вероятность (probability) - число от 0 до 1, которое отражает шансы того, что случайное событие произойдет, где 0 - это полное отсутствие вероятности происхождения события, а 1 означает, что рассматриваемое событие определенно произойдет.

Вероятность события E является числом от до 1.
Сумма вероятностей взаимоисключающих событий равна 1.

эмпирическая вероятность - вероятность, которая посчитана как относительная частота события в прошлом, извлеченная из анализа исторических данных.

Вероятность очень редких событий нельзя посчитать эмпирически.

субъективная вероятность - вероятность, основанная на личной субъективной оценке события безотносительно исторических данных. Инвесторы, которые принимают решения о покупке и продаже акций зачастую действуют именно исходя из соображений субъективной вероятности.

априорная вероятность -

Шанс 1 из… (odds) того что событие произойдет через понятие вероятности. Шанс появления события выражается через вероятность так: P/(1-P).

Например, если вероятность события 0,5, то шанс события 1 из 2 т.к. 0,5/(1-0,5).

Шанс того, что событие не произойдет вычисляется по формуле (1-P)/P

Несогласованная вероятноть - например в цене акций компании А на 85% учтено возможное событие E, а в цене акций компании Б всего на 50%. Это называется несогласованная вероятность. Согласно теореме голландских ставок, несогласованная вероятность создает возможности для извлечения прибыли.

Безусловная вероятность - это ответ на вопрос «Какова вероятность того, что событие произойдет?»

Условная вероятность - это ответ на вопрос: «Какова вероятность события A если событие Б произошло». Условная вероятность обозначается как P(A|B).

Совместная вероятность - вероятность того, что события А и Б произойдут одновременно. Обозначается как P(AB).

P(A|B) = P(AB)/P(B) (1)

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

Правило суммирования вероятностей:

Вероятность того, что случится либо событие A либо событие B -

P (A or B) = P(A) + P(B) - P(AB) (2)

Если события A и B взаимоисключающие, то

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

Независимые события - события A и B независимы если

P(A|B) = P(A), P(B|A) = P(B)

То есть это последовательность результатов, где значение вероятности постоянно от одного собятия к другому.
Бросок монеты - пример такого события, - результат каждого следующего броска не зависит от результата предыдущего.

Зависимые события - это такие события, когда вероятность появления одного зависит от вероятности появления другого.

Правило умножения вероятностей независимых событий:
Если события A и B независимы, то

P(AB) = P(A) * P(B) (3)

Правило полной вероятности:

P(A) = P(AS) + P(AS") = P(A|S")P(S) + P (A|S")P(S") (4)

S и S" - взаимоисключающие события

математическое ожидание (expected value) случайной переменной есть среднее возможных исходов случайной величины. Для события X матожидание обоначается как E(X).

Допустим у нас есть 5 значений взаимоисключающих событий c определенной вероятностью (например доход компании составил такую-то сумму с такой вероятностью). Матожиданием будет сумма всех исходов помноженных на их вероятность:

Дисперсия случайной величины - матожидание квадратных отклонений случайной величины от ее матожидания:

s 2 = E{ 2 } (6)

Условное матожидание (conditional expected value) - матожидание случайной величины X при условии того, что событие S уже произошло.

Необходимость в действиях над вероятностями наступает тогда, когда известны вероятности некоторых событий, а вычислить нужно вероятности других событий, которые связаны с данными событиями.

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:

Пример 10. Грузы доставляют тремя видами транспорта: речным, железнодорожным и автотранспортом. Вероятность того, что груз будет доставлен речным транспортом, составляет 0,82, железнодорожным транспортом 0,87, автотранспортом 0,90. Найти вероятность того, что груз будет доставлен хотя бы одним из трёх видов транспорта.

Раздел 1. Случайные события (50 часов)

Тематический план дисциплины для студентов очно-заочной формы обучения

Тематический план дисциплины для студентов заочной формы обучения

2.3. Структурно-логическая схема дисциплины

Математика ч.2. Теория вероятностей и элементы математической статистики Теория

Раздел 1 Случайные события

Раздел 3 Элементы математической статистики

Раздел 2 Случайные величины

2.5. Практический блок

2.6. Балльно-рейтинговая система

Информационные ресурсы дисциплины

Библиографический список Основной:

3.2. Опорный конспект по курсу “ Математика ч.2. Теория вероятностей и элементы математической статистики” введение

Раздел 1. Случайные события

1.1. Понятие случайного события

1.1.1. Сведения из теории множеств

1.1.2. Пространство элементарных событий

1.1.3. Классификация событий

1.1.4. Сумма и произведение событий

1.2. Вероятности случайных событий.

