А также научились решать типовые задачи с независимыми событиями, и сейчас последует гораздо более интересное продолжение, которое позволит не только освоить новый материал, но и, возможно, окажет практическую житейскую помощь.

Кратко повторим, что такое независимость событий: события и являются НЕзависимыми, если вероятность любого из них не зависит от появления либо непоявления другого события. Простейший пример – подбрасывание двух монет. Вероятность выпадения орла либо решки на одной монете никак не зависит от результата броска другой монеты.

Понятие зависимости событий вам тоже знакомо и настал черёд заняться ими вплотную.

Сначала рассмотрим традиционный набор, состоящий из двух событий: событие является зависимым , если помимо случайных факторов его вероятность зависит от появления либо непоявления события . Вероятность события , вычисленная в предположении того, что событие уже произошло , называется условной вероятностью наступления события и обозначается через . При этом события и называют зависимыми событиями (хотя, строго говоря, зависимо только одно из них) .

Карты в руки:

Задача 1

Из колоды в 36 карт последовательно извлекаются 2 карты. Найти вероятность того, что вторая карта окажется червой, если до этого:

а) была извлечена черва;
б) была извлечена карта другой масти.

Решение : рассмотрим событие: – вторая карта будет червой. Совершенно понятно, что вероятность этого события зависит от того, черву или не черву вытянули ранее.

а) Если сначала была извлечена черва (событие ), то в колоде осталось 35 карт, среди которых теперь находится 8 карт червовой масти. По классическому определению :
при условии , что до этого тоже была извлечена черва.

б) Если же сначала была извлечена карта другой масти (событие ), то все 9 черв остались в колоде. По классическому определению :
– вероятность того, что вторая карта окажется червой при условии , что до этого была извлечена карта другой масти.

Всё логично – если вероятность извлечения червы из полной колоды составляет , то при извлечении следующей карты аналогичная вероятность изменится: в первом случае – уменьшится (т.к. черв стало меньше), а во втором – возрастёт: (т.к. все червы остались в колоде).

Ответ :

Зависимых событий, разумеется, может быть и больше. Пока задача не остыла, добавим ещё одно: – третьей картой будет извлечена черва. Предположим, что произошло событие , а затем событие ; тогда в колоде осталось 34 карты, среди которых 7 черв. По классическому определению :
– вероятность наступления события при условии , что до этого были извлечены две червы.

Для самостоятельной тренировки:

Задача 2

В конверте находится 10 лотерейных билетов, среди которых 3 выигрышных. Из конверта последовательно извлекаются билеты. Найти вероятности того, что:

а) 2-й извлечённый билет будет выигрышным, если 1-й был выигрышным;
б) 3-й будет выигрышным, если предыдущие два билета были выигрышными;
в) 4-й будет выигрышным, если предыдущие билеты были выигрышными.

Краткое решение с комментариями в конце урока.

А теперь обратим внимание на один принципиально важный момент: в рассмотренных примерах требовалось найти лишь условные вероятности, при этом предыдущие события считались достоверно состоявшимися . Но ведь в действительности и они являются случайными! Так, в «разогретой» задаче извлечение червы из полной колоды – есть событие случайное, вероятность которого равна .

На практике гораздо чаще требуется отыскать вероятность совместного появления зависимых событий. Как, например, найти вероятность события , состоящего в том, что из полной колоды будет извлечена черва и затем ещё одна черва? Ответ на этот вопрос даёт

теорема умножения вероятностей зависимых событий : вероятность совместного появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже произошло:

В нашем случае:
– вероятность того, что из полной колоды будут извлечены 2 червы подряд.

Аналогично:
– вероятность того, что сначала будет извлечена карта другой масти и затем черва.

Вероятность события получилась заметно больше вероятности события , что, в общем-то, было очевидно безо всяких вычислений.

И, само собой, не нужно питать особых надежд, что из конверта с десятью лотерейными билетами (Задача 2) вы вытяните 3 выигрышных билета подряд:
, впрочем, это ещё щедрый шанс.

Да, совершенно верно – теорема умножения вероятностей зависимых событий естественным образом распространяется и на бОльшее их количество.

Закрепим материал несколькими типовыми примерами:

Задача 3

В урне 4 белых и 7 черных шаров. Из урны наудачу один за другим извлекают два шара, не возвращая их обратно. Найти вероятность того, что:

а) оба шара будут белыми;
б) оба шара будут чёрными;
в) сначала будет извлечён белый шар, а затем – чёрный.

Обратите внимание на уточнение «не возвращая их обратно». Этот комментарий дополнительно подчёркивает тот факт, что события зависимы. Действительно, а вдруг извлечённые шары возвращают обратно? В случае возвратной выборки вероятности извлечения чёрного и белого шара меняться не будут, а в такой задаче уже следует руководствоваться теоремой умножения вероятностей НЕзависимых событий .

Решение : всего в урне: 4 + 7 = 11 шаров. Поехали:

а) Рассмотрим события – первый шар будет белым, – второй шар будет белым и найдём вероятность события , состоящего в том, что 1-й шар будет белым и 2-й белым.

По классическому определению вероятности: . Предположим, что белый шар извлечён, тогда в урне останется 10 шаров, среди которых 3 белых, поэтому:
– вероятность извлечения белого шара во 2-м испытании при условии, что до этого был извлечён белый шар.

– вероятность того, что оба шара будут белыми.

б) Найдём вероятность события , состоящего в том, что 1-й шар будет чёрным и 2-й чёрным

По классическому определению: – вероятность того, что в 1-м испытании будет извлечён чёрный шар. Пусть извлечён чёрный шар, тогда в урне останется 10 шаров, среди которых 6 чёрных, следовательно: – вероятность того, что во 2-м испытании будет извлечён чёрный шар при условии, что до этого был извлечен чёрный шар.

