Элективный курс по математике для классов спортивно-оборонного профиля

Из колоды карт (52 карты) наугад вынимают 3 карты. Найти вероятность того, что это будет тройка, четверка и туз.

1.9

В лотерее 100 билетов, среди них один выигрыш во 100 р, 3 выигрыша по 50 р, 6 выигрышей по 20 р и 15 по 3 р. Найти вероятность какого-нибудь выигрыша при покупке трех билетов. Что вероятнее: выиграть не менее 50 р или не более 50 р при покупке одного лотерейного билета?

1.10

Даны вероятности p=P(f), q=P(B), r=P(AB). Найдите вероятность следующих событий: P(AB), P(ВB).

1.11

Брошены 6 игральных костей. Найдите вероятности следующих событий: а) на всех выпавших гранях появится одинаковое число очков; б) ровно на трех гранях появится 6 очков; в) хотябы на трех гранях появится не менее трех очков.

1.12

Какое наименьшее число костей надо бросить, чтобы наивероятнейшее число выпадений шестерки было равно 5?

1.13

Вероятность безотказной работы прибора равна 0.7. Для повышения надежности этот прибор дублируется несколькими такими же приборами (если один откажет, то начинает работать другой). Сколько дополнительно приборов надо взять, чтобы повысить надежность работы до 0.99?

1.14

Два равносильных игрока играют в шахматы. Ничьи во внимание не принимаются. Что вероятнее: а) выиграть три партии из четырех или четыре партии из шести; б) выиграть не менее трех партий из четырех или не менее четырех партий из шести?

1.15

В связи с распадом футбольной команды из 30 человек, руководством было принято решение 15 человек отправить играть в московскую команду, 8 человек в Пермскую команду и 7 человек в Киров. Места распределялись случайным образом. Какова вероятность того, что два друг попадут в один город.

1.16

Для победы игроку необходимо забросить один мяч в кольцо. Найти вероятность того, что команда выиграет, если можно кинуть мяч всего четыре раза, вероятности попадания которых равны 0,3; 0,4; 0,6; 0,7. 2. Задачи, использующие формулу полной вероятности и формулу

Бейеса

2.1 Условная вероятность
Определение. Условной вероятностью события А, при условии, что произошло событие В, называется отношение вероятностей P(АВ) к Р(В) и обозначается Р(А/В):

Условная вероятность обладает следующими свойствами:

1. если то Р(А/В)=1

2. если Ш, то Р((А+В)/С)=Р(А/С)+Р(В/С)

2.2 Формула полной вероятности

Определение. Пусть задано некоторое вероятностное пространство (?, F, P). Тогда совокупность событий А1, А2, …, Аn называется полной группой событий, если выполняются следующие условия:

а) А1 А2 …,Аn=?;

б) Аi Aj=Ш, ;

г) Р(Ак)>0.

Пусть дано событие А, оно может наступить при появлении одного из несовместных Событий В1, В2,…, Вn, которые образуют полную группу. Нам также известны вероятности , , …, . Как можно найти вероятность события А? Ответ на этот вопрос дает теорема:

Теорема. Вероятность события А, которое может наступить лишь при условии появлении одного из несовместных событий В1, В2,…, Вn, образующих полную группу, равна сумме произведений вероятности каждого из этих событий на собственную условную вероятность:

P(А)=.

Эту формулу также называют формулой полной вероятности.

2.3 Формула Бейеса

Составим задачу: Пусть дано событие А, оно может наступить при появлении одного из несовместных Событий В1, В2,…, Вn, которые образуют полную группу. Так как нам заранее не известно, какое событие наступит, их называют гипотезами. Допустим, что произведено испытание в результате, которого появилось событие А. Поставим своей задачей определить как изменились вероятности гипотез, в связи с тем что событие А уже наступило. Другими словами определим следующие условные вероятности:

, , …, .

