Пусть события А и В ― несовместные, причем вероятности этих событий известны. Вопрос: как найти вероятность того, что наступит одно из этих несовместных событий? На этот вопрос ответ дает теорема сложения.

Теорема. Вероятностьпоявления одного из двух несовместных событий равна сумме вероятностей этих событий:

p (А + В ) = p (А ) + p (В ) (1.6)

Доказательство. Действительно, пусть n – общее число всех равновозможных и несовместных (т.е. элементарных) исходов. Пусть событию А благоприятствует m 1 исходов, а событию В – m 2 исходов. Тогда согласно классическому определению вероятности этих событий равны: p (А ) = m 1 / n , p (B ) = m 2 / n .

Так как события А и В несовместные, то ни один из исходов, благоприятствующих событию А , не благоприятствует событию В (см. схему ниже).

Поэтому событию А +В будут благоприятствовать m 1 + m 2 исходов. Следовательно, для вероятности p (А + В ) получим:

Следствие 1. Сумма вероятностей событий, образующих полную группу, равна единице:

p (А ) + p (В ) + p (С ) + … + p (D ) = 1.

Действительно, пусть события А , В , С , … , D образуют полную группу. В силу этого они являются несовместными и единственно возможными. Поэтому событие А + В + С + …+ D , состоящее в появлении (в результате испытания) хотя бы одного из этих событий, является достоверным, т.е. А+В+С+…+ D = и p (А+В+С+ …+ D ) = 1.

В силу несовместности событий А , В , С , … , D справедлива формула:

p (А+В+С+ …+ D ) = p (А ) + p (В ) + p (С ) + … + p (D ) = 1.

Пример. В урне 30 шаров, из них 10 красных, 5 синих и 15 белых. Найти вероятность извлечения красного или синего шара при условии, что из урны извлекли только один шар.

Решение. Пусть событие А 1 – извлечение красного шара, а событие А 2 – извлечение синего шара. Данные события несовместны, причём p (А 1) = 10 / 30 = 1 / 3; p (А 2) = 5 / 30 = 1 /6. По теореме сложения получим:

p (А 1 + А 2) = p (А 1) + p (А 2) = 1 / 3 + 1 / 6 = 1 / 2.

Замечание 1. Подчеркнём, что по смыслу задачи необходимо прежде всего установить характер рассматриваемых событий – являются ли они несовместными. Если приведённую теорему применять к совместным событиям, то результат получится неверным.

Теоремы сложения и умножения вероятностей.

Теорема сложения вероятностей двух событий . Вероятность суммы двух событий равна сумме вероятностей этих событий без вероятности их совместного появления :

Р(А+В)=Р(А)+Р(В)-Р(АВ).

Теорема сложения вероятностей двух несовместных событий . Вероятность суммы двух несовместных событий равна сумме вероятностей этих :

Р(А+В)=Р(А)+Р(В).

Пример 2.16. Стрелок стреляет по мишени, разделенной на 3 области. Вероятность попадания в первую область равна 0,45, во вторую - 0,35. Найти вероятность того, что стрелок при одном выстреле попадет либо в первую, либо во вторую область.

Решение.

События А - «стрелок попал в первую область» и В - «стрелок попал во вторую область» - несовместны (попадание в одну область исключает попадание в другую), поэтому теорема сложения применима.

Искомая вероятность равна:

Р(А+В)=Р(А)+Р(В)= 0,45+ 0,35 = 0,8.

Теорема сложения вероятностей п несовместных событий . Вероятность суммы п несовместных событий равна сумме вероятностей этих :

Р(А 1 +А 2 +…+А п)=Р(А 1)+Р(А 2)+…+Р(А п).

Сумма вероятностей противоположных событий равна единице:

Вероятность события В при условии, что произошло событие А , называется условной вероятностью события В и обозначается так: Р(В/А), или Р А (В).

. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого при условии, что первое событие произошло:

Р(АВ)=Р(А)Р А (В).