По теореме умножения вероятностей зависимых событий:
– вероятность того, что оба шара будут чёрными.

в) Найдём вероятность события (сначала будет извлечён белый шар и затем чёрный)

После извлечения белого шара (с вероятностью ) в урне останется 10 шаров, среди которых 3 белых и 7 чёрных, таким образом: – вероятность того, что во 2-м испытании будет извлечён чёрный шар при условии, что до этого был извлечен белый шар.

По теореме умножения вероятностей зависимых событий:
– искомая вероятность.

Ответ :

Данную задачу нетрудно проверить через теорему сложения вероятностей событий, образующих полную группу . Для этого найдём вероятность 4-го недостающего события: – того, что сначала будет извлечён чёрный шар и затем белый.

События образуют полную группу, поэтому сумма их вероятностей должна равняться единице:
,что и требовалось проверить.

И сразу же предлагаю проверить, насколько хорошо вы усвоили изложенный материал:

Задача 4

Какова вероятность того, что из колоды в 36 карт будут извлечены два туза подряд?

Задача 5

В урне 6 черных, 5 красных и 4 белых шара. Последовательно извлекают три шара. Найти вероятность того, что

а) третий шар окажется белым, если до этого был извлечён черный и красный шар;
б) первый шар окажется черным, второй – красным и третий – белым.

Решения и ответы в конце урока.

Надо сказать, что многие из рассматриваемых задач разрешимы и другим способом, но чтобы не возникло путаницы, пожалуй, вообще о нём умолчу.

Наверное, все заметили, что зависимые события возникают в тех случаях, когда осуществляется некоторая цепочка действий. Однако сама по себе последовательность действий ещё не гарантируют зависимость событий. Пусть, например, студент наугад отвечает на вопросы какого-нибудь теста – данные события хоть и происходят одно за другим, но незнание ответа на один вопрос никак не зависит от незнания других ответов =) Хотя, закономерности тут, конечно, есть =) Тогда совсем простой пример с неоднократным подбрасыванием монеты – сей увлекательный процесс даже так и называется: повторные НЕзависимые испытания .

Я как мог, старался отсрочить этот момент и подбирать разнообразные примеры, но если в задачах на теорему умножения независимых событий хозяйничают стрелки, то здесь происходит самое настоящее нашествие урн с шарами =) Поэтому никуда не деться – снова урна:

Задача 6

Из урны, в которой находится 6 белых и 4 черных шара, извлекаются наудачу один за другим три шара. Найти вероятность того, что:

а) все три шара будут черными;
б) будет не меньше двух шаров черного цвета.

Решение :всего: 6 + 4 = 10 шаров в урне.

Событий в данной задаче будет многовато, и в этой связи целесообразнее использовать смешанный стиль оформления, обозначая прописными латинскими буквами только основные события. Надеюсь, вы уже поняли, по какому принципу подсчитываются условные вероятности.

а) Рассмотрим событие: – все три шара будут черными.

По теореме умножения вероятностей зависимых событий:

б) Второй пункт интереснее, рассмотрим событие: – будет не меньше двух шаров черного цвета. Данное событие состоит в 2 несовместных исходах: либо все шары будут чёрными (событие ) либо 2 шара будут чёрным и 1 белым – обозначим последнее событие буквой .

Событие включается в себя 3 несовместных исхода:

в 1-м испытании извлечён белый и во 2-м и в 3-м испытаниях – чёрные шары
или
и во 2-м – БШ и в 3-м – ЧШ
или
в 1-м испытании извлечён ЧШ и во 2-м – ЧШ и в 3-м – БШ.

Желающие могут ознакомиться с более трудными примерами из сборника Чудесенко , в которых перекладываются несколько шаров. Особым любителям предлагаю задачи повышенной комбинационной сложности – с двумя последовательными перемещениями шаров из 1-й во 2-ю урну, из 2-й в 3-ю и финальным извлечением шара из последней урны – смотрите последние задачи файла Дополнительные задачи на теоремы сложения и умножения вероятностей . Кстати, там немало и других интересных заданий.

А в заключение этой статьи мы разберём прелюбопытнейшую задачу, которой я вас заманивал на самом первом уроке =) Даже не разберём, а проведём небольшое практическое исследование. Выкладки в общем виде будут слишком громоздкие, поэтому рассмотрим конкретный пример:

Петя сдаёт экзамен по теории вероятностей, при этом 20 билетов он знает хорошо, а 10 плохо. Предположим, в первый день экзамен сдаёт часть группы, например, 16 человек, включая нашего героя. В общем, ситуация до боли знакома: студенты один за другим заходят в аудиторию и тянут билеты.

Очевидно, что последовательное извлечение билетов представляет собой цепь зависимых событий, и возникает насущный вопрос : в каком случае Пете с бОльшей вероятностью достанется «хороший» билет – если он пойдёт «в первых рядах», или если зайдёт «посерединке», или если будет тянуть билет в числе последних? Когда лучше заходить?

Сначала рассмотрим «экспериментально чистую» ситуацию, в которой Петя сохраняет свои шансы постоянными – он не получает информацию о том, какие вопросы уже достались однокурсникам, ничего не учит в коридоре, ожидая своей очереди, и т.д.

Рассмотрим событие: – Петя зайдёт в аудиторию самым первым и вытянет «хороший» билет. По классическому определению вероятности: .

Как изменится вероятность извлечения удачного билета, если пропустить вперёд отличницу Настю? В этом случае возможны две несовместные гипотезы:

– Настя вытянет «хороший» (для Пети) билет;
– Настя вытянет «плохой» билет, т.е. увеличит шансы Пети.

