Какова вероятность того что

Теория вероятностей, формулы и примеры

Тема непростая, но если вы собираетесь поступать на факультет, где нужны базовые знания высшей математики, освоить материал — must have. Тем более, все формулы по теории вероятности пригодятся не только в универе, но и при решении 4 задания на ЕГЭ. Начнем!

Статья находится на проверке у методистов Skysmart.
Если вы заметили ошибку, сообщите об этом в онлайн-чат
(в правом нижнем углу экрана).

Основные понятия

Французские математики Блез Паскаль и Пьер Ферма анализировали азартные игры и исследовали прогнозы выигрыша. Тогда они заметили первые закономерности случайных событий на примере бросания костей и сформулировали теорию вероятностей.

Когда мы кидаем монетку, то не можем точно сказать, что выпадет: орел или решка.

Но если подкидывать монету много раз — окажется, что каждая сторона выпадает примерно равное количество раз. Из чего можно сформулировать вероятность: 50% на 50%, что выпадет «орел» или «решка».

Теория вероятностей — это раздел математики, который изучает закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Вероятность — это степень возможности, что какое-то событие произойдет. Если у нас больше оснований полагать, что что-то скорее произойдет, чем нет — такое событие называют вероятным.

Ну, скажем, смотрим на тучи и понимаем, что дождь — вполне себе вероятное событие. А если светит яркое солнце, то дождь — маловероятное или невероятное событие.

Случайная величина — это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Случайные величины можно разделить на две категории:

Вероятностное пространство — это математическая модель случайного эксперимента (опыта). Вероятностное пространство содержит в себе всю информацию о свойствах случайного эксперимента, которая нужна, чтобы проанализировать его через теорию вероятностей.

Формулы по теории вероятности

Теория вероятности изучает события и их вероятности. Если событие сложное, то его можно разбить на простые составные части — так легче и быстрее найти их вероятности. Рассмотрим основные формулы теории вероятности.

Случайные события. Основные формулы комбинаторики

Классическое определение вероятности

Вероятностью события A в некотором испытании называют отношение:

P (A) = m/n, где n — общее число всех равновозможных, элементарных исходов этого испытания, а m — количество элементарных исходов, благоприятствующих событию A

Таким образом, вероятность любого события удовлетворяет двойному неравенству:

Пример 1. В пакете 15 конфет: 5 с молочным шоколадом и 10 — с горьким. Какова вероятность вынуть из пакета конфету с белым шоколадом?

Так как в пакете нет конфет с белым шоколадом, то m = 0, n = 15. Следовательно, искомая вероятность равна нулю:

Неприятная новость для любителей белого шоколада: в этом примере событие «вынуть конфету с белым шоколадом» — невозможное.

Пример 2. Из колоды в 36 карт вынули одну карту. Какова вероятность появления карты червовой масти?

Количество элементарных исходов, то есть количество карт равно 36 (n). Число случаев, благоприятствующих появлению карты червовой масти (А) равно 9 (m).

Геометрическое определение вероятности

Геометрическая вероятность события А определяется отношением:

P(A)= m(A)/m(G), где m(G) и m(A) — геометрические меры (длины, площади или объемы) всего пространства элементарных исходов G и события А соответственно

Чаще всего, в одномерном случае речь идет о длинах отрезков, в двумерном — о площадях фигур, а в трехмерном — об объемах тел.

Пример. Какова вероятность встречи с другом, если вы договорились встретиться в парке в промежутке с 12.00 до 13.00 и ждете друг друга 5 минут?

У нас есть отличные курсы по математике для учеников с 1 по 11 классы — приглашаем на вводный урок!

Сложение и умножение вероятностей

Теорема о сложении вероятностей звучит так: вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий:

P(A + B) = P(A) + P(B)

Эта теорема справедлива для любого числа несовместных событий:

Если случайные события A₁, A₂. A_n образуют полную группу несовместных событий, то справедливо равенство:

Произведением событий А и В называется событие АВ, которое наступает тогда, когда наступают оба события: А и В одновременно. Случайные события А и B называются совместными, если при данном испытании могут произойти оба эти события.

Вторая теорема о сложении вероятностей: вероятность суммы совместных событий вычисляется по формуле:

P(A + B) = P(A) + P(B) − P(AB)

События событий А и В называются независимыми, если появление одного из них не меняет вероятности появления другого. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.