Событие В не зависит от события А , если

Р А (В)=Р(В),

т.е. вероятность события В не зависит от того, произошло ли событие А .

Теорема умножения вероятностей двух независимых событий. Вероятность произведения двух независимых событий равна произведению их вероятностей:

Р(АВ)=Р(А)Р(В).

Пример 2.17. 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 (из обоих орудий) хотя бы одним из орудий.

Решение.

Вероятность попадания в цель каждым из орудий не зависит от результата стрельбы из другого орудия, поэтому события А – «попадание первого орудия» и В – «попадание второго орудия» независимы.

Вероятность события АВ – «оба орудия дали попадание»:

Искомая вероятность

Р(А+В) = Р(А) + Р(В) – Р(АВ) = 0,7 + 0,8 – 0,56 = 0,94.

Теорема умножения вероятностей п событий. Вероятность произведения п событий равна произведению одного из них на условные вероятности всех остальных, вычисленные в предположении, что все предыдущие события наступили:

Пример 2.18 . В урне 5 белых, 4 черных и 3 синих шара. Каждое испытание состоит в том, что наудачу извлекают один шар, не возвращая его обратно. Найти вероятность того, что при первом испытании появится белый шар (событие А), при втором – черный (событие В) и при третьем – синий (событие С).

Решение.

Вероятность появления белого шара в первом испытании:

Вероятность появления черного шара во втором испытании, вычисленная в предположении, что в первом испытании появился белый шар, т. е. условная вероятность:

Вероятность появления синего шара в третьем испытании, вычисленная в предположении, что в первом испытании появился белый шар, а во втором - черный, т. е. условная вероятность:

Искомая вероятность равна:

Теорема умножения вероятностей п независимых событий. Вероятность произведения п независимых событий равна произведению их вероятностей:

Р(А 1 А 2 …А п)=Р(А 1)Р(А 2)…Р(А п).

Вероятность появления хотя бы одного из события. Вероятность появления хотя бы одного из событий А 1 , А 2 , …, А п, независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий :

.

Пример 2.19. Вероятности попадания в цель при стрельбе из трех орудий таковы: р 1 = 0,8; р 2 = 0,7; р 3 = 0,9. Найти вероятность хотя бы одного попадания (событие А ) при одном залпе из всех орудий.

Решение.

Вероятность попадания в цель каждым из орудий не зависит от результатов стрельбы из других орудий, поэтому рассматриваемые события A 1 (попадание первого орудия), А 2 (попадание второго орудия) и А 3 (попадание третьего орудия) независимы в совокупности.

Вероятности событий, противоположных событиям А 1 , А 2 и А 3 (т.е. вероятности промахов), соответственно равны:

, , .

Искомая вероятность равна:

Если независимые события А 1 , А 2 , …, А п имеют одинаковую вероятность, равную р , то вероятность появления хотя бы одного из этих событий выражается формулой:

Р(А)= 1 – q n ,

где q=1- p

2.7. Формула полной вероятности. Формула Байеса.

Пусть событие А может произойти при условии появления одного из несовместных событий Н 1 , Н 2 , …, Н п , образующих полную группу событий. Поскольку заранее неизвестно, какое из этих событий наступит, их называют гипотезами .

Вероятность появления события А вычисляется по формуле полной вероятности:

Р(А)=Р(Н 1)Р(А/Н 1)+ Р(Н 2)Р(А/Н 2)+…+ Р(Н п)Р(А/Н п).

Допусти, что произведен опыт, в результате которого событие А произошло. Условные вероятности событий Н 1 , Н 2 , …, Н п относительно события А определяются формулами Байеса :

,

Пример 2.20 . В группе из 20 студентов, пришедших на экзамен, 6 подготовлены отлично, 8 – хорошо, 4 – удовлетворительно и 2 – плохо. В экзаменационных билетах имеется 30 вопросов. Отлично подготовленный студент может ответить на все 30 вопросов, хорошо подготовленный – на 24, удовлетворительно – на 15, плохо – на 7.