Событие же (Петя зайдёт вторым и вытянет «хороший» билет) становится зависимым .

1) Предположим, что Настя с вероятностью «увела» у Пети один удачный билет. Тогда на столе останутся 29 билетов, среди которых 19 «хороших». По классическому определению вероятности:

2) Теперь предположим, что Настя с вероятностью «избавила» Петю от 1-го «плохого» билета. Тогда на столе останутся 29 билетов, среди которых по-прежнему 20 «хороших». По классическому определению:

Используя теоремы сложения вероятностей несовместных и умножения вероятностей зависимых событий, вычислим вероятность того, что Петя вытянет «хороший» билет, будучи вторым в очереди:

Вероятность… осталось той же! Хорошо, рассмотрим событие: – Петя пойдёт третьим, пропустив вперёд Настю и Лену, и вытащит «хороший» билет.

Здесь гипотез будет побольше: дамы могут «обокрасть» джентльмена на 2 удачных билета, либо наоборот – избавить его от 2 неудачных, либо извлечь 1 «хороший» и 1 «плохой» билет. Если провести аналогичные рассуждения, воспользоваться теми же теоремами, то… получится такое же значение вероятности !

Таким образом, чисто с математической точки зрения, без разницы, когда идти – первоначальные вероятности останутся неизменными. НО . Это только усреднённая теоретическая оценка, так, например, если Петя пойдёт последним, то это вовсе не значит, что ему останутся на выбор 10 «хороших» и 5 «плохих» билетов в соответствии с его изначальными шансами. Данное соотношение может варьироваться в лучшую или худшую сторону, однако всё же маловероятно, что среди билетов останется «одна халява», или наоборот – «сплошной ужас». Хотя «уникальные» случаи не исключены – всё-таки тут не 3 миллиона лотерейных билетов с практически нулевой вероятностью крупного выигрыша. Поэтому «невероятное везение» или «злой рок» будут слишком уж преувеличенными высказываниями. Даже если Петя знает всего лишь 3 билета из 30, то его шансы составляют 10%, что заметно выше нуля. И из личного опыта расскажу обратный случай: на экзамене по аналитической геометрии я хорошо знал 24 вопроса из 28, так вот – в билете мне попались два «плохих» вопроса; вероятность сего события подсчитайте самостоятельно:)

Математика и «чистый эксперимент» – это хорошо, но какой стратегии и тактики всё же выгоднее придерживаться в реальных условиях ? Безусловно, следует принять во внимание субъективные факторы, например, «скидку» преподавателя для «храбрецов» или его усталость к концу экзамена. Зачастую эти факторы могут быть даже решающими, но в заключительных рассуждениях я постараюсь не сбрасывать со счетов и дополнительные вероятностные аспекты:

Если Вы готовы к экзамену хорошо, то, наверное, лучше идти «в первых рядах». Пока билетов полный комплект, постулат «маловозможные события не происходят » работает на Вас гораздо в бОльшей степени. Согласитесь, что намного приятнее иметь соотношение «30 билетов, среди которых 2 плохих», чем «15 билетов, среди которых 2 плохих». А то, что два неудачных билета на отдельно взятом экзамене (а не по средней теоретической оценке!) так и останутся на столе – вполне и вполне возможно.

Теперь рассмотрим «ситуацию Пети» – когда студент готов к экзамену достаточно хорошо, но с другой стороны, и «плавает» тоже неплохо. Иными словам, «больше знает, чем не знает». В этом случае целесообразно пропустить вперёд 5-6 человек, и ожидать подходящего момента вне аудитории. Действуйте по ситуации. Довольно скоро начнёт поступать информация, какие билеты вытянули однокурсники (снова зависимые события!) , и на «заигранные» вопросы можно больше не тратить силы – учите и повторяйте другие билеты, повышая тем самым первоначальную вероятность своего успеха. Если «первая партия» экзаменующихся «избавила» вас сразу от 3-4 трудных (лично для Вас) билетов, то выгоднее как можно быстрее попасть на экзамен – именно сейчас шансы значительно возросли. Постарайтесь не упускать момент – всего несколько пропущенных вперёд человек, и преимущество, скорее всего, растает. Если же наоборот, «плохих» билетов вытянули мало – ждите. Через несколько человек эта «аномалия» опять же с большой вероятностью, если не исчезнет, то сгладится в лучшую сторону. В «обычном» и самом распространённом случае выгода тоже есть: расклад «24 билета/8 плохих» будет лучше соотношения «30 билетов/10 плохих». Почему? Трудных билетов теперь не десять, а восемь! С удвоенной энергией штудируем материал!

Если Вы готовы неважно или плохо, то само собой, лучше идти в «последних рядах» (хотя возможны и оригинальные решения, особенно, если нечего терять) . Существует небольшая, но всё же ненулевая вероятность, что Вам останутся относительно простые вопросы + дополнительная зубрёжка + шпоры, которые отдадут отстрелявшиеся сокурсники =) И, да – в совсем критической ситуации есть ещё следующий день, когда экзамен сдаёт вторая часть группы;-)