Теорема об умножении вероятностей: вероятность произведения независимых событий А и В вычисляется по формуле:

P(AB) = P(A) * P(B)

Пример. Студент разыскивает нужную ему формулу в трех справочниках. Вероятности того, что формула содержится в первом, втором и третьем справочниках равны 0,6; 0,7 и 0,8.

Найдем вероятности того, что формула содержится:

А — формула содержится в первом справочнике;

В — формула содержится во втором справочнике;

С — формула содержится в третьем справочнике.

Воспользуемся теоремами сложения и умножения вероятностей.

Ответ: 1 — 0,188; 2 — 0,452; 3 — 0,336.

Формула полной вероятности и формула Байеса

По теореме умножения вероятностей:

Аналогично, для остальных гипотез:

Эта формула называется формулой Байеса. Вероятности гипотез называются апостериорными вероятностями, тогда как — априорными вероятностями.

Пример. Одного из трех стрелков вызывают на линию огня, он производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго — 0,5; для третьего — 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком.

Формула Бернулли

При решении вероятностных задач часто бывает, что одно и тоже испытание повторяется многократно, и исход каждого испытания независит от исходов других. Такой эксперимент называют схемой повторных независимых испытаний или схемой Бернулли.

Примеры повторных испытаний:

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы. А вероятность появления события А в каждом случае постоянна и не изменяется от испытания к испытанию.

Биномиальное распределение — распределение числа успехов (появлений события).

Пример. Среди видео, которые снимает блогер, бывает в среднем 4% некачественных: то свет плохой, то звук пропал, то ракурс не самый удачный. Найдем вероятность того, что среди 30 видео два будут нестандартными.

Опыт заключается в проверке каждого из 30 видео на качество. Событие А — это какая-то неудача (свет, ракурс, звук), его вероятность p = 0,04, тогда q = 0,96. Отсюда по формуле Бернулли можно найти ответ:

Ответ: вероятность плохого видео приблизительно 0,202. Блогер молодец🙂

Наивероятнейшее число успехов

Биномиальное распределение ( по схеме Бернулли) помогает узнать, какое число появлений события А наиболее вероятно. Формула для наиболее вероятного числа успехов k (появлений события) выглядит так:

Пример. В очень большом секретном чатике сидит 730 человек. Вероятность того, что день рождения наугад взятого участника чата приходится на определенный день года — равна 1/365 для каждого из 365 дней. Найдем наиболее вероятное число счастливчиков, которые родились 1 января.

Формула Пуассона

При большом числе испытаний n и малой вероятности р формулой Бернулли пользоваться неудобно. Например, 0.97 999 вычислить весьма затруднительно.

В этом случае для вычисления вероятности того, что в n испытаниях событие произойдет k раз, используют формулу Пуассона:

Здесь λ = np обозначает среднее число появлений события в n испытаниях.

Эта формула дает удовлетворительное приближение для p ≤ 0,1 и np ≤10.

События, для которых применима формула Пуассона, называют редкими, так как вероятность, что они произойдут — очень мала (обычно порядка 0,001-0,0001).

При больших np рекомендуют применять формулы Лапласа, которую рассмотрим чуть позже.

Пример. В айфоне 1000 разных элементов, которые работают независимо друг от друга. Вероятность отказа любого элемента в течении времени Т равна 0,002. Найти вероятность того, что за время Т откажут ровно три элемента.

P₁₀₀₀(3) = λ 3 /3! * e −λ = 2 3 /3! * e −2 ≈ 0,18.

Ответ: ориентировочно 0,18.

Теоремы Муавра-Лапласа

Кроме того, пусть P_n(k₁;k₂) — вероятность того, что число появлений события А находится между k₁ и k₂.

Локальная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Интегральная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Функции Гаусса и Лапласа обладают свойствами, которые пригодятся, чтобы правильно пользоваться таблицей значений этих функций:

Теоремы Лапласа дают удовлетворительное приближение при npq ≥ 9. Причем чем ближе значения q, p к 0,5, тем точнее данные формулы. При маленьких или больших значениях вероятности (близких к 0 или 1) формула дает большую погрешность по сравнению с исходной формулой Бернулли.

Источник

Теория вероятностей (ЕГЭ 2022)

Есть какая-то вероятность, что ты сорвешь в лотерее джек-пот. Для этого нужно купить один лотерейный билет.

Кстати, а какова вероятность выиграть, купив один лотерейный билет? А что если купить 2 билета? На сколько повысится вероятность того, что ты выиграешь джек-пот?