Вызванный наугад студент ответил на три произвольно заданных вопроса. Найти вероятность того, что этот студент подготовлен: а) отлично; б) плохо.

Решение.

Гипотезы – «студент подготовлен отлично»;

– «студент подготовлен хорошо»;

– «студент подготовлен удовлетворительно»;

– «студент подготовлен плохо».

До опыта:

; ; ; ;

7. Что называют полной группой событий?

8. Какие события называют равновозможными? Приведите примеры таких событий.

9. Что называют элементарным исходом?

10. Какие исходы называю благоприятными данному событию?

11. Какие операции можно проводить над событиями? Дайте им определения. Как обозначаются? Приведите примеры.

12. Что называется вероятностью?

13. Чему равна вероятность достоверного события?

14. Чему равна вероятность невозможного события?

15. В каких пределах заключена вероятность?

16. Как определяется геометрическая вероятность на плоскости?

17. Как определяется вероятность в пространстве?

18. Как определяется вероятность на прямой?

19. Чему равна вероятность суммы двух событий?

20. Чему равна вероятность суммы двух несовместных событий?

21. Чему равна вероятность суммы n несовместных событий?

22. Какую вероятность называют условной? Приведите пример.

23. Сформулируйте теорему умножения вероятностей.

24. Как найти вероятность появления хотя бы одного из событий?

25. Какие события называют гипотезами?

26. Когда применяются формула полной вероятности и формулы Байеса?

При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность () 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. 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.

Решение: как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р 1 *р 2 =0,56.

Что произойдет, с нашими оценками, если исходные события не являются независимыми? Давайте немного изменим предыдущий пример.

Пример. 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. 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.

Решение: 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. 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 ближайшего месяца 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.

Непосредственный подсчет случаев, благоприятствующих данному событию, может оказаться затруднительным. Поэтому для определения вероятности события бывает выгодно представить данное событие в виде комбинации некоторых других, более простых событий. При этом, однако, надо знать правила, которым подчиняются вероятности при комбинации событий. Именно к этим правилам и относятся упомянутые в названии параграфа теоремы.

Первая из них относится к подсчету вероятности того, что осуществится хотя бы одно из нескольких событий.

Теорема сложения.

Пусть А и В - два несовместных события. Тогда вероятность того, что осуществится хотя бы одно из этих двух событий, равна сумме их вероятностей:

Доказательство. Пусть - полная группа попарно несовместных событий. Если то среди этих элементарных событий имеется ровно событий, благоприятствующих А, и ровно событий, благоприятствующих В. Так как события А и В несовместны, то никакое из событий не может благоприятствовать обоим этим событиям. Событию (А или В), состоящему в том, что наступает хотя бы одно из этих двух событий, благоприятствует, очевидно, как каждое из событий благоприятствующих А, так и каждое из событий

Благоприятствующих В. Поэтому общее число событий, благоприятствующих событию (А или В), равно сумме откуда следует:

что и требовалось доказать

Нетрудно видеть, что теорема сложения, сформулированная выше для случая двух событий, легко переносится на случай любого конечного числа их. Именно если попарно несовместные события, то

Для случая трех событий, например, можно написать

Важным следствием теоремы сложения является утверждение: если события попарно несовместны и единственно возможны, то

Действительно, событие или или или по предположению достоверно и его вероятность, как было указано в § 1, равна единице. В частности, если означают два взаимно противоположных события, то

Проиллюстрируем теорему сложения примерами.

Пример 1. При стрельбе по мишени вероятность сделать отличный выстрел равна 0,3, а вероятность сделать выстрел на оценку «хорошо» равна 0,4. Какова вероятность получить за сделанный выстрел оценку не ниже «хорошо»?

Решение. Если событие А означает получение оценки «отлично», а событие В - получение оценки «хорошо», то

Пример 2. В урне, содержащей шаров белого, красного и черного цвета, находятся белых шаров и I красных. Какова вероятность вынуть шар не черного цвета?

Решение. Если событие А состоит в появлении белого, а событие В - красного шара, то появление шара не черного цвета

означает появление либо белого, либо красного шара. Так как по определению вероятности

то по теореме сложения вероятность появления шара не черного цвета равна;

Эту задачу можно решить и так. Пусть событие С состоит в появлении черного шара. Число черных шаров равно так что Р (С) Появление шара не черного цвета является противоположным событием С, поэтому на основании указанного выше следствия из теоремы сложения имеем:

как и раньше.

Пример 3. В денежно-вещевой лотерее на серию в 1000 билетов приходится 120 денежных и 80 вещевых выигрышей. Какова вероятность какого-либо выигрыша на один лотерейный билет?

Решение. Если обозначить через А событие, состоящее в выпадении денежного выигрыша и через В - вещевого, то из определения вероятности следует

Интересующее нас событие представляет (А или В), поэтому из теоремы сложения вытекает

Таким образом, вероятность какого-либо выигрыша равна 0,2.

Прежде чем перейти к следующей теореме, необходимо ознакомиться с новым важным понятием - понятием условной вероятности. Для этой цели мы начнем с рассмотрения следующего примера.

Пусть на складе имеется 400 электрических лампочек, изготовленных на двух различных заводах, причем на первом изготовлено 75% всех лампочек, а на втором - 25%. Допустим, что среди лампочек, изготовленных первым заводом, 83% удовлетворяют условиям определенного стандарта, а для продукции второго завода этот процент равен 63. Определим вероятность того, что случайно взятая со склада лампочка окажется удовлетворяющей условиям стандарта.

Заметим, что общее число имеющихся стандартных лампочек состоит из лампочек, изготовленных первым

заводом, и 63 лампочек, изготовленных вторым заводом, то есть равно 312. Так как выбор любой лампочки следует считать равновозможным, то мы имеем 312 благоприятствующих случаев из 400, так что

где событие В состоит в том, что выбранная нами лампочка стандартна.

При этом подсчете не делалось никаких предположений о том, к продукции какого завода принадлежит выбранная нами лампочка. Если же какие-либо предположения такого рода сделать, то очевидно, что интересующая нас вероятность может измениться. Так, например, если известно, что выбранная лампочка изготовлена на первом заводе (событие А), то вероятность того, что она стандартна, будет уже не 0,78, а 0,83.

Такого рода вероятность, то есть вероятность события В при условии, что имеет место событие А, называют условной вероятностью события В при условии наступления события А и обозначают

Если мы в предыдущем примере обозначим через А событие, состоящее в том, что выбранная лампочка изготовлена на первом заводе, то мы можем написать

Теперь мы можем сформулировать важную теорему, относящуюся к подсчету вероятности совмещения событий.

Теорема умножения.

Вероятность совмещения событий А и В равна произведению вероятности одного из событий на условную вероятность другого в предположении, что первое имело место:

При этом под совмещением событий А и В понимается наступление каждого из них, то есть наступление как события А, так и события В.

Доказательство. Рассмотрим полную группу из равновозможных попарно несовместных событий каждое из которых может быть благоприятствующим или неблагоприятствующим как для события А, так и для события В.

Разобьем все эти события на четыре различные группы следующим образом. К первой группе отнесем те из событий которые благоприятствуют и событию А, и событию В; ко второй и третьей группам отнесем такие события которые благоприятствуют одному из двух интересующих нас событий и не благоприятствуют другому, например ко второй группе - те, которые благоприятствуют А, но не благоприятствуют В, а к третьей - те, которые благоприятствуют В, но не благоприятствуют А; наконец, к

четвертой группе отнесем те из событий которые не благоприятствуют ни А, ни В.