1.2.1. Относительная частота события, аксиомы теории вероятностей. Классическое определение вероятности

1.2.2. Геометрическое определение вероятности

Вычисление вероятности события через элементы комбинаторного анализа

1.2.4. Свойства вероятностей событий

1.2.5. Независимые события

1.2.6. Расчет вероятности безотказной работы прибора

Формулы для вычисления вероятности событий

1.3.1. Последовательность независимых испытаний (схема Бернулли)

1.3.2. Условная вероятность события

1.3.4. Формула полной вероятности и формула Байеса

Раздел 2. Случайные величины

2.1. Описание случайных величин

2.1.1. Определение и способы задания случайной величины Одним из основных понятий теории вероятности является понятие случайной величины. Рассмотрим некоторые примеры случайных величин:

Чтобы задать случайную величину, надо указать ее закон распределения. Случайные величины принято обозначать греческими буквами ,,, а их возможные значения – латинскими буквами с индексамиxi,yi,zi.

2.1.2. Дискретные случайные величины

Рассмотрим события Ai , содержащие все элементарные события , приводящие к значению XI:

Пусть pi обозначает вероятность события Ai:

2.1.3. Непрерывные случайные величины

2.1.4. Функция распределения и ее свойства

2.1.5. Плотность распределения вероятности и ее свойства

2.2. Числовые характеристики случайных величин

2.2.1. Математическое ожидание случайной величины

2.2.2. Дисперсия случайной величины

2.2.3. Нормальное распределение случайной величины

2.2.4. Биномиальное распределение

2.2.5. Распределение Пуассона

Раздел 3. Элементы математической статистики

3.1. Основные определения

Гистограмма

3.3. Точечные оценки параметров распределения

Основные понятия

Точечные оценки математического ожидания и дисперсии

3.4. Интервальные оценки

Понятие интервальной оценки

Построение интервальных оценок

Основные статистические распределения

Интервальные оценки математического ожидания нормального распределения

Интервальная оценка дисперсии нормального распределения

Заключение

Глоссарий

4. Методические указания к выполнению лабораторных работ

Библиографический список

Лабораторная работа 1 описание случайных величин. Числовые характеристики

Порядок выполнения лабораторной работы

Лабораторная работа 2 Основные определения. Систематизация выборки. Точечные оценки параметров распределения. Интервальные оценки.

Понятие статистической гипотезы о виде распределения

Порядок выполнения лабораторной работы

Ячейка Значение Ячейка Значение

5. Методические указания к выполнению контрольной работы Задание на контрольную работу

Методические указания к выполнению контрольной работы События и их вероятности

Случайные величины

Среднее квадратическое отклонение

Элементы математической статистики

6. Блок контроля освоения дисциплины

Вопросы для экзамена по курсу « Математика ч.2. Теория вероятностей и элементы математической статистики»

Продолжение таблицы в

Окончание таблицы в

Равномерно распределенные случайные числа

Содержание

Раздел 1. Случайные события………………………………………. 18

Раздел 2 . Случайные величины..………………………… ….. 41

Раздел 3. Элементы математической статистики............... . 64

4. Методические указания к выполнению лабораторных

5. Методические указания к выполнению контрольной

1. Формулы для вычисления вероятности событий

1.3.1. Последовательность независимых испытаний (схема Бернулли)

Предположим, что некоторый эксперимент можно проводить неоднократно при одних и тех же условиях. Пусть этот опыт производится n раз, т. е. проводится последовательность из n испытаний.

Определение. Последовательность n испытаний называют взаимно независимой , если любое событие, связанное с данным испытанием, не зависит от любых событий, относящихся к остальным испытаниям.

Допустим, что некоторое событие A может произойти с вероятностью p в результате одного испытания или не произойти с вероятностью q = 1- p .

Определение . Последовательность из n испытаний образует схему Бернулли, если выполняются следующие условия:

последовательность n испытаний взаимно независима,

2) вероятность события A не изменяется от испытания к испытанию и не зависит от результата в других испытаниях.

Событие A называют “ успехом” испытания, а противоположное событие - “неудачей”. Рассмотрим событие

={ в n испытаниях произошло ровно m “успехов”}.

Для вычисления вероятности этого события справедлива формула Бернулли

p () =
, m = 1, 2, …, n , (1.6)

где - число сочетаний из n элементов по m :

=
=
.