При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность (вероятность события) наступления интересующего нас события от того, как развиваются остальные события. В случае классической схемы, когда все исходы равновероятны, мы уже можем оценить значения вероятности интересующего нас отдельного события самостоятельно. Мы можем сделать это даже в том случае, если событие является сложной совокупностью нескольких элементарных исходов. А если несколько случайных событий происходит одновременно или последовательно? Как это влияет на вероятность реализации интересующего нас события? Если я несколько раз кидаю игральную кость, и хочу, чтобы выпала "шестерка", а мне все время не везет, значит ли это, что надо увеличивать ставку, потому что, согласно теории вероятностей, мне вот-вот должно повезти? Увы, теория вероятности не утверждает ничего подобного. Ни кости, ни карты, ни монетки не умеют запоминать, что они продемонстрировали нам в прошлый раз. Им совершенно не важно, в первый раз или в десятый раз сегодня я испытываю свою судьбу. Каждый раз, когда я повторяю бросок, я знаю только одно: и на этот раз вероятность выпадения "шестерки" снова равна одной шестой. Конечно, это не значит, что нужная мне цифра не выпадет никогда. Это означает лишь то, что мой проигрыш после первого броска и после любого другого броска - независимые события. События А и В называются независимыми, если реализация одного из них никак не влияет на вероятность другого события. Например, вероятности поражения цели первым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события "первое орудие поразило цель" и "второе орудие поразило цель" независимы. Если два события А и В независимы, и вероятность каждого из них известна, то вероятность одновременного наступления и события А, и события В (обозначается АВ) можно посчитать, воспользовавшись следующей теоремой.

Теорема умножения вероятностей для независимых событий

P(AB) = P(A)*P(B) вероятность одновременного наступления двух независимых событий равна произведению вероятностей этих событий.

Пример 1 . Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 = 0,7; р 2 = 0,8. Найти вероятность попадания при одном залпе обоими орудиями одновременно.

как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р1*р2=0,56. Что произойдет с нашими оценками, если исходные события не являются независимыми? Давайте немного изменим предыдущий пример.

Пример 2. Два стрелка на соревнованиях стреляют по мишеням, причем, если один из них стреляет метко, то соперник начинает нервничать, и его результаты ухудшаются. Как превратить эту житейскую ситуацию в математическую задачу и наметить пути ее решения? Интуитивно понятно, что надо каким-то образом разделить два варианта развития событий, составить по сути дела два сценария, две разные задачи. В первом случае, если соперник промахнулся, сценарий будет благоприятный для нервного спортсмена и его меткость будет выше. Во втором случае, если соперник прилично реализовал свой шанс, вероятность поразить мишень для второго спортсмена снижается. Для разделения возможных сценариев (их часто называют гипотезами) развития событий мы будем часто использовать схему "дерева вероятностей". Эта схема похожа по смыслу на дерево решений, с которым Вам, наверное, уже приходилось иметь дело. Каждая ветка представляет собой отдельный сценарий развития событий, только теперь она имеет собственное значение так называемой условной вероятности (q 1 , q 2 , q 1 -1, q 2 -1).

Эта схема очень удобна для анализа последовательных случайных событий. Остается выяснить еще один немаловажный вопрос: откуда берутся исходные значения вероятностей в реальных ситуациях? Ведь не с одними же монетами и игральными костями работает теория вероятностей? Обычно эти оценки берутся из статистики, а когда статистические сведения отсутствуют, мы проводим собственное исследование. И начинать его нам часто приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны.

Пример 3. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева вероятностей". При этом значение вероятности на каждой "ветке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка:

1) из всех жителей города женщин 50%,

2) из всех женщин только 30% красят волосы часто,

3) из них только 10% пользуются бальзамами для окрашенных волос,

4) из них только 10% могут набраться смелости попробовать новый товар,

5) из них 70% обычно покупает все не у нас, а у наших конкурентов.

По закону перемножения вероятностей, определяем вероятность интересующего нас события А ={житель города покупает у нас этот новый бальзам}=0,00045. Умножим это значение вероятности на число жителей города. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля. И все-таки польза от наших оценок есть. Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения вероятности тоже будут разные. Во-вторых, как мы уже говорили, случайная величина не потому называется случайной, что она совсем ни от чего не зависит. Просто ее точное значение заранее не известно. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вероятностей нас особенно не устраивает, на тех факторах, на которые мы в состоянии повлиять. Рассмотрим еще один количественный пример исследования покупательского поведения.

Пример 3. За день продовольственный рынок посещает в среднем 10000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 1/2. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов. Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г?

Обсуждение.

Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил.

Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы должны найти ответ на вопрос, какова вероятность того, что человек, зашедший в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое время за посетителями павильона. Допустим, наши наблюдения показали, что только пятая часть посетителей павильона что-то покупает. Как только эти оценки нами получены, задача становится уже простой. Из 10000 человек, пришедших на рынок, 5000 зайдут в павильон молочных продуктов, покупок будет только 1000. Средний вес покупки равен 500 грамм. Интересно отметить, что для построения полной картины происходящего, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с вероятностями.

Задачи для самопроверки.

1. Пусть есть электрическая цепь, состоящая из n последовательно соединенных элементов, каждый из которых работает независимо от остальных. Известна вероятность p невыхода из строя каждого элемента. Определите вероятность исправной работы всего участка цепи (событие А).

2. Студент знает 20 из 25 экзаменационных вопросов. Найдите вероятность того, что студент знает предложенные ему экзаменатором три вопроса.

3. Производство состоит из четырех последовательных этапов, на каждом из которых работает оборудование, для которого вероятности выхода из строя в течение ближайшегомесяца равны соответственно р 1 , р 2 , р 3 и р 4 . Найдите вероятность того, что за месяц не случится ни одной остановки производства из-за неисправности оборудования.

Общая постановка задачи: известны вероятности некоторых событий, а вычислить нужно вероятности других событий, которые связаны с данными событиями. В этих задачах возникает необходимость в таких действиях над вероятностями, как сложение и умножение вероятностей.

Например, на охоте проиведены два выстрела. Событие A - попадание в утку с первого выстрела, событие B - попадание со второго выстрела. Тогда сумма событий A и B - попадание с первого или второго выстрела или с двух выстрелов.