Так как нумерация событий не играет роли, то можно предположить, что это разбиение на четыре группы выглядит так:

I группа:

II группа:

III группа:

IV группа:

Таким образом, среди равновозможных и попарно несовместных событий имеется событий, благоприятствующих и событию А, и событию В, I событий, благоприятствующих событию А, но не благоприятствующих событию событий, благоприятствующих В, но не благоприятствующих А, и, наконец, событий, не благоприятствующих ни А, ни В.

Заметим, между прочим, что какая-либо из рассмотренных нами четырех групп (и даже не одна) может не содержать ни одного события. В этом случае соответствующее число, означающее количество событий в такой группе, будет равно нулю.

Произведенная нами разбивка на группы позволяет сразу написать

ибо совмещению событий А и В благоприятствуют события первой группы и только они. Общее число событий, благоприятствующих А, равно общему числу событий в первой и второй группах, а благоприятствующих В - общему числу событий в первой и третьей группах.

Подсчитаем теперь вероятность то есть вероятность события В при условии, что событие А имело место. Теперь события, входящие в третью и четвертую группы, отпадают, так как их появление противоречило бы наступлению события А, и число возможных случаев оказывается равным уже не . Из них событию В благоприятствуют лишь события первой группы, так что мы получаем:

Для доказательства теоремы достаточно теперь написать очевидное тождество:

и заменить в нем все три дроби вычисленными выше вероятностями. Мы придем к утверждавшемуся в теореме равенству:

Ясно, что написанное нами выше тождество имеет смысл лишь при что справедливо всегда, если только А не есть невозможное событие.

Так как события А и В равноправны, то, поменяв их местами, получим другую форму теоремы умножения:

Впрочем, это равенство можно получить тем же путем, что и предыдущее, если заметить, что воспользоваться тождеством

Сравнивая правые части двух выражений для вероятности Р(А и В), получим полезное равенство:

Рассмотрим теперь примеры, иллюстрирующие теорему умножения.

Пример 4. В продукции некоторого предприятия признаются годными (событие А) 96% изделий. К первому сорту (событие В) оказываются принадлежащими 75 изделий из каждой сотни годных. Определить вероятность того, что произвольно взятое изделие будет годным и принадлежит к первому сорту.

Решение. Искомая вероятность есть вероятность совмещения событий А и В. По условию имеем: . Поэтому теорема умножения дает

Пример 5. Вероятность попадания в цель при отдельном выстреле (событие А) равна 0,2. Какова вероятность поразить цель, если 2% взрывателей дают отказы (т. е. в 2% случаев выстрела не

Решение. Пусть событие В состоит в том, что выстрел произойдет, а В означает противоположное событие. Тогда по условию и согласно следствию из теоремы сложения . Далее, по условию .

Поражение цели означает совмещение событий А и В (выстрел произойдет и даст попадание), поэтому по теореме умножения

Важный частный случай теоремы умножения можно получить, если воспользоваться понятием независимости событий.

Два события называются независимыми, если вероятность одного из них не изменяется в результате того, наступило или не наступило другое.

Примерами независимых событий являются выпадение различного числа очков при повторном бросании игральной кости или той или иной стороны монет при повторном бросании монеты, так как очевидно, что вероятность выпадения герба при втором бросании равна независимо от того, выпал или не выпал герб в первом.

Аналогично, вероятность вынуть во второй раз белый шар из урны с белыми и черными шарами, если вынутый первым шар предварительно возвращен, не зависит от того, белый или черный шар был вынут в первый раз. Поэтому результаты первого и второго вынимания независимы между собой. Наоборот, если шар, вынутый первым, не возвращается в урну, то результат второго вынимания зависит от первого, ибо состав шаров, находящихся в урне после первого вынимания, меняется в зависимости от его исхода. Здесь мы имеем пример зависимых событий.