Пример 1.16. Три раза подбрасывают кубик. Найти:

а) вероятность того, что 6 очков выпадет два раза;

б) вероятность того, что число шестерок не появится более двух раз.

Решение . “Успехом” испытания будем считать выпадение на кубике грани с изображением 6 очков.

а) Общее число испытаний – n =3, число “успехов” – m = 2. Вероятность “успеха” - p =, а вероятность “неудачи” - q = 1 - =. Тогда по формуле Бернулли вероятность того, что результате трехразового бросания кубика два раза выпадет сторона с шестью очками, будет равна

.

б) Обозначим через А событие, которое заключается в том, что грань с числом очков 6 появится не более двух раз. Тогда событие можно представить в виде суммы трех несовместных событий А=
,

где В 3 0 – событие, когда интересующая грань ни разу не появится,

В 3 1 - событие, когда интересующая грань появится один раз,

В 3 2 - событие, когда интересующая грань появится два раза.

По формуле Бернулли (1.6) найдем

p (А ) = р (
) = p (
)=
+
+
=

=
.

1.3.2. Условная вероятность события

Условная вероятность отражает влияние одного события на вероятность другого. Изменение условий, в которых проводится эксперимент, также влияет

на вероятность появления интересующего события.

Определение. Пусть A и B – некоторые события, и вероятность p (B )> 0.

Условной вероятностью события A при условии, что “событие B уже произошло” называется отношение вероятности произведения данных событий к вероятности события, которое произошло раньше, чем событие, вероятность которого требуется найти. Условная вероятность обозначается как p (A  B ). Тогда по определению

p (A  B ) =
. (1.7)

Пример 1.17. Подбрасывают два кубика. Пространство элементарных событий состоит из упорядоченных пар чисел

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)

(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)

(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)

(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)

(6,1) (6,2) (6,3) (6,4) (6,5) (6,6).

В примере 1.16 было установлено, что событие A ={число очков на первом кубике > 4} и событие C ={сумма очков равна 8} зависимы. Составим отношение

.

Это отношение можно интерпретировать следующим образом. Допустим, что о результате первого бросания известно, что число очков на первом кубике > 4. Отсюда следует, что бросание второго кубика может привести к одному из 12 исходов, составляющих событие A :

(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)

(6,1) (6,2) (6,3) (6,4) (6,5) (6,6) .

При этом событию C могут соответствовать только два из них (5,3) (6,2). В этом случае вероятность события C будет равна
. Таким образом, информация о наступлении событияA оказала влияние на вероятность события C .

Вероятность произведения событий

Теорема умножения

Вероятность произведения событий A 1 A 2  A n определяется формулой

p (A 1 A 2  A n ) = p (A 1) p (A 2  A 1)) p (A n  A 1 A 2  A n- 1). (1.8)

Для произведения двух событий отсюда следует, что

p (AB ) = p (A  B) p {B ) = p (B  A ) p {A ). (1.9)

Пример 1.18. В партии из 25 изделий 5 изделий бракованных. Последовательно наугад выбирают 3 изделия. Определить вероятность того, что все выбранные изделия бракованные.

Решение. Обозначим события:

A 1 = {первое изделие бракованное},

A 2 = {второе изделие бракованное},

A 3 = {третье изделие бракованное},

A = {все изделия бракованные}.

Событие А есть произведение трех событий A = A 1 A 2 A 3 .

Из теоремы умножения (1.6) получим

p (A ) = р( A 1 A 2 A 3 ) = p (A 1) p (A 2  A 1))p (A 3  A 1 A 2).

Классическое определение вероятности позволяет найти p (A 1) – это отношение числа бракованных изделий к общему количеству изделий:

p (A 1)= ;

p (A 2) – это отношение числа бракованных изделий, оставшихся после изъятия одного, к общему числу оставшихся изделий:

p (A 2  A 1))= ;

p (A 3) – это отношение числа бракованных изделий, оставшихся после изъятия двух бракованных, к общему числу оставшихся изделий:

p (A 3  A 1 A 2)=.

Тогда вероятность события A будет равна

p (A ) ==
.

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.

Все на свете происходит детерминировано или случайно…
Аристотель

Вероятность: основные правила

Теория вероятностей вычисляет вероятности различных событий. Основным в теории вероятностей является понятие случайного события.

Например, вы бросаете монету, она случайным образом падает на герб или решку. Заранее вы не знаете, на какую сторону монета упадет. Вы заключаете договор страхования, заранее вы не знаете, будут или нет проводиться выплаты.