Определить данные вероятности можно при помощи формулы Бейеса:

Заменив P(А)= получим:

Решение задач.
Задача 1. Бросается игральный кубик. Какова вероятность того, что выпало число очков, больше трех (событие А), если известно, что выпала четная грань (событие В)?
Решение. Событию В соответствует выпадение чисел 2,4,6. Событию А выпадение чисел 4, 5, 6. Событию АВ - 4, 6. Поэтому используя формулу условной вероятности получи:
.
Задача 2. Для контроля продукции лыжной фабрики из трех партий лыж взята на проверку одна деталь. Какова вероятность выявления бракованной продукции, если в одной партии 2/3 лыж бракованные, а в двух других все доброкачественные?
Решение. Пусть событие В= «Взятая деталь бракованная», Ак= «деталь берется из к-ой партии», тогда вероятность Р(Ак)=1/3, где к=1; 2; 3.
Пусть в первой партии находятся бракованные лыжи, значит , тогда в двух других парий нет бракованных лыж, то есть: . Применяя формулу полной вероятности получим:
P(B)=.
Задача 3. Прибор состоит из двух узлов; работа каждого узла необходима для работы прибора в целом. Надежность (вероятность безотказной работы) в течении времени t первого узла равна p1, второго р2. Прибор испытывался в течении времени t, в результате чего обнаружено, что он отказал. Найдите вероятность того, что отказал первый узел, а второй исправен.
Решение. Пусть событие В= «прибор отказал», событие А1= «Оба узла исправны», А2= «первый узел отказал, а второй испарвен», А3= «первый узел исправен, а второй узел отказал», А4= «Оба узла отказали». Эти события образуют полную группу событий. Найдем их вероятности:
Р(А1)=р1р2
Р(А2)=(1-р1)р2
Р(А3)=р1(1-р2)
Р(А4)=(1-р1)(1-р2).
Так как наблюдалось событие В, то:
Р(В/А1)=0,
Р(В/А2)= Р(В/А3)= 1.
Применяя формулу Бейеса получим:
.
Задачи для самостоятельного решения
2.1.

Среди N экзаменационных билетов n «счастливых». Студенты подходят за билетами один за другим. У кого больше вероятность взять счастливый билет: у того, кто подошел первым, или у того, кто подошел вторым? Какова вероятность взять «счастливый» билет у последнего студента?

2.2.

15 экзаменационных билетов содержат по 2 вопроса, которые не повторяются. Экзаменующийся может ответить толь- ко на 25 вопросов. Определить вероятность того, что экзамен будет сдан, если для этого достаточно ответить на два вопроса из одного билета или на один вопрос из первого билета и на указанный дополнительный вопрос из другого билета.

2.3.

В техникуме n студентов, из которых nk , k = 1, 2, 3 , человек учатся k -й год. Среди двух наудачу выбранных студентов оказалось, что один из них учится больше второго. Какова вероятность того, что этот студент учится третий год?

2.3

Из чисел 1, 2, …, n одно за другим выбирают наугад два числа. Какова вероятность тго, что разность между первыми выбранным числом и вторым будет не меньше m?

2.4

Во время испытаний было установлено, что вероятность безотказной работы прибора при отсутствии повреждений равна 0,99, при перегреве - 0,95, при вибрации - 0,9, при вибрации и перегреве - 0,8. Найти вероятность P1 отказа этого прибора во время работы в жарких странах (вероятность перегрева - 0,2, вибрации - 0,1) и вероятность P2 отказа во время работы в передвигающейся лаборатории (вероятность перегрева - 0,1, вибрации - 0,3), если считать перегрев и вибрацию независимыми событиями.

2.5

По каналу связи передают символы A , B , C с вероятностями 0,4; 0,3; 0,3 соответственно. Вероятность искажения сим- вола равна 0,4, и все искажения равновероятны. Для увеличения надежности каждый символ повторяют четыре раза. На выходе восприняли последовательность ВАСВ. Какова вероятность того, что передали АААА, ВВВВ, СССС?

2.6

На наблюдательной станции установлены 4 радиолокатора различных конструкций. Вероятность обнаружения целей с помощью первого локатора равна 0,86, второго 0,9, третьего 0,92, четвертого 0,95. Наблюдатель наугад включает один из локаторов. Какова вероятность обнаружения цели?

2.7

Вероятность того, что двое близнецов будут одного пола 0,64, а вероятность рождения в двойне первым мальчика 0,51. Найти вероятность того, что второй из близнецов будет мальчиком, при условии, что первый из них мальчик.

2.8

Некоторая деталь производиться на двух заводах. Известно, что объем продукции первого завода в к раз превышает объем второго. Доля брака на первом заводе 0,3, на втором 0,2. Наугад взятая деталь оказалась бракованной. Какова вероятность того, что эта деталь выпущена первым заводом?

2.9

Среди женщин - избирателей 70% поддерживают кандидата А, а среди мужчин 60%. Используя данные переписи, согласно которым доля женщин избирателей составляет 55%, оценить вероятность победы на выборах кандидата А.

2.10

Трое сотрудников фирмы выдают соответственно 30%, 50%, 20% всех изделий, производимой фирмой. У первого брак 2%, второго 5%, третьего 1%. Какова вероятность, что случайно выбранное изделие дефектно? 3. Случайные величины

Изучение случайных величин требует связи этих величин с определенными событиями, которые заключаются в попадании случайной величины в некоторый интервал и для которых определены вероятности. Другими словами необходимо связать случайную величину с полем данного испытания.

Для лучшего понимания рассмотрим пример. При бросании кости могли появиться цифры 1, 2, 3, 4, 5, 6. Наперед определить число выпавших очков невозможно, так как это зависит от многих случайных величин, которые полностью не могут быть учтены. В этом смысле число очков есть величина случайная; и числа 1, 2, 3, 4, 5, 6 - есть возможные значения этой величины.

Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.

Будем обозначать случайные величины прописными (заглавными) буквами: X, Y, Z, а их возможные значения соответствующими строчными буквами x, y, z. Если величина Х имеет три значения то они будут обозначены так: х1, х2, х3 .

3.1 Дискретные и непрерывные случайные величины

Обычно рассматриваются два типа случайных величин: дискретные и непрерывные.

Рассмотрим следующий пример: Число мальчиков пошедших в секцию бальных танцев среди 100 пришедших туда людей есть случайная величина, которая может принимать следующие значения 0, 1, 2, …, 100. Эти значения отделены друг от друга промежутками, в которых нет возможных значений Х . таким образом в этом примере случайная величина принимает отдельные изолированные значения.

Приведем второй пример: расстояние, которое пролетит диск при метании, есть величина случайная. Действительно величина зависит от многих факторов, например от ветра, температуры и других факторов, которые не могут быть полностью учтены. Возможные значения этой величины принадлежат некоторому промежутку (а;b).

В данном примере случайная величина может принять любое из значений промежутка (а;b). Здесь нельзя отделить одно возможное значение от другого промежутком, не содержащим возможных значений случайной величины.

Уже из сказанного можно заключить о том, что целесообразно будет различать случайные величины, принимающие лишь отдельные изолированные значения, и случайные величины, возможные значения которых сплошь заполняют некоторый промежуток.

Дискретной (прерывной) называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.

Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Очевидно, число возможных значений непрерывной случайной величины бесконечно.

Еще примерами непрерывных случайных величин могут быть спортивный результат в беге или прыжках, рост и масса тела человека, сила мышц и другие.

3.2 Закон распределения вероятностей дискретной случайной

величины

Для задания дискретной случайной величины не достаточно перечислить все возможные ее значения, нужно еще указать их вероятности.

Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями; его можно задать таблично, в виде формулы и графически.

При табличном задании первая строка содержит возможные значения, а вторая - их вероятности :

Х	x1	x2	…	xn
p	p1	p2	…	pn

Сумма вероятностей второй строки таблицы равнеа единице:

Если множество возможных значений Х бесконечно, то ряд сходится и его сумма равна единице.

Для наглядности закон распределения дискретной случайной величины можно изобразить и графически, для чего в прямоугольной системе координат строят точки (хi; pi), а затем соединяют их отрезками прямых. Полученную фигуру называют многоугольником распределения.

3.3 Биноминальное распределение

Пусть производится n независимых испытаний, в каждом из которых событие А может появиться либо не появиться. Вероятность наступления события во всех испытаниях постоянна и равна р, тогда вероятность не появления q=1-p. Рассмотрим в качестве дискретной случайной величины Х число появления события А в этих испытаниях.

Найдем закон распределения величины Х. Событие А в n испытаниях может появиться либо не появиться, Следовательно Х может принимать следующие значения х1=0, х2=1, х3=2, и так далее. Вероятность данных значений можно найти используя формулу Бернулли:

Биноминальным называют распределение вероятностей, определяемое формулой Бернулли. Данный закон назван биноминальным потому, что правую часть равенства можно рассматривать, как общий член разложения бинома Ньютона.

Напишем биноминальный закон в виде таблицы:

Х	n	n-1	…	k	…	0
p			…		…

3.4Распределение Пуассона

Пусть производится n независимых испытаний, в каждом из которых вероятность появления события А равна р. Для определения вероятности к появлений события А используют формулу Бернулли. Если n велико то пользуются формулой ЛапласаЮ однако эта формула непригодна, если вероятность события мала (p<0.1). В этих случаях (n велико, а р - мало). Используют формулу Пуассона:

Где .

Эта формула выражает закон распределения Пуассона вероятностей массовых и редких событий. Имеются специальные таблицы, пользуясь которыми можно найти значения , если нам известны и к.

3.5 Математическое ожидание и дисперсия

Как известно закон распределения полностью характеризует случайную величину. Однако часто закон распределения неизвестен и приходится ограничиваться меньшими сведениями. Также для решения многих задач не нужно знать распределения случайной величины, а достаточно знать лишь некоторые обобщающие числовые хараткеристики этого распределения.

Одной из таких характеристик является математическое ожидание. Для более наглядного определения рассмотрим подход к этому понятию на конкретном примере.

Пусть имеется дискретная случайная величина Х, которая может принимать значения х1, х2, …, хn. Вероятности которых соответственно равны р1, р2, …, рn. Тогда математическое ожидание М(Х) случайной величины Х определяется равенством:

Если дискретная случайная величина Х принимает счетное множество всевозможных значений, то

Причем математическое ожидание существует, если ряд в правой части равенства сходится абсолютно.

Математическое ожидание приближенно равно (тем точнее, чем больше число испытаний) среднему арифметическому наблюдаемых значений случайной величины.

Свойства математического ожидания:

1. Математическое ожидание постоянной величины равно самой постоянной

М(С)=С.

2. Постоянный сомножитель можно выносить за знак математического ожидания

М(СХ)=СМ(Х).

3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий

М(ХУ)=М(Х)М(У).

4. Математическое ожидание числа появлений события А в n независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании

М(Х)=np.

Для непрерывных случайных величин дисперсию можно найти по следующей формуле:

На практике часто требуется оценить рассеяние возможных значений случайно величины вокруг ее среднего значения. Например в артиллерии важно знать, насколько кучно лягут снаряды вблизи цели, которая должна быть поражена. Именно такие задачи решает дисперсия.

Дисперсией случайной величины Х называется математическое ожидание квадрата отклонений случайной величины от ее математического ожидания. Дисперсия обозначается, как D(x)

D(Х)=M[X-М(Х)]2.

Для вычисления дисперсии часто бывает удобно пользоваться следующей формулой:

Дисперсия равна разности между математическим ожиданием квадрата случайной величины Х и квадратом ее математического ожидания

D(Х)=M(X)2-[М(Х)]2.

Свойства дисперсии:

1. Дисперсия постоянной величины С равна 0

D(С)=0.

2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат

D(СХ)=С2 D(Х).

3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин

D(Х+У)=D(X)+D(У).

4. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий