- •§ 1. Понятие множества
- •§ 2. Операции над множествами
- •§ 3. Эквивалентность множеств. Счетные и несчетные множества
- •§ 1. Высказывания и высказывательные формы
- •§ 2. Виды высказываний
- •§ 3. Логические операции
- •§ 4. Формулы и функции логики высказываний
- •§ 5. Равносильные формулы
- •§ 6. Тождественно истинные формулы
- •§ 7. Анализ рассуждений. Правило вывода
- •§ 8. Некоторые правила вывода
- •§ 9. Общее определение логического следования
- •§ 10. Теорема дедукции
- •§ 11. Недостаточность логики высказываний
- •§ 12. Понятие о предикате
- •§ 13. Кванторы
- •§ 14. Формулы логики предикатов
- •§ 15. Предикат равенства
- •§ 16. Равносильные формулы
- •§ 17. Общезначимые формулы
- •§ 18. Простейшие правила вывода на языке логики предикатов
- •§ 1. Матрицы и действия над ними
- •§ 2. Определитель квадратной матрицы. Обращение матриц
- •§ 3. Системы линейных алгебраических уравнений
- •§ 4. Матричный метод решения систем линейных алгебраических уравнений
- •§ 5. Ранг матрицы
- •§ 1. Понятие отношения
- •§ 2. Операции над отношениями
- •§ 3. Алгебраические свойства операций
- •§ 4. Свойства отношений
- •§ 5. Отношение эквивалентности
- •§ 6. Свойства эквивалентности
- •§ 7. Отношение толерантности
- •§ 8. Отношение порядка
- •§ 1. Числовые последовательности
- •§ 2. Предел числовой последовательности
- •§ 3. Предел функции
- •§ 4. Простейшие приемы вычисления пределов
- •§ 5. Бесконечно малые и бесконечно большие функции
- •§ 6. Непрерывность функции
- •§ 2. Дифференциал
- •§ 3. Производные и дифференциалы порядка выше первого
- •§ 4. Применение производных к исследованию функций
- •§ 5. Функции многих переменных. Частные производные и полный дифференциал
- •§ 6. Экстремумы функций многих переменных
- •§ 1. Неопределенный интеграл
- •§ 2. Методы интегрирования
- •§ 3. Определенный интеграл
- •§ 4. Приложения определенного интеграла
- •§ 5. Несобственные интегралы
- •§ 1. Предварительные замечания
- •§ 2. Линейное программирование. Общие понятия и примеры
- •§ 3. Геометрический способ решения задачи линейного программирования
- •§ 4. Общая задача линейного программирования
- •§ 5. Симплексный метод
- •§ 6. Метод искусственного базиса
- •§ 7. Двойственные задачи линейного программирования
- •§ 8. Геометрическая интерпретация двойственных задач
- •§ 9. Двойственный симплекс-метод
- •§ 1. Некоторые формулы комбинаторики
- •§ 2. Биномиальная формула Ньютона
- •§ 3. Основные понятия теории вероятностей
- •§ 4. Пространство элементарных событий
- •§ 5. Случайные события и действия над ними
- •§ 6. Алгебра событий. Аксиомы теории вероятностей
- •§ 7. Свойства вероятностей. Полная группа событий
- •§ 8. Условная вероятность
- •§ 9. Формула полной вероятности и формула Байеса
- •§ 10. Повторение опытов
Мы доказали теорему сложения вероятностей: вероятность объединения любых двух событий равна сумме их вероятностей минус вероятность их пересечения.
Совокупность событий {Ak } (конечная или счетная) называется полной группой событий, если хотя бы одно из них обязательно появляется в результате опыта. Другими словами, события {Ak }
образуют полную группу, если их объединение есть достоверное событие:
Ak =Ω.
Из аксиомы сложения вероятностей следует, что если события A1, A2 , ... , An несовместны и образуют полную группу, то сумма их
вероятностей равна 1. Противоположные события несовместны и образуют полную группу, поэтому
P(A) + P(¬A) = 1.
Эта формула очень важна для практики. Во многих задачах вероятность интересующего нас события трудно вычислить, в то время как вероятность противоположного события вычисляется легко. В таких случаях последняя формула дает простой способ вычисления.
§ 8. Условная вероятность
Условной вероятностью P(A|B) события A относительно события B в случае, когда P(B) ≠ 0, называется отношение вероятности пересечения событий A и B к вероятности события B
( ) P(AB)
P A | B = P(B) .
Из этого равенства вытекает, что
P(AB) = P(B)P(A|B).
— 202 —
Таким образом, вероятность совместного появления двух событий равна вероятности одного из них, умноженной на условную вероятность другого.
Из определения условной вероятности следует, что условные вероятности различных событий относительно одного и того же события B (P(B) ≠ 0), удовлетворяют аксиомам. Следовательно, вся развиваемая далее теория справедлива и для условных вероятностей.
По индукции легко получить формулу
P(A1 A2 ... An )=P(A1 )P(A2 | A1 )P(A3 | A1 A2 ) ... P(An | A1 A2 ...An−1 ).
Пример 1. В урне 15 шаров — 7 белых и 8 красных. Из урны вынимают последовательно два шара. Найти вероятность того, что оба шара окажутся белыми.
Пусть событие A — первый шар белый, событие B — второй шар белый. Тогда получаем
P(A)=P(B)=157 ,
P(B | A)=P(A | B)=146 ,
P(AB)=157 73 =15 .
Пример 2. В урне 16 шаров — 5 белых, 7 черных и 4 красных. Найти вероятность того, что среди вынутых последовательно из урны четырех шаров первый будет белым, второй — черным, а остальные два — красными.
Обозначаем события: A1 — первый шар белый, A2 — второй шар черный, A3 — третий шар красный, A4 — четвертый шар красный.
— 203 —
Получаем
P(A1 )=165 , P(A2 | A1 )=157 , P(A3 | A1A2 )=144 ,
P(A4 | A1A2 A3 )=133 .
По формуле вероятности пересечения событий имеем
P(A A A A )= |
5 |
|
7 |
|
4 |
|
3 |
= |
1 |
. |
||||
|
|
|
|
|
||||||||||
1 |
2 |
3 |
4 |
16 |
15 |
14 |
13 |
104 |
|
|||||
|
|
|
|
|
Можно показать, что вероятность этого события (A1 A2 A3 A4 ) не
зависит от того, в каком порядке берутся события. Например, пусть события следуют в порядке A3 , A1 , A4 , A2 . Тогда
P(A3 )=164 , P(A1 | A3 )=155 , P(A4 | A3 A1 )=143 ,
P(A2 | A3 A1A4 )=137 , P(A3 A1A4 A2 )=164 155 143 137 =1041 .
Два события называются независимыми, если появление одного из них не изменяет вероятности другого, т. е. появление одного из них не содержит никакой информации о другом (не следует путать независимые и несовместные события).
События A и B называются зависимыми, если появление одного из них изменяет вероятность другого.
Для независимых событий A и B
P(A|B) = P(A), P(B|A) = P(B).
В самом деле, вероятность события A, когда известно, что B произошло, есть условная вероятность A относительно B. Если при появлении события B вероятность события A не изменяется, то это означает, что условная вероятность события A относительно B совпадает с вероятностью события A, которую здесь следует называть безусловной.
— 204 —
Для зависимых событий A и B
P(A|B) ≠ P(A), P(B|A) ≠ P(B).
Очевидно, два несовместных события A и B всегда зависимы, потому что появление одного из них исключает другое, т. е.
P(A|B) = P(B|A) = 0.
События A1, A2 , ... , An называются независимыми, если каждое
из них не зависит как от каждого из остальных, так и от всех возможных их пересечений.
Заметим, что для независимости событий A1, A2 , ... , An их по-
парная независимость необходима, но не достаточна.
Пример 3. Пусть A и B — произвольные независимые события,
вероятности которых равны 12 , и C = AB ¬A¬B. Очевидно, что
P(C)=P(AB)+P(¬A¬B)=P(A)P(B)+P(¬A)P(¬B)=12 ,
P(C | A)=P(B)=12 , P(C | B)=P(A)=12 .
Таким образом, A, B, C попарно независимы. Однако P(C|AB) = 1, т. к. если происходит событие AB, то происходит и C. Значит, события A, B, C зависимы.
Пусть события A1, A2 , ... , An независимы. Тогда события An и A1 A2 ...An−1 независимы, события An−1 и A1 A2 ...An−2 независимы, и т. д., события A1 и A2 независимы. Поэтому
P(An | A1 A2 ...An-1 )=P(An ),
P(An−1 | A1 A2 ...An−2 )=P(An−1 ),
.............................................
P(A2 | A1 )=P(A2 ),
— 205 —