В актуарных расчетах нужно уметь оценивать вероятность различных событий, поэтому теория вероятностей играет ключевую роль. Ни одна другая область математики не может оперировать с вероятностями событий.

Рассмотрим более подробно подбрасывание монеты. Имеется 2 взаимно исключающих исхода: выпадение герба или выпадение решки. Исход бросания является случайным, так как наблюдатель не может проанализировать и учесть все факторы, которые влияют на результат. Какова вероятность выпадения герба? Большинство ответит ½, но почему?

Пусть формально А обозначает выпадение герба. Пусть монета бросается n раз. Тогда вероятность события А можно определить как долю тех бросков, в результате которых выпадает герб:

где n общее количество бросков, n(A) число выпадений герба.

Отношение (1) называется частотой события А в длинной серии испытаний.

Оказывается, в различных сериях испытаний соответствующая частота при больших n группируется около некоторой постоянной величины Р(А) . Эта величина называется вероятностью события А и обозначается буквой Р - сокращение от английского слова probability - вероятность .

Формально имеем:

(2)

Этот закон называется законом больших чисел.

Если монета правильная (симметричная), то вероятность выпадения герба равняется вероятности выпадения решки и равняется ½.

Пусть А и В некоторые события, например, произошел или нет страховой случай. Объединением двух событий называется событие, состоящее в выполнении события А , события В , или обоих событий вместе. Пересечением двух событий А и В называется событие, состоящее в осуществлении как события А , так и события В .

Основные правила исчисления вероятностей событий следующие:

1. Вероятность любого события заключена между нулем и единицей:

2. Пусть А и В два события, тогда:

Читается так: вероятность объединения двух событий равна сумме вероятностей этих событий минус вероятность пересечения событий. Если события являются несовместными или непересекающимися, то вероятность объединения (суммы) двух событий равна сумме вероятностей. Этот закон называется законом сложения вероятностей .

Мы говорим, что события является достоверным, если его вероятность равна 1. При анализе тех или иных явлений возникает вопрос, как влияет наступление события В на наступление события А . Для этого вводится условная вероятность :

(4)

Читается так: вероятность наступления А при условии В равняется вероятности пересечения А и В , деленной на вероятность события В .
В формуле (4) предполагается, что вероятность события В больше нуля.

Формулу (4) можно записать также в виде:

(5)

Это формула умножения вероятностей.

Условную вероятность называют также апостериорной вероятностью события А - вероятность наступления А после наступления В .

В этом случае саму вероятность называют априорной вероятностью. Имеется еще несколько важных формул, которые интенсивно используются в актуарных расчетах.

Формула полной вероятности

Допустим, что проводится опыт, об условиях которого можно заранее сделать взаимно исключающие друг друга предположения (гипотезы):

Мы предполагаем, что имеет место либо гипотеза , либо … либо. Вероятности этих гипотез известны и равны:

Тогда имеет место формула полной вероятности :

(6)

Вероятность наступления события А равна сумме произведений вероятности наступления А при каждой гипотезе на вероятность этой гипотезы.

Формула Байеса

Формула Байеса позволяет пересчитывать вероятность гипотез в свете новой информации, которую дал результат А .

Формула Байеса в известном смысле является обратной к формуле полной вероятности.

Рассмотрим следующую практическую задачу.

Задача 1

Предположим, произошла авиакатастрофа и эксперты заняты исследованием ее причин. Заранее известны 4 причины, по которым произошла катастрофа: либо причина, либо , либо , либо . По имеющейся статистике эти причины имеют следующие вероятности:

При осмотре места катастрофы найдены следы воспламенения горючего, согласно статистике вероятность этого события при тех или иных причинах такая:

Вопрос: какая причина катастрофы наиболее вероятна?

Вычислим вероятности причин при условия наступления события А .

Отсюда видно, что наиболее вероятной является первая причина, так как ее вероятность максимальна.

Задача 2

Рассмотрим посадку самолета на аэродром.

При посадке погодные условия могут быть такими: низкой облачности нет (), низкая облачность есть (). В первом случае вероятность благополучной посадки равна P1 . Во втором случае - Р2 . Ясно, что P1>P2 .

Приборы, обеспечивающие слепую посадку, имеют вероятность безотказной работы Р . Если есть низкая облачность и приборы слепой посадки отказали, вероятность удачного приземления равна Р3 , причем Р3<Р2 . Известно, что для данного аэродрома доля дней в году с низкой облачностью равна .

Найти вероятность благополучной посадки самолета.

Нужно найти вероятность .

