Практическое применение теории вероятностей. Применение теории вероятности на практике Роль теории вероятности в реальной жизни

Начать по праву следует со статистической физики. Современное естествознание исходит из представления, согласно которому все явления природы носят статистический характер и законы могут получить точную формулировку только в терминах теории вероятностей. Статистическая физика стала основой всей современной физики, а теория вероятностей - ее математическим аппаратом. В статистической физике рассматриваются задачи, которые описывают явления, определяющиеся поведение большого числа частиц. Статистическая физика весьма успешно применяется в самых разных разделах физики. В молекулярной физике с ее помощью объясняют тепловые явления, в электромагнетизме - диэлектрические, проводящие и магнитные свойства тел, в оптике она позволила создать теорию теплового излучения, молекулярного рассеивания света. В последние годы круг приложений статистической физики продолжает расширяться.

Статистические представления позволили быстро оформить математическое изучение явлений ядерной физики. Появление радиофизики и изучение вопросов передачи радио сигналов не только усилили значение статистических концепций, но и привели к прогрессу самой математической науки - появлению теории информации.

Понимание природы химических реакций, динамического равновесия также невозможно без статистических представлений. Вся физическая химия, ее математический аппарат и предлагаемые ею модели являются статистическими.

Обработка результатов наблюдений, которые всегда сопровождаются и случайными ошибками наблюдений, и случайными для наблюдателя изменениями в условиях проведения эксперимента, еще в XIX столетии привела исследователей к созданию теории ошибок наблюдений, и эта теория полностью опирается на статистические представления.

Астрономия в ряде своих разделов использует статистический аппарат. Звездная астрономия, исследование распределения материи в пространстве, изучение потоков космических частиц, распределение на поверхности солнца солнечных пятен (центров солнечной активности) и многое другое нуждается в использовании статистических представлений.

Биологи заметили, что разброс размеров органов живых существ одного и того же вида прекрасно укладывается в общие теоретико-вероятностные законы. Знаменитые законы Менделя, положившие начало современной генетике, требуют вероятностно-статистических рассуждений. Изучение таких значительных проблем биологии, как передача возбуждения, устройство памяти, передача наследственных свойств, вопросы расселения животных на территории, взаимоотношения хищника и жертвы требует хорошего знания теории вероятностей и математической статистики.

Гуманитарные науки объединяют очень разнообразные по характеру дисциплины - от языкознания и литературы до психологии и экономики. Статистические методы все в более значительной мере начинают привлекаться к историческим исследованиям, особенно в археологии. Статистический подход используется для расшифровки надписей на языке древних народов. Идеи, руководившие Ж. Шампольоном при расшифровке древнего иероглифического письма, являются в основе своей статистическими. Искусство шифрования и дешифровки основано на использовании статистических закономерностей языка. Другие направления связаны с изучением повторяемости слов и букв, распределения ударений в словах, вычислением информативности языка конкретных писателей и поэтом. Статистические методы используются для установления авторства и изобличения литературных подделок. Например, авторство М.А. Шолохова по роману "Тихий Дон" было установлено с привлечением вероятностно-статистических методов. Выявление частоты появления звуков языка в устной и письменной речи позволяет ставить вопрос об оптимальном кодировании букв данного языка для передачи информации. Частота использования букв определяет соотношение количества знаков в наборной типографской кассе. Расположение букв на каретке пишущей машины и на клавиатуре компьютера, определяется статистическим изучением частоты сочетаний букв в данном языке.

Многие проблемы педагогики и психологии также требуют привлечения вероятностно-статистического аппарата. Вопросы экономики не могут не интересовать общество, поскольку с ней связаны все аспекты ее развития. Без статистического анализа невозможно предвидеть изменение количества населения, его потребностей, характера занятости, изменения массового спроса, а без этого невозможно планировать хозяйственную деятельность.

Непосредственно связаны с вероятностно-статистическими методами вопросы проверки качества изделий. Зачастую изготовление изделия занимает несравненно меньше времени, чем проверка его качества. По этой причине нет возможности проверить качество каждого изделия. Поэтому приходится судить о качестве партии по сравнительно небольшой части выборки. Статистические методы используются и тогда, когда испытание качества изделий приводит к их порче или гибели.

Вопросы, связанные с сельским хозяйством, уже давно решаются с широким использованием статистических методов. Выведение новых пород животных, новых сортов растений, сравнение урожайности - вот далеко не полный список задач, решаемых статистическими методами.

Можно без преувеличения сказать, что статистическими методами сегодня пронизана вся наша жизнь. В известном сочинении поэта-материалиста Лукреция Кара "О природе вещей" имеется яркое и поэтическое описание явления броуновского движения пылинок:

"Вот посмотри: всякий раз, когда солнечный свет проникает В наши жилища и мрак прорезает своими лучами, Множества маленьких тел в пустоте, ты увидишь, мелькая, Мечутся взад и вперед в лучистом сиянии света; Будто бы в вечной борьбе они бьются в сраженьях и битвах. В схватки бросаются вдруг по отрядам, не зная покоя. Или сходясь, или врозь беспрерывно опять разлетаясь. Можешь из этого ты уяснить себе, как неустанно Первоначала вещей в пустоте необъятной мятутся. Так о великих вещах помогают составить понятье Малые вещи, пути намечая для из достиженья, Кроме того, потому обратить тебе надо вниманье На суматоху в телах, мелькающих в солнечном свете, Что из нее познаешь ты материи также движенье"

Первая возможность экспериментального исследования соотношений между беспорядочным движением отдельных частиц и закономерным движением их больших совокупностей появилась, когда в 1827 году ботаник Р. Броун открыл явление, которое по его имени названо "броуновским движением". Броун наблюдал под микроскопом взвешенную в воде цветочную пыльцу. К своему удивлению он обнаружил, что взвешенные в воде частицы находятся в непрерывном беспорядочном движении, которое не удается прекратить при самом тщательном старании устранить какие либо внешние воздействия. Вскоре было обнаружено, что это общее свойство любых достаточно мелких частиц, взвешенных в жидкости. Броуновское движение - классический пример случайного процесса.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Федеральное государственное образовательное

бюджетное учреждение высшего профессионального образования

«ФИНАНСОВЫЙ УНИВЕРСИТЕТ

ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»

Факультет: Финансы и кредит

КОНТРОЛЬНАЯ РАБОТА

по дисциплине «Теория вероятности и математическая статистика»

Студентка: Коханская Е.Ю.

Курс: 2 № группы: ЗСПЗ-ЭК201

Преподаватель: Бутковский О.Я.

Владимир 2014

1. На складе имеется 20 приборов, из которых два неисправны. При отправке потребителю проверяется исправность приборов.

Найти вероятность того, что три первых проверенных прибора окажутся исправными.

Испытание (опыт) заключается в выборе наудачу 3 приборов со склада, на котором имеется 20 приборов (из которых 18 исправны и 2 неисправны).

Элементарным событием (исходом испытания) является полученный набор из трёх приборов.

Пусть событие А заключается в том, что три первых проверенных прибора окажутся исправными.

Число исходов, благоприятствующих появлению события А (выбор трёх исправных приборов из):

Ответ: вероятность того, что три первых проверенных прибора окажутся исправными, равна 0,716.