Пользуясь обозначениями, принятыми для условных вероятностей, можно записать условие независимости событий А и В в виде

Воспользовавшись этими равенствами, мы можем привести теорему умножения для независимых событий к следующей форме.

Если события А и В независимы, то вероятность их совмещения равна произведению вероятностей этих событий:

Действительно, достаточно в первоначальном выражении теоремы умножения положить , что вытекает из независимости событий, и мы получим требуемое равенство.

Рассмотрим теперь несколько событий: Будем называть их независимыми в совокупности, если вероятность появления любого из них не зависит от того, произошли ли какие-либо другие рассматриваемые события или нет

В случае событий, независимых в совокупности, теорема умножения может быть распространена на любое конечное число их, благодаря чему ее можно сформулировать так:

Вероятность совмещения событий независимых в совокупности, равна произведению вероятностей этих событий:

Пример 6. Рабочий обслуживает три автоматических станка, к каждому из которых нужно подойти для устранения неисправности, если станок остановится. Вероятность того, что первый станок не остановится в течение часа, равна 0,9. Та же вероятность для второго станка равна 0,8 и для третьего - 0,7. Определить вероятность того, что в течение часа рабочему не потребуется подойти ни к одному из обслуживаемых им станков.

Пример 7. Вероятность сбить самолет винтовочным выстрелом Какова вероятность уничтожения неприятельского самолета при одновременной стрельбе из 250 винтовок?

Решение. Вероятность того, что при одиночном выстреле самолет не будет сбит, по теореме сложения равна Тогда можно подсчитать с помощью теоремы умножения вероятность того, что самолет не будет сбит при 250 выстрелах, как вероятность совмещения событий. Она равна После этого мы можем снова воспользоваться теоремой сложения и найти вероятность того, что самолет будетсбит, как вероятность противоположного события

Отсюда видно, что, хотя вероятность сбить самолет одиночным винтовочным выстрелом ничтожно мала, тем не менее при стрельбе из 250 винтовок вероятность сбить самолет оказывается уже весьма ощутимой. Она существенно возрастает, если число винтовок увеличить. Так, при стрельбе из 500 винтовок вероятность сбить самолет, как легко подсчитать, равна при стрельбе из 1000 винтовок - даже .

Доказанная выше теорема умножения позволяет несколько расширить теорему сложения, распространив ее на случай совместимых событий. Ясно, что если события А и В совместимы, то вероятность наступления хотя бы одного из них не равна сумме их вероятностей. Например, если событие А означает выпадение четного

числа очков при бросании игральной кости, а событие В - выпадение числа очков, кратного трем, то событию (А или В) благоприятствует выпадение 2, 3, 4 и 6 очков, то есть

С другой стороны, то есть . Таким образом, в этом случае

Отсюда видно, что в случае совместимых событий теорема сложения вероятностей должна быть изменена. Как мы сейчас увидим, ее можно сформулировать таким образом, чтобы она была справедлива и для совместимых, и для несовместных событий, так что ранее рассмотренная теорема сложения окажется частным случаем новой.

Событий, которые А не благоприятствуют.

Все элементарные события, которые благоприятствуют событию (А или В), должны благоприятствовать либо только А, либо только В, либо и А и В. Таким образом, общее число таких событий равно

а вероятность

что и требовалось доказать.

Применяя формулу (9) к рассмотренному выше примеру выпадения числа очков при бросании игральной кости, получим:

что совпадает с результатом непосредственного подсчета.

Очевидно, что формула (1) является частным случаем (9). Действительно, если события А и В несовместны, то и вероятность совмещения

Примере. В электрическую цепь включены последовательно два предохранителя. Вероятность выхода из строя первого предохранителя равна 0,6, а второго 0,2. Определим вероятность прекращения питания в результате выхода из строя хотя бы одного из этих предохранителей.

Решение. Так как события А и В, состоящие в выходе из строя первого и второго из предохранителей, совместимы, то искомая вероятность определится по формуле (9):

Упражнения