Имеются два взаимно исключающих варианта: приборы слепой посадки действуют, приборы слепой посадки отказали, поэтому имеем:

Отсюда по формуле полной вероятности:

Задача 3

Страховая компания занимается страхованием жизни. 10% застрахованных в этой компании являются курильщиками. Если застрахованный не курит, вероятность его смерти на протяжении года равна 0.01 Если же он курильщик, то эта вероятность равна 0.05.

Какова доля курильщиков среди тех застрахованных, которые умерли в течение года?

Варианты ответов: (А) 5%, (Б) 20%, (В) 36 %, (Г) 56%, (Д) 90%.

Решение

Введём события:

Условие задачи означает, что

Кроме того, поскольку события и образуют полную группу попарно несовместимых событий, то .
Интересующая нас вероятность - это .

Используя формулу Байеса, мы имеем:

поэтому верным является вариант (В ).

Задача 4

Страховая компания продаёт договора страхования жизни трёх категорий: стандартные, привилегированные и ультрапривилегированные.

50% всех застрахованных являются стандартными, 40% - привилегированными и 10% - ультрапривилегированными.

Вероятность смерти в течение года для стандартного застрахованного равна 0.010, для привилегированного - 0.005, а для ультра привилегированного - 0.001.

Чему равна вероятность того, что умерший застрахованный является ультрапривилегированным?

Решение

Введем в рассмотрение следующие события:

В терминах этих событий интересующая нас вероятность - это . По условию:

Поскольку события , , образуют полную группу попарно несовместимых событий, используя формулу Байеса мы имеем:

Случайные величины и их характеристики

Пусть некоторая случайная величина, например, ущерб от пожара или величина страховых выплат.
Случайная величина полностью характеризуется своей функцией распределения.

Определение. Функция называется функцией распределения случайной величины ξ .

Определение. Если существует такая функция , что для произвольных a выполнено

то говорят, что случайная величина ξ имеет плотность распределения вероятности f(x) .

Определение. Пусть . Для непрерывной функции распределения F теоретической α-квантилью называется решение уравнения .

Такое решение может быть не единственным.

Квантиль уровня ½ называется теоретической медианой , квантили уровней ¼ и ¾ - нижней и верхней квартилями соответственно.

В актуарных приложениях важную роль играет неравенство Чебышева:

при любом

Символ математического ожидания.

Читается так: вероятность того, что модуль больше меньше или равняется математическому ожиданию величины модуль , деленному на .

Время жизни как случайная величина

Неопределенность момента смерти является основным фактором риска при страховании жизни.

Относительно момента смерти отдельного человека нельзя сказать ничего определенного. Однако если мы имеем дело с большой однородной группой людей и не интересуемся судьбой отдельных людей из этой группы, то мы находимся в рамках теории вероятностей как науки о массовых случайных явлениях, обладающих свойством устойчивости частот.

Соответственно, мы можем говорить о продолжительности жизни как о случайной величине Т.

Функция выживания

В теории вероятностей описывают стохастическую природу любой случайной величины Т функцией распределения F (x), которая определяется как вероятность того, что случайная величина Т меньше, чем число x :

.

В актуарной математике приятно работать не с функцией распределения, а с дополнительной функцией распределения . Применительно к продолжительной жизни - это вероятность того, что человек доживет до возраста x лет.

называется функцией выживания (survival function ):

Функция выживания обладает следующими свойствами:

В таблицах продолжительности жизни обычно считают, что существует некоторый предельный возраст (limiting age ) (как правило, лет) и соответственно при x >.

При описании смертности аналитическими законами обычно считают, что время жизни неограниченно, однако подбирают вид и параметры законов так, чтобы вероятность жизни свыше некоторого возраста была пренебрежимо мала.

Функция выживания имеет простой статистический смысл.

Допустим, что мы наблюдаем за группой из новорожденных (как правило, ), которых мы наблюдаем и можем фиксировать моменты их смерти.

Обозначим число живых представителей этой группы в возрасте через . Тогда:

.

Символ E здесь и ниже используется для обозначения математического ожидания.

Итак, функция выживания равна средней доле доживших до возраста из некоторой фиксированной группы новорожденных.

В актуарной математике часто работают не с функцией выживания , а с только что введенной величиной (зафиксировав начальный размер группы ).

Функция выживания может быть восстановлена по плотности:

Характеристики продолжительности жизни

С практической точки зрения важны следующие характеристики:

1 . Среднее время жизни

,
2 . Дисперсия времени жизни

,
где
,