Задачи другого типа. Даны несколько событий, например, монета подбрасывается три раза. Требуется найти вероятность того, что или все три раза выпадет герб, или того, что герб выпадет хотя бы один раз. Это задача на умножение вероятностей.

Сложение вероятностей несовместных событий

Сложение вероятностей используется тогда, когда нужно вычислить вероятность объединения или логической суммы случайных событий.

Сумму событий A и B обозначают A + B или A ∪ B . Суммой двух событий называется событие, которое наступает тогда и только тогда, когда наступает хотя бы одно из событий. Это означает, что A + B – событие, которое наступает тогда и только тогда, когда при наблюдении произошло событие A или событие B , или одновременно A и B .

Если события A и B взаимно несовместны и их вероятности даны, то вероятность того, что в результате одного испытания произойдёт одно из этих событий, рассчитывают, используя сложение вероятностей.

Теорема сложения вероятностей. Вероятность того, что произойдёт одно из двух взаимно несовместных событий, равна сумме вероятностей этих событий:

Например, на охоте произведены два выстрела. Событие А – попадание в утку с первого выстрела, событие В – попадание со второго выстрела, событие (А + В ) – попадание с первого или второго выстрела или с двух выстрелов. Итак, если два события А и В – несовместные события, то А + В – наступление хотя бы одного из этих событий или двух событий.

Пример 1. В ящике 30 мячиков одинаковых размеров: 10 красных, 5 синих и 15 белых. Вычислить вероятность того, что не глядя будет взят цветной (не белый) мячик.

Решение. Примем, что событие А – «взят красный мячик», а событие В – «взят синий мячик». Тогда событие - «взят цветной (не белый) мячик». Найдём вероятность события А :

и события В :

События А и В – взаимно несовместные, так как если взят один мячик, то нельзя взять мячики разных цветов. Поэтому используем сложение вероятностей:

Теорема сложения вероятностей для нескольких несовместных событий. Если события составляют полное множество событий, то сумма их вероятностей равна 1:

Сумма вероятностей противоположных событий также равна 1:

Противоположные события образуют полное множество событий, а вероятность полного множества событий равна 1.

Вероятности противоположных событий обычно обозначают малыми буквами p и q . В частности,

из чего следуют следующие формулы вероятности противоположных событий:

Пример 2. Цель в тире разделена на 3 зоны. Вероятность того что некий стрелок выстрелит в цель в первой зоне равна 0,15, во второй зоне – 0,23, в третьей зоне – 0,17. Найти вероятность того, что стрелок попадет в цель и вероятность того, что стрелок попадёт мимо цели.

Решение: Найдём вероятность того, что стрелок попадёт в цель:

Найдём вероятность того, что стрелок попадёт мимо цели:

Задачи посложнее, в которых нужно применять и сложение и умножение вероятностей - на странице "Различные задачи на сложение и умножение вероятностей" .

Сложение вероятностей взаимно совместных событий

Два случайных события называются совместными, если наступление одного события не исключает наступления второго события в том же самом наблюдении. Например, при бросании игральной кости событием А считается выпадение числа 4, а событием В – выпадение чётного числа. Поскольку число 4 является чётным числом, эти два события совместимы. В практике встречаются задачи по расчёту вероятностей наступления одного из взаимно совместных событий.

Теорема сложения вероятностей для совместных событий. Вероятность того, что наступит одно из совместных событий, равна сумме вероятностей этих событий, из которой вычтена вероятность общего наступления обоих событий, то есть произведение вероятностей. Формула вероятностей совместных событий имеет следующий вид:

Поскольку события А и В совместимы, событие А + В наступает, если наступает одно из трёх возможных событий: или АВ . Согласно теореме сложения несовместных событий, вычисляем так:

Событие А наступит, если наступит одно из двух несовместных событий: или АВ . Однако вероятность наступления одного события из нескольких несовместных событий равна сумме вероятностей всех этих событий:

Аналогично:

Подставляя выражения (6) и (7) в выражение (5), получаем формулу вероятности для совместных событий:

При использовании формулы (8) следует учитывать, что события А и В могут быть:

• взаимно независимыми;
• взаимно зависимыми.

Формула вероятности для взаимно независимых событий:

Формула вероятности для взаимно зависимых событий:

Если события А и В несовместны, то их совпадение является невозможным случаем и, таким образом, P (AB ) = 0. Четвёртая формула вероятности для несовместных событий такова:

Пример 3. На автогонках при заезде на первой автомашине вероятность победить , при заезде на второй автомашине . Найти:

• вероятность того, что победят обе автомашины;
• вероятность того, что победит хотя бы одна автомашина;

1) Вероятность того, что победит первая автомашина, не зависит от результата второй автомашины, поэтому события А (победит первая автомашина) и В (победит вторая автомашина) – независимые события. Найдём вероятность того, что победят обе машины:

2) Найдём вероятность того, что победит одна из двух автомашин:

Задачи посложнее, в которых нужно применять и сложение и умножение вероятностей - на странице "Различные задачи на сложение и умножение вероятностей" .

Решить задачу на сложение вероятностей самостоятельно, а затем посмотреть решение

Пример 4. Бросаются две монеты. Событие A - выпадение герба на первой монете. Событие B - выпадение герба на второй монете. Найти вероятность события C = A + B .

Умножение вероятностей

Умножение вероятностей используют, когда следует вычислить вероятность логического произведения событий.

При этом случайные события должны быть независимыми. Два события называются взаимно независимыми, если наступление одного события не влияет на вероятность наступления второго события.

