Доказать что события независимы. Зависимые и независимые события

Зависимость событий понимается в вероятностном смысле, а не в функциональном. Это значит, что по появлению одного из зависимых событий нельзя однозначно судить о появлении другого. Вероятностная зависимость означает, что появление одного из зависимых событий только изменяет вероятность появления другого. Если вероятность при этом не изменяется, то события считаются независимыми.

Определение : Пусть - произвольное вероятностное пространство, - некоторые случайные события. Говорят, что событие А не зависит от события В , если его условная вероятность совпадает с безусловной вероятностью :

.

Если , то говорят, что событие А зависит от события В .

Понятие независимости симметрично, то есть, если событие А не зависит от события В ,то и событие В не зависит от события А . Действительно, пусть . Тогда . Поэтому говорят просто, что события А и В независимы.

Из правила умножения вероятностей вытекает следующее симметричное определение независимости событий.

Определение : События А и В, определенные на одном и том же вероятностном пространстве , называются независимыми , если

Если , то события А и В называются зависимыми .

Отметим, что данное определение справедливо и в случае, когда или .

Свойства независимых событий.

1. Если события А и В являются независимыми, то независимыми являются также следующие пары событий: .

▲ Докажем, например, независимость событий . Представим событие А в виде: . Поскольку события являются несовместными, то , а в силу независимости событий А и В получаем, что . Отсюда , что и означает независимость . ■

2. Если событие А не зависит от событий В 1 и В 2 , которые являются несовместными (), то событие А не зависит и от суммы .

▲ Действительно, используя аксиому аддитивности вероятности и независимость события А от событий В 1 и В 2 , имеем:

Связь между понятиями независимости и несовместности.

Пусть А и В - любые события, имеющие ненулевую вероятность: , так что . Если при этом события А и В являются несовместными (), то и поэтому равенство не может иметь место никогда. Таким образом, несовместные события являются зависимыми .

Когда рассматривают более двух событий одновременно, то попарная их независимость недостаточно характеризует связь между событиями всей группы. В этом случае вводится понятие независимости в совокупности.

Определение : События , определенные на одном и том же вероятностном пространстве , называются независимыми в совокупности , если для любого 2 £ m £ n и любой комбинации индексов справедливо равенство:

При m = 2 из независимости в совокупности следует попарная независимость событий. Обратное неверно.

Пример. (Бернштейн С.Н.)

Случайный эксперимент заключается в подбрасывании правильного четырехгранника (тетраэдра). Наблюдается грань, выпавшая книзу. Грани тетраэдра окрашены следующим образом: 1 грань - белая, 2 грань - чёрная,
3 грань - красная, 4 грань - содержит все цвета.

Рассмотрим события:

А = {Выпадение белого цвета}; B = {Выпадение черного цвета};

C = {Выпадение красного цвета}.

Тогда ;

Следовательно, события А , В и С являются попарно независимыми.

Однако, .

Поэтому события А , В и С независимыми в совокупности не являются.

На практике, как правило, независимость событий не устанавливают, проверяя ее по определению, а наоборот: считают события независимыми из каких-либо внешних соображений или с учетом обстоятельств случайного эксперимента, и используют независимость для нахождения вероятностей произведения событий.

Теорема (умножения вероятностей для независимых событий).

Если события ,определенные на одном и том же вероятностном пространстве , являются независимыми в совокупности, то вероятность их произведения равна произведению вероятностей:

▲ Доказательство теоремы следует из определения независимости событий в совокупности или из общей теоремы умножения вероятностей с учетом того, что при этом

Пример 1(типовой пример на нахождение условных вероятностей, понятие независимости, теорему сложения вероятностей).

Электрическая схема состоит из трех независимо работающих элементов. Вероятности отказов каждого из элементов соответственно равны .

1) Найти вероятность отказа схемы.

2) Известно, что схема отказала.

Какова вероятность того, что при этом отказал:

а) 1-й элемент; б) 3-й элемент?

Решение. Рассмотрим события = {Отказал k -й элемент}, и событие А = {Отказала схема}. Тогда событие А представляется в виде:

.

1) Поскольку события и несовместными не являются, то аксиома аддитивности вероятности Р3) неприменима и для нахождения вероятности следует использовать общую теорему сложения вероятностей, в соответствии с которой

Классическое определение вероятности.

Вероятность события –это количественная мера, которая вводится для сравнения событий по степени возможности их появления.

Событие, представимое в виде совокупности (суммы) нескольких элементарных событий, называется составным.

Событие, которое нельзя разбить на более простые, называется элементарным.

Событие называется невозможным, если оно не происходит никогда в условиях данного эксперимента (испытания).

Достоверные и невозможные события не являются случайными.

Совместные события – несколько событий называют совместными, если в результате эксперимента наступление одного из них не исключает появления других.

Несовместные события – несколько событий называют несовместными в данном эксперименте, если появление одного из них исключает появление других. Два события называются противоположными, если одно из них происходит тогда и только тогда, когда не происходит другое.

Вероятностью события А – Р(А) – называется отношение числа m элементарных событий (исходов), благоприятствующих появлению события А, к числу n всех элементарных событий в условиях данного вероятностного эксперимента.

Из определения вытекают следующие свойства вероятности:

1.Вероятность случайного события есть положительное число, заключенное между 0 и 1:

(2)

2. Вероятность достоверного события равна 1: (3)

3. Если событие невозможное, то его вероятность равна

(4)

4. Если события и несовместны, то

5. Если события А и В совместны, то вероятность их суммы равна сумме вероятностей этих событий без вероятности их совместного наступления:

Р(А+В) = Р(А) +Р(В) - Р(АВ) (6)

6. Если и - противоположные события, то (7)

7. Сумма вероятностей событий А 1 , А 2 , …, А n , образующих полную группу, равна 1:

Р(А 1) + Р(А 2) + …+ Р(А n) = 1. (8)

В экономических исследованиях значения и в формуле могут интерпретироваться по-другому. При статистическом определении вероятности события под понимается количество наблюдений результатов эксперимента, в которых событие встречалось ровно раз. В этом случае отношение называется относительной частотой (частостью) события

События А, В называются независимыми , если вероятности каждого из них не зависит от того, произошло или нет другое событие. Вероятности независимых событий называются безусловными .

События А, В называются зависимыми , если вероятность каждого из них зависит от того, произошло или нет другое событие. Вероятность события В, вычисленная в предположении, что другое событие А уже осуществилось, называется условной вероятностью .

Если два события А и В – независимые, то справедливы равенства:

Р(В) = Р(В/А), Р(А) = Р(А/В) или Р(В/А) – Р(В) = 0 (9)

Вероятность произведения двух зависимых событий А, В равна произведению вероятности одного из них на условную вероятность другого:

Р(АВ) = Р(В) ∙ Р(А/В) или Р(АВ) = Р(А) ∙ Р(В