2. В типографии имеется пять плоскопечатных машин. Для каждой машины вероятность того, что она работает в данный момент, равна 0,9.

Найти вероятность того, что в данный момент работает:

а) две машины;

б) хотя бы одна машина

а) Р=0.9 - вероятность того, что 1 машина работает

т.е. вероятноcть работы 2 машин: p = 0,9*0,9=0,81 => 81%

б) Так как события «машина работает» и «машина не работает» (в данный момент) противоположные, то сумма их вероятностей равна единице:

Отсюда вероятность того, что машина в данный момент не работает, равна

Искомая вероятность

Р(А)= 1- q5=1-(0,1)5=1- 0,00001=0,99999=99%

Так как полученная вероятность весьма близка к единице, то, на основании следствия из принципа практической невозможности маловероятных событий, мы вправе заключить, что в данный момент работает хотя бы одна из машин.

Ответ: а) вероятность того, что в данный момент работает две машины = 81%

б) вероятность того, что в данный момент работает хотя бы одна машина= 99 %

3. При выпуске телевизоров количество экземпляров высшего качества в среднем составляет 80%. Выпущено 400 телевизоров.

а) вероятность того, что 300 из выпущенных телевизоров высшего качества;

б) границы, в которых с вероятностью 0,9907 заключена доля телевизоров высшего качества.

В этой задаче мы имеем дело с независимыми испытаниями, каждое из которых заключается в исследовании качества выпущенного телевизора. Число испытаний в нашем случае.

Событие состоит в том, что выпущенный телевизор высшего качества.

а) Вычислить искомую вероятность появления события ровно 300 раз в 400 испытаниях по формуле Бернулли затруднительно из-за громоздкости вычислений. Искомую вероятность можно вычислить, используя асимптотическую (приближённую) формулу Муавра - Лапласа.

Воспользуемся локальной теоремой Муавра - Лапласа: если вероятность наступления события в каждом из испытаний постоянна и отлична от 0 и 1, а число независимых испытаний достаточно велико, то вероятность вычисляется по приближённой формуле

Где - вероятность наступления события в каждом из испытаний,

Вероятность ненаступления события в каждом из испытаний,

Функция Гаусса.

Итак, событие состоит в том, что выпущенный телевизор высшего качества; вероятность наступления события в каждом из испытаний; вероятность ненаступления события в каждом из испытаний; число испытаний.

Значит вероятность того, что из 400 выпущенных телевизоров 300 высшего качества:

По таблице значений функции Гаусса находим: .

Следовательно, .

б) Воспользуемся следствием интегральной теоремы Муавра - Лапласа: если вероятность р наступления события А в каждом из испытаний постоянна и отлична от 0 и 1, а число независимых испытаний достаточно велико, то вероятность заданного отклонения относительной частоты (частости) появления события А от его вероятности вычисляется по приближённой формуле

Где р - вероятность наступления события А в каждом из испытаний,

q - вероятность ненаступления события А в каждом из испытаний,

п - число испытаний, - заданное отклонение.

Функция Лапласа.

вероятность случайный величина ожидание

В нашем случае; ; число испытаний.

Найдём отклонение, при котором, то есть в силу следствия интегральной теоремы Муавра - Лапласа

Итак, найдём из выражения

По таблице значений функции Лапласа находим: .

Следовательно

Значит с вероятностью 0,9907 можно ожидать отклонение относительной частоты появления события от.

Таким образом, границы, в которых с вероятностью 0,9907 заключена доля телевизоров высшего качества: .

Другими словами, с вероятностью 0,9907 доля телевизоров высшего качества составляет от 74,8 % до 85,2 %.

Ответ: а) вероятность того, что 300 из выпущенных телевизоров высшего качества равна 0,0022;

б) границы, в которых с вероятностью 0,9907 заключена доля телевизоров высшего качества от 74,8% до 85,2%.

4. В партии из восьми деталей шесть стандартных. Наугад отбирают две детали. Составить закон распределения случайной величины - числа стандартных деталей среди отобранных. Найти ее математическое ожидание, дисперсию и функцию распределения.

Дискретная случайная величина - число стандартных деталей среди отобранных деталей - имеет следующие возможные значения: , .

Найдём вероятности, этих возможных значений.

Искомый закон распределения дискретной случайной величины, соответственно, будет иметь вид:

Испытание (опыт) заключается в случайном выборе двух деталей из партии, содержащей 8 деталей (6 стандартных и 2 нестандартных).

Элементарным событием (исходом испытания) является полученный набор из 2 деталей.

Число всех возможных исходов испытания:

Число исходов, благоприятствующих тому, что число стандартных деталей среди отобранных деталей (то есть среди отобранных деталей 0 стандартных и 2 нестандартных):

Воспользовавшись классическим определением вероятности, получаем:

Число исходов, благоприятствующих тому, что число стандартных деталей среди отобранных деталей (то есть среди отобранных деталей 1 стандартная и 1 нестандартная):

Воспользовавшись классическим определением вероятности, получаем:

Число исходов, благоприятствующих тому, что число стандартных деталей среди отобранных деталей (то есть среди отобранных деталей 2 стандартных и 0 нестандартных):

Воспользовавшись классическим определением вероятности, получаем:

Сумма вероятностей

Таким образом, искомый закон распределения дискретной случайной величины имеет вид:

Найдём математическое ожидание и функцию распределения случайной величины.

Математическое ожидание дискретной случайной величины:

Дисперсия дискретной случайной величины Х:

Функция распределения вероятностей (интегральная функция распределения) случайной величины задаётся формулой.

При построении функции будем получать её аналитическое выражение на каждом промежутке разбиения числовой прямой точками, соответствующими значениям заданной случайной величины, используя теорему сложения вероятностей несовместных событий:

a) для, так как в данном случае мы имеем дело с вероятностью невозможного события (в частности для);

b) для (в частности для);

c) для (в частности для);

Обобщая полученные данные, можно записать:

Ответ: ; ; ;

1. Из 1560 сотрудников предприятия по схеме собственно-случайной бесповторной выборки отобрано 100 человек для получения статистических данных о пребывании на больничном листе в течение года. Полученные данные представлены в таблице.

а) вероятность того, что среднее число дней пребывания на больничном листе среди сотрудников предприятия отличается от их среднего числа в выборке не более чем на один день (по абсолютной величине);

б) границы, в которых с вероятностью 0,95 заключена доля всех сотрудников, пребывающих на больничном листе не более семи дней;

в) объем бесповторной выборки, при котором те же границы для доли (см. п. б)) можно гарантировать с вероятностью 0,98.

а) Выберем число больничных, в каждом из интервалов (середина интервала). В начальном интервале примем значение 2 дня. В конечном 12 дней, в прочих середину интервала.

Выборочная средняя равна:

Выборочная дисперсия:

найдём значение t из соотношения

Значения Ф(t) взяты из соответствующих таблиц.

б) В выборке доля таких сотрудников равна:

Полагая генеральную совокупность много большей, по сравнению с 100 имеем для требуемой величины:

Тогда искомые границы:

в) Объём для данного вида выборки и данной вероятности (t=2,33):

Ответ: а) вероятность того, что среднее число дней пребывания на больничном листе среди сотрудников предприятия отличается от их среднего числа в выборке не более чем на один день, равна 0,999;

б) границы, в которых с вероятностью 0,95 заключена доля всех сотрудников, пребывающих на больничном листе не более семи дней от 47,3% до 66,7%;

в) объем бесповторной выборки с вероятностью 0,98 равен 141сотруднику.

3. Распределение 110 образцов полимерных композиционных материалов по содержанию в них нефтешламов Х (%) и водопоглощению Y (%) представлено в таблице.

Необходимо:

1. Вычислить групповые средние, построить эмпирические линии регрессии.

2. Предполагая, что между переменными Х и Y существует линейная корреляционная зависимость:

а) найти уравнения прямых регрессии, построить их графики на одном чертеже с эмпирическими линиями регрессии и дать содержательную интерпретацию полученных уравнений;

б) вычислить коэффициент корреляции; на уровне значимости? = 0,05 оценить его значимость и сделать вывод о тесноте и направлении связи между переменными Х и Y;

в) используя соответствующее уравнение регрессии, оценить средний процент водопоглощения в образцах, содержащих 35% нефтешламов.

1). Вычислим групповые средние значения:

В таблице записана функциональная зависимость между и xi, или корреляционная зависимость у по х.

Построим эмпирические линии регрессии:

2). Предполагая, что между переменными X и Y существует линейная корреляционная зависимость:

а) найдем уравнения прямых регрессии.

Случайная величина Х - содержание нефтешламов, %

Случайная величина Y - содержание водопоглащения, %.

Найдем ковариацию:

Вычислим коэффициент регрессии у по х и составим уравнение этой зависимости:

у = 1,117 х + 8,792

Вычислим коэффициент регрессии х по у и составим уравнение соответствующей зависимости:

х = 0,797 у -3,744

Построим графики прямых регрессии на одном чертеже с эмпирическими линиями регрессии:

б) Вычислим коэффициент корреляции:

Т.е. связь между переменными Х и Y (степенью автоматизации производства и ростом производительности труда) прямая, тесная.

Оценим значимость коэффициента корреляции по критерию Стьюдента:

Расчетное значение критерия Стьюдента больше табличного

tтабл.(?=0,05; k=108) = 1,6591, следовательно коэффициент корреляции является значимым.

в) Определим, используя уравнение регрессии у по х, средний процент водопоглощения в образцах, содержащих 35% нефтешламов:

у = 1,117 *35 + 8,792=47,887

Т.е. средний процент водопоглощения в образцах, содержащих 35% нефтешламов, составит 47,9%.

Размещено на Allbest.ur

...

Подобные документы

Понятия теории вероятностей и математической статистики, применение их на практике. Определение случайной величины. Виды и примеры случайных величин. Закон распределения дискретной случайной величины. Законы распределения непрерывной случайной величины.

реферат , добавлен 25.10.2015


Вероятность попадания случайной величины Х в заданный интервал. Построение графика функции распределения случайной величины. Определение вероятности того, что наудачу взятое изделие отвечает стандарту. Закон распределения дискретной случайной величины.

контрольная работа , добавлен 24.01.2013


Непрерывная случайная величина и функция распределения. Математическое ожидание непрерывной случайной величины. Среднее квадратичное отклонение. Кривая распределения для непрерывной случайной величины. Понятие однофакторного дисперсионного анализа.

контрольная работа , добавлен 03.01.2012


Определение вероятности попадания в мишень по формуле Бернулли. Закон и многоугольник распределения случайной величины. Построение функции распределения, графика. Математическое ожидание, дисперсия, среднее квадратическое отклонение случайной величины.

контрольная работа , добавлен 26.02.2012


Использование формулы Бернулли для нахождения вероятности происхождения события. Построение графика дискретной случайной величины. Математическое ожидание и свойства интегральной функции распределения. Функция распределения непрерывной случайной величины.

контрольная работа , добавлен 29.01.2014


Случайные величины. Функция и плотность распределения вероятностей дискретной случайной величины. Сингулярные случайные величины. Математическое ожидание случайной величины. Неравенство Чебышева. Моменты, кумулянты и характеристическая функция.

реферат , добавлен 03.12.2007


Математическое ожидание случайной величины. Свойства математического ожидания, дисперсия случайной величины, их суммы. Функция от случайных величин, ее математическое ожидание. Коэффициент корреляции, виды сходимости последовательности случайных величин.

лекция , добавлен 17.12.2010


Решение задач по определению вероятности событий, ряда и функции распределения с помощью формулы умножения вероятностей. Нахождение константы, математического описания и дисперсии непрерывной случайной величины из функции распределения случайной величины.

контрольная работа , добавлен 07.09.2010


Понятие и сущность многомерной случайной величины, ее отличие от одномерной и применение для решения статистических задач. Особенности условной вероятности, расчет и определение суммы всех вероятностей. Математический закон распределения событий.

презентация , добавлен 01.11.2013


Дискретные случайные величины и их распределения. Формула полной вероятности и формула Байеса. Общие свойства математического ожидания. Дисперсия случайной величины. Функция распределения случайной величины. Классическое определение вероятностей.

"Случайности не случайны"... Звучит так, словно сказал философ, но на деле изучать случайности удел великой науки математики. В математике случайностями занимается теория вероятности. Формулы и примеры заданий, а также основные определения этой науки будут представлены в статье.

Что такое теория вероятности?

Теория вероятности - это одна из математических дисциплин, которая изучает случайные события.

Чтобы было немного понятнее, приведем небольшой пример: если подкинуть вверх монету, она может упасть «орлом» или «решкой». Пока монета находится в воздухе, обе эти вероятности возможны. То есть вероятность возможных последствий соотносится 1:1. Если из колоды с 36-ю картами вытащить одну, тогда вероятность будет обозначаться как 1:36. Казалось бы, что здесь нечего исследовать и предугадывать, тем более при помощи математических формул. Тем не менее, если повторять определенное действие много раз, то можно выявить некую закономерность и на ее основе спрогнозировать исход событий в других условиях.

Если обобщить все вышесказанное, теория вероятности в классическом понимании изучает возможность возникновения одного из возможных событий в числовом значении.

Со страниц истории

Теория вероятности, формулы и примеры первых заданий появились еще в далеком Средневековье, когда впервые возникли попытки спрогнозировать исход карточных игр.

Изначально теория вероятности не имела ничего общего с математикой. Она обосновывалась эмпирическими фактами или свойствами события, которое можно было воспроизвести на практике. Первые работы в этой сфере как в математической дисциплине появились в XVII веке. Родоначальниками стали Блез Паскаль и Пьер Ферма. Длительное время они изучали азартные игры и увидели определенные закономерности, о которых и решили рассказать обществу.

Такую же методику изобрел Христиан Гюйгенс, хотя он не был знаком с результатами исследований Паскаля и Ферма. Понятие «теория вероятности», формулы и примеры, что считаются первыми в истории дисциплины, были введены именно им.

Немаловажное значение имеют и работы Якоба Бернулли, теоремы Лапласа и Пуассона. Они сделали теорию вероятности больше похожей на математическую дисциплину. Свой теперешний вид теория вероятностей, формулы и примеры основных заданий получили благодаря аксиомам Колмогорова. В результате всех изменений теория вероятности стала одним из математических разделов.

Базовые понятия теории вероятностей. События

Главным понятием этой дисциплины является "событие". События бывают трех видов:

• Достоверные. Те, которые произойдут в любом случае (монета упадет).
• Невозможные. События, что не произойдут ни при каком раскладе (монета останется висеть в воздухе).
• Случайные. Те, что произойдут или не произойдут. На них могут повлиять разные факторы, которые предугадать очень трудно. Если говорить о монете, то случайные факторы, что могут повлиять на результат: физические характеристики монеты, ее форма, исходное положение, сила броска и т. д.

Все события в примерах обозначаются заглавными латинскими буквами, за исключением Р, которой отведена другая роль. Например:

• А = «студенты пришли на лекцию».
• Ā = «студенты не пришли на лекцию».

В практических заданиях события принято записывать словами.

Одна из важнейших характеристик событий - их равновозможность. То есть, если подбросить монету, все варианты исходного падения возможны, пока она не упала. Но также события бывают и не равновозможными. Это происходит, когда кто-то специально воздействует на исход. Например, «меченые» игральные карты или игральные кости, в которых смещен центр тяжести.

Еще события бывают совместимыми и несовместимыми. Совместимые события не исключают появления друг друга. Например:

• А = «студентка пришла на лекцию».
• В = «студент пришел на лекцию».

Эти события независимы друг от друга, и появление одного из них не влияет на появление другого. Несовместимые события определяются тем, что появление одного исключает появление другого. Если говорить о той же монете, то выпадение «решки» делает невозможным появление «орла» в этом же эксперименте.

Действия над событиями

События можно умножать и складывать, соответственно, в дисциплине вводятся логические связки «И» и «ИЛИ».

Сумма определяется тем, что может появиться или событие А, или В, или два одновременно. В случае когда они несовместимы, последний вариант невозможен, выпадет или А, или В.

Умножение событий заключается в появлении А и В одновременно.

Теперь можно привести несколько примеров, чтобы лучше запомнились основы, теория вероятности и формулы. Примеры решения задач далее.

Задание 1 : Фирма принимает участие в конкурсе на получение контрактов на три разновидности работы. Возможные события, которые могут произойти:

• А = «фирма получит первый контракт».
• А 1 = «фирма не получит первый контракт».
• В = «фирма получит второй контракт».
• В 1 = «фирма не получит второй контракт»
• С = «фирма получит третий контракт».
• С 1 = «фирма не получит третий контракт».

С помощью действий над событиями попробуем выразить следующие ситуации:

• К = «фирма получит все контракты».

В математическом виде уравнение будет иметь следующий вид: К = АВС.

• М = «фирма не получит ни одного контракта».

М = А 1 В 1 С 1 .

Усложняем задание: H = «фирма получит один контракт». Поскольку не известно, какой именно контракт получит фирма (первый, второй или третий), необходимо записать весь ряд возможных событий:

Н = А 1 ВС 1 υ АВ 1 С 1 υ А 1 В 1 С.

А 1 ВС 1 - это ряд событий, где фирма не получает первый и третий контракт, но получает второй. Соответственным методом записаны и другие возможные события. Символ υ в дисциплине обозначает связку «ИЛИ». Если перевести приведенный пример на человеческий язык, то фирма получит или третий контракт, или второй, или первый. Подобным образом можно записывать и другие условия в дисциплине «Теория вероятности». Формулы и примеры решения задач, представленные выше, помогут сделать это самостоятельно.

Собственно, вероятность

Пожалуй, в этой математической дисциплине вероятность события - это центральное понятие. Существует 3 определения вероятности:

• классическое;
• статистическое;
• геометрическое.

Каждое имеет свое место в изучении вероятностей. Теория вероятности, формулы и примеры (9 класс) в основном используют классическое определение, которое звучит так:

• Вероятность ситуации А равняется отношению числа исходов, что благоприятствуют ее появлению, к числу всех возможных исходов.

Формула выглядит так: Р(А)=m/n.

А - собственно, событие. Если появляется случай, противоположный А, его можно записывать как Ā или А 1 .

m - количество возможных благоприятных случаев.

n - все события, которые могут произойти.

Например, А = «вытащить карту червовой масти». В стандартной колоде 36 карт, 9 из них червовой масти. Соответственно, формула решения задания будет иметь вид:

Р(А)=9/36=0,25.

В итоге вероятность того, что из колоды вытянут карту червовой масти, составит 0,25.

К высшей математике

Теперь стало немного известно, что такое теория вероятности, формулы и примеры решения заданий, которые попадаются в школьной программе. Однако теория вероятностей встречается и в высшей математике, которая преподается в вузах. Чаще всего там оперируют геометрическими и статистическими определениями теории и сложными формулами.

Очень интересна теория вероятности. Формулы и примеры (высшая математика) лучше начинать изучать с малого - со статистического (или частотного) определения вероятности.

Статистический подход не противоречит классическому, а немного расширяет его. Если в первом случае нужно было определить, с какой долей вероятности произойдет событие, то в этом методе необходимо указать, как часто оно будет происходить. Здесь вводится новое понятие «относительная частота», которую можно обозначить W n (A). Формула ничем не отличается от классической:

Если классическая формула вычисляется для прогнозирования, то статистическая - согласно результатам эксперимента. Возьмем, к примеру, небольшое задание.

Отдел технологического контроля проверяет изделия на качество. Среди 100 изделий нашли 3 некачественных. Как найти вероятность частоты качественного товара?

А = «появление качественного товара».

W n (A)=97/100=0,97

Таким образом, частота качественного товара составляет 0,97. Откуда взяли 97? Из 100 товаров, которые проверили, 3 оказались некачественными. От 100 отнимаем 3, получаем 97, это количество качественного товара.

Немного о комбинаторике

Еще один метод теории вероятности называют комбинаторикой. Его основной принцип состоит в том, что если определенный выбор А можно осуществить m разными способами, а выбор В - n разными способами, то выбор А и В можно осуществить путем умножения.

Например, из города А в город В ведет 5 дорог. Из города В в город С ведет 4 пути. Сколькими способами можно доехать из города А в город С?

Все просто: 5х4=20, то есть двадцатью разными способами можно добраться из точки А в точку С.

Усложним задание. Сколько существует способов раскладывания карт в пасьянсе? В колоде 36 карт - это исходная точка. Чтобы узнать количество способов, нужно от исходной точки «отнимать» по одной карте и умножать.

То есть 36х35х34х33х32…х2х1= результат не вмещается на экран калькулятора, поэтому его можно просто обозначить 36!. Знак «!» возле числа указывает на то, что весь ряд чисел перемножается между собой.

В комбинаторике присутствуют такие понятия, как перестановка, размещение и сочетание. Каждое из них имеет свою формулу.

Упорядоченный набор элементов множества называют размещением. Размещения могут быть с повторениями, то есть один элемент можно использовать несколько раз. И без повторений, когда элементы не повторяются. n - это все элементы, m - элементы, которые участвуют в размещении. Формула для размещения без повторений будет иметь вид:

A n m =n!/(n-m)!

Соединения из n элементов, которые отличаются только порядком размещения, называют перестановкой. В математике это имеет вид: Р n = n!

Сочетаниями из n элементов по m называют такие соединения, в которых важно, какие это были элементы и каково их общее количество. Формула будет иметь вид:

A n m =n!/m!(n-m)!

Формула Бернулли

В теории вероятности, так же как и в каждой дисциплине, имеются труды выдающихся в своей области исследователей, которые вывели ее на новый уровень. Один из таких трудов - формула Бернулли, что позволяет определять вероятность появления определенного события при независимых условиях. Это говорит о том, что появление А в эксперименте не зависит от появления или не появления того же события в ранее проведенных или последующих испытаниях.

Уравнение Бернулли:

P n (m) = C n m ×p m ×q n-m .

Вероятность (р) появления события (А) неизменна для каждого испытания. Вероятность того, что ситуация произойдет ровно m раз в n количестве экспериментов, будет вычисляться формулой, что представлена выше. Соответственно, возникает вопрос о том, как узнать число q.

Если событие А наступает р количество раз, соответственно, оно может и не наступить. Единица - это число, которым принято обозначать все исходы ситуации в дисциплине. Поэтому q - число, которое обозначает возможность ненаступления события.

Теперь вам известна формула Бернулли (теория вероятности). Примеры решения задач (первый уровень) рассмотрим далее.

Задание 2: Посетитель магазина сделает покупку с вероятностью 0,2. В магазин зашли независимым образом 6 посетителей. Какова вероятность того, что посетитель сделает покупку?

Решение: Поскольку неизвестно, сколько посетителей должны сделать покупку, один или все шесть, необходимо просчитать все возможные вероятности, пользуясь формулой Бернулли.

А = «посетитель совершит покупку».

В этом случае: р = 0,2 (как указано в задании). Соответственно, q=1-0,2 = 0,8.

n = 6 (поскольку в магазине 6 посетителей). Число m будет меняться от 0 (ни один покупатель не совершит покупку) до 6 (все посетители магазина что-то приобретут). В итоге получим решение:

P 6 (0) = C 0 6 ×p 0 ×q 6 =q 6 = (0,8) 6 = 0,2621.

Ни один из покупателей не совершит покупку с вероятностью 0,2621.

Как еще используется формула Бернулли (теория вероятности)? Примеры решения задач (второй уровень) далее.

После вышеприведенного примера возникают вопросы о том, куда делись С и р. Относительно р число в степени 0 будет равно единице. Что касается С, то его можно найти формулой:

C n m = n! / m!(n-m)!

Поскольку в первом примере m = 0, соответственно, С=1, что в принципе не влияет на результат. Используя новую формулу, попробуем узнать, какова вероятность покупки товаров двумя посетителями.

P 6 (2) = C 6 2 ×p 2 ×q 4 = (6×5×4×3×2×1) / (2×1×4×3×2×1) × (0,2) 2 × (0,8) 4 = 15 × 0,04 × 0,4096 = 0,246.

Не так уж и сложна теория вероятности. Формула Бернулли, примеры которой представлены выше, прямое тому доказательство.

Формула Пуассона

Уравнение Пуассона используется для вычисления маловероятных случайных ситуаций.

Основная формула:

P n (m)=λ m /m! × e (-λ) .

При этом λ = n х p. Вот такая несложная формула Пуассона (теория вероятности). Примеры решения задач рассмотрим далее.

Задание 3 : На заводе изготовили детали в количестве 100000 штук. Появление бракованной детали = 0,0001. Какова вероятность, что в партии будет 5 бракованных деталей?

Как видим, брак - это маловероятное событие, в связи с чем для вычисления используется формула Пуассона (теория вероятности). Примеры решения задач подобного рода ничем не отличаются от других заданий дисциплины, в приведенную формулу подставляем необходимые данные:

А = «случайно выбранная деталь будет бракованной».

р = 0,0001 (согласно условию задания).

n = 100000 (количество деталей).

m = 5 (бракованные детали). Подставляем данные в формулу и получаем:

Р 100000 (5) = 10 5 /5! Х е -10 = 0,0375.

Так же как и формула Бернулли (теория вероятности), примеры решений с помощью которой написаны выше, уравнение Пуассона имеет неизвестное е. По сути его можно найти формулой:

е -λ = lim n ->∞ (1-λ/n) n .

Однако есть специальные таблицы, в которых находятся практически все значения е.

Теорема Муавра-Лапласа

Если в схеме Бернулли количество испытаний достаточно велико, а вероятность появления события А во всех схемах одинакова, то вероятность появления события А определенное количество раз в серии испытаний можно найти формулой Лапласа:

Р n (m)= 1/√npq x ϕ(X m).

X m = m-np/√npq.

Чтобы лучше запомнилась формула Лапласа (теория вероятности), примеры задач в помощь ниже.

Сначала найдем X m , подставляем данные (они все указаны выше) в формулу и получим 0,025. При помощи таблиц находим число ϕ(0,025), значение которого 0,3988. Теперь можно подставлять все данные в формулу:

Р 800 (267) = 1/√(800 х 1/3 х 2/3) х 0,3988 = 3/40 х 0,3988 = 0,03.

Таким образом, вероятность того, что рекламная листовка сработает ровно 267 раз, составляет 0,03.

Формула Байеса

Формула Байеса (теория вероятности), примеры решения заданий с помощью которой будут приведены ниже, представляет собой уравнение, которое описывает вероятность события, опираясь на обстоятельства, которые могли быть связаны с ним. Основная формула имеет следующий вид:

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

Р(А|B) - условная вероятность, то есть может произойти событие А при условии, что событие В истинно.

Р (В|А) - условная вероятность события В.

Итак, заключительная часть небольшого курса «Теория вероятности» - формула Байеса, примеры решений задач с которой ниже.

Задание 5 : На склад привезли телефоны от трех компаний. При этом часть телефонов, которые изготавливаются на первом заводе, составляет 25%, на втором - 60%, на третьем - 15%. Известно также, что средний процент бракованных изделий у первой фабрики составляет 2%, у второй - 4%, и у третьей - 1%. Необходимо найти вероятность того, что случайно выбранный телефон окажется бракованным.

А = «случайно взятый телефон».

В 1 - телефон, который изготовила первая фабрика. Соответственно, появятся вводные В 2 и В 3 (для второй и третьей фабрик).

В итоге получим:

Р (В 1) = 25%/100% = 0,25; Р(В 2) = 0,6; Р (В 3) = 0,15 - таким образом мы нашли вероятность каждого варианта.

Теперь нужно найти условные вероятности искомого события, то есть вероятность бракованной продукции в фирмах:

Р (А/В 1) = 2%/100% = 0,02;

Р(А/В 2) = 0,04;

Р (А/В 3) = 0,01.

Теперь подставим данные в формулу Байеса и получим:

Р (А) = 0,25 х 0,2 + 0,6 х 0,4 + 0,15 х 0,01= 0,0305.

В статье представлена теория вероятности, формулы и примеры решения задач, но это только вершина айсберга обширной дисциплины. И после всего написанного логично будет задаться вопросом о том, нужна ли теория вероятности в жизни. Простому человеку сложно ответить, лучше спросить об этом у того, кто с ее помощью не единожды срывал джек-пот.

1. Вероятность и статистика нужны всем

Примеры применения теории вероятностей и математической статистики.

Рассмотрим несколько примеров, когда вероятностно-статистические модели являются хорошим инструментом для решения управленческих, производственных, экономических, народнохозяйственных задач. Так, например, в романе А.Н.Толстого «Хождение по мукам» (т.1) говорится: «мастерская дает двадцать три процента брака, этой цифры вы и держитесь, - сказал Струков Ивану Ильичу».

Как понимать эти слова в разговоре заводских менеджеров? Одна единица продукции не может быть дефектна на 23%. Она может быть либо годной, либо дефектной. Наверно, Струков имел в виду, что в партии большого объема содержится примерно 23% дефектных единиц продукции. Тогда возникает вопрос, а что значит «примерно»? Пусть из 100 проверенных единиц продукции 30 окажутся дефектными, или из 1000 – 300, или из 100000 – 30000 и т.д., надо ли обвинять Струкова во лжи?

Или другой пример. Монетка, которую используют как жребий, должна быть «симметричной». При ее бросании в среднем в половине случаев должен выпадать герб (орел), а в половине случаев – решетка (решка, цифра). Но что означает «в среднем»? Если провести много серий по 10 бросаний в каждой серии, то часто будут встречаться серии, в которых монетка 4 раза выпадает гербом. Для симметричной монеты это будет происходить в 20,5% серий. А если на 100000 бросаний окажется 40000 гербов, то можно ли считать монету симметричной? Процедура принятия решений строится на основе теории вероятностей и математической статистики.

Пример может показаться недостаточно серьезным. Однако это не так. Жеребьевка широко используется при организации промышленных технико-экономических экспериментов. Например, при обработке результатов измерения показателя качества (момента трения) подшипников в зависимости от различных технологических факторов (влияния консервационной среды, методов подготовки подшипников перед измерением, влияния нагрузки подшипников в процессе измерения и т.п.). Допустим, необходимо сравнить качество подшипников в зависимости от результатов хранения их в разных консервационных маслах, т.е. в маслах состава А и В . При планировании такого эксперимента возникает вопрос, какие подшипники следует поместить в масло состава А , а какие – в масло состава В , но так, чтобы избежать субъективизма и обеспечить объективность принимаемого решения. Ответ на этот вопрос может быть получен с помощью жребия.

Аналогичный пример можно привести и с контролем качества любой продукции. Чтобы решить, соответствует или не соответствует контролируемая партия продукции установленным требованиям, из нее отбирается выборка. По результатам контроля выборки делается заключение о всей партии. В этом случае очень важно избежать субъективизма при формировании выборки, т.е. необходимо, чтобы каждая единица продукции в контролируемой партии имела одинаковую вероятность быть отобранной в выборку. В производственных условиях отбор единиц продукции в выборку обычно осуществляют не с помощью жребия, а по специальным таблицам случайных чисел или с помощью компьютерных датчиков случайных чисел.

Похожие проблемы обеспечения объективности сравнения возникают при сопоставлении различных схем организации производства, оплаты труда, при проведении тендеров и конкурсов, подбора кандидатов на вакантные должности и т.п. Всюду нужна жеребьевка или подобные ей процедуры.

Пусть надо выявить наиболее сильную и вторую по силе команду при организации турнира по олимпийской системе (проигравший выбывает). Допустим, что более сильная команда всегда побеждает более слабую. Ясно, что самая сильная команда однозначно станет чемпионом. Вторая по силе команда выйдет в финал тогда и только тогда, когда до финала у нее не будет игр с будущим чемпионом. Если такая игра запланирована, то вторая по силе команда в финал не попадет. Тот, кто планирует турнир, может либо досрочно «выбить» вторую по силе команду из турнира, сведя ее в первой же встрече с лидером, либо обеспечить ей второе место, обеспечив встречи с более слабыми командами вплоть до финала. Чтобы избежать субъективизма, проводят жеребьевку. Для турнира из 8 команд вероятность того, что в финале встретятся две самые сильные команды, равна 4/7. Соответственно с вероятностью 3/7 вторая по силе команда покинет турнир досрочно.

При любом измерении единиц продукции (с помощью штангенциркуля, микрометра, амперметра и т.п.) имеются погрешности. Чтобы выяснить, есть ли систематические погрешности, необходимо сделать многократные измерения единицы продукции, характеристики которой известны (например, стандартного образца). При этом следует помнить, что кроме систематической погрешности присутствует и случайная погрешность.

Поэтому встает вопрос, как по результатам измерений узнать, есть л систематическая погрешность. Если отмечать только, является ли полученная при очередном измерении погрешность положительной или отрицательной, то эту задачу можно свести к уже рассмотренной. Действительно, сопоставим измерение с бросанием монеты, положительную погрешность – с выпадением герба, отрицательную – решетки (нулевая погрешность при достаточном числе делений шкалы практически никогда не встречается). Тогда проверка отсутствия систематической погрешности эквивалентна проверке симметричности монеты.

Итак, задача проверки отсутствия систематической погрешности сведена к задаче проверки симметричности монеты. Проведенные рассуждения приводят к так называемому «критерию знаков» в математической статистике.

При статистическом регулировании технологических процессов на основе методов математической статистики разрабатываются правила и планы статистического контроля процессов, направленные на своевременное обнаружение разладки технологических процессов и принятия мер к их наладке и предотвращению выпуска продукции, не соответствующей установленным требованиям. Эти меры нацелены на сокращение издержек производства и потерь от поставки некачественных единиц продукции. При статистическом приемочном контроле на основе методов математической статистики разрабатываются планы контроля качества путем анализа выборок из партий продукции. Сложность заключается в том, чтобы уметь правильно строить вероятностно-статистические модели принятия решений. В математической статистике для этого разработаны вероятностные модели и методы проверки гипотез, в частности, гипотез о том, что доля дефектных единиц продукции равна определенному числу р 0 , например, р 0 = 0,23 (вспомните слова Струкова из романа А.Н.Толстого).

Предыдущая

Гатауллина Лилия

В своей исследовательской работе я попробую проверить, действительно ли теория вероятности действует и как её можно применить в жизни.

Скачать:

Предварительный просмотр:

X республиканская научно-практическая конференция

«Рождественские чтения»

Секция: математика

Исследовательская работа

Случайность или закономерность?

или

Теория вероятности в жизни

Гатауллина Лилия,

школа№66, 8 Б класс

Московский район, город Казань

Научный руководитель: учитель математики 1кв. кат Магсумова Э.Н

Казань 2011

Введение...............................................................................................................3

Глава 1. Теория вероятности – что это?……………….....................................5

Глава 2. Эксперименты…………………………………………………………7

Глава 3. Можно ли выиграть в лотерею или рулетку? …………………........9

Заключение.........................................................................................................11

Список литературы.............................................................................................12

Приложение

Введение

Людей всегда интересовало будущее. Человечество во все врем ена искало способ его предугадать, или спланировать. В разное время разными способами. В современном мире есть теория, которую наука признает и пользуется для планирования и прогнозирования будущего. Речь о теории вероятностей .

В жизни мы часто сталкиваемся со случайными явлениями. Чем обусловлена их случайность – нашим незнанием истинных причин происходящего или случайность лежит в основе многих явлений? Споры на эту тему не утихают в самых разных областях науки. Случайным ли образом возникают мутации, насколько зависит историческое развитие от отдельной личности, можно ли считать Вселенную случайным отклонением от законов сохранения? Пуанкаре, призывая разграничить случайность, связанную с неустойчивостью, от случайности, связанной с нашим незнанием, приводил следующий вопрос: «Почему люди находят совершенно естественным молиться о дожде, в то время как они сочли бы смешным просить в молитве о затмении?»

У каждого "случайного" события есть четкая вероятность его наступления. Например, посмотрите официальную статистику пожаров в России. (см. приложение №1) Вас ничего не удивляет? Данные из года в год стабильные.
За 7 лет разброс от 14 до 19 тысяч погибших.Задумайтесь, пожар - событие случайное. Но можно с большой точностью предсказать сколько погибнет людей в пожаре в следующем году (~ 14-19 тысяч).

В стабильной системе вероятность наступления событий сохраняется из год в год. То есть, с точки зрения человека с ним произошло случайное событие. А с точки зрения системы, оно было предопределенно.

Разумный человек должен стремиться мыслить, исходя из законов вероятностей (статистики). Но в жизни о вероятности мало кто думает. Решения принимаются эмоционально.

Люди боятся летать самолетами. А между тем, самое опасное в полете на самолете - это дорога в аэропорт на автомобиле. Но попробуй кому-то объяснить, что машина опасней самолета. Вероятность того, что пассажир, севший в самолет погибнет в авиакатастрофе составляет примерно

1/8 000 000. Если пассажир будет садиться каждый день на случайный рейс, ему понадобится 21 000 лет чтобы погибнуть.(см.приложение №2)

По исследованиям: в США в первые 3 месяца после терактов 11 сентября 2001 года погибло еще одна тысяч людей... косвенно. Они в страхе перестали летать самолетами и начали передвигаться по стране на автомобилях. А так как это опасней, то количество смертей возросло.

По телевидению пугают: птичьим и свиными гриппами, терроризмом..., но вероятность этих событий ничтожна по сравнению с настоящими угрозами. Опасней переходить дорогу по зебре, чем лететь на самолете. От падения кокосов погибает ~ 150 человек в год. Это в десятки раз больше, чем от укуса акул. Но фильма "Кокос-убийца" пока не снято. Подсчитано, что шанс человека быть подвергнутым нападению акулы составляет 1 к 11,5 млн, а шанс погибнуть от такого нападения 1 к 264,1 млн. Среднегодовое количество утонувших в США составляет 3306 человек, а погибших от акул 1. Миром правит вероятность и нужно помнить об этом. Они помогут вам взглянуть на мир с точки зрения случая. (см. приложение №3)

В своей исследовательской работе я попробую проверить, действительно ли теория вероятности действует и как её можно применить в жизни.

Вероятность события в жизни не так уж часто считается по формулам, скорее интуитивно. Но проверить совпадает ли «эмпирический анализ» с математическим, иногда очень полезно.

Глава 1. Теория вероятности – что это?

Теория вероятностей или теория вероятности – это один из разделов Высшей Математики. Это самый интересный раздел Науки Высшая Математика Теория вероятности, которая являясь сложной дисциплиной, имеет применение в реальной жизни. Теория вероятностей представляет несомненную ценность для общего образования. Эта наука позволяет не только получать знания, которые помогают понимать закономерности окружающего мира, но и находить практическое применение теории вероятности в повседневной жизни. Так, каждому из нас каждый день приходиться принимать множество решений в условиях неопределенности. Однако эту неопределенность можно «превратить» в некоторую определенность. И тогда это знание может оказать существенную помощь при принятии решения. Изучение теории вероятностей требует больших усилий и терпения.

Теперь же давайте перейдем к самой теории и истории ее возникновения. Главным понятием теории вероятностей является вероятность. Это слово «вероятность», синонимом которого является, например, слово «шанс» достаточно часто применяется в повседневной жизни. Думаю, каждому знакомы фразы: «Завтра, вероятно, выпадет снег», или «вероятнее всего в выходные я поеду на природу», или «это просто невероятно», или «есть шанс получить зачет автоматом». Такого рода фразы на интуитивном уровне оценивают вероятность того, что произойдет некоторое случайное событие. В свою очередь матем атическая вероятность дает некоторую числовую оценки вероятности того, что произойдет некоторое случайное событие.

Теория вероятностей оформилась в самостоятельную науку относительно не давно, хотя история теории вероятностей началась еще в античности. Так, Лукреций, Демокрит, Кар и еще некоторые ученые древней Греции в своих рассуждениях говорили о равновероятностных исходах такого события, как возможность того, что вся материя состоит из молекул. Таким образом, понятие вероятности использовалось на интуитивном уровне, но оно не было выделено в новую категорию. Тем не менее, античные ученые заложили прекрасный фундамент для возникновения этого научного понятия. В средние века, можно сказать, и зародилась теория вероятности, когда были приняты первые попытки математического анализа, таких азартных игр как кости, орлянка, рулетка.

Первые научные работы по теории вероятностей появились в 17 веке. Когда такие ученые как Блез Паскаль и Пьер Ферма открыли некоторые закономерности, которые возникают при бросании костей. В ту же пору к данному вопросу проявлял интерес еще один ученый Христиан Гюйгенс. Он в 1657 в своей работе ввел следующие понятия теории вероятностей: понятие вероятности как величины шанса или возможности; математическое ожидание для дискретных случаев, в виде цены шанса, а также теоремы сложения и умножения вероятностей, которые правда не были сформулированы в явном виде. Тогда же теория вероятностей стала находить сферы своего применения – демографию, страховое дело, оценку ошибок наблюдений.

Дальнейшее развитие теории вероятностей привело к необходимости аксиоматизации теории вероятностей и главного понятия – вероятности. Так становление аксиоматики теории вероятностей произошло в 30 гг 20 века. Самый существенный вклад в заложение основ теории внес Космогоров А.Н.

На сегодняшний день теории вероятностей это самостоятельная наука, имеющая огромную сферу применения. В данном разделе сайта Вы найдете шпаргалки по теории вероятности, лекции и задачи по теории вероятностей, литературу, а также много интересных статей о применении теории вероятностей в жизни.

Глава 2. Эксперименты

Я решила проверить классическое определение вероятности.

Определение: Пусть множество исходов опыта состоит из n равновероятных исходов. Если m из них благоприятствуют событию A, то вероятностью события A называется число Р(А) = m/n.

Возьмем, к примеру, игру в монету. При бросании может быть два равновероятных исхода: монета может упасть кверху гербом или решкой. Бросая монету один раз нельзя предугадать, какая сторона окажется сверху. Однако, бросив монету 100 раз, можно сделать выводы. Можно заранее сказать, что герб выпадет не 1 и не 2 раза, а больше, но и не 99 и не 98 раз, а меньше. Число выпадений герба будет близко к 50. На самом деле, и на опыте можно в этом убедиться, что это число будет заключено между 40 и 60. Кто и когда впервые проделал опыт с монетой, неизвестно.

Французский естествоиспытатель Бюффон (1707-1788) в восемнадцатом столетии 4040 раз подбрасывал монету-герб выпал 2048 раз. Математик К.Пирсон в начале в начале нынешнего столетия подбрасывал ее 24 000 раз-герб выпал 12012 раз. Лет 20 назад американские экспериментаторы повторили опыт. При 10 000 подбрасываний герб выпал 4979 раз. Значит, результаты бросаний монеты, хотя каждое из них и является случайным событием, при неоднократном повторении подвластны объективному закону.

Проведём опыт. Для начала, возьмем в руки монетку, будем ее бросать и записывать результат последовательно в виде строки: О, Р, Р, О, О, Р. Здесь буквами О и Р обозначено выпадение орла или решки. В нашем случае бросание монетки – это испытание, а выпадение орла или решки – событие, то есть возможный исход нашего испытания. Результаты эксперимента представлен в приложении № 4. Проведя 100 испытаний орел выпал - 55, решка - 45.Вероятность выпадения орла в данном случае-0,55; решки – 0,45. Таким образом, я показала, что теория вероятности в данном случае имеет место быть.

Рассмотрим задачу с тремя дверьми и призами за ней: «Автомобиль или козлы»? или «парадокс Монти Холла». Условия задачи таковы:

Вы участвуете в игре. Ведущий предлагает выбрать одну из трех дверей и рассказывает о том, что за одной из дверей находится выигрыш – автомобиль, за двумя другими дверями спрятаны козы. После того, как Вы остановили свой выбор на одной из дверей, ведущий, который знает что находится за каждой дверью, открывает одну из оставшихся двух дверей и демонстрирует, что за ней находится козел (коза, пол животного в этом случае на так уж важен) А потом ведущий хитро так спрашивает: «Желаете ли Вы изменить свой выбор двери?» Увеличит ли изменение выбора шансы на выигрыш?

Если подумать: вот две закрытые двери, одну Вы уже выбрали и вероятность что за выбранной дверью автомобиль/коза 50% как и с подбрасыванием монетки. Но это совсем не так. Если поменять свое решение и выбрать другую дверь, то шансы выигрыша увеличатся в 2 раза! Опыт подтвердил данное утверждение (см. приложение №5). Т.е. оставив свой выбор, игрок получит автомобиль в одном из трех случаев, а поменяв двух из трех. Статистика телепередачи подтверждает, что те, кто менял свой выбор, выигрывали в два раза чаще.

Это все теория вероятности и она верна на «множестве вариантов». Надеюсь, что этот пример заставит вас задуматься, как быстро взять в руки книгу о теории вероятностей, а также начать ее применять в своей работе. Поверьте, это интересно и увлекательно, да и практический толк есть.

Глава 3. Можно ли выиграть в лотерею или рулетку?

Каждый из нас хоть раз в жизни покупал лотерею или играл в азартные игры, но далеко не все использовали заранее спланированную стратегию. Умные игроки давно перестали надеяться на удачу и включили рациональное мышление.
Дело в том, что каждое событие имеет определенное математическое ожидание, как гласит высшая математика и теория вероятности, и, если правильно оценивать ситуацию, то можно обойти неудовлетворительный исход события.

К примеру, в любой игре, такой, как рулетка, есть возможность играть с вероятностью на выигрыш 50%, ставя на выпадение четного числа, или красной ячейки. Вот как раз эту игру мы и рассмотрим.

Для обеспечения прибыли, составим несложную стратегию игры. К примеру, мы имеем возможность посчитать, с какой вероятностью выпадет четное число 10 раз подряд - 0,5*0,5 и так 10 раз. Умножаем на 100% и получаем всего 0,097%, или же, примерно, 1 шанс из 1 000.
Столько игр, пожалуй, сыграть вам не удастся и за всю свою жизнь, значит, вероятность выпадения 10 четных чисел подряд практически равна «0». Воспользуемся этой тактикой игры на практике.
Но это еще не все, даже 1 раз из 1 000 – это для нас много, так что сократим это число до 1 из 10 000. Вы спросите, каким образом это можно сделать, не увеличивая заранее предполагаемое количество выпадения четных чисел подряд? Ответ прост – время.

Подходим к рулетке и ждем пока выпадет 2 раза подряд четное число. Это будет каждый раз из четырех расчетных случаев. Теперь ставим минимальную ставку на четное число, к примеру 5р, и выигрываем по 5р за каждое выпадение четного числа, вероятность которого 50%.
Если же выпало нечетное, то увеличиваем следующую ставку в 2 раза, то есть ставим уже 10р. В этом случае вероятность проиграть будет равна 6%. Но не паникуйте, если даже в этот раз вы проиграете! Делайте повышение каждый раз в два раза больше. С каждым разом математическое ожидание на выигрыш увеличивается, и Вы в любом случае останетесь в прибыли.

Важно учесть тот факт, что эта стратегия подходит только для малых ставок, так как, изначально поставив большие деньги - Вы рискуете проиграть все из-за ограничений ставок в будущем. Если у Вас возникли сомнения по данной тактике, сыграйте с другом в угадывание стороны монеты на вымышленные деньги, ставя при проигрыше ставку в два раза больше.
Через время Вы убедитесь, что эта методика проста на практике и очень эффективна! Можно сделать вывод, что играя по данной стратегии, Вы не заработаете миллионы, а лишь выиграете себе на мелкие расходы.

Заключение

Изучая тему «теории вероятности в жизни», я поняла, что это огромный раздел науки математики. И изучить его в один заход невозможно.

Перебрав множество фактов из жизни, и проведя эксперименты в домашних условиях, я поняла, что действительно теория вероятности в жизни имеет место быть. Вероятность события в жизни не так уж часто считается по формулам, скорее интуитивно. Но проверить совпадает ли «эмпирический анализ» с математическим, иногда очень полезно.

Можем ли мы предугадать с помощью этой теории, что случится с нами через день, два, тысячу? Конечно нет. Событий связанных с нами в каждый момент времени очень много. Только на одну лишь типизацию этих событий не хватит и жизни. А уж их совмещение - и вовсе гиблое дело. С помощью этой теории предугадывать можно лишь однотипные события. Например, такое как бросание монеты - это событие из 2 вероятностных результатов. В общем, прикладное применение теории вероятностей связанно с немалым количеством условий и ограничений. Для сложных процессов сопряжено с вычислениями, которые под силу лишь компьютеру .

Но следует помнить, что в жизни есть ещё такое понятие как удача, везение. Это то, что мы говорим - повезло, когда например какой-нибудь человек не учился никогда, никуда не стремился, лежал на диване, играл в компьютер, а через 5 лет мы видим как у него берут интервью на MTV. У него была вероятность 0.001 стать музыкантом, она выпала, ему повезло, такое схождение обстоятельств. То, что мы называем - оказался в нужном месте и в нужное время, когда срабатывают те самые 0.001.

Таким образом, работаем над собой, принимаем решения, которые могут повысить вероятность выполнения наших желаний и стремлений, каждый случай может добавить те заветные 0.00001, которые сыграют решающую роль в итоге.

Список литературы