота его наблюдения.

Вероятностное описание тех или иных явлений получило широкое распространение в современной науке, в частности в эконометрике, статистической физике макроскопических (термодинамических) систем, где даже в случае классического детерминированного описания движения частиц детерминированное описание всей системы частиц не представляется практически возможным и целесообразным. В квантовой физике сами описываемые процессы имеют вероятностную природу.

История[править | править код]

Предыстория понятия вероятности[править | править код]

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 подсчёта числа возможных исходов при бросании нескольких костей, а также задача раздела ставки между игроками, когда игра закончена досрочно. Первую задачу при бросании трёх костей «решил» в 960 году епископ Виболд из г. Камбре^[3]. 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 XIII века эти аспекты учёл Ришар де Форниваль. Несмотря на то, что у него тоже фигурирует число 56, но он в рассуждениях учитывает, что, например, «одинаковое количество очков на трёх 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 чётко количество равновозможных исходов при подбрасывании трёх костей подсчитал Галилео Галилей, возводя шестёрку (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 XV века сформулировал и предложил первое (вообще говоря ошибочное) решение Лука Пачоли^[3]. Его решение заключалось в делении ставки пропорционально уже выигранным партиям. Существенное дальнейшее продвижение в начале XVI века связано с именами итальянских учёных Джероламо Кардано и Н. Тарталья. Кардано дал правильный подсчёт 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 трёх 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. 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 своё 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 понятия и теории вероятностей[править | править код]

Первые работы о вероятности относятся к XVII веку. Такие как переписка французских учёных Б. Паскаля, П. Ферма (1654 год) и нидерландского учёного X. Гюйгенса (1657 год) давшего самую раннюю из известных научных трактовок вероятности^[4]. По существу Гюйгенс уже оперировал понятием математического ожидания. Швейцарский математик Я. Бернулли установил закон больших чисел для схемы независимых испытаний с двумя исходами (результат был опубликован в 1713 году, уже после его смерти).

В XVIII в. — начале XIX в. теория вероятностей получает развитие в работах А. Муавра (Англия, 1718 год), П. Лаплас (Франция), К. Гаусса (Германия) и С. Пуассона (Франция). Теория вероятностей начинает применяться в теории ошибок наблюдений, развившейся в связи с потребностями геодезии и астрономии, и в теории стрельбы. Закон распределения ошибок по сути предложил Лаплас сначала как экспоненциальную зависимость от ошибки без учёта знака (в 1774 году), затем как экспоненциальную функцию квадрата ошибки (в 1778 году). Последний закон обычно называют распределением Гаусса или нормальным распределением.
Бернулли (1778 год) ввёл принцип произведения вероятностей одновременных событий. Адриен Мари Лежандр (1805) разработал метод наименьших квадратов.

Во второй половине XIX в. развитие теории вероятностей связано с работами русских математиков П. Л. Чебышёва, А. М. Ляпунова и А. А. Маркова (старшего), а также работы по математической статистике А. Кетле (Бельгия) и Ф. Гальтона (Англия) и статистической физике Л. Больцмана (в Австрии), которые создали основу для существенного расширения проблематики теории вероятностей. Наиболее распространённая в настоящее время логическая (аксиоматическая) схема построения основ теории вероятностей разработана в 1933 советским математиком А. Н. Колмогоровым.

Определения вероятности[править | править код]

Классическое определение[править | править код]

Классическое «определение» вероятности исходит из понятия равновозможности как объективного свойства изучаемых явлений. Равновозможность является неопределяемым понятием и устанавливается из общих соображений симметрии изучаемых явлений. Например, при подбрасывании монетки исходят из того, что в силу предполагаемой симметрии монетки, однородности материала и случайности (непредвзятости) подбрасывания нет никаких оснований для предпочтения «решки» перед «орлом» или наоборот, то есть выпадение этих сторон можно считать равновозможными (равновероятными).

Наряду с понятием равновозможности в общем случае для классического определения необходимо также понятие элементарного события (исхода), благоприятствующего или нет изучаемому событию A. Речь идёт об исходах, наступление которых исключает возможность наступления иных исходов. Это несовместимые элементарные события. К примеру, при бросании игральной кости выпадение конкретного числа исключает выпадение остальных чисел.