А если купить 100 или 1000 билетов? (спойлер: твои шансы сильно не увеличатся, так что если покупаешь билет, бери один).

Вот об этом сегодняшняя статья.

Теория вероятности — коротко о главном

Вероятность – это отношение количества благоприятных событий к количеству всех возможных событий.

Независимые события

Два события независимы, если при наступлении одного вероятность наступления другого не изменяется.

Полная вероятность

Вероятность всех возможных событий равна \( 1\) (\( 100\%\)).

Вероятность того, что событие не произойдет, равна \( 1\) минус вероятность того, что событие произойдет.

Правило умножения вероятностей независимых событий

Вероятность определенной последовательности независимых событий равна произведению вероятностей каждого из событий

Несовместные события

Несовместными называются события, которые никак не могут произойти одновременно в результате эксперимента. Ряд несовместных событий образуют полную группу событий.

Вероятности несовместных событий складываются.

Описав что должно произойти, используя союзы «И» или «ИЛИ»

Вместо «И» ставим знак умножения, а вместо «ИЛИ» — сложения.

Теория вероятности — подробнее

Что такое вероятность?

Рассмотрим пример. Допустим, мы бросаем игральную кость. Что это за кость такая, знаешь? Так называют кубик с цифрами на гранях. Сколько граней, столько и цифр: от \( 1\) до \( 6\).

Итак, мы бросаем кость и хотим, чтобы выпало \( 5\) или \( 6\). И нам выпадает \( 5\).

В теории вероятностей говорят, что произошло благоприятное событие.

Если бы выпало \( 6\), событие тоже было бы благоприятным. Итого может произойти всего два благоприятных события.

А сколько неблагоприятных?

Раз всего возможных событий \( 6\), значит, неблагоприятных из них \( 6-2=4\) события (это если выпадет \( 1,\text< >2,\text< >3\) или \( 4\)).

Вероятностью называется отношение количества благоприятных событий к количеству всех возможных событий.

То есть вероятность показывает, какая доля из всех возможных событий приходится на благоприятные.

Обозначают вероятность латинской буквой \( p\) (видимо, от английского слова probability — вероятность).

Принято измерять вероятность в процентах (см. темы «Дроби, рациональные числа» и «Проценты»).

Для этого значение вероятности нужно умножать на \( 100\%\).

В примере с игральной костью вероятность \( p=\frac<благоприятных><всего>=\frac<2><6>=\frac<1><3>\).

А в процентах: \( p=\frac<1><3>\cdot 100\%=\frac<100><3>\%\approx 33,3\%\).

Примеры

Ответы:

И еще события бывают зависимыми друг от друга и независимыми. Начнем с зависимых событий.

Зависимые события

Например, ты решил зайти к знакомому, помнишь подъезд и даже этаж на котором он живет. А вот номер и расположение квартиры забыл. И вот стоишь ты на лестничной клетке, а перед тобой \( 3\) двери на выбор.

Каков шанс (вероятность) того, что если ты позвонишь в первую дверь, тебе откроет твой друг? Всего квартиры \( 3\), а друг живет только за одной из них. С равным шансом мы можем выбрать любую дверь.

Но каков этот шанс?

Дверей \( 3\), нужная дверь \( 1\). Вероятность угадать, позвонив в первую дверь: \( \frac<1><3>\). То есть один раз из трех ты точно угадаешь.

Мы хотим узнать, позвонив \( 1\) раз, как часто мы будем угадывать дверь? Давай рассмотри все варианты:

1. Ты позвонил в 1-ю дверь
2. Ты позвонил в 2-ю дверь
3. Ты позвонил в 3-ю дверь

А теперь рассмотрим все варианты, где может находиться друг:

а. За 1ой дверью
б. За 2ой дверью
в. За 3ей дверью

Сопоставим все варианты в виде таблицы. Галочкой обозначены варианты, когда твой выбор совпадает с местоположением друга, крестиком – когда не совпадает.

Как видишь, всего возможно \( 9\) вариантов местоположения друга и твоего выбора, в какую дверь звонить.

А благоприятных исходов всего \( 3\). То есть \( 3\) раза из \( 9\) ты угадаешь, позвонив в дверь \( 1\) раз, т.е. \( \frac<3><9>=\frac<1><3>\).

Это и есть вероятность – отношение благоприятного исхода (когда твой выбор совпал с местоположение друга) к количеству возможных событий.

Определение – это и есть формула. Вероятность принято обозначать p, поэтому:

Такую формулу писать не очень удобно, поэтому примем за \( \displaystyle <_<б>>\) – количество благоприятных исходов, а за \( N\) – общее количество исходов.

Вероятность можно записывать в процентах, для этого нужно умножить получившийся результат на \( 100\%\):

Наверное, тебе бросилось в глаза слово «исходы».

Поскольку математики называют различные действия (у нас такое действие – это звонок в дверь) экспериментами, то результатом таких экспериментов принято называть исход.

Ну а исходы бывают благоприятные и неблагоприятные.

Давай вернемся к нашему примеру. Допустим, мы позвонили в одну из дверей, но нам открыл незнакомый человек. Мы не угадали. Какова вероятность, что если позвоним в одну из оставшихся дверей, нам откроет наш друг?

Если ты подумал, что \( \displaystyle \frac<1><3>\), то это ошибка. Давай разбираться.

У нас осталось две двери. Таким образом, у нас есть возможные шаги:

1. Позвонить в 1-ую дверь
2. Позвонить во 2-ую дверь

Друг, при всем этом, точно находится за одной из них (ведь за той, в которую мы звонили, его не оказалось):

а. Друг за 1-ой дверью
б. Друг за 2-ой дверью

Давай снова нарисуем таблицу:

Как видишь, всего есть \( 4\) варианта, \( 2\) из которых – благоприятны. То есть вероятность равна \( \displaystyle \frac<2><4>=\frac<1><2>\).

А почему не \( \displaystyle \frac<1><3>\)?

Рассмотренная нами ситуация – пример зависимых событий. Первое событие – это первый звонок в дверь, второе событие – это второй звонок в дверь.

А зависимыми они называются потому что влияют на следующие действия. Ведь если бы после первого звонка в дверь нам открыл друг, то какова была бы вероятность того, что он находится за одной из двух других?

Но если есть зависимые события, то должны быть и независимые? Верно, бывают.

Независимые события

Два события независимы, если при наступлении одного вероятность наступления другого не изменяется.

Хрестоматийный пример – бросание монетки.

Бросаем монетку \( 1\) раз. Какова вероятность того, что выпадет, например, орел?

Правильно: \( \displaystyle \frac<1><2>\), ведь вариантов всего \( 2\) (либо орел, либо решка, пренебрежем вероятностью монетки встать на ребро), а устраивает нас только \( 1\).

Но выпала решка. Ладно, бросаем еще раз. Какова сейчас вероятность выпадения орла? Ничего не изменилось, все так же \( \displaystyle \frac<1><2>\).

Сколько вариантов? Два. А сколько нас устраивает? Один.

И пусть хоть тысячу раз подряд будет выпадать решка. Вероятность выпадения орла на \( \displaystyle 1001-й\) раз будет все также \( \displaystyle \frac<1><2>\).

Вариантов всегда \( 2\), а благоприятных – \( 1\).

Отличить зависимые события от независимых легко:

Если эксперимент проводится \( 1\) раз (\( 1\) раз бросают монетку, 1 раз звонят в дверь и т.д.), то события всегда независимые.

Если эксперимент проводится несколько раз (монетку бросают \( 5\) раз, в дверь звонят несколько раз), то первое событие всегда независимое. А дальше, если количество благоприятных или количество всех исходов меняется, то события зависимые, а если нет – независимые.

Ошибка игрока или ложный вывод Монте-Карло

Знаешь, то, что я описал сверху, очень хорошо отражает явление под названием ложный вывод Монте-Карло.

Попробуй придумать и записать на листочке результаты подбрасывания монетки.

А потом попробуй действительно подбрасывать монетку и записывать результат.

Спорим, я без труда определю, какую последовательность ты выдумал?

В реальной последовательности может абсолютно спокойно выпасть 18 решек подряд. А вот ты, составляя последовательность, когда-нибудь точно подумаешь: «Так, что-то многовато решек уже, пора бы и орлу появиться»

В этом и заключается ложный вывод Монте-Карло. В знаменитом казино Монте-Карло люди часто думают, что следующее событие как-то связано с предыдущим, например, ставят на красное, если ранее много раз выпало черное.

В действительности это не так.

А теперь давай немного потренируемся определять вероятность.

Пример 1

Монетку бросают два раза. Какова вероятность того, что два раза подряд выпадет орел?

Решение

Рассмотрим все возможные варианты:

Как видишь, всего варианта \( 4\). Из них нас устраивает только \( 1\). То есть вероятность:

Если в условии просят просто найти вероятность, то ответ нужно давать в виде десятичной дроби. Если было бы указано, что ответ нужно дать в процентах, тогда мы умножили бы на \( 100\%\).

Ответ: \( \displaystyle 0,25\)

Пример 2

В коробке конфет все конфеты упакованы в одинаковую обертку. Однако из \( 20\) конфет – \( 6\) с орехами, \( 5\) с коньяком, \( 4\) с вишней, \( 3\) с карамелью и \( 2\) с нугой.

Какова вероятность, взяв одну конфету, достать конфету с орехами. Ответ дайте в процентах.

Решение:

Сколько всего возможных исходов? \( 6+5+4+3+2=20\).

То есть, взяв одну конфету, она будет одной из \( 20\), имеющихся в коробке.

А сколько благоприятных исходов?

\( 6\), потому что в коробке только \( 6\) конфет с орехами.

\( \displaystyle p=\frac_<б>>>\cdot 100\%=\frac<6><20>\cdot 100\%=0,3\cdot 100\%=30\%\)

Ответ: \( \displaystyle 30\)

Пример 3

В коробке \( 20\) шаров. \( 12\) из них белые, \( 8\) – черные.

Решение:

1. В коробке всего \( \displaystyle N=20\) шаров. Из них \( \displaystyle <_<б>>=12\) белых.

2. Теперь шаров в коробке стало: \( \displaystyle N=20+10=30\).

А белых осталось столько же: \( \displaystyle <_<б>>=12\).
\( \displaystyle p=\frac<<_<б>>>=\frac<12><30>=0,4\)

Ответы:

Полная вероятность

Вероятность всех возможных событий равна \( 1\) (\( 100\%\)).

Действительно, если мы будем считать, что все события для нас благоприятны, вероятность благоприятного исхода будет равна \( \displaystyle 1(100\%)\).

Допустим, в ящике \( \displaystyle 4\) красных и \( \displaystyle 5\) зеленых шаров. Какова вероятность вытащить красный шар? Зеленый шар? Красный или зеленый шар?

Вероятность вытащить красный шар:

Красный или зеленый шар:

Как видишь, сумма всех возможных событий равна \( 1\) (\( \displaystyle <

_<к>>+<

_<з>>=\frac<4><9>+\frac<5><9>=\frac<9><9>\)).

Понимание этого момента поможет тебе решить многие задачи.

Пример 4

В ящике лежит \( \displaystyle 10\) фломастеров: \( \displaystyle 3\) зеленых, \( \displaystyle 2\) красных, \( \displaystyle 2\) синих, \( \displaystyle 2\) желтых, \( \displaystyle 1\) черный.

Какова вероятность вытащить НЕ красный фломастер?

Решение:

Давай посчитаем количество благоприятных исходов.

НЕ красный фломастер, это значит зеленый, синий, желтый или черный.

Всего их \( 3+2+2+1=8\). \( \displaystyle <_<б>>=8\).

Так мы учились считать раньше, но сейчас, зная что такое полная вероятность, можно поступить немного проще.

Таким образом, вероятность вытащить НЕ красный фломастер – \( \displaystyle 1-\frac<2><10>=0,8\).

Ответ: \( \displaystyle 0,8\)

Вероятность того, что событие НЕ произойдет, равна \( \displaystyle 1\) минус вероятность того, что событие произойдет.

Правило умножения вероятностей независимых событий

Что такое независимые события ты уже знаешь.

А если нужно найти вероятность того, что два (или больше) независимых события произойдут подряд?

Можно конечно посчитать, но есть способ проще.

Допустим мы хотим знать, какова вероятность того, что бросая монетку \( 2\) раза, мы два раза увидим орла?

Мы уже считали: \( p=0,25\).

А если бросаем монетку \( 3\) раза? Какова вероятность увидеть орла \( 3\) раза подряд?

Всего возможных вариантов \( 8\):

Не знаю, как ты, но я \( 3\) раза ошибся, составляя этот список. Ух! А подходит нам только \( 1\) вариант (первый).

Для 5 бросков можешь составить список возможных исходов сам. Но математики не столь трудолюбивы, как ты.

Поэтому они сначала заметили, а потом доказали, что вероятность определенной последовательности независимых событий каждый раз уменьшается на вероятность одного события.

Вероятность определенной последовательности независимых событий равна произведению вероятностей каждого из событий

Рассмотрим на примере все той же, злосчастной, монетки.

Вероятность выпадения орла в \( 1\) испытании? \( \displaystyle \frac<1><2>\). Теперь мы бросаем монетку \( 5\) раз.

Какова вероятность выпадения \( 5\) раз подряд орла?

Это правило работает не только, если нас просят найти вероятность того, что произойдет одно и то же событие несколько раз подряд.

Если бы мы хотели найти последовательность РЕШКА-ОРЕЛ-РЕШКА, при \( 3\) бросках подряд, мы поступили бы также.

Вероятность выпадения решка – \( \displaystyle \frac<1><2>\), орла – \( \displaystyle \frac<1><2>\).

Вероятность выпадения последовательности РЕШКА-ОРЕЛ-РЕШКА-РЕШКА:

Можешь проверить сам, составив таблицу.

Примеры:

Решения:

Правило сложения вероятностей несовместных событий

Так стоп! Новое определение.

Несовместными называются события, которые никак не могут произойти одновременно в результате эксперимента.

Ряд несовместных событий образуют полную группу событий.

Давай разбираться. Возьмем нашу изношенную монетку и бросим её \( 3\) раза. Возможные варианты:

Так вот, несовместные события – это определенная, заданная последовательность событий. \( 1),\text< >2),\text< >3),\text< >4)\ldots \text< >8)\) – это несовместные события.

Вероятности несовместных событий складываются.

Если мы хотим определить, какова вероятность двух (или больше) несовместных событий, то мы складываем вероятности этих событий.

Нужно понять, что выпадение орла или решки – это два независимых события.

Если мы хотим определить, какова вероятность выпадения последовательности \( 1\)) (или любой другой), то мы пользуемся правилом умножения вероятностей.

Какова вероятность выпадения при первом броске орла, а при втором и третьем решки?

Но если мы хотим узнать, какова вероятность выпадения одной из нескольких последовательностей, например, когда орел выпадет ровно \( 1\) раз, т.е. варианты \( 4),\text< >6)\) и \( 7)\), то мы должны сложить вероятности этих последовательностей.

Всего вариантов \( 8\), нам подходит \( 3\).

То же самое мы можем получить, сложив вероятности появления каждой последовательности:

Таким образом, мы складываем вероятности, когда хотим определить вероятность некоторых, несовместных, последовательностей событий.

Правило, помогающее не запутаться, когда умножать, а когда складывать:

Опишите, что должно произойти, используя союзы «И» или «ИЛИ». Затем вместо «И» ставим знак умножения, а вместо «ИЛИ» — сложения.

Возвратимся к примеру, когда мы подбросили монетку \( 3\) раза, и хотим узнать вероятность увидеть орла \( 1\) раз.

Что должно произойти?

(орел И решка И решка) ИЛИ (решка И орел И решка) ИЛИ (решка И решка И орел).

\( \displaystyle \left( \frac<1><2>\cdot \frac<1><2>\cdot \frac<1> <2>\right)+\left( \frac<1><2>\cdot \frac<1><2>\cdot \frac<1> <2>\right)+\left( \frac<1><2>\cdot \frac<1><2>\cdot \frac<1> <2>\right)=\frac<1><8>+\frac<1><8>+\frac<1><8>=\frac<3><8>\)

Давай рассмотрим несколько примеров.

Пример 8

В коробке лежит \( 16\) карандашей. \( 2\) красных, \( 4\) зеленых, \( 5\) оранжевых и \( 3\) желтых и \( 2\) черных.

Какова вероятность вытащить красный или зеленый карандаши?

Решение:

Что должно произойти? Мы должны вытащить (красный ИЛИ зеленый).

Теперь понятно, складываем вероятности этих событий:

Ответ: \( \displaystyle 0,375\)

Пример 9

Игральную кость бросают дважды, какова вероятность того, что в сумме выпадет 8 очков?

Решение.

Как мы можем получить \( 8\) очков?

(\( 6\) и \( 2\)) или (\( 5\) и \( 3\)) или (\( 4\) и \( 4\)) или (\( 3\) и \( 5\)) или (\( 2\) и \( 6\)).

Вероятность выпадения одной (любой) грани – \( \displaystyle p=\frac<1><6>\).

Ответ: \( \displaystyle \frac<5><36>\)

Тренировка

Думаю, теперь тебе стало понятно, когда нужно как считать вероятности, когда их складывать, а когда умножать. Не так ли? Давай немного потренируемся.

Примеры:

Возьмем карточную колоду, в которой \( 52\) карты, из них \( 13\) пик, \( 13\) червей, 13 треф и 13 бубен. От \( 2\) до туза каждой масти.

Ответы:

Приме 11. \( \displaystyle p=\frac<13><52>\cdot \frac<13><52>=\frac<1><4>\cdot \frac<1><4>=\frac<1><16>=0,0625\)

Пример 12. \( \displaystyle p=\frac<13><52>+\frac<13><52>=\frac<1><4>+\frac<1><4>=\frac<1><2>=0,5\)

Пример 13. В колоде \( 4\) карты каждого достоинства, значит: \( \displaystyle p=\frac<4><52>+\frac<4><52>+\frac<4><52>+\frac<4><52>=\frac<16><52>=\frac<4><13>\)њ

Пример 14. События зависимы, так как после первой вытащенной карты количество карт в колоде уменьшилось (как и количество «картинок»).

Всего вальтов, дам, королей и тузов в колоде изначально \( 16

\left( 4+4+4+4 \right)\), а значит вероятность первой картой вытащить «картинку»:

Поскольку мы убираем из колоды первую карту, то значит в колоде осталось уже \( 51\) карта, из них \( 15\) картинок. Вероятность второй картой вытащить картинку:

Поскольку нас интересует ситуация, когда мы достаем из колоды: «картинку» И «картинку», то нужно перемножать вероятности:

Ответ: \( \displaystyle \frac<20><221>\)

Пример 15. После первой вытащенной карты, количество карт в колоде уменьшится.Таким образом, нам подходит два варианта:

Не забываем про уменьшение количества карт в колоде! \( \displaystyle p=\frac<4><52>\cdot \frac<12><51>+\frac<12><52>\cdot \frac<4><51>=\frac<12><13\cdot 51>+\frac<12><13\cdot 51>=\frac<24><663>=\frac<8><221>\)

Если ты смог сам решить все задачи, то ты большой молодец! Теперь задачи на теорию вероятностей в ЕГЭ ты будешь щелкать как орешки!

Задачи смешанного типа

Пример 16.

Монетку бросают два раза. Какова вероятность того, что результат бросков будет разный?

Решение.

Имеется в виду, что если первым выпал орел, второй должна быть решка, и наоборот. Получается, что здесь две пары независимых событий, и эти пары друг с другом несовместны. Как бы не запутаться, где умножать, а где складывать.

Есть простое правило для таких ситуаций.

Попробуй описать, что должно произойти, соединяя события союзами «И» или «ИЛИ».

Например, в данном случае:

Должны выпасть (орел и решка) или (решка и орел).

Там где стоит союз «и», будет умножение, а там где «или» – сложение:

Попробуй сам:

Решения:

Пример 17. (Выпал орел и выпал орел) или (выпала решка и выпала решка): \( p=\left( \frac<1><2>\cdot \frac<1> <2>\right)+\left( \frac<1><2>\cdot \frac<1> <2>\right)=\frac<1><4>+\frac<1><4>=\frac<1><2>=0,5\).

Пример 18. Какие есть варианты? \( 6+4,\text< >5+5\) и \( 4+6\). Тогда:
Выпало (\( 4\) и \( 6\)) или (\( 5\) и \( 5\)) или (\( 6\) и \( 4\)): \( p=\left( \frac<1><6>\cdot \frac<1> <6>\right)+\left( \frac<1><6>\cdot \frac<1> <6>\right)+\left( \frac<1><6>\cdot \frac<1> <6>\right)=\frac<1><36>+\frac<1><36>+\frac<1><36>=\frac<3><36>=\frac<1><12>\).

Пример 19. Ой, как же не хочется перебирать варианты… Орел-решка-решка, Орел-орел-решка, … А и не надо! Вспоминаем про полную вероятность. Вспомнил? Какова вероятность, что орел не выпадет ни разу?

Это же просто: все время летят решки, значит

Бонус: Вебинары из нашего курса подготовки к ЕГЭ

Теория вероятности. ЕГЭ №4 (54 задачи)

Что вы узнаете на этом уроке?

80% урока — решение задач

Математическая статистика

Мы вам рекомендуем также ознакомиться с нашей статьей по родственной теме — математическая статистика.

В статье вы найдете основные определения математической статистики и способы графического изображения данных.

Наши курсы по подготовке к ЕГЭ по математике, информатике и физике

Курсы для тех, кому нужно получить 90+ и поступить в топовый ВУЗ страны.

Слово самому лучшему — тебе!

Сегодня ты узнал много нового! И теперь ты можешь решить любую задачу по теории вероятностей. Главное – сосредоточься и пойми, что к чему. Ты справишься!

А теперь мы хотим узнать твое мнение. Напиши нам в комментариях ниже!

Понравилась ли тебе статья? Какая задача показалась тебя самой сложной? Разобрался ли ты с ней?

Если у тебя остались вопросы, то не стесняйся спрашивать! Там же, в комментариях. Мы обязательно тебе ответим.

Добавить комментарий Отменить ответ

3 комментария

все очень супер понятно. Спасибо! удачи!

Спасибо, Nadzey! И вам удачи!

Руслан
13 марта 2020
Здравствуйте. Разъясните пожалуйста, казалось бы простую вещь. В коробке бесконечное множество карандашей, половина красные, половина зеленые. Не будем считать что карандаши убавляются, то есть события в принципе не зависимые. Если я достал по очереди три красных карандаша, то какова вероятность что я достану четвертый карандаш тоже красным. 50%?

Алексей Шевчук
20 марта 2020
Руслан, верно, 50%. Как с монеткой, один в один.

Александр
02 июля 2020
Если предположить, что задача решается, как с монеткой, то речь идет о выпадении четвертого раза одного из двух вариантов подряд, нет? То есть вероятность вытащить красный карандаш, как описано в примере выше — 50%, вытащить второй раз подряд красный карандаш — 25%, вытащить третий раз подряд красный карандаш — 12,5%. соответственно вероятность вытащить четвертый раз подряд красный карандаш — 6,25%, нет? P.S. С бесконечными карандашами странная аналогия — проще представить казино — красное и черное) Какова вероятность в казино, поставив четыре раза подряд на красное — выиграть?)

Алексей Шевчук
07 июля 2020
Ваши расчёты (6,25%) — это решение другой задачи: какова вероятность вытянуть 4 красных карандаша подряд, если мы пока что ещё ничего не вытаскивали. Но если мы знаем на 100%, что первыми тремя вытащим именно красные, наши расчёты ведь изменятся, верно? Аналогия с бесконечными карандашами вполне нормальная, это же просто математическая модель. Если хотите, можно просто каждый взятый караднаш возвращать обратно в коробку, чтобы их снова становилось поровну.

Алексей Шевчук
07 июля 2020
А с казино ситуация действительно очень похожая, за исключением одного маленького нюанса — сектора зеро. В рулетке 18 красных, 18 чёрных секторов, и один зеро — следовательно, вероятность выпадения красного не 1/2, а 18/37. Это нужно обязательно учитывать при расчёте вероятностей. Например, благодаря зеро не работает популярная когда-то стратегия: ставим рубль на красное, если он выпадает, забираем выигрыш, если нет, то удваиваем ставку. Теперь если выиграем, казино нам даст 2 рубля, что покроет предыдущий проигрыш и даст «заработок» в 1 рубль. Если снова не повезло — снова удваиваем ставку, таким образом, покрывая все прошлые проигрыши. Как только выиграли, возвращаемся к начальной ставке в 1 рубль. Весь расчёт здесь строится на том, что вероятность выиграть, умноженная на размер выигрыша, равна нашей ставке, поэтому мы как минимум ничего не теряем, а если вовремя остановиться, то и выигрываем. Но это не так (казино и рулетку не дураки придумали): именно благодаря зеро вероятность чуть меньше 1/2, но выигрыш всё равно в 2 раза больше ставки. Поэтому, играя много игр, мы проигрываем в среднем 1/37 поставленных денег — недостаточно много, чтобы мы что-то заподозрили, но достаточно, чтобы казино осталось в плюсе) Хорошо, что есть математика, и мы можем всё заранее расчитать, правда?

Александр (админ)
07 июля 2020
С казино стратегия удвоения не работает не только по причине зеро. В каждом казино есть минимальный и максимальный размер ставки и поэтому удваивать получится не больше 4-5 раз. Рано или поздно игрок проиграет все, если будет придерживаться этой стратегии.

Источник