Теорема умножения вероятностей для независимых событий. Вероятность одновременного наступления двух независимых событий А и В равна произведению вероятностей этих событий и вычисляется по формуле:

Пример 5. Монету бросают три раза подряд. Найти вероятность того, что все три раза выпадет герб.

Решение. Вероятность того, что при первом бросании монеты выпадет герб , во второй раз , в третий раз . Найдём вероятность того, что все три раза выпадет герб:

Решить задачи на умножение вероятностей самостоятельно, а затем посмотреть решение

Пример 6. Имеется коробка с девятью новыми теннисными мячами. Для игры берут три мяча, после игры их кладут обратно. При выборе мячей игранные от неигранных не отличают. Какова вероятность того, что после трёх игр в коробке не останется неигранных мячей?

Пример 7. 32 буквы русского алфавита написаны на карточках разрезной азбуки. Пять карточек вынимаются наугад одна за другой и укладываются на стол в порядке появления. Найти вероятность того, что из букв получится слово "конец".

Пример 8. Из полной колоды карт (52 листа) вынимаются сразу четыре карты. Найти вероятность того, что все эти четыре карты будут разных мастей.

Пример 9. Та же задача, что в примере 8, но каждая карта после вынимания возвращается в колоду.

Задачи посложнее, в которых нужно применять и сложение и умножение вероятностей, а также вычислять произведение нескольких событий - на странице "Различные задачи на сложение и умножение вероятностей" .

Вероятность того, что произойдёт хотя бы одно из взаимно независимых событий , можно вычислить путём вычитания из 1 произведения вероятностей противоположных событий , то есть по формуле.

Определения вероятности

Классическое определение

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

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

Классическое определение вероятности можно сформулировать следующим образом:

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

Например, пусть подбрасываются две кости. Общее количество равновозможных исходов (элементарных событий) равно очевидно 36 (6 возможностей на каждой кости). Оценим вероятность выпадения 7 очков. Получение 7 очков возможно следующими способами: 1+6, 2+5, 3+4, 4+3, 5+2, 6+1. То есть всего 6 равновозможных исходов, благоприятствующих событию A - получению 7 очков. Следовательно, вероятность будет равна 6/36=1/6. Для сравнения вероятность получения 12 очков или 2 очков равна всего 1/36 - в 6 раз меньше.

Геометрическое определение

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

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

Частотное (статистическое) определение

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

где - количество наблюдений, а - количество наступлений события .

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

Аксиоматическое определение

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

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

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

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

Непрерывные случайные величины. Кроме дискретных случайных величин, возможные значения которых образуют конечную или бесконечную последовательность чисел, не заполняющих сплошь никакого интервала, часто встречаются случайные величины, возможные значения которых образуют некоторый интервал. Примером такой случайной величины может служить отклонение от номинала некоторого размера детали при правильно налаженном технологическом процессе. Такого рода, случайные величины не могут быть заданы с помощью закона распределения вероятностей р(х) . Однако их можно задать с помощью функции распределения вероятностей F(х) . Эта функция определяется точно так же, как и в случае дискретной случайной величины:

Таким образом, и здесь функция F(х) определена на всей числовой оси, и ее значение в точке х равно вероятности того, что случайная величина примет значение, меньшее чем х . Формула (19) и свойства 1° и 2° справедливы для функции распределения любой случайной величины. Доказательство проводится аналогично случаю дискретной величины. Случайная величина называется непрерывной , если для нее существует неотрицательная кусочно-непрерывная функция* , удовлетворяющая для любых значений x равенству

Исходя из геометрического смысла интеграла как площади, можно сказать, что вероятность выполнения неравенств равна площади криволинейной трапеции с основанием , ограниченной сверху кривой (рис. 6).

Так как , а на основании формулы (22)

Заметим, что для непрерывной случайной величины функция распределения F(х) непрерывна в любой точке х , где функция непрерывна. Это следует из того, что F(х) в этих точках дифференцируема. На основании формулы (23), полагая x 1 =x , , имеем

В силу непрерывности функции F(х) получим, что

Следовательно

Таким образом, вероятность того, что непрерывная случайная величина может принять любое отдельное значение х, равна нулю . Отсюда следует, что события, заключающиеся в выполнении каждого из неравенств

Имеют одинаковую вероятность, т.е.

В самом деле, например,

так как Замечание. Как мы знаем, если событие невозможно, то вероятность его наступления равна нулю. При классическом определении вероятности, когда число исходов испытания конечно, имеет место и обратное предложение: если вероятность события равна нулю, то событие невозможно, так как в этом случае ему не благоприятствует ни один из исходов испытания. В случае непрерывной случайной величины число возможных ее значений бесконечно. Вероятность того, что эта величина примет какое-либо конкретное значение x 1 как мы видели, равна нулю. Однако отсюда не следует, что это событие невозможно, так как в результате испытания случайная величина может, в частности, принять значение x 1 . Поэтому в случае непрерывной случайной величины имеет смысл говорить о вероятности попадания случайной величины в интервал, а не о вероятности того, что она примет какое-то конкретное значение. Так, например, при изготовлении валика нас не интересует вероятность того, что его диаметр будет равен номиналу. Для нас важна вероятность того, что диаметр валика не выходит из поля допуска. Пример. Плотность распределения непрерывной случайной величины задана следующим образом:

График функции представлен па рис. 7. Определить вероятность того, что случайная величина примет значение, удовлетворяющее неравенствам .Найти функцию распределения заданной случайной величины. (Решение )

Следующие два пункта посвящены часто встречающимся на практике распределениям непрерывных случайных величин - равномерному и нормальному распределениям.

* Функция называется кусочно-непрерывной на всей числовой оси, если она на любом сегменте или непрерывна, или имеет конечное число точек разрыва I рода. ** Правило дифференцирования интеграла с переменной верхней границей, выведенное в случае конечной нижней границы, остается справедливым и для интегралов с бесконечной нижней границей. В самом деле,

Так как интеграл

есть величина постоянная.

Зависимые и независимые события. Условная вероятность

Различают события зависимые и независимые. Два события называются независимыми, если появление одного из них не изменяет вероятность появления другого. Например, если в цехе работают две автоматические линии, по условиям производства не взаимосвязанные, то остановки этих линий являются независимыми событиями.

Пример 3. Монета брошена два раза. Вероятность появления "герба" в первом испытании (событие ) не зависит от появления или не появления "герба" во втором испытании (событие ). В свою очередь, вероятность появления "герба" во втором испытании не зависит от результата первого испытания. Таким образом, события и независимые.

Несколько событий называются независимыми в совокупности , если любое из них не зависит от любого другого события и от любой комбинации остальных.

События называются зависимыми , если одно из них влияет на вероятность появления другого. Например, две производственные установки связаны единым технологическим циклом. Тогда вероятность выхода из строя одной из них зависит от того, в каком состоянии находится другая. Вероятность одного события , вычисленная в предположении осуществления другого события , называется условной вероятностью события и обозначается .

Условие независимости события от события записывают в виде , а условие его зависимости - в виде . Рассмотрим пример вычисления условной вероятности события.

Пример 4. В ящике находятся 5 резцов: два изношенных и три новых. Производится два последовательных извлечения резцов. Определить условную вероятность появления изношенного резца при втором извлечении при условии, что извлеченный в первый раз резец в ящик не возвращается.

Решение. Обозначим извлечение изношенного резца в первом случае, а - извлечение нового. Тогда . Поскольку извлеченный резец в ящик не возвращается, то изменяется соотношение между количествами изношенных и новых резцов. Следовательно, вероятность извлечения изношенного резца во втором случае зависит от того, какое событие осуществилось перед этим.

Обозначим событие, означающее извлечение изношенного резца во втором случае. Вероятности этого события могут быть такими:

Следовательно, вероятность события зависит от того, произошло или нет событие .

Пло́тность вероя́тности - один из способов задания вероятностной меры на евклидовом пространстве . В случае, когда вероятностная мера является распределением случайной величины, говорят о плотности случайной величины .

Плотность вероятности Пусть является вероятностной мерой на, то есть определено вероятностное пространство, где обозначает борелевскую σ-алгебру на. Пусть обозначает меру Лебега на.

Определение 1. Вероятность называется абсолютно непрерывной (относительно меры Лебега) (), если любое борелевское множество нулевой меры Лебега также имеет вероятность ноль:

Если вероятность абсолютно непрерывна, то согласно теореме Радона-Никодима существует неотрицательная борелевская функция такая, что

,

где использовано общепринятое сокращение , и интеграл понимается в смысле Лебега.

Определение 2. В более общем виде, пусть - произвольное измеримое пространство, а и - две меры на этом пространстве. Если найдется неотрицательная , позволяющая выразить меру через меру в виде

то такую функцию называют плотностью меры по мере , или производной Радона-Никодима меры относительно меры , и обозначают

Иногда об этом прямо сказано в условии задачи, но чаще всего приходится проводить самостоятельный анализ. Какого-то однозначного ориентира тут нет, и факт зависимости либо независимости событий вытекает из естественных логических рассуждений.

Чтобы не валить всё в одну кучу, задачам на зависимые события я выделю следующий урок, а пока мы рассмотрим наиболее распространённую на практике связку теорем:

Задачи на теоремы сложения вероятностей несовместных
и умножения вероятностей независимых событий

Этот тандем, по моей субъективной оценке, работает примерно в 80% задач по рассматриваемой теме. Хит хитов и самая настоящая классика теории вероятностей:

Задача 5

Два стрелка сделали по одному выстрелу в мишень. Вероятность попадания для первого стрелка равна 0,8, для второго – 0,6. Найти вероятность того, что:

а) только один стрелок попадёт в мишень;
б) хотя бы один из стрелков попадёт в мишень.

Решение : вероятность попадания/промаха одного стрелка, очевидно, не зависит от результативности другого стрелка.

Рассмотрим события: А 1 – 1-й стрелок попадёт в мишень;

А 2 – 2-й стрелок попадёт в мишень.

По условию: Р (А 1 ) = 0,8; Р (А 2 ) = 0,6.

Найдём вероятности противоположных событий – того, что соответствующие стрелки промахнутся:

1 - = 1 – 0,8 = 0,2;

1 - = 1 – 0,6 = 0,4;

а) Рассмотрим событие: В – только один стрелок попадёт в мишень. Данное событие состоит в двух несовместных исходах:

1-й стрелок попадёт и 2-й промахнётся
или
1-й промахнётся и 2-й попадёт.

На языке алгебры событий этот факт запишется следующей формулой: В = +

Сначала используем теорему сложения вероятностей несовместных событий, затем – теорему умножения вероятностей независимых событий:

Р(В) =Р( + ) = + Р( ) + Р( ) = Р( ) × Р( ) +Р( ) × Р( ) =

0,8 × 0,4 + 0,2 × 0,6 = 0,32 + 0,12 = 0,44 – вероятность того, что будет только одно попадание.

б) Рассмотрим событие: С – хотя бы один из стрелков попадёт в мишень.

Прежде всего, ВДУМАЕМСЯ – что значит условие «ХОТЯ БЫ ОДИН»? В данном случае это означает, что попадёт или 1-й стрелок (2-й промахнётся) или 2-й (1-й промахнётся) или оба стрелка сразу – итого 3 несовместных исхода.

Способ первый : учитывая готовую вероятность предыдущего пункта, событие удобно представить в виде суммы следующих несовместных событий:

попадёт кто-то один (событие В, состоящее в свою очередь из 2-х несовместных исходов) или
попадут оба стрелка – обозначим данное событие буквой D .

Таким образом: C = B + D .

P (D) = P(А 1 А 2) = P(А 1) × P(А 2) = 0,8 × 0,6 = 0,48 – вероятность того, что 1-й стрелок попадёт и 2-ой стрелок попадёт.

По теореме сложения вероятностей несовместных событий:

Р(C) = Р(B + D) = Р(B) + Р(D) = 0,44 + 0,48 = 0,92. – вероятность хотя бы одного попадания по мишени.

Способ второй : рассмотрим противоположное событие: – оба стрелка промахнутся.

По теореме умножения вероятностей независимых событий:

Р() = Р () = Р () × Р () = 0,2 × 0,4 = 0,08.

В результате: Р(С) = 1 – Р() = 1 – 0,08 = 0,92.

Особое внимание обратите на второй способ – в общем случае он более рационален.

Кроме того, существует альтернативный, третий путь решения, основанный на теореме, которая будет рассмотрена на следующем уроке: теореме сложения совместных событий.

! Если вы знакомитесь с материалом впервые, то во избежание путаницы, следующий абзац лучше пропустить.

Способ третий : события А 1 и А 2 совместны, а значит, их сумма А 1 + А 2 выражает событие «хотя бы один стрелок попадёт в мишень» (см. алгебру событий ). По теореме сложения вероятностей совместных событий и теореме умножения вероятностей независимых событий:

Р(А 1 + А 2) = Р(А 1) + Р(А 2) –Р(А 1 × А 2) = Р(А 1) + Р(А 2) – Р(А 1) × Р(А 2) =

= 0,8 + 0,6 – 0,8 × 0,6 = 1,4 – 0,48 = 0,92

Выполним проверку: события , В и D (0, 1 и 2 попадания соответственно) образуют полную группу, поэтому сумма их вероятностей должна равняться единице:

Р() + Р(В) + Р(D) = 0,08 + 0,44 + 0,48 = 1, что и требовалось проверить.

Ответ : а) вероятность того, что только один стрелок попадёт в мишень, равна 0,44,

б) вероятность того, что хотя бы один из стрелков попадёт в мишень, равна 0,92

На практике можно пользоваться любым вариантом оформления. Конечно же, намного чаще идут коротким путём, но не нужно забывать и 1-й способ – он хоть и длиннее, но зато содержательнее – в нём понятнее, что, почему и зачем складывается и умножается.

Похожие задачи:

Задача 6 для самостоятельного решения

Для сигнализации о возгорании установлены два независимо работающих дат­чика. Вероятности того, что при возгорании датчик сработает, для первого и второго датчиков соответственно равны 0,5 и 0,7. Найти вероятность того, что при пожаре:

а) оба датчика откажут;
б) оба датчика сработают.
в) Пользуясь теоремой сложения вероятностей событий, образующих полную группу , найти вероятность того, что при пожаре сработает только один датчик. Проверить результат прямым вычислением этой вероятности (с помощью теорем сложения и умножения) .

Здесь независимость работы устройств непосредственно прописана в условии, что, кстати, является важным уточнением. Образец решения оформлен в академичном стиле.

Как быть, если в похожей задаче даны одинаковые вероятности, например, 0,9 и 0,9? Решать нужно точно так же!

Задача 7

Стрелок попадает в цель с одной и той же вероятностью при каждом выстреле. Какова эта вероятность, если вероятность хотя бы одного попадания при трех выстрелах равна 0,973.

Решение : обозначим через – вероятность попадания в мишень при каждом выстреле.
и через – вероятность промаха при каждом выстреле.

И таки распишем события:
– при 3-х выстрелах стрелок попадёт в мишень хотя бы один раз;
– стрелок 3 раза промахнётся.

По условию , тогда вероятность противоположного события:

С другой стороны, по теореме умножения вероятностей независимых событий:

Таким образом:

– вероятность промаха при каждом выстреле.

В результате:
– вероятность попадания при каждом выстреле.

Ответ : 0,7

Просто и изящно.

Решения и ответы :

Задача 2: В коробке 10 красных и 6 синих пуговиц. Наудачу извлекаются две пуговицы. Какова вероятность того, что они будут одноцветными?

Решение : всего: 10 + 6 = 16 пуговиц в коробке.
способами можно извлечь 2 пуговицы из коробки;
способами можно извлечь 2 красные пуговицы;
способами можно извлечь 2 синие пуговицы.
По классическому определению:
– вероятность того, что из коробки будут извлечены две красные пуговицы;
– вероятность того, что из коробки будут извлечены две синие пуговицы.
По теореме сложения вероятностей несовместных событий:
– вероятность того, что из коробки будут извлечены две одноцветные пуговицы.
Ответ : 0,5

Задача 4: В трех урнах имеется по 6 белых и по 4 черных шара. Из каждой урны извлекают наудачу по одному шару. Найти вероятность того, что: а) все три шара будут белыми; б) все три шара будут одного цвета.

Решение : рассмотрим события: – из 1-й, 2-й и 3-й урны соответственно будет извлечён белый шар. По классическому определению вероятности:

Тогда вероятности извлечения чёрного шара из соответствующих урн равны:

а) Рассмотрим событие: – из каждой урны будет извлечено по 1-му белому шару.
Данное событие выражается в виде произведения (из 1-й урны будет извлечён БШ и из 2-ой урны будет извлечён БШ и из 3-й урны будет извлечён БШ).
По теореме умножения вероятностей независимых событий: