Теория вероятностей. Решение задач (2019)

Объединением (логической суммой) N событий называют событие, которое наблюдается каждый раз, когда на­ступаетхотя бы одно из событий. В частности, объединением событий A и B называют событие A + B (у некоторых авторов
), которое наблюдается, когданаступает или A, или B или оба этих события одновременно (Рис. 7). Признаком пересечения в тексто­вых формулировках событий служит союз“или” .

Рис. 7. Объединение событий A+B

Необходимо учитывать, что вероятности события P{A} соответствует как левая часть заштрихованной на Рис. 7 фигуры, так и её центральная часть, помеченная как
. И исходы, соответствующие событию B, располагаются как в правой части заштрихованной фигуры, так и в помеченной
центральной части. Таким образом, при сложениииплощадка
реально войдет в эту сумму дважды, а точное выражение для площади заштрихованнойфигуры имеет вид
.

Итак, вероятность объединения двух событий A и B равна

Для большего числа событий общее расчетное выражение становится крайне громоздким из-за необходимости учета многочисленных вариантов взаимного наложения областей. Однако, если объединяемые события являются несовместными (см. с. 33), то взаимное наложение областей оказывается невозможным, а благоприятная зона определяется непосредственно суммой областей, соответствующих отдельным событиям.

Вероятность объединения произвольного числанесов­местных событийопределяется выражением

Следствие 1 : Полная группа событий состоит из событий несовместных, одно из которых в опыте обязательно реализуется. В результате,если события …
,образуют полную группу , то для них

Таким образом,

С ледствие 3 Учтем, что противоположным утверждению «произойдет хотя бы одно из событий …
» является утверждение «ни одно из событий…
не реализуется». Т.е., иначе говоря, «в опыте будут наблюдаться события, и, и …, и», что представляет собой уже пересечение событий, противоположных исходному набору. Отсюда, с учетом (2 .0), для объединения произвольного числа событий получаем

Следствия 2, 3 показывают, что в тех случаях, когда непосредственный расчет вероятности какого-то события является проблематичным, полезно оценить трудоёмкость исследования события ему противоположного. Ведь, зная значение
, получить из (2 .0) нужную величину
никакого труда уже не представляет.

1. Примеры расчетов вероятностей сложных событий

Пример 1 : Двое студентов (Иванов и Петров) вместе я вились на защиту лабораторной работы, выучив первые 8 кон трольных вопросов к этой работе из 10 имеющихся. Проверяя подготовленность, п реподаватель задает каждому лишь оди н случайно выбираемый вопрос. Определить вероятность следующих событий:

A = “Иванов защитит лабораторную работу”;

B = “Петров защитит лабораторную работу”;

C = “оба защитят лабораторную работу”;

D = “хотя бы один из студентов защитит работу”;

E = “только один из студентов защитит работу”;

F = “никто из них не защитит работу”.

Решение. Отметим, что способность защитить работу как Иванова, т ак и Петрова в отдельности определяется лишь числом освоенных вопросов, поэтом у . (Примечание: в данном примере значения получаемых дробей сознательно не сокращались для упрощения сопоставления результатов расчетов.)

Событие C можно сформулировать иначе как «работу защитит и Иванов, и Петров», т.е. произойдут и событие A , и событие B . Таким образом, событие C является пересечением событий A и B , и в соответствии с (2 .0)

где сомножитель “7/9” появляется из-за того, что наступление события A означает, что Иванову достался «удачный» вопрос, а значит на долю Петрова из оставшихся 9 вопросов приходится теперь лишь 7 «хороших» вопросов.

Событие D подразумевает, что «работу защитит или Иванов, или Петров, или они оба вместе», т.е. произойдёт хотя бы одно из событий A и B . Итак, событие D является объединением событий A и B , и в соответствии с (2 .0)

что соответствует ожиданиям, т.к. даже для каждого из студентов в отдельности шансы на успех довольно велики.

С обытие Е означает, что «либо работу защитит Ивано в, а Петров «п ровалится», или Иванову попадется неудачный во прос, а Петров с защитой справится». Два альтернативных варианта являются взаимоисключающими (несовместными), поэтому

Наконец, утверждение F окажется справедливым лишь если « и Иванов, и Петров с защитой не справятся». Итак,

На этом решение задачи завершено, однако полезно отметить следующие моменты:

1. Каждая из полученных вероятностей удовлетворяет условию (1 .0), н о если для
и
получить конфликт ующие с (1 .0) в принципе невозможно, то для
попытка и спользования (2 .0) вместо (2 .0) привела бы к явно некорр ектному значению
. Важно помнить, что подобное значение вероятности принципиально невозможно, и при получении столь парадоксального результата незамедлительно приступать к поиску ошибки.

2. Найденные вероятности удовлетворяют соотношения м

.

Э то вполне ожидаемо, т.к. события C , E и F образуют полн ую группу, а события D и F противоположны друг другу. Учет этих соотношений с одной стороны может быть использо ван для перепроверки расчетов, а в другой ситуации может послужить основой альтернативного способа решения задачи.

П римечание : Не пренебрегайте письменной фиксацией точной формулировки события, иначе по ходу решения задачи Вы можете непроизвольно перейти к иной трактовке смысла этого события, что повлечет ошибки в рассуждениях.

Пример 2 : В крупной партии микросхем, не прошедших выходной контроль качества, 30% изделий являются бракованными. Если из этой партии наугад выбрать какие-либо две микросхемы, то какова вероятность, что среди них:

A = “обе годные”;

B = “ровно 1 годная микросхема”;

C = “обе бракованные”.

Проанализируем следующий вариант рассуждений (осторожно, содержит ошибку):

Так как речь идет о крупной партии изделий, то изъятие из неё нескольких микросхем практически не влияет на соотношение числа годных и бракованных изделий, а значит, выбирая несколько раз подряд какие-то микросхемы из этой партии, можно считать, что в каждом из случаев остаются неизменными вероятности

= P { выбрано бракованное изделие } = 0,3 и

= P { выбрано годное изделие } = 0,7.

Для наступления события A необходимо, чтобы и в первый, и во второй раз было выбрано годное изделии, а потому (учитывая независимость друг от друга успешности выбора первой и второй микросхемы) для пересечения событий имеем

Аналогично, для наступления события С нужно, чтобы оба изделия оказались бракованными , а для получения B нужно один раз выбрать годное, а один – бракованное изделие.

Признак ошибки. Х отя все полученные выше вероятност и выглядят правдоподобными, при их совместном анализе легко з аметить, что .Однако случаи A , B и C образуют полную группу событий, для которой должно выполняться .Это противоречие указывает на наличие какой-то ошибки в рассуждениях.

С уть ошибки. Введем в рассмотрение два вспомогате льных события :

= “первая микросхема – годная, вторая - бракованная”;

= “первая микросхема – бракованная, вторая – годная”.

Очевидно, что , однако именно такой вариант расчета был выше использован для получения вероятности события B , хотя события B и не являются э квивалентными . На самом деле,
, т.к. формулировка события B требует, чтобы среди микросхем ровно одна , но совсем не обязательно первая была годной (а другая – бракованной). Поэтому, хотя событие не является дублем события, а должно учиты ваться независимо. Учитывая несовместность событий и, вероятность их логической суммы будет равна

После указанного исправления расчетов имеем

что косвенно подтверждает корректность найденных вероятностей.

Примечание : Обращайте особое внимание на отличие в формулировках событий типа “только первый из перечисленных элементов должен…” и “только один из перечисленных элем ентов должен…”. Последнее событие явно шире и включае т в свой состав первое как один из (возможно многочисленны х) вариантов. Эти альтернативные варианты (даже при совпадении их вероятностей) следует учитывать независимо друг от друга.

П римечание : Слово “процент” произошло от “ per cent ”, т.е. “на сотню”. Представление частот и вероятностей в процентах позволяет оперировать более крупными значениями, что иногда упрощает восприятие значений “на слух”. Однако использовать в расчетах для правильной нормировки умножение или деление на “100 %” громоздко и неэффективно. В связи с этим, не з абывайте при использовании значений, упомя нутых в процентах, подставлять их в расчетные выражения у же в виде долей от единицы (например, 35% в расчете записываетс я как “0,35”), чтобы минимизировать риск ошибочной нормировки результатов.

Пример 3 : Набор резисторов содержит один резистор н оминалом 4 кОм, три резистора по 8 кОм и шесть резист оров с сопротивлением 15 кОм. Выбранные наугад три резистора соединяются друг с другом параллельно. Определить вероятность получения итогового сопротивления, не превышающего 4 кОм.

Реш ение. Сопротивление параллельного соединения рез исторов может быть рассчитано по формуле

.

Это позволяет ввести в рассмотрение события, такие как

A = “выбраны три резистора по 15 кОм” = “
”;

B = “в зяты два резистора по 15 кОм и один с сопротивление м 8 кОм” =“
”…

Полная группа событий, соответствующих условию задачи, включает ещё целый ряд вариантов, причем именно таких, к оторые соответствуют выдвинутому требованию о получении сопротивления не более чем 4 кОм. Однако, хотя “прямой” путь решения, предполагающий расчет (и последующее сумми рование) вероятностей, характеризующих все эти события, и является правильным, действовать таким образом нецелесообразно.

Отметим, что для получения итогового сопротивления менее 4 кОм д остаточно, чтобы в используемый набор вошел хотя бы один резистор с сопротивлени ем менее 15 кОм. Таким образом, лишь в случае A требование задачи не выполняется, т.е. событие A является противоположным исследуемому. Вместе с тем,

.

Таким образом, .

П ри мечание : Рассчитывая вероятность некоторого события A , не забывайте проанализировать трудоемкость определени я ве­роятности события ему противоположного. Если расс читать
легко, то именно с этого и надо начинать решен ие задачи , завершая его применением соотношения (2 .0).

П ример 4 : В коробке имеются n белых, m черных и k красных шаров. Шары по одному наугад извлекаются из коробки и возвращаются обратно после каждого извлечения. Определить вероятность события A = “белый шар будет извлечен раньше, чем черный ” .

Реш ение. Рассмотрим следующую совокупность событий

= “белый шар извлекли при первой же попытке”;

= “сначала вынули красный шар, а затем - белый”;

= “дважды вынули красный шар, а на третий раз - белый ”…

Так к ак шарики возвращаются, то последовательность соб ытий может быть формально бесконечно протяженной.

Эти события являются несовместными и составляют в совокупности тот набор ситуаций, при которых происходит событие A . Таким образом,

Несложно заметить, что входящие в сумму слагаемые образуют геометрическую прогрессию с начальным элементом
и знаменателем
. Но сумм а элементов бесконечной геометрической прогрессии равна

Таким образом, . Л юбопытно, что эта вероятность (как следует из полученно го выражения) не зависит от числа красных шаров в коробке.

Нравится нам это или нет, но наша жизнь полна всевозможных случайностей, как приятных так и не очень. Поэтому каждому из нас не помешало бы знать, как найти вероятность того или иного события. Это поможет принимать верные решения при любых обстоятельствах, которые связаны с неопределенностью. К примеру, такие знания окажутся весьма кстати при выборе вариантов инвестирования, оценке возможности выигрыша в акции или лотерее, определении реальности достижения личных целей и т. д., и т. п.

Формула теории вероятности

В принципе, изучение данной темы не занимает слишком много времени. Для того чтобы получить ответ на вопрос: "Как найти вероятность какого-либо явления?", нужно разобраться с ключевыми понятиями и запомнить основные принципы, на которых базируется расчёт. Итак, согласно статистике, исследуемые события обозначаются через A1, А2,..., An. У каждого из них есть как благоприятствующие исходы (m), так и общее количество элементарных исходов. К примеру, нас интересует, как найти вероятность того, что на верхней грани кубика окажется четное число очков. Тогда А - это бросок m - выпадение 2, 4 или 6 очков (три благоприятствующих варианта), а n - это все шесть возможных вариантов.

Сама же формула расчета выглядит следующим образом:

С одним исходом все предельно легко. А вот как найти вероятность, если события идут одно за другим? Рассмотрим такой пример: из карточной колоды (36 шт.) показывается одна карта, затем она прячется снова в колоду, и после перемешивания вытаскивается следующая. Как найти вероятность того, что хоть в одном случае была вытащена дама пик? Существует следующее правило: если рассматривается сложное событие, которое можно разделить на несколько несовместимых простых событий, то можно сначала рассчитать результат для каждого из них, а затем сложить их между собой. В нашем случае это будет выглядеть так: 1 / 36 + 1 / 36 = 1 / 18 . А как же быть тогда, когда несколько происходят одновременно? Тогда результаты умножаем! Например, вероятность того, что при одновременном подбрасывании сразу двух монет выпадут две решки, будет равна: ½ * ½ = 0.25.

