Как найти вероятность с монеткой

Бросание монет. Решение задач на нахождение вероятности

На этой странице я расскажу об одном популярном классе задач, которые встречаются в любых учебниках и методичках по теории вероятностей — задачах про бросание монет (кстати, они встречаются в части В6 ЕГЭ). Формулировки могут быть разные, например «Симметричную монету бросают дважды…» или «Бросают 3 монеты …», но принцип решения от этого не меняется, вот увидите.

Кстати, сразу упомяну, что в контексте подобных задач не существенно, написать «бросают 3 монеты» или «бросают монету 3 раза», результат (в смысле вычисления вероятности) будет один и тот же (так как результаты бросков независимы друг от друга).

Для задач о подбрасывании монеты существуют два основных метода решения, один — по формуле классической вероятности (фактически переборный метод, доступный даже школьникам), а также его более сложный вариант с использованием комбинаторики, второй — по формуле Бернулли (на мой взгляд он даже легче первого, нужно только запомнить формулу). Рекомендую по порядку прочитать про оба метода, и потом выбирать при решении подходящий.

1. Классическое определение вероятности

Для начала надо вспомнить саму формулу, по которой будем считать. Итак, вероятность находится как $P=m/n$, где $n$ — число всех равновозможных элементарных исходов нашего случайного эксперимента с подбрасыванием, а $m$ — число тех исходов, которые благоприятствуют событию (то есть тому, что указано в условии задачи). Но как найти эти загадочные исходы? Проще всего пояснить на примерах.

Пример 1. В случайном эксперименте симметричную монету бросают дважды. Найдите вероятность того, что орел выпадет ровно один раз.

Итак, монету бросают дважды. Если обозначить буквой Р выпадение решки (цифры), а буквой О — выпадение орла (герба), то все возможные выпадения можно записать так: РР, ОР, РО и ОО (соответствено, выпали две решки, орел потом решка, решка потом орел и два орла). Подсчитываем число этих комбинаций и получаем $n=4$. Теперь из них надо отобрать только те, что удовлетворяют условию «орел выпадет ровно один раз», это комбинации ОР и РО и их ровно $m=2$. Тогда искомая вероятность равна $P=2/4=1/2=0.5$. Готово!

Пример 2. Дважды бросают симметричную монету. Найти вероятность того, что оба раза выпала одна сторона.

Так как монета снова подбрасывается два раза, множество всех элементарных исходов эксперимента (или комбинаций, как мы их называем здесь для удобства), точно такое же: РР, ОР, РО и ОО, $n=4$. А вот условию «оба раза выпала одна сторона» удовлетворяют другие комбинации: РР и ОО, откуда $m=2$. Нужная вероятность равна $P=2/4=1/2=0.5$.

Как видим, все довольно просто. Перейдем к чуть более сложной задаче.

Пример 3. В случайном эксперименте симметричную монету бросают трижды. Найдите вероятность того, что орел выпадет ровно два раза.

Снова применим формулу классической вероятности. Шаг первый — выписываем все возможные комбинации уже для 3 бросков! Это будут: ООО, ООР, ОРО, ОРР, РОО, РОР, РРО, РРР. Смотри-ка, бросков всего на один больше, а комбинаций возможных уже $n=8$ (кстати, они находятся по формуле $n=2^k$, где $k$ — число бросков монеты).

Теперь из этого списка надо оставить только те комбинации, где О встречается 2 раза, то есть: ООР, ОРО, РОО, их будет $m=3$. Тогда вероятность события $P=m/n=3/8=0.375$.

Взяли разгон и переходим к 4 монетам.

Пример 4. Монету бросают 4 раза. Найти вероятность того, что герб выпадет от 2 до 3 раз.

Приступаем к вычислению. Шаг первый — выписываем все возможные комбинации для 4 бросков монеты. Чтобы проверить себя, сразу подсчитаем, что их должно получиться $n=2^4=16$ штук! Вот они:

OOOO, OOOP, OOPO, OOPP, OPOO, OPOP, OPPO, OPPP,
POOO, POOP, POPO, POPP, PPOO, PPOP, PPPO, PPPP.

Теперь выбираем те, где герб (он же орел, он же буква О) встречается 2 или 3 раза:
OOOP, OOPO, OOPP, OPOO, OPOP, OPPO, POOO, POOP, POPO, PPOO,

их будет $m=10$. Тогда вероятность равна $P=m/n=10/16=5/8=0.625$.

Думаю, к этому времени вы уже поняли суть метода и сможете сами решить задачи, где бросаются 2-3-4 монеты и орел не выпадает ни разу, или решка ровно один раз и т.п.

2. Комбинаторика + классическая вероятность

Надо заметить, что если действовать исключительно переборным методом (как это делалось выше), с ростом числа монет быстро растет число комбинаций (для 5 монет — 32, для 6 монет — 64 и так далее), так что и вероятность ошибиться при выписывании исходов велика, метод решения теряет свою простоту и привлекательность.

Один из способов решения этой проблемы — остаться в рамках формулы классической вероятности, но использовать комбинаторные методы (см. формулы комбинаторики тут) для подсчета числа исходов. Поясню на примере последней задачи, решив ее другим способом.

Пример 4. Монету бросают 4 раза. Найти вероятность того, что герб выпадет от 2 до 3 раз.

Найдем количество всех равновозможных элементарных исходов эксперимента, заключающегося в бросании 4 монет. Все исходы можно закодировать некоторой последовательностью вида $X_1 X_2 X_3 X_4$, где $X_i=O$ (в $i$-ый раз выпал орел) или $X_i=P$ (в $i$-ый раз выпала решка). Найдем число всех таких последовательностей. Значение $X_1$ (результат первого броска) может быть выбран 2 способами (орел или решка), значение $X_2$ (результат второго броска) может быть выбран 2 способами (орел или решка), и так далее. Итого получим всего $n=2cdot 2cdot 2cdot 2=16$ различных исходов. Или, если использовать формулу комбинаторики для числа размещений с повторениями из 2 объектов по 4 позициям, сразу получим $n=A_4^2=2^4=16$.

Найдем число благоприятствующих исходов с использованием комбинаторики. Сначала найдем число таких последовательностей, где О встречается ровно 2 раза. Выбираем $C_4^2$ способами 2 позиции, где будет стоять О (на остальных тогда ставим решки). Аналогично для последовательностей, где О встречается ровно 3 раза — $C_4^3$ способами выбираем 3 позиции, где будет стоять О (на оставшейся позиции записывается решка). Подсчитывая число сочетаний и складывая, найдем количество благоприятствующих комбинаций:
$$
m=C_4^2+C_4^3=frac{4!}{2!2!}+frac{4!}{3!1!}=frac{3cdot 4}{1cdot 2}+4=6+4=10.
$$
Итого получаем такое же значение вероятности: $P=m/n=10/16=0.625$.

Конечно, этот подход кажется сложнее из-за более формального математического описания решения, но гораздо легче масштабируется.

Например, если рассмотреть подобную задачу:

Пример 5. Монету бросают 8 раз. Найти вероятность того, что герб выпадет ровно 4 раза

Ответ можно получить без выписывания 256 комбинаций (!!!), просто по аналогии с примером выше:
$$
n=2^8=256;\
m=C_8^4=frac{8!}{4!4!}=frac{5cdot 6cdot 7 cdot 8}{1cdot 2 cdot 3 cdot 4}=70;\
P=frac{n}{n}=frac{70}{256}=0.273.
$$

Ради полноты изложения приведу еще пример задачи, решаемой подобным образом (но если хотите, можете сразу переходить к более простому способу 3).

Пример 6. Монету подбрасывают 6 раз. Найти вероятность того, что гербы выпадут два раза и только подряд, а в остальные разы будут только решки.

Найдем количество всех равновозможных элементарных исходов эксперимента, заключающегося в бросании 6 монет. Так как каждый бросок дает 2 возможных исхода (О или Р), всего получим $n=2^6=64$ элементарных исхода (комбинации вида ОРОРОР, ОООРРР и т.д.).

Найдем число благоприятствующих исходов. Мысленно объединим два герба, которые должны появиться рядом, в один объект (ОО). Остается выбрать ему место среди остальных 4 решек (так гербов должно выпасть 2, то решек — 6-2=4). Существует $m=C_5^1=5$ способов выбрать позицию в последовательности из 5 объектов. Для наглядности, если выбрана позиция 2, то есть оба герба стоят на втором месте, это комбинация Р(ОО)РРР, если выбрана позиция 4 — РРР(ОО)Р.
Искомая вероятность: $P=m/n=5/64=0.078$.

Способ 3. Формула Бернулли

Рассмотрим общую задачу о подбрасывании монет.

Пусть бросается $n$ монет (или, что тоже самое, монета бросается $n$ раз). Нужно вычислить вероятность того, что герб появится в точности $k$ раз.

Так как броски монет — события независимые (результат броска одной монеты не влияет на последующие броски), вероятность выпадения герба в каждом броске одинакова (и равна $p=1/2=0.5$), то можно для вычисления вероятности применить формулу Бернулли:
$$
P=P_n(k)=C_n^k cdot p^k cdot (1-p)^{n-k} = C_n^k cdot left(1/2right)^k cdot left(1-1/2right)^{n-k}=C_n^k cdot left(1/2right)^n.
$$

То есть, мы вывели общую формулу, дающую ответ на вопрос «какова вероятность того, что герб появится в точности $k$ раз из $n$» (запишем в трех эквивалентных видах, выбирайте удобный для себя):
$$
P=C_n^k cdot left(1/2right)^n=frac{C_n^k}{2^n}=C_n^k cdot 0.5^n, quad C_n^k=frac{n!}{k!(n-k)!}.
$$

А теперь все задачи решаются проще простого, вот глядите!

Пример 1. В случайном эксперименте симметричную монету бросают дважды. Найдите вероятность того, что орел выпадет ровно один раз.

Подставляем $n=2, k=1$ и получаем $P=C_2^1 cdot left(1/2right)^2=2 cdot frac{1}{4}=frac{1}{2}=0.5.$

Пример 4. Монету бросают 4 раза. Найти вероятность того, что герб выпадет от 2 до 3 раз.

Это уже третий способ решения задачи!
Подставляем $n=4, k=2$ и $k=3$, получаем
$$P=C_4^2 cdot left(1/2right)^4+C_4^3 cdot left(1/2right)^4=(6+4) cdot frac{1}{16}=frac{10}{16}=0.625.$$

Пример 7. В случайном эксперименте симметричную монету бросают трижды. Найдите вероятность того, что орел не выпадет ни разу.

Подставляем $n=3, k=0$ и получаем $P=C_3^0 cdot left(1/2right)^3=1 cdot frac{1}{8}=frac{1}{8}=0.125.$

Пример 8. Пусть бросают 8 монет. Найти вероятность того, что орел не менее 7 раз.

Подставляем $n=8, k=7$ и $k=8$ и получаем
$$P=C_8^8 cdot left(1/2right)^8+ C_8^7 cdot left(1/2right)^8=(1+8) cdot frac{1}{256}=frac{9}{256}=0.035.$$

Таким образом, используя одну простейшую формулу, можно решать множество задач, причем неважно, 3 монеты бросается, или 30, сложность расчетов примерно одинакова. Но, если число бросков становится очень большим, удобнее использовать приближенные формулы Муавра-Лапласа, о которых можно узнать здесь.

Пригодится: онлайн калькулятор для формулы Бернулли

Полезные ссылки

Решебник по вероятности

А здесь вы найдете более 200 задач о бросании монет с полными решениями (вводите часть текста для поиска своей задачи):

30 мая 2012

Задачи на подбрасывание монет считаются довольно сложными. И перед тем как решать их, требуется небольшое пояснение. Задумайтесь, любая задача по теории вероятностей в итоге сводится к стандартной формуле:

где p — искомая вероятность, k — число устраивающих нас событий, n — общее число возможных событий.

Большинство задач B6 решаются по этой формуле буквально в одну строчку — достаточно прочитать условие. Но в случае с подбрасыванием монет эта формула бесполезна, поскольку из текста таких задач вообще не понятно, чему равны числа k и n. В этом и состоит вся сложность.

Тем не менее, существует как минимум два принципиально различных метода решения:

1. Метод перебора комбинаций — стандартный алгоритм. Выписываются все комбинации орлов и решек, после чего выбираются нужные;
2. Специальная формула вероятности — стандартное определение вероятности, специально переписанное так, чтобы было удобно работать с монетами.

Для решения задачи B6 надо знать оба метода. К сожалению, в школах изучают только первый. Не будем повторять школьных ошибок. Итак, поехали!

Метод перебора комбинаций

Этот метод еще называется «решение напролом». Состоит из трех шагов:

1. Выписываем все возможные комбинации орлов и решек. Например: ОР, РО, ОО, РР. Число таких комбинаций — это n;
2. Среди полученных комбинаций отмечаем те, которые требуются по условию задачи. Считаем отмеченные комбинации — получаем число k;
3. Осталось найти вероятность: p = k : n.

К сожалению, этот способ работает лишь для малого количества бросков. Потому что с каждым новым броском число комбинаций удваивается. Например, для 2 монет придется выписать всего 4 комбинации. Для 3 монет их уже 8, а для 4 — 16, и вероятность ошибки приближается к 100%. Взгляните на примеры — и сами все поймете:

Задача. В случайном эксперименте симметричную монету бросают 2 раза. Найдите вероятность того, что орлов и решек выпадет одинаковое количество.

Итак, монету бросают два раза. Выпишем все возможные комбинации (O — орел, P — решка):

OO OP PO PP

Итого n = 4 варианта. Теперь выпишем те варианты, которые подходят по условию задачи:

OP PO

Таких вариантов оказалось k = 2. Находим вероятность:

Задача. Монету бросают четыре раза. Найдите вероятность того, что решка не выпадет ни разу.

Снова выписываем все возможные комбинации орлов и решек:

OOOO OOOP OOPO OOPP OPOO OPOP OPPO OPPP
POOO POOP POPO POPP PPOO PPOP PPPO PPPP

Всего получилось n = 16 вариантов. Вроде, ничего не забыл. Из этих вариантов нас устраивает лишь комбинация «OOOO», в которой вообще нет решек. Следовательно, k = 1. Осталось найти вероятность:

Как видите, в последней задаче пришлось выписывать 16 вариантов. Вы уверены, что сможете выписать их без единой ошибки? Лично я — не уверен. Поэтому давайте рассмотрим второй способ решения.

Специальная формула вероятности

Итак, в задачах с монетами есть собственная формула вероятности. Она настолько простая и важная, что я решил оформить ее в виде теоремы. Взгляните:

Теорема. Пусть монету бросают n раз. Тогда вероятность того, что орел выпадет ровно k раз, можно найти по формуле:

Где C_n^k — число сочетаний из n элементов по k, которое считается по формуле:

Таким образом, для решения задачи с монетами нужны два числа: число бросков и число орлов. Чаще всего эти числа даны прямо в тексте задачи. Более того, не имеет значения, что именно считать: решки или орлы. Ответ получится один и тот же.

На первый взгляд, теорема кажется слишком громоздкой. Но стоит чуть-чуть потренироваться — и вам уже не захочется возвращаться к стандартному алгоритму, описанному выше.

Задача. Монету бросают четыре раза. Найдите вероятность того, что орел выпадет ровно три раза.

По условию задачи, всего бросков было n = 4. Требуемое число орлов: k = 3. Подставляем n и k в формулу:

С тем же успехом можно считать число решек: k = 4 − 3 = 1. Ответ будет таким же.

Задача. Монету бросают три раза. Найдите вероятность того, что решка не выпадет ни разу.

Снова выписываем числа n и k. Поскольку монету бросают 3 раза, n = 3. А поскольку решек быть не должно, k = 0. Осталось подставить числа n и k в формулу:

Напомню, что 0! = 1 по определению. Поэтому C₃⁰ = 1.

Задача. В случайном эксперименте симметричную монету бросают 4 раза. Найдите вероятность того, что орел выпадет больше раз, чем решка.

Чтобы орлов было больше, чем решек, они должны выпасть либо 3 раза (тогда решек будет 1), либо 4 (тогда решек вообще не будет). Найдем вероятность каждого из этих событий.

Пусть p₁ — вероятность того, что орел выпадет 3 раза. Тогда n = 4, k = 3. Имеем:

Теперь найдем p₂ — вероятность того, что орел выпадет все 4 раза. В этом случае n = 4, k = 4. Имеем:

Чтобы получить ответ, осталось сложить вероятности p₁ и p₂. Помните: складывать вероятности можно только для взаимоисключающих событий. Имеем:

p = p₁ + p₂ = 0,25 + 0,0625 = 0,3125

Смотрите также:

1. Правила комбинаторики в задаче B6
2. Комбинаторика в задаче B6: легкий тест
3. Что такое числовая дробь
4. Задачи B12, сводящиеся к линейным уравнениям
5. Сложные задачи на проценты
6. Задача B4 с таблицами: тарифы на интернет

было в ЕГЭ

в условии
в решении
в тексте к заданию
в атрибутах

Категория

Атрибут

Всего: 55    1–20 | 21–40 | 41–55

Добавить в вариант

Всего: 55    1–20 | 21–40 | 41–55

Каждый год я участвую примерно в сотне собеседований в образовательных проектах JetBrains: собеседую абитуриентов в Computer Science Center и корпоративную магистратуру ИТМО (кстати, набор на программу идёт прямо сейчас). Все собеседования устроены по одному шаблону: мы просим на месте порешать задачи и задаём базовые вопросы по дисциплинам, которые студенты изучали в университетах. Большинство вопросов, которые мы задаём, довольно простые — нужно дать определение некоторого понятия, сформулировать свойство или теорему. К сожалению, у значительной доли студентов все эти определения выветриваются сразу после экзаменов в университетах. Казалось бы, что тут удивительного? В современном мире любое определение можно за пару секунд нагуглить, если это нужно. Но невозможность восстановить базовое определение свидетельствует о непонимании сути предмета.

Если непонимание алгебры или математического анализа может мало влиять на вашу жизнь, то непонимание теории вероятностей делает из вас лёгкую мишень для обмана и манипулирования. Суждения о вероятностях различных событий настолько глубоко вошли в нашу повседневную жизнь, что умение правильно рассуждать и отличать правду от невежества или манипуляции является необходимым. В этом небольшом обзоре мы поговорим о базовых понятиях теории вероятностей, научимся правильно формулировать утверждения про простые случайные процессы и разберём несколько парадоксов. Часть материала позаимствована из брошюры А. Шеня «Вероятность: примеры и задачи», которую я очень рекомендую для самостоятельного изучения.

Перед тем, как говорить об определениях, нам нужно договориться о том, откуда же в нашем мире берётся случайность. Например, почему мы считаем, что подбрасывание монеты — это случайный процесс? С точки зрения классической физики, описывающей процессы в макромире, всё детерминировано, поэтому по параметрам подброса монеты можно однозначно определить, какой стороной она упадёт. Однако на практике оказывается, что измерить и учесть все силы, которые действуют на монетку фактически, невозможно, и поэтому результат этого эксперимента принято считать случайным. Важно понимать, что этот вопрос не является вопросом теории вероятностей. Теория вероятностей работает с моделями — для неё монетка, у которой орёл и решка выпадают одинаково часто, и монетка, у которой орлов в два раза больше, чем решек, — это просто две разные модели. Вопрос о том, какая из моделей больше соответствует наблюдаемой действительности — это вопрос нашего опыта (опыт показывает, что частота орла и решки примерно одинаковая). Таким образом, первым делом мы должны договориться о модели.

Определения

Для определения модели, которая позволит нам говорить о вероятностях, нужно описать вероятностное пространство.

Вероятностное пространство в самом простом конечном случае состоит из множества элементарных исходов

и набора неотрицательных чисел

, таких что их сумма равна

. Довольно часто все исходы считаются равновероятными, т.е.

. В более сложном бесконечном случае нужно отдельно выделять множество интересующих нас событий и задавать вероятности событий при помощи функции, называемой вероятностной мерой. Событием называется множество, состоящее из элементарных событий, т.е. любое подмножество

. Вероятность события

, обозначается

, — это сумма всех таких

, что

. В частности, вероятность пустого события

равна нулю, а события

равна 1. В случае, когда все исходы считаются равновероятными, вероятность события просто равна отношению количества исходов, содержащихся в событии, к общему количеству элементарных исходов, т.е.

.

Вероятность любого события заключена между 0 и 1. Если вероятность события нулевая, то такое событие называется невозможным, если же вероятность события равна единице, то такое событие называется достоверным.

Важно, что без определения вероятностного пространства нельзя (в математическом смысле) говорить о вероятности чего-либо.

Замечание

На основе определения вероятностного пространства легко провести разделение между теорией вероятностей и статистикой: теория вероятностей предсказывает частоты на основе знания вероятностного пространства, а статистика решает обратную задачу — на основе наблюдаемых частот определяет параметры неизвестного вероятностного пространства.

Пример: подбрасывание монетки

Будем считать, что монетка

чеканная

«правильная» или «симметричная», т.е. она одинаково часто выпадает орлом и решкой, а на ребро никогда не встаёт. Тогда множество элементарных исходов состоит из двух элементов,

. Так как мы договорились, что монетка «правильная», то разумно считать, что

. Теперь давайте перечислим все возможные события и их вероятности.

1. Не выпадет ни орёл, ни решка. Это соответствует событию , .
2. Выпадет орёл, , .
3. Выпадет решка, , .
4. Выпадет орёл или решка, , .

Пример: подбрасывание игрального кубика

Как и в случае с монеткой мы будем предполагать, что игральный кубик выпадает всеми гранями одинаково часто. Тогда множество элементарных исходов состоит из шести элементов,

, все их вероятности равны

. Количество различных событий в этом эксперименте равно

(это количество всех подмножеств множества из 6 элементов). Удивительным образом вопрос «сколько существует различных событий в эксперименте с подбрасывание игрального кубика?», по моим наблюдения, ставит в тупик 9 из 10 абитуриентов.
Давайте рассмотрим некоторые примеры событий.

1. Выпадет 1, , .
2. Выпадет число большее трёх, , .
3. Выпадет число кратное трём, , .

Пример: два подбрасывания монетки

В тех же предположениях о «симметричености» монеты мы определим множество элементарных исходов как множество упорядоченных пар

Симметриченость монетки позволяет нам заключить, что все элементарные исходы равновероятны, т.е.

.
Примеры событий.

1. В первом броске выпадет решка, , .
2. Выпадет хотя бы одна решка, , .
3. Монетка дважды выпадет одной стороной, , .

Пример: выбираем случайное число из календаря 2020 года

Множество элементарных исходов

. Как выбрать вероятности? Это зависит от того, как устроен эксперимент. Например, мы можем вырвать случайный лист отрывного календаря и посмотреть число на нем. Наиболее точной моделью, описывающей этот эксперимент, было бы вероятностное пространство с

исходами, где одинаковые числа разных месяцев различаются. И тогда вероятность того, что выпадет число 1, была бы суммой вероятностей элементарных исходов, соответствующих первым числам разных месяцев, т.е.

. Но мы можем для удобства рассмотреть более простое множество элементарных исходов

с 31 исходом, но с разными вероятностями:

,

,

.

Пример события: «выпавшее число месяца делится на 10». Это соответствует событию

.

Замечание

Как только мы определили вероятностное пространство (т.е. определились с множеством

и вероятностями, которые мы приписываем элементарным исходам), то вопрос о вероятности некоторого события становится чисто арифметическим. Другими словами, как только мы выбрали некоторую математическую модель, которая с нашей точки зрения описывает физический процесс, то вероятности всех событий однозначно определены.

Задачи для самопроверки

В каждой задаче следует сначала описать вероятностное пространство, а уже только потом производить вычисления.

1. Бросаем два игральных кубика: красный и синий. Определите вероятность того, что цифры на красном и синем кубиках совпадут.
2. В этом же эксперименте с кубиками нужно найти наиболее вероятную сумму цифр на кубиках.
3. Наудачу выбирается одно число от 1 до 20. Считая все числа равновозможными, определите вероятность того, что выбранное число:
   • чётно;
   • делится на 3;
   • делится и на 2, и на 3;
   • не делится ни на 2, ни на 3;
   • имеет сумму цифр 9;
   • имеет сумму цифр, делящуюся на 3.

Пример вероятностного пространства, не соответствующего физическому миру

Рассмотрим следующий эксперимент: подбрасываем две монетки и смотрим на то, какими сторонами они выпали. Можно было бы сказать, что в данной задаче всего три исхода: две решки, два орла и орёл и решка. Если предполагать, что все исходы равновозможны, то получается, что вероятность выпадения двух орлов равна 1/3. Математика не запрещает нам рассматривать такое вероятностное пространство, но экспериментальная проверка подсказывает, что в физическом мире ответ скорее ближе к 1/4. Поэтому не стоит по умолчанию предполагать все исходы равновозможными, иначе мы получим 1/2 в ответ на вопрос о вероятности встречи динозавра.

Формула суммы вероятностей

Будем называть два события несовместными, если их пересечение равно пустому множеству. Т.е., нет исходов, которые соответствовали бы обоим событиям. Пример: события «на игральном кубике выпало чётное число» и «на игральном кубике выпала единица или тройка» несовместны.

Несовместные события обладают следующим свойством. Пусть

и

— два несовместных события. Вероятность того, что произойдёт хотя бы одно из них, равна сумме вероятностей

и

, другими словами

, событие

также называют суммой событий и и обозначают

. Это свойство не выполняется для произвольных событий. Например, события «на игральном кубике выпало чётное число» и «на игральном кубике выпало число больше четырёх» не несовместны и сумма их вероятностей (5/6) больше вероятности их суммы (4/6).

Рассмотрим следующую задачу. В мешке лежат шарики трёх цветов: белые, жёлтые и чёрные. Причём известно, что белых

от общего числа, а жёлтых —

. Какова вероятность того, что случайно вытащенный шар будет светлым? Аккуратный подсчёт показывает, что если в мешке

шаров, то рассматриваемому событию соответствует

шаров, т.е.

от общего числа шаров. События «вытащен белый шар» и «вытащен жёлтый шар» несовместны, поэтому вероятность, что шар будет светлым равна сумме вероятностей этих событий.

События называются противоположными, если всегда происходит ровно одно из них. Из этого определения можно заключить, что во-первых, эти события несовместны, а во-вторых, их суммарная вероятность равна 1. Событие, противоположное событию

, выражается, как

(если все элементарные исходы имеют положительную вероятность, то это единственное такое событие).

Задача для самопроверки

Наудачу выбирается число

от 1 до 100. Рассмотрим следующие события:

1. число чётно;
2. число нечётно;
3. число делится на 4;
4. число имеет остаток 2 при делении на 4;
5. число имеет остаток 1 при делении на 4.

Какие из этих событий несовместны? (укажите все пары)

Формула включений и исключений

Как определить вероятность суммы двух событий, которые не являются несовместными? Рассмотрим следующий пример. Среди учеников школы

процентов знают французский язык и

знают немецкий. Доля тех, кто владеет обоими языками всего

. Какова доля учеников, знающих хотя бы один из этих двух языков? Если нарисовать диаграмму, если мы сложим доли знающих французский и знающих немецкий, то мы дважды посчитаем тех, кто знает оба языка. Поэтому ответ:

.

Этот же вопрос можно сформулировать и на языке теории вероятностей: с какой вероятностью случайно выбранный школьник знает хотя бы один из двух языков? Аналогичное рассуждение приводит нас к следующей формуле:

где

 — это пересечение событий

и

, т.е. это событие состоящее из тех элементарных исходов, которые входят одновременно и в

, и в

(такое событие также называют произведением событий и и обозначают

).

Задача для самопроверки

Известно, что ученики класса, имеющие двойки по алгебре, составляют 25%, а ученики, имеющие двойки по геометрии, составляют 15%. Сколько учеников имеют двойки и по алгебре, и по геометрии, если ученики, не имеющие двоек ни по одному из предметов, составляют 70%?

Условная вероятность

Снова рассмотрим задачу про учеников и иностранные языки. Какая доля среди школьников знающих немецкий знает и французский? Ответ легко вычислить, посмотрев на картинку. Нужно вычислить отношение количества школьников знающих оба языка к количеству школьников знающих немецкий, т.е.

. Переходя к языку теории вероятностей можно задаться следующим вопросом: какова вероятность, что случайно выбранный школьник знает французский при условии, что он знает немецкий? Пусть события

и

соответствуют тому, что случайно выбранный школьник знает французский и немецкий соответственно. Тогда искомая вероятность называется условной вероятностью наступления при условии и обозначается

. По аналогии получаем следующую формулу для условной вероятности:

Какова вероятность, что случайно выбранный школьник знает немецкий при условии, что он знает французский?

Из формулы условной вероятности можно получить формулу для вероятности произведения двух событий.

Словами: чтобы найти вероятность того, что произойдут оба события

и

, надо умножить вероятность события

на условную вероятность события

при известном

.

Задача для самопроверки

В классе 50% мальчиков; среди мальчиков 60% любит мороженое. Какова доля мальчиков, любящих мороженое, среди учеников класса? Как это переформулировать на языке теории вероятностей?

Независимость

Рассмотрим эксперимент с бросанием двух игральных кубиков: красного и синего. В этом эксперименте имеются 36 исходов, которые мы считаем равновозможными. Вероятность того, что на красном кубике выпадет тройка, равна

(6 исходов из 36), вероятность того, что на синем кубике выпадет тройка, тоже равна

. Какова вероятность того, что на синем кубике выпадет тройка при условии, что на красном выпала тройка? По формуле условной вероятности нужно посчитать отношение вероятности выпадения тройки на обоих кубиках к вероятности выпадения тройки на красном. Получаем

. Заметим, что наличие информации о том, что на красном кубике выпала тройка, никак не влияет на вероятность выпадения тройки на синем. Такие события будем называть независимыми. Будем говорить, что события

и

независимы, если

(В этом определении предполагаются, что обе вероятности событий

и

строго больше нуля.)

Альтернативное определение можно получить, если воспользоваться определением условной вероятности: два события называются независимыми, если вероятность их произведения равна произведению их вероятностей.

Задачи для самопроверки

1. Являются ли события «знать немецкий» и «знать французский» независимыми?
2. Бросаем один игральный кубик. Являются ли независимыми события:
   1. «выпало чётное» и «выпало нечётное»,
   2. «выпало чётное» и «выпало 2»,
   3. «выпало чётное» и «выпало кратное трём».

Следующий шаг — это разговор про формулу Байеса, которая выводится из определения условной вероятности. Перепишем определение:

И подставив это в определение получаем формулу Байеса

которая позволяет менять местами событие и условие под знаком вероятности. Думаю, что про применение формулы Баейса нужно писать отдельный пост, например, такой.

На этом мы закончим с определениями и перед тем, как перейти к парадоксам, давайте обсудим, а в каких случаях мы можем говорить о вероятности.

Когда мы можем говорить о вероятности?

Предлагаю рассмотреть несколько вопросов, которые проиллюстрируют важность формулировок.

Какова вероятность того, что гуляя по улице вы встретите динозавра?

Я думаю, что всем ясно, что это не 1/2. Но всё же, как правильно ответить на этот вопрос? Проблема этого вопроса в том, что он сформулирован некорректно — из него нельзя однозначным образом определить вероятностное пространство, а следовательно и о вероятности говорить нельзя. Можно предложить какую-нибудь другую формулировку вопроса, в которой это будет очевидно. Например, начиная с завтрашнего дня на каждой улице города каждую минуту с вероятностью 0.00001 материализуется динозавр и существует в течение часа, никуда не уходя. В данной формулировке понятен случайный процесс и можно оценить вероятность встречи, если определить, как устроена прогулка, сколько длится и сколько улиц она затрагивает.

Вы подбросили монетку и не подглядывая накрыли её рукой. Какова вероятность того, что монетка повёрнута орлом вверх?

Очень хочется сказать, что в данном случае уж точно вероятность — 1/2. Однако, строго говоря, никакого случайного процесса уже нет. Монетка уже упала какой-то стороной. От того, что вы чего-то не знаете, не значит, что это что-то случайное. Например, если вы не знаете решение уравнения — это не значит, что его решением с одинаковой вероятностью может быть любое число. Поэтому в данном случае описать вероятностное пространство не получится. Можно переформулировать вопрос, например, так: «Какова вероятность, что вы угадаете сторону монетки, если наугад равновероятно выберите орёл или решку?». В такой формулировке уже ясно, что является случайным процессом (выбор орла или решки), как определить вероятностное пространство и получить ответ 1/2. При этом, в такой формулировке уже совершенно неважно, была монетка «честной» или нет.

Замечание. Нашу уверенность в чём-то тоже можно описывать в терминах теории вероятностей — это делается в рамках Байесовской интерпретации теории вероятностей. Эта интерпретации позволяет использовать аппарат теории вероятностей для оценки нашей уверенности в истинности каких-то утверждений (не обязательно случайных) основываясь на информации, которая нам известна. Однако стоит заметить, что в этом случае понятие вероятности становится субъективным — у одного и того же события с точки зрения разных наблюдателей может быть разная вероятность. Например, в покере вы можете считать вероятность выпадения пиковой дамы положительной (так как вы не видите её на столе и в своей руке), а ваш противник, у которого в руке уже есть пиковая дама, будет оценивать вероятность её выпадения как нулевую. При этом можно придумать и такой вариант, в котором обе оценки окажутся отличными от «реальной», объктивной, вероятности. В этом нет противоречия, т.к. в это три различные величины (игроки обладают разной информацией, а объективная вероятность в данном случае соответствует полной информации).

