Навигация
0 < Р(А) < 1.
Итак, вероятность любого события удовлетворяет двойному неравенству:
0 < или = Р(А) < или = 1.
Далее приведены теоремы, которые позволяют по известным вероятностям одних событий находить вероятности других событий.
Замечание. Современные строгие курсы теории вероятностей построены на теоретико-множественной основе. Ограничимся изложением на языке теории множеств тех понятий, которые рассмотрены выше.
Пусть в результате испытания наступает одно и только одно из событий wi (i=1, 2,…, n). События wi – называют элементарными событиями (элементарными исходами). Уже отсюда следует, что элементарные события попарно несовместны. Множество всех элементарных событий, которые могут появиться в испытании, называют пространством элементарных событий Q, а сами элементарные события – точками пространства Q.
Событие А отождествляют с подмножеством (пространства Q), элементы которого есть элементарные исходы, благоприятствующие А; событие В есть подмножество Q, элементы которого есть исходы, благоприятствующие В, и т.д. Таким образом, множество всех событий, которые могут наступить в испытании, есть множество всех подмножеств Q. Само Q наступает при любом исходе испытания, поэтому Q – достоверное событие; пустое подмножество пространства Q – невозможное событие (оно не наступает ни при каком исходе испытания).
Заметим, что элементарные события выделяются из числа всех событий тем, что каждое из них содержит только один элемент Q.
Каждому элементарному исходу wi ставят в соответствие положительное число pi – вероятность этого исхода, причем сумма pi (по i) = 1.
По определению, вероятность Р (А) события А равна сумме вероятностей элементарных исходов, благоприятствующих А. Отсюда легко получить, что вероятность события достоверного равна единице, невозможного – нулю, произвольного – заключена между нулем и единицей.
Рассмотрим важный частный случай, когда все исходы равновозможны. Число исходов равно n, сумма вероятностей всех исходов равна единице; следовательно, вероятность каждого исхода равна 1/n. Пусть событию А благоприятствует m исходов. Вероятность события А равна сумме вероятностей исходов, благоприятствующих А:
P (A)=1/n + 1/n + 1/n.
Учитывая, что число слагаемых равно m, имеем:
Р(А) = m\n.
Получено классическое определение вероятности.
Классическое определение вероятности предполагает, что число элементарных исходов испытания конечно. На практике же весьма часто встречаются испытания, число возможных исходов которых бесконечно. В таких случаях классическое определение неприменимо. Уже это обстоятельство указывает на ограниченность классического определения. Отмеченный недостаток может быть преодолен, в частности, введением геометрических вероятностей и, конечно, использованием аксиоматической вероятности.
Наиболее слабая сторона классического определения состоит в том, что очень часто невозможно представить результат испытания в виде совокупности элементарных событий. Еще труднее указать основания, позволяющие считать элементарные события равновозможными. Обычно о равновозможности элементарных исходов испытания говорят из соображений симметрии. Так, например, предполагают, что игральная кость имеет форму правильного многогранника (куба) и изготовлена из однородного материала. Однако задачи, в которых можно исходить из соображений симметрии, на практике встречаются весьма редко. По этой причине наряду с классическим определением вероятности используют и другие определения, в частности статистическое определение: в качестве статистической вероятности события принимают относительную частоту или число, близкое к ней. Например, если в результате достаточно большого числа испытаний оказалось, что относительная частота весьма близка к числу 0,4, то это число можно принять за статистическую вероятность события.
Легко проверить, что свойства вероятности, вытекающие из классического определения, сохраняются и при статистическом определении вероятности. Действительно, если событие достоверно, то m = n и относительная частота
m\n = n\n = 1, т.е. статистическая вероятность достоверного события (так же как и в случае классического определения) равна единице.
Если событие невозможно, то m = 0 и, следовательно, относительная частота
0/ n = 0, т.е. статистическая вероятность невозможного события равна нулю.
Для любого события 0 < или = m < или = n и, следовательно, относительная частота
0 < или = m/ n < или =1, т.е. статистическая вероятность любого события заключена между нулем и единицей.
Для существования статистической вероятности события А требуется:
а) возможность, хотя бы принципиально, производить неограниченно число испытаний, в каждом из которых событие А наступает или не наступает;
б) устойчивость относительных частот появления А в различных сериях достаточно большого числа испытаний.
Недостатком статистического определения является неоднозначность статистической вероятности; так как в качестве вероятности события можно принять не только 0,4, но и 0,39; 0,41 и т.д.
2.3 Условная вероятность
Во многих случаях вероятности появления одних событий зависят от того, произошло другое событие или нет. Например, вероятность своевременного выпуска машины зависит от поставки комплектующих изделий. Если эти изделия уже поставлены, то значение искомой вероятности будет одним. Если же она определяется до поставки комплектующих, то ее значение, очевидно, будет другим.
Вероятность события А, вычисленная при условии, что имело место другое событие В, называется условной вероятностью события А и обозначается Р (А/В).
В тех случаях, когда вероятность события А рассматривается при условии, что произошли два других события В и С, используется условная вероятность относительно произведения событий В и С:
Р (А/ВС).
Похожие работы
... понятия вероятности задача некоторой несостоятельности классического определения вероятности была решена. Однако наблюдаются попытки дать трактовку вероятности с более широких позиций, в том числе и с позиций теории информации. 2. Динамика развития понятия математического ожидания 2.1 Предпосылки введения понятия математического ожидания Одним из первых приблизился к определению понятия ...
... Доказать: По определению второй смешанной производной. Найдем по двумерной плотности одномерные плотности случайных величин X и Y. Т.к. полученное равенство верно для всех х, то подинтегральные выражение аналогично В математической теории вероятности вводится как базовая формула (1) ибо предлагается, что плотность вероятности как аналитическая функция может не существовать. Но т.к. в нашем ...
... {ξn (ω )}¥n=1 . Поэтому, во-первых, можно говорить о знакомой из математического анализа (почти) поточечной сходимости последовательностей функций: о сходимости «почти всюду», которую в теории вероятностей называют сходимостью «почти наверное». Определение 46. Говорят, что последовательность с. в. {ξn } сходится почти наверное к с. в. ξ при n ® ¥ , и пишут: ξn ...
... бесконечное число. Следствие: Вероятность невозможного события равна 0. По определению суммы имеет место неравенство W+V=W. W и V несовместные события. По третей аксиоме теории вероятности имеем: P(W+V)=P(Q)=P(U)=1 P(W)+P(V)=P(W) 1+P(V)=1 P(V)=1 Пусть W состоит из конечного числа элементарных событий W={E1, E2,..., Em} тогда по определению . Элементарные события несовместны, тогда по ...
0 комментариев