Теперь возьмем еще более сложный пример. Предположим, мы попали на книжную лотерею, в которой из тридцати билетов десять являются выигрышными. Требуется определить:

1. Вероятность того, что оба окажутся выигрышными.
2. Хотя бы один из них принесет приз.
3. Оба окажутся проигрышными.

Итак, рассмотрим первый случай. Его можно разбить на два события: первый билет будет счастливым, и второй также окажется счастливым. Учтем, что события зависимы, поскольку после каждого вытаскивания общее количество вариантов уменьшается. Получаем:

10 / 30 * 9 / 29 = 0,1034.

Во втором случае понадобится определить вероятность проигрышного билета и учесть, что он может быть как первым по счету, так и вторым: 10 / 30 * 20 / 29 + 20 / 29 * 10 / 30 = 0,4598.

Наконец, третий случай, когда по разыгранной лотерее даже одной книжки получить не получится: 20 / 30 * 19 / 29 = 0,4368.

Существует целый класс опытов, для которых вероятности их возможных исходов легко оценить непосредственно из условий самого опыта. Для этого нужно, чтобы различные исходы опыта обладали симметрией и в силу этого были объективно одинаково возможными.

Рассмотрим, например, опыт, состоящий в бросании игральной кости, т.е. симметричного кубика, на гранях которого нанесено различное число очков: от 1 до 6.

В силу симметрии кубика есть основания считать все шесть возможных исходов опыта одинаково возможными. Именно это дает нам право предполагать, что при многократном бросании кости все шесть граней будут выпадать примерно одинаково часто. Это предположение для правильно выполненной кости действительно оправдывается на опыте; при многократном бросании кости каждая её грань появляется примерно в одной шестой доле всех случаев бросания, причем отклонение этой доли от 1/6 тем меньше, чем большее число опытов произведено. Имея в виду, что вероятность достоверного события принята равной единице, естественно приписать выпадению каждой отдельной грани вероятность, равную 1/6. Это число характеризует некоторые объективные свойства данного случайного явления, а именно свойство симметрии шести возможных исходов опыта.

Для всякого опыта, в котором возможные исходы симметричны и одинаково возможны, можно применить аналогичный прием, который называется непосредственным подсчетом вероятностей.

Симметричность возможных исходов опыта обычно наблюдается только в искусственно организованных опытах, типа азартных игр. Так как первоначальное развитие теория вероятностей получила именно на схемах азартных игр, то прием непосредственного подсчета вероятностей, исторически возникший вместе с возникновением математической теории случайных явлений, долгое время считался основным и был положен в основу так называемой «классической» теории вероятностей. При этом опыты, не обладающие симметрией возможных исходов, искусственно сводились к «классической» схеме.

Несмотря на ограниченную сферу практических применений этой схемы, она все же представляет известный интерес, так как именно на опытах, обладающих симметрией возможных исходов, и на событиях, связанных с такими опытами, легче всего познакомиться с основными свойствами вероятностей. Такого рода событиями, допускающими непосредственный подсчет вероятностей, мы и займемся в первую очередь.

Предварительно введем некоторые вспомогательные понятия.

1. Полная группа событий.

Говорят, что несколько событий в данном опыте образуют полную группу событий, если в результате опыта непременно должно появиться хотя бы одно из них.

Примеры событий, образующих полную группу:

3) появление 1,2,3,4,5,6 очков при бросании игральной кости;

4) появление белого шара и появление черного шара при вынимании одного шара из урны, в которой 2 белых и 3 черных шара;

5) ни одной опечатки, одна, две, три и более трех опечаток при проверке страницы напечатанного текста;

6) хотя бы одно попадание и хотя бы один промах при двух выстрелах.

2. Несовместимые события.

Несколько событий называют несовместимыми в данном опыте, если никакие два из них не могут появиться вместе.

Примеры несовместимых событий:

1) выпадение герба и выпадение цифры при бросании монеты;

2) попадание и промах при выстреле;

3) появление 1,3, 4 очков при одном бросании игральной кости;

4) ровно один отказ, ровно два отказа, ровно три отказа технического устройства за десять часов работы.

3. Равновозможные события.

Несколько событий в данном опыте называются равновозможными, если по условиям симметрии есть основание считать, что ни одно из этих событий не является объективно более возможным, чем другое.

Примеры равновозможных событий:

1) выпадение герба и выпадение цифры при бросании монеты;

2) появление 1,3, 4, 5 очков при бросании игральной кости;

3) появление карты бубновой, червонной, трефовой масти при вынимании карты из колоды;

4) появление шара с №1, 2, 3 при вынимании одного шара из урны, содержащей 10 перенумерованных шаров.

Существуют группы событий, обладающие всеми тремя свойствами: они образуют полную группу, несовместимы и равновозможны; например: появление герба и цифры при бросании монеты; появление 1, 2, 3, 4, 5, 6 очков при бросании игральной кости. События, образующие такую группу, называются случаями (иначе «шансами»).

Если какой-либо опыт по своей структуре обладает симметрией возможных исходов, то случаи представляют собой исчерпывающую систему равновозможных и исключающих друг друга исходов опыта. Про такой опыт говорят, что он «сводится к схеме случаев» (иначе – к «схеме урн»).

Схема случаев по преимуществу имеет место в искусственно организованных опытах, в которых заранее и сознательно обеспечена одинаковая возможность исходов опыта (как, например, в азартных играх). Для таких опытов возможен непосредственный подсчет вероятностей, основанный на оценке доли так называемых «благоприятных» случаев в общем числе случаев.

Случай называется благоприятным (или «благоприятствующим») некоторому событию, если появление этого случая влечет за собой появление данного события.

Например, при бросании игральной кости возможны шесть случаев: появление 1, 2, 3, 4, 5, 6 очков. Из них событию – появлению четного числа очков – благоприятны три случая: 2, 4, 6 и не благоприятны остальные три.

Если опыт сводится к схеме случаев, то вероятность события в данном опыте можно оценить по относительной доле благоприятных случаев. Вероятность события вычисляется как отношение числа благоприятных случаев к общему числу случаев:

где Р(А) – вероятность события ; – общее число случаев; – число случаев, благоприятных событию .

Так как число благоприятных случаев всегда заключено между 0 и (0 – для невозможного и – для достоверного события), то вероятность события, вычисленная по формуле (2.2.1), всегда есть рациональная правильная дробь:

Формула (2.2.1), так называемая «классическая формула» для вычисления вероятностей, долгое время фигурировала в литературе как определение вероятности. В настоящее время при определении (пояснении) вероятности обычно исходят из других принципов, непосредственно связывая понятие вероятности с эмпирическим понятием частоты; формула же (2.2.1) сохраняется лишь как формула для непосредственного подсчета вероятностей, пригодная тогда и только тогда, когда опыт сводится к схеме случаев, т.е. обладает симметрией возможных исходов.

Профессиональный беттер должен хорошо ориентироваться в коэффициентах, быстро и правильно оценивать вероятность события по коэффициенту и при необходимости уметь перевести коэффициенты из одного формата в другой . В данном мануале мы расскажем о том, какие бывают виды коэффициентов, а так же на примерах разберём, как можно высчитывать вероятность по известному коэффициенту и наоборот.

Какие бывают типы коэффициентов?

Существует три основных вида коэффициентов, которые предлагают игрокам букмекеры: десятичные коэффициенты , дробные коэффициенты (английские) и американские коэффициенты . Наиболее распространённые коэффициенты в Европе - десятичные. В Северной Америке популярны американские коэффициенты. Дробные коэффициенты - наиболее традиционный вид, они сразу же отражают информацию о том сколько нужно поставить, чтобы получить определённую сумму.

Десятичные коэффициенты

Десятичные или еще их называют европейские коэффициенты - это привычный формат числа, представленный десятичной дробью с точностью до сотых, а иногда даже до тысячных. Пример десятичного коэффициента - 1.91. Рассчитать прибыль в случае с десятичными коэффициентами очень просто, достаточно лишь умножить сумму вашей ставки на этот коэффициент. Например, в матче "Манчестер Юнайтед" - "Арсенал" победа "МЮ" выставлена с коэффициентом - 2.05, ничья оценена коэффициентом - 3.9, а победа "Арсенала" равняется - 2.95. Предположим, что мы уверены в победе "Юнайтед" и ставим на них 1000 долларов. Тогда наш возможный доход рассчитывается следующим образом:

2.05 * $1000 = $2050;

Правда ведь ничего сложного?! Точно так же рассчитывается возможный доход при ставке на ничью и победу "Арсенала".