Вы проснулись утром. Какова вероятность того, что сегодня воскресенье?

Думаю, что вы уже поняли, что ответ 1/7 — неправильный, а точнее, вопрос некорректный. Не понятно, что является случайный процессом. Для того, чтобы получить 1/7 нужно уточнить вопрос, например, так: вы засыпаете в воскресенье вечером и случайным образом просыпаетесь в любое утро на следующей неделе, какова вероятность, что вы проснётесь в воскресенье? Но даже с этим уточнением, если спросить вас о дне недели уже после того, как вы проснулись (после того, как случайный выбор был сделан), то такой вопрос останется некорректным — иначе придётся предполагать, что вы находитесь в суперпозиции всех дней недели до тех пор, пока не посмотрите на календарь.

Я написал на доске некоторое (конкретное) число и утверждаю, что дважды успешно проверил его на простоту вероятностным алгоритмом, который ошибается с вероятность менее 1%. С какой вероятностью это число простое?

Хотелось бы сказать, что это число простое с вероятностью более 99.99%. Однако, с математической точки зрения число может быть либо простым, либо нет. Поэтому так говорить некорректно. После того, как алгоритм завершил работу, ничего случайного в этой постановке задачи уже нет, следовательно нет и вероятности. Правильно было бы сказать, что вы уверены на 99.99%, что это число простое, но и это вы можете заявить только в том случае, если доверяете мне на 100%

Парадоксы

В этом разделе мы попробуем разобрать несколько известных «парадоксов» теории вероятностей и понять, что в них либо нет противоречий, либо вопросы поставлены некорректно.

Парадокс Монти-Холла

Этот очень известный парадокс. Об него было сломано много копий, в том числе даже именитые математики давали неправильный ответ.

Представьте, что вы стали участником игры, в которой вам нужно выбрать одну из трёх дверей. За одной из дверей находится автомобиль, за двумя другими дверями — козы. Вы выбираете одну из дверей, например, номер 1, после этого ведущий, который знает, где находится автомобиль, а где — козы, открывает одну из оставшихся дверей, например, номер 3, за которой находится коза. После этого он спрашивает вас — не желаете ли вы изменить свой выбор и выбрать дверь номер 2? Увеличатся ли ваши шансы выиграть автомобиль, если вы примете предложение ведущего и измените свой выбор?

Как подсказывает Википедия, для того, чтобы задача была определена корректно, нам требуется уточнить, что участнику игры заранее известны следующие правила:

1. автомобиль равновероятно размещён за любой из трёх дверей;
2. ведущий знает, где находится автомобиль;
3. ведущий в любом случае обязан открыть дверь с козой (но не ту, которую выбрал игрок) и предложить игроку изменить выбор;
4. если у ведущего есть выбор, какую из двух дверей открыть, он выбирает любую из них с одинаковой вероятностью.

Если вы не знакомы с этим парадоксом, то я предлагаю вам несколько минут подумать о том, каким будет правильный ответ.

Для того, чтобы ответить на заданный вопрос, давайте разберёмся, что тут является случайным процессом. По уточнению видно, что случайный процесс упоминается только в пунктах 1 и 4: «автомобиль равновероятно размещён за любой из трёх дверей» и «если у ведущего есть выбор, какую из двух дверей открыть, он выбирает любую из них с одинаковой вероятностью». Вопрос, на который мы должны научиться отвечать, звучит так: «Увеличатся ли ваши шансы выиграть автомобиль, если вы примете предложение ведущего и измените свой выбор». Т.е. нас спрашивают о том, какая из двух стратегий даёт большую вероятность выигрыша. Замечу, что условие номер 4 никак не влияет на факт выигрыша игрока, поэтому нет смысла включать его в вероятностное пространство. Поэтому предлагается выбрать вероятностное пространство с множеством элементарных исходов

, соответствующим номеру двери, за которым находится автомобиль, и вероятностями

. Теперь рассмотрим две стратегии игрока: «оставить выбранную дверь», обозначим

, и «сменить дверь», обозначим

.

Мы не знаем, как игрок делает выбор первой двери, но нам и не нужно это знать. Достаточно проверить, как работает стратегия при всех выборах первой двери. Обозначим через

дверь, которую игрок выбрал изначально, а через

— дверь, за которой спрятан автомобиль. Тогда для любого

событие «игрок выиграл при использовании стратегии

» соответствует тому, что он угалад правильную дверь с первой попытки. Говоря формально, нас интересует событие

, т.е.

, и его вероятность

. Событие «игрок выиграл при использовании стратегии

» соответствует противоположному событию

, т.е.

, и его вероятность

. Осталось ещё раз отметить, что, если этот анализ верен для любого выбора

, поэтому верен и при любой стратегии выбора первой двери. Кроме того, заметим, что мы никак не использовали условие 4.

Как видите, никаких неоднозначностей тут нет, парадоксом эта задача называется только потому, что ответ может не соответствовать интуиции. Но так в математике случается довольно часто.

Парадокс мальчика и девочки

Цитирую Википедию.

Впервые задача была сформулирована в 1959 году, когда Мартин Гарднер опубликовал один из самых ранних вариантов этого парадокса в журнале Scientific American под названием «The Two Children Problem», где привёл следующую формулировку:

• У мистера Джонса двое детей. Старший ребёнок — девочка. Какова вероятность того, что оба ребёнка — девочки?
• У мистера Смита двое детей. Хотя бы один ребёнок — мальчик. Какова вероятность того, что оба ребёнка — мальчики?

Сам Гарднер изначально давал ответ и соответственно, но впоследствии понял, что ситуация во втором случае неоднозначна. Ответом на второй вопрос может быть и в зависимости от того, как было выяснено, что один из детей — мальчик.

Вероятностное пространоство задано

и все вероятности равны

. В первом случае нам известно, что выполнено событие

. Поэтому при условии

вероятность двух девочек равна 1/2.

Во втором случае всё сложнее, т.к. не понятно, как мы узнали, что у мистера Смита один из детей мальчик. Можно предположить два варианта:

1. Выбирается случайный человек с двумя детьми и его спрашивают, есть ли среди его детей мальчик. Тогда вероятность двух мальчиков получится 1/3, т.к. это соответствует вероятности ММ при условии события .
2. Выбирается случайный человек с двумя детьми, выбирается случайный его ребёнок (старший или младший) и спрашивается его пол. Этот эксперимент соответствует другому вероятностному пространству, в котором нужно ещё учесть выбор того ребёнка, про которого спрашивают. В нём будет 8 элементарных исходов, и нам подойдут четыре из них (ММ и спросили про старшего, ММ и спросили про младшего, МД и спросили про старшего, ДМ и спросили про младшего). Нам подходят два исхода, поэтому ответом будет 1/2.

Парадокс Спящей Красавицы

Обсуждение этого парадокса мотивировано вот этим постом на хабре, который вызвал широкое обсуждение, но описание этого парадокса есть и в википедии.

Испытуемой («Спящей Красавице») делается укол снотворного. Бросается симметричная монетка. В случае выпадения орла её будят, и эксперимент на этом заканчивается. В случае выпадения решки её будят, делают второй укол (после чего она забывает о побудке) и будят на следующий день, не бросая монеты (в таком случае эксперимент идёт два дня подряд). Вся эта процедура Красавице известна, однако у неё нет информации, в какой день её разбудили.

Представьте себя на месте Спящей Красавицы. Вас разбудили. Какова вероятность того, что монетка упала решкой?

Предлагается рассмотреть два альтернативных решения с разными результатами.

Решение 1

У вас нет никакой информации о результате выпадения монеты и предыдущих побудках. Поскольку известно, что монетка честная, можно предположить, что вероятность выпадения решки равна

.

Решение 2

Проведём эксперимент 1000 раз. Спящую Красавицу будят в среднем 500 раз с орлом и 1000 раз с решкой (т.к. при выпадении решки Спящую Красавицу спрашивают 2 раза). Поэтому вероятность выпадения решки равна

.

Кажется, что оба решения могут претендовать на звание правильного. Однако, при попытке определить вероятностное пространство нас ожидают серьёзные трудности. Что же является случайным процессом? Дело в том, что когда Спящая Красавица просыпается, никакого случайного процесса уже нет. Выбор уже сделан. Ей не известен результат этого выбора, но ничего случайного уже нет. Это возвращает нас к примеру с динозавром. Если вы не знаете, есть ли за углом динозавр, то это не значит, что он там есть с вероятностью 1/2. Поэтому «Решение 1» отвечает не на вопрос про вероятность, а на вопрос про степень уверенности Спящей Красавицы. А «Решение 2» предлагает рассмотреть совершенно другой эксперимент, в котором задаётся в общем-то совершенно другой вопрос, на который предлагается ответить внешнему наблюдателю до начала эксперимента.

Для того, чтобы придать этому вопросу математический смысл и получить желаемый ответ 2/3, придётся воспользоваться каким-нибудь философским приёмом, вроде «подселения душ». Например, так: вы заходите в аппарат переселения душ, после этого подбрасывается монетка для Спящей Красавицы, которая создаёт две параллельные вселенные: одну, где монетка выпала орлом, и другую, где выпала решкой. Суммарно в пространстве-времени этих двух альтернативных вселенных есть три различных пробуждения Спящей Красавицы. Аппарат по переселению душ с вероятностью 1/3 подселяет вашу душу в тело Спящей Красавицы незадолго до одного из этих пробуждений. Какова вероятность, что вы проснетесь в параллельной вселенной, где выпала решка?

Как видите, для придания математического смысла этому вопросу, придётся хорошенько пофантазировать, но этим занимаются не математики, а философы (подробнее в этом посте). Утверждать, что «оба решения правильные», некорректно с математической точки зрения.

Задача для самопроверки

Объясните, почему в задаче о детях моряка, с которой начинается этот пост, вопрос поставлен некорректно (т.е. ни 1/2, ни 1/3 не являются правильным ответом).

Бесконечный случай

Когда мы переходим к бесконечному случаю, т.е. рассматриваем эксперименты с бесконечным числом элементарных исходов, то всё становится значительно сложнее. Я не буду вдаваться в детали и даже не буду определять вероятностное пространство для бесконечного случая, т.к. это требует более сложной математики. Однако, для иллюстрации отмечу, что в бесконечном случае могут быть такие (плохие) множества элементарных исходов, которые не имеют вероятности (неизмеримые множества). При этом для всех хороших (измеримых) событий вероятность определена однозначно. Поэтому и те «парадоксы», которые возникают в бесконечном случае, тоже возникают из-за неоднозначности выбора вероятностного пространства. Хорошим наглядным примером служит парадокс Бертрана, показывающий, как казалось бы эквивалентные (на самом деле нет) вероятностные пространства приводят к разным результатам.

Вместо заключения

Даже если вы не собираетесь никуда поступать или проходить собеседования на технические позиции в IT-компании, то вы всё равно можете захотеть освежить знания по математике, которые могут пригодиться в программировании. Могу посоветовать онлайн-курс СS центра по теории вероятностей, который читает А.И. Храбров.

БОНУС

Приглашаю всех послушать лекция Александра Шеня «Генераторы «случайных чисел»: теория и практика» в это воскресенье 26 апреля в 14:00 в Computer Science клубе. Лекция будет читаться в zoom-е, для участия нужно записаться на курс или подписаться на рассылку.

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