Классическое определение вероятности можно сформулировать следующим образом:

Вероятностью случайного события A называется отношение числа n несовместимых равновероятных элементарных событий, составляющих событие A, к числу всех возможных элементарных событий N:

Например, пусть подбрасываются две кости. Общее количество равновозможных исходов (элементарных событий) равно 36 (так как на каждый из 6 возможных исходов одной кости возможно по 6 вариантов исхода другой). Оценим вероятность выпадения семи очков. Получить 7 очков можно лишь при следующих сочетаниях исходов броска двух костей: 1+6, 2+5, 3+4, 4+3, 5+2, 6+1. То есть всего 6 равновозможных исходов, благоприятствующих получению 7 очков, из 36 возможных исходов броска костей. Следовательно, вероятность будет равна 6/36 или, если сократить, 1/6. Для сравнения: вероятность получения 12 очков или 2 очков равна всего 1/36 — в 6 раз меньше.

Геометрическое определение[править | править код]

Несмотря на то, что классическое определение является интуитивно понятным и выведенным из практики, оно, как минимум, не может быть непосредственно применено в случае, если количество равновозможных исходов бесконечно. Ярким примером бесконечного числа возможных исходов является ограниченная геометрическая область G, например, на плоскости, с площадью S. Случайно «подброшенная» «точка» с равной вероятностью может оказаться в любой точке этой области. Задача заключается в определении вероятности попадания точки в некоторую подобласть g с площадью s. В таком случае, обобщая классическое определение, можно прийти к геометрическому определению вероятности попадания в подобласть :

В виду равновозможности вероятность эта не зависит от формы области g, она зависит только от её площади. Данное определение естественно можно обобщить и на пространство любой размерности, где вместо площади использовать понятие «объёма». Более того, именно такое определение приводит к современному аксиоматическому определению вероятности. Понятие объёма обобщается до понятия меры некоторого абстрактного множества, к которой предъявляются требования, которыми обладает и «объём» в геометрической интерпретации — в первую очередь, это неотрицательность и аддитивность.

Частотное (статистическое) определение[править | править код]

Классическое определение при рассмотрении сложных проблем наталкивается на трудности непреодолимого характера. В частности, в некоторых случаях выявить равновозможные случаи может быть невозможно. Даже в случае с монеткой, как известно, существует явно не равновероятная возможность выпадения «ребра», которую из теоретических соображений оценить невозможно (можно только сказать, что оно маловероятно и то это соображение скорее практическое). Поэтому ещё на заре становления теории вероятностей было предложено альтернативное «частотное» определение вероятности. А именно, формально вероятность можно определить как предел частоты наблюдений события A, предполагая однородность наблюдений (то есть одинаковость всех условий наблюдения) и их независимость друг от друга:

где  — количество наблюдений, а  — количество наступлений события .

Несмотря на то, что данное определение скорее указывает на способ оценки неизвестной вероятности — путём большого количества однородных и независимых наблюдений — тем не менее в таком определении отражено содержание понятия вероятности. А именно, если событию приписывается некоторая вероятность, как объективная мера его возможности, то это означает, что при фиксированных условиях и многократном повторении мы должны получить частоту его появления, близкую к (тем более близкую, чем больше наблюдений). Собственно, в этом заключается исходный смысл понятия вероятности. В основе лежит объективистский взгляд на явления природы. Ниже будут рассмотрены так называемые законы больших чисел, которые дают теоретическую основу (в рамках излагаемого ниже современного аксиоматического подхода) в том числе для частотной оценки вероятности.

Философские проблемы обоснования[править | править код]

К моменту создания теории вероятностей основой математики были два класса объектов — числа и геометрические фигуры. Для теории вероятностей потребовалось добавить в этот список совершенно особый объект: случайное событие, а также тесно связанные с ним понятия (вероятность, случайная величина и др.). Своеобразие новой науки проявлялось и в том, что её утверждения носили не безусловный характер, как ранее было принято в математике, а предположительно-вероятностный. Поэтому долгое время не прекращались споры о том, можно ли считать идеализированное событие математическим понятием (и тогда теория вероятностей есть часть математики) или же это факт, наблюдаемый в опыте (и тогда теорию вероятностей следует отнести к естественным наукам).

По мнению Давида Гильберта, теория вероятностей родственна механике, то есть представляет собой математизированную «физическую дисциплину»^[5]. Август де Морган и его последователь У. С. Джевонс считали базовым понятием «субъективную вероятность», то есть количественную меру нашего понимания предмета исследования, и связывали теорию вероятностей с логикой^[6]. Проблемы, связанные с неоднозначной субъективной вероятностью, неоднократно обсуждались, их часто формулируют в виде «вероятностных парадоксов» (см., например, «парадокс трёх узников» или «парадокс мальчика и девочки»). Формализацию субъективной вероятности, совместимую с колмогоровской, предложили Бруно де Финетти (1937) и Леонард Сэвидж (1954).

Во второй половине XX века Альфред Реньи и А. Н. Колмогоров исследовали возможность дать обоснование теории вероятностей на базе теории информации^[7]. В наши дни «сложилось чёткое понимание того, что теория вероятностей является подлинно математической наукой, имеющей вместе с тем самые тесные и непосредственные связи с широким спектром наук о природе, а также с техническими и социально-экономическими дисциплинами»^[8].

Несмотря на доказанную практикой эффективность вероятностных методов, роль случайности в природе, причина и границы статистической устойчивости остаются предметом дискуссий^[9]. «За 200 лет, прошедших со времен Лапласа и Гаусса, наука не добилась продвижения в фундаментальном вопросе — когда возникает статистическая устойчивость»^[10].

Аксиоматическое определение[править | править код]

В современном математическом подходе вероятность задаётся аксиоматикой Колмогорова. Предполагается, что задано некоторое пространство элементарных событий . Подмножества этого пространства интерпретируются как случайные события. Объединение (сумма) некоторых подмножеств (событий) интерпретируется как событие, заключающееся в наступлении хотя бы одного из этих событий. Пересечение (произведение) подмножеств (событий) интерпретируется как событие, заключающееся в наступлении всех этих событий. Непересекающиеся множества интерпретируются как несовместные события (их совместное наступление невозможно). Соответственно, пустое множество означает невозможное событие.

Вероятностью (вероятностной мерой) называется мера (числовая функция) , заданная на множестве событий, обладающая следующими свойствами:

В случае если пространство элементарных событий X конечно, то достаточно указанного условия аддитивности для произвольных двух несовместных событий, из которого будет следовать аддитивность для любого конечного количества несовместных событий. Однако, в случае бесконечного (счётного или несчётного) пространства элементарных событий этого условия оказывается недостаточно. Требуется так называемая счётная или сигма-аддитивность, то есть выполнение свойства аддитивности для любого не более чем счётного семейства попарно несовместных событий. Это необходимо для обеспечения «непрерывности» вероятностной меры.

Вероятностная мера может быть определена не для всех подмножеств множества . Предполагается, что она определена на некоторой сигма-алгебре подмножеств^[11]. Эти подмножества называются измеримыми по данной вероятностной мере и именно они являются случайными событиями. Совокупность  — то есть множество элементарных событий, сигма-алгебра его подмножеств и вероятностная мера — называется вероятностным пространством.

Свойства вероятности[править | править код]

Основные свойства вероятности проще всего определить, исходя из аксиоматического определения вероятности.

1) вероятность невозможного события (пустого множества ) равна нулю:

Это следует из того, что каждое событие можно представить как сумму этого события и невозможного события, что в силу аддитивности и конечности вероятностной меры означает, что вероятность невозможного события должна быть равна нулю.

2) если событие A включается («входит») в событие B, то есть , то есть наступление события A влечёт также наступление события B, то:

Это следует из неотрицательности и аддитивности вероятностной меры, так как событие , возможно, «содержит» кроме события ещё какие-то другие события, несовместные с .

3) вероятность каждого события находится от 0 до 1, то есть удовлетворяет неравенствам:

Первая часть неравенства (неотрицательность) утверждается аксиоматически, а вторая следует из предыдущего свойства с учётом того, что любое событие «входит» в , а для аксиоматически предполагается .

4) вероятность наступления события , где , заключающегося в наступлении события при одновременном ненаступлении события , равна:

Это следует из аддитивности вероятности для несовместных событий и из того, что события и являются несовместными по условию, а их сумма равна событию .

5) вероятность события , противоположного событию , равна:

Это следует из предыдущего свойства, если в качестве множества использовать всё пространство и учесть, что .

6) (теорема сложения вероятностей) вероятность наступления хотя бы одного из (то есть суммы) произвольных (не обязательно несовместных) двух событий и равна:

Это свойство можно получить, если представить объединение двух произвольных множеств как объединение двух непересекающихся — первого и разности между вторым и пересечением исходных множеств: . Отсюда учитывая аддитивность вероятности для непересекающихся множеств и формулу для вероятности разности (см. свойство 4) множеств, получаем требуемое свойство.

Условная вероятность[править | править код]

Формула Байеса[править | править код]

Вероятность наступления события , при условии наступления события , называется условной вероятностью (при данном условии) и обозначается . Наиболее просто вывести формулу определения условной вероятности исходя из классического определения вероятности. Для данных двух событий и рассмотрим следующий набор несовместных событий: , которые исчерпывают все возможные варианты исходов (такой набор событий называют полным — см. ниже). Общее количество равновозможных исходов равно . Если событие уже наступило, то равновозможные исходы ограничивается лишь двумя событиями , что эквивалентно событию . Пусть количество этих исходов равно . Из этих исходов событию благоприятствуют лишь те, что связаны с событием . Количество соответствующих исходов обозначим . Тогда согласно классическому определению вероятности вероятность события при условии наступления события будет равна , разделив числитель и знаменатель на общее количество равновозможных исходов и повторно учитывая классическое определение, окончательно получим формулу условной вероятности:

.

Отсюда следует так называемая теорема умножения вероятностей:

.

В силу симметрии, аналогично можно показать, что также , отсюда следует формула Байеса:

Независимость событий[править | править код]

События A и B называются независимыми, если вероятность наступления одного из них не зависит от того, наступило ли другое событие. С учётом понятия условной вероятности это означает, что , откуда следует, что для независимых событий выполняется равенство

В рамках аксиоматического подхода данная формула принимается как определение понятия независимости двух событий. Для произвольной (конечной) совокупности событий их независимость в совокупности означает, что вероятность их совместного наступления равна произведению их вероятностей:

Выведенная (в рамках классического определения вероятности) выше формула условной вероятности при аксиоматическом определении вероятности является определением условной вероятности. Соответственно, как следствие определений независимых событий и условной вероятности, получается равенство условной и безусловной вероятностей события.

Полная вероятность и формула Байеса[править | править код]

Набор событий , хотя бы одно из которых обязательно (с единичной вероятностью) наступит в результате испытания, называется полным. Это означает, что набор таких событий исчерпывает все возможные варианты исходов. Формально в рамках аксиоматического подхода это означает, что . Если эти события несовместны, то в рамках классического определения это означает, что сумма количеств элементарных событий, благоприятствующих тому или иному событию, равно общему количеству равновозможных исходов.

Пусть имеется полный набор попарно несовместных событий . Тогда для любого события верна следующая формула расчёта его вероятности (формула полной вероятности):

Тогда вышеописанную формулу Байеса с учётом полной вероятности можно записать в следующем виде:

Данная формула является основой альтернативного подхода к вероятности — байесовского или субъективного подхода (см. ниже).

Вероятность и случайные величины[править | править код]

Важнейший частный случай применения «вероятности» — вероятность получения в результате испытания или наблюдения того или иного числового значения некоторой измеряемой (наблюдаемой) величины. Предполагается, что до проведения испытания (наблюдения) точное значение этой величины неизвестно, то есть имеется явная неопределённость, связанная обычно (за исключением квантовой физики) с невозможностью учёта всех факторов, влияющих на результат. Такие величины называют случайными. В современной теории вероятностей понятие случайной величины формализуется и она определяется как функция «случая» — функция на пространстве элементарных событий. При таком определении наблюдаются не сами элементарные события, а «реализации», конкретные значения случайной величины. Например, при подбрасывании монетки выпадает «решка» или «орел». Если ввести функцию, ставящую в соответствие «решке» — число 1, а «орлу» — 0, то получим случайную величину как функцию указанных исходов. При этом понятие случайной величины обобщается на функции, отображающие пространство элементарных событий в некоторое пространство произвольной природы, соответственно можно ввести понятия случайного вектора, случайного множества и т. д. Однако, обычно под случайной величиной подразумевают именно числовую функцию (величину).

Отвлекаясь от описанной формализации под пространством элементарных событий можно понимать множество возможных значений случайной величины. Сигма-алгеброй подмножеств являются произвольные интервалы на числовой оси, их всевозможные (счётные) объединения и пересечения. Вероятностную меру называют в данном случае распределением случайной величины. Достаточно задать вероятностную меру для интервалов вида , поскольку произвольный интервал можно представить как объединение или пересечение таких интервалов. Предполагается, что каждому интервалу вышеуказаного вида поставлена в соответствие некоторая вероятность , то есть некоторая функция возможных значений . Такую функцию называют интегральной, кумулятивной или просто функцией распределения случайной величины. В случае дифференцируемости этой функции (в этом случае соответствующие случайные величины называются непрерывными) вводится также аналитически часто более удобная функция — плотность распределения — производная функции распределения: . В случае дискретных случайных величин вместо плотности (она не существует в этом случае) можно использовать непосредственно ряд распределения  — вероятность -го значения. Соответствующая функция распределения будет связана с рядом распределения как: . Вероятность того, что случайная величина окажется в некотором интервале определяется как разность значений функции распределения на концах этого интервала. Через плотность распределения — это соответствующий интеграл от плотности на данном интервале (для дискретной случайной величины — просто сумма вероятностей значений из этого интервала).

Распределение случайной величины даёт её полную характеристику. Однако, часто используют отдельные характеристики этого распределения. В первую очередь это математическое ожидание случайной величины — среднее ожидаемое значение случайной величины с учётом взвешивания по вероятностям появления тех или иных значений, и дисперсия или вариация — средний квадрат отклонения случайной величины от её математического ожидания. В некоторых случаях используются и иные характеристики, среди которых важное значение имеют асимметрия и эксцесс. Описанные показатели являются частными случаями так называемых моментов распределения.

Существуют некоторые стандартные законы распределения, часто используемые на практике. В первую очередь — это нормальное распределение (распределение Гаусса). Оно полностью характеризуется двумя параметрами — математическим ожиданием и дисперсией. Его широкое использование связано, в частности, с так называемыми предельными теоремами (см. ниже). При проверке гипотез часто возникают распределения Хи-квадрат, распределение Стьюдента, распределение Фишера. При анализе дискретных случайных величин рассматриваются биномиальное распределение, распределение Пуассона и др. Также часто рассматривается гамма-распределение, частным случаем которого является экспоненциальное распределение, а также указанное выше распределение Хи-квадрат Естественно, используемые на практике распределения не ограничиваются только этими распределениями.

Часто на практике исходя из априорных соображений делается предположение, что распределение вероятностей данной случайной величины относится к некоторому известному с точностью до параметров распределению. Например, к тому же нормальному распределению, но с неизвестным математическим ожиданием и дисперсией (эти два параметра однозначно определяют все нормальное распределение). Задачей статистических наук (математическая статистика, эконометрика и т. д.) в таком случае является оценка значений этих параметров наиболее эффективным (точным) способом. Существуют критерии, с помощью которых можно установить степень «истинности» соответствующих методов оценки. Обычно требуется как минимум состоятельность оценки, несмещённость и эффективность в некотором классе оценок.

На практике применяются также непараметрические методы оценки распределений.

Законы больших чисел[править | править код]

Важнейшее значение в теории вероятностей и в её приложениях имеет группа теорем, объединяемых обычно под названием «закон больших чисел» или предельных теорем. Не прибегая к строгим формулировкам, можно сказать, например, что при некоторых слабых условиях среднее значение независимых одинаково распределенных случайных величин стремится к их математическому ожиданию при достаточно большом количестве этих случайных величин. Если в качестве совокупности случайных величин рассматривать независимые наблюдения одной и той же случайной величины, то это означает, что среднее по выборочным наблюдениям должно стремиться к истинному (неизвестному) математическому ожиданию этой случайной величины. Это закон больших чисел в форме Чебышёва. Это даёт основу для получения соответствующих оценок.

Весьма частным, но очень важным случаем является схема Бернулли — независимые испытания, в результате которых некоторое событие либо происходит, либо нет. Предполагается, что в каждом испытании вероятность наступления события одинакова и равна (но она неизвестна). Эту схему можно свести к средней величине, если ввести формальную случайную величину X, являющуюся индикатором наступления события: она равна 1 при наступлении события и 0 при ненаступлении события. Для такой случайной величины математическое ожидание также равно . Тогда среднее значение такой случайной величины — это фактически частота наступления события . Согласно вышеуказанной теореме это среднее (частота) должно стремиться к истинному математическому ожиданию этой случайной величины, то есть к неизвестной вероятности . Таким образом, с увеличением количества наблюдений частоту наступления события можно использовать в качестве хорошей оценки неизвестной вероятности. Это так называемый закон больших чисел Бернулли. Это закон был исторически первым законом больших чисел. Более строго можно как минимум утверждать, что вероятность того, что частота будет отклоняться от на некоторую величину , стремится к нулю для любых значений . Более общий результат (теорема Гливенко — Кантелли) заключается в том, что эмпирическое распределение в целом стремится к истинному распределению вероятностей с ростом количества наблюдений.

Наряду с указанными теоремами существует так называемая центральная предельная теорема, которая даёт предельное распределение вероятностей для средней, а именно, при определённых слабых условиях среднее значение наблюдений случайной величины при достаточно большом количестве наблюдений имеют нормальное распределение (независимо от исходного распределения самой случайной величины). Например, такое имеет место для среднего значения независимых одинаково распределенных случайных величин. В частности эта теорема применима и к схеме Бернулли. Вообще количество появлений события A в n испытаниях имеет биномиальное распределение, однако при достаточно большом количестве наблюдений это распределение согласно указанной теореме стремится к нормальному распределению в данном случае с математическим ожиданием и дисперсией , где  — вероятность появления события А в каждом испытании. Это утверждается в локальной и интегральной теоремах Муавра-Лапласа. Отсюда же следует и указанный выше вывод, а именно: среднее значение случайной величины-индикатора события — то есть частота появления события в испытаниях — будет иметь в пределе математическое ожидание и дисперсию , которая стремится к нулю с ростом количества испытаний. Таким образом, частота стремится к истинной вероятности наступления события при увеличении количества независимых испытаний, причем мы знаем распределение частоты при достаточно большом количестве наблюдений (строго говоря в пределе частота перестает быть случайной величиной, поэтому корректней говорить о распределении не частоты, а величины  — именно она в пределе имеет нормальное распределение с нулевым математическим ожиданием и дисперсией ^{[источник не указан 868 дней]}).

Байесовский подход к вероятности[править | править код]

В основе вышеописанного объективного (частотного) подхода лежит предположение о наличии объективной неопределённости, присущей изучаемым явлениям. В альтернативном байесовском подходе неопределённость трактуется субъективно — как мера нашего незнания. В рамках байесовского подхода под вероятностью понимается степень уверенности в истинности суждения — субъективная вероятность.

Идея байесовского подхода заключается в переходе от априорных знаний к апостерирорным с учётом наблюдаемых явлений. Суть байесовского подхода следует из описанной выше формулы Байеса. Пусть имеются полный набор гипотез , причем из априорных соображений оценены вероятности справедливости этих гипотез (степень уверенности в них). Полнота набора означает, что хотя бы одна из этих гипотез верна и сумма априорных вероятностей равна 1. Также для изучаемого события из априорных соображений известны вероятности  — вероятности наступления события , при условии справедливости гипотезы . Тогда с помощью формулы Байеса можно определить апостериорные вероятности  — то есть степень уверенности в справедливости гипотезы после того, как событие произошло. Собственно, процедуру можно повторить принимая новые вероятности за априорные и снова делая испытание, тем самым итеративно уточняя апостериорные вероятности гипотез.

В частности в отличие от базового подхода к оценке распределений случайных величин, где предполагается, что на основе наблюдений оцениваются значения неизвестных параметров распределений, в байесовском подходе предполагается что параметры — тоже случайные величины (с точки зрения нашего незнания их значений). В качестве гипотез выступают те или иные возможные значения параметров и предполагаются данными некоторые априорные плотности неизвестных параметров . В качестве оценки неизвестных параметров выступает апостериорное распределение. Пусть в результате наблюдений получены некоторые значения изучаемой случайной величины. Тогда для значений данной выборки предполагая известным правдоподобие — вероятность (плотность) получения данной выборки при данных значениях параметров , по формуле Байеса (в данном случае непрерывный аналог этой формулы, где вместо вероятностей участвуют плотности, а суммирование заменено интегрированием) получим апостериорную вероятность (плотность) параметров при данной выборке.

Вероятность, информация и энтропия[править | править код]

Пусть имеется равновероятных исходов. Степень неопределённости опыта в этой ситуации можно характеризовать числом . Этот показатель, введённый инженером-связистом Хартли в 1928 году характеризует информацию, которую необходимо иметь, чтобы знать какой именно из равновозможных вариантов имеет место, то есть свести неопределённость опыта к нулю. Простейший способ выяснить это — задать вопросы типа «номер исхода меньше половины N», если да, то аналогичный вопрос можно задать и для одной из половин (в зависимости от ответа на вопрос) и т. д. Ответ на каждый подобный вопрос сокращает неопределённость. Всего таких вопросов для полного снятия неопределённости понадобится как раз . Более формально, номера исходов можно представить в двоичной системе счисления, тогда  — это количество необходимых разрядов для такого представления, то есть количество информации в битах, с помощью которого можно закодировать реализацию равновозможных исходов. В общем случае, единица информации может быть и иной, поэтому логарифм теоретически можно использовать с любым основанием (например, если мы хотим изменять информацию в байтах, то нужно использовать логарифм по основанию 256).

Пусть теперь задана некоторая случайная величина α, распределённая на исходах с вероятностями , , тогда количество информации в случайной величине α определяется следующим образом (формула Шеннона):

где  — знак математического ожидания.

При равновероятных исходах () получаем уже известное соотношение . Для непрерывной случайной величины в этой формуле необходимо использовать вместо вероятностей — функцию плотности распределения и вместо суммы — соответствующий интеграл.

Указанную величину называют информацией, информационным количеством, информационной энтропией и т. д. Такое определение информации абстрагируется от какого-либо содержания информации, содержания конкретных исходов. Информационное количество определяется только на основе вероятностей. Величину Шеннон назвал энтропией в связи со схожестью с термодинамической энтропией. Последнее понятие впервые ввёл Рудольф Клаузис в 1865 году, а вероятностное толкование энтропии дал Людвиг Больцман в 1877 году. Энтропия макроскопической системы — это мера числа возможных микросостояний для данного макросостояния (более конкретно она пропорциональна логарифму количества микросостояний — статистическому весу) или мера «внутреннего беспорядка» макросистемы.

Вероятность и квантовая физика[править | править код]

В квантовой механике состояние системы (частицы) характеризуется волновой функцией (вообще говоря вектором состояния) — комплекснозначной функцией «координат», квадрат модуля которого интерпретируется как плотность вероятности получения заданных значений «координат». Согласно современным представлениям вероятностное определение состояния является полным и причиной вероятностного характера квантовой физики не являются какие-либо «скрытые» факторы — это связано с природой самих процессов. В квантовой физике оказываются возможными любые взаимопревращения различных частиц, не запрещённые теми или иными законами сохранения. И эти взаимопревращения подчиняются закономерностям — вероятностным закономерностям. По современным представлениям принципиально невозможно предсказать ни момент взаимопревращения, ни конкретный результат. Можно лишь говорить о вероятностях тех или иных процессов превращения. Вместо точных классических величин в квантовой физике возможна только оценка средних значений (математических ожиданий) этих величин, например, среднее время жизни частицы.

Вероятность в других сферах[править | править код]

Кроме вопроса о вероятности факта, может возникать, как в области права, так и в области нравственной (при известной этической точке зрения) вопрос о том, насколько вероятно, что данный частный факт составляет нарушение общего закона. Этот вопрос, служащий основным мотивом в религиозной юриспруденции Талмуда, вызвал и в римско-католическом нравственном богословии (особенно с конца XVI века) весьма сложные систематические построения и огромную литературу, догматическую и полемическую (см. Пробабилизм)^[1].

См. также[править | править код]

Примечания[править | править код]

Литература[править | править код]

• Альфред Реньи. Письма о вероятности / Пер. с венг. Д. Сааса и А. Крамли под ред. Б. В. Гнеденко. — М.: Мир, 1970.
• Вероятность в физике // Энциклопедический словарь юного физика / В. А. Чуянов (сост.). — М.: Педагогика, 1984. — С. 39. — 352 с.
• Гнеденко Б. В. Курс теории вероятностей. — М., 2007. — 42 с.
• Гнеденко Б. В. Очерк по истории теории вероятностей // Курс теории вероятностей. 8-е изд. — Μ.: Едиториал УРСС, 2005. — 448 с. — ISBN 5-354-01091-8. — С. 366—435.
• Купцов В. И. Детерминизм и вероятность. — М., 1976. — 256 с.
• Математика XIX века. Математическая логика, алгебра, теория чисел, теория вероятностей. Том I / Под ред. А. Н. Колмогорова, А. П. Юшкевича. — М.: Наука, 1978. — 255 с.