Ничья: 3.9 * $1000 = $3900;
Победа "Арсенала": 2.95 * $1000 = $2950;

Как рассчитать вероятность события по десятичным коэффициентам?

Представим теперь что нам нужно определить вероятность события по десятичным коэффициентам, которые выставил букмекер. Делается это так же очень просто. Для этого мы единицу делим на этот коэффициент.

Возьмем уже имеющиеся данные и посчитаем вероятность каждого события:

Победа "Манчестер Юнайтед": 1 / 2.05 = 0,487 = 48,7%;
Ничья: 1 / 3.9 = 0,256 = 25,6%;
Победа "Арсенала": 1 / 2.95 = 0,338 = 33,8%;

Дробные коэффициенты (Английские)

Как понятно из названия дробный коэффициент представлен обыкновенной дробью. Пример английского коэффициента - 5/2. В числителе дроби находиться число, являющееся потенциальной суммой чистого выигрыша, а в знаменателе расположено число обозначающее сумму которую нужно поставить, чтобы этот выигрыш получить. Проще говоря, мы должны поставить $2 доллара, чтобы выиграть $5. Коэффициент 3/2 означает что для того чтобы получить $3 чистого выигрыша нам придётся сделать ставку в размере $2.

Как рассчитать вероятность события по дробным коэффициентам?

Вероятность события по дробным коэффициентам рассчитать так же не сложно, нужно всего на всего разделить знаменатель на сумму числителя и знаменателя.

Для дроби 5/2 рассчитаем вероятность: 2 / (5+2) = 2 / 7 = 0,28 = 28%;
Для дроби 3/2 рассчитаем вероятность:

Американские коэффициенты

Американские коэффициенты в Европе непопулярны, зато в Северной Америке очень даже. Пожалуй, данный вид коэффициентов самый сложный, но это только на первый взгляд. На самом деле и в этом типе коэффициентов ничего сложного нет. Сейчас во всем разберёмся по порядку.

Главной особенностью американских коэффициентов является то, что они могут быть как положительными , так и отрицательными . Пример американских коэффициентов - (+150), (-120). Американский коэффициент (+150) означает, что для того чтобы заработать $150 нам нужно поставить $100. Иными словами положительный американский коэффициент отражает потенциальный чистый заработок при ставке в $100. Отрицательный же американский коэффициент отражает сумму ставки, которую необходимо сделать для того чтобы получить чистый выигрыш в $100. Например коэффициент (- 120) нам говорит о том, что поставив $120 мы выиграем $100.

Как рассчитать вероятность события по американским коэффициентам?

Вероятность события по американскому коэффициенту считается по следующим формулам:

(-(M)) / ((-(M)) + 100) , где M - отрицательный американский коэффициент;
100 / (P + 100) , где P - положительный американский коэффициент;

Например, мы имеем коэффициент (-120), тогда вероятность рассчитывается так:

(-(M)) / ((-(M)) + 100); подставляем вместо "M" значение (-120);
(-(-120)) / ((-(-120)) + 100 = 120 / (120 + 100) = 120 / 220 = 0,545 = 54,5%;

Таким образом, вероятность события с американским коэффициентом (-120) равна 54,5%.

Например, мы имеем коэффициент (+150), тогда вероятность рассчитывается так:

100 / (P + 100); подставляем вместо "P" значение (+150);
100 / (150 + 100) = 100 / 250 = 0,4 = 40%;

Таким образом, вероятность события с американским коэффициентом (+150) равна 40%.

Как зная процент вероятности перевести его в десятичный коэффициент?

Для того чтобы рассчитать десятичный коэффициент по известному проценту вероятности нужно 100 разделить на вероятность события в процентах. Например, вероятность события составляет 55%, тогда десятичный коэффициент этой вероятности будет равен 1,81.

100 / 55% = 1,81

Как зная процент вероятности перевести его в дробный коэффициент?

Для того чтобы рассчитать дробный коэффициент по известному проценту вероятности нужно от деления 100 на вероятность события в процентах отнять единицу. Например, имеем процент вероятности 40%, тогда дробный коэффициент этой вероятности будет равен 3/2.

(100 / 40%) - 1 = 2,5 - 1 = 1,5;
Дробный коэффициент равен 1,5/1 или 3/2.

Как зная процент вероятности перевести его в американский коэффициент?

Если вероятность события больше 50%, то расчёт производится по формуле:

- ((V) / (100 - V)) * 100, где V - вероятность;

Например, имеем вероятность события 80%, тогда американский коэффициент этой вероятности будет равен (-400).

- (80 / (100 - 80)) * 100 = - (80 / 20) * 100 = - 4 * 100 = (-400);

В случае если вероятность события меньше 50%, то расчёт производиться по формуле:

((100 - V) / V) * 100 , где V - вероятность;

Например, имеем процент вероятности события 20%, тогда американский коэффициент этой вероятности будет равен (+400).

((100 - 20) / 20) * 100 = (80 / 20) * 100 = 4 * 100 = 400;

Как перевести коэффициент в другой формат?

Бывают случаи, когда необходимо перевести коэффициенты из одного формата в другой. Например, у нас есть дробный коэффициент 3/2 и нам нужно перевести его в десятичный. Для перевода дробного коэффициента в десятичный мы сначала определяем вероятность события с дробным коэффициентом, а затем эту вероятность переводим в десятичный коэффициент.

Вероятность события с дробным коэффициентом 3/2 равна 40%.

2 / (3+2) = 2 / 5 = 0,4 = 40%;

Теперь переведём вероятность события в десятичный коэффициент, для этого 100 делим на вероятность события в процентах:

100 / 40% = 2.5;

Таким образом, дробный коэффициент 3/2 равен десятичному коэффициенту 2.5. Аналогичным образом переводятся, например, американские коэффициенты в дробные, десятичные в американские и т.д. Самое сложное во всём этом лишь расчёты.

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

Что такое теория вероятности?

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

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

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

Со страниц истории

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

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

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

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

Базовые понятия теории вероятностей. События

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

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

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

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

В практических заданиях события принято записывать словами.

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

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

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

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

Действия над событиями

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

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

Умножение событий заключается в появлении А и В одновременно.

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

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

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

С помощью действий над событиями попробуем выразить следующие ситуации:

• К = «фирма получит все контракты».

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

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

М = А 1 В 1 С 1 .

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

Н = А 1 ВС 1 υ АВ 1 С 1 υ А 1 В 1 С.

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

Собственно, вероятность

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

• классическое;
• статистическое;
• геометрическое.

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

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

Формула выглядит так: Р(А)=m/n.

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

m - количество возможных благоприятных случаев.

n - все события, которые могут произойти.

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

Р(А)=9/36=0,25.

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

К высшей математике

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

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

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

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

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

А = «появление качественного товара».

W n (A)=97/100=0,97

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

Немного о комбинаторике

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

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

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

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

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

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

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

A n m =n!/(n-m)!

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

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

A n m =n!/m!(n-m)!

Формула Бернулли

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

Уравнение Бернулли:

P n (m) = C n m ×p m ×q n-m .

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

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

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

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

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

А = «посетитель совершит покупку».

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

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

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

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

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

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

C n m = n! / m!(n-m)!

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

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

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

Формула Пуассона

Уравнение Пуассона используется для вычисления маловероятных случайных ситуаций.

Основная формула:

P n (m)=λ m /m! × e (-λ) .

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

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

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

А = «случайно выбранная деталь будет бракованной».

р = 0,0001 (согласно условию задания).

n = 100000 (количество деталей).

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

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

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

е -λ = lim n ->∞ (1-λ/n) n .

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

Теорема Муавра-Лапласа

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

Р n (m)= 1/√npq x ϕ(X m).

X m = m-np/√npq.

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

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

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

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

Формула Байеса

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

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

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

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

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

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

А = «случайно взятый телефон».

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

В итоге получим:

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

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

Р (А/В 1) = 2%/100% = 0,02;

Р(А/В 2) = 0,04;

Р (А/В 3) = 0,01.

Теперь подставим данные в формулу Байеса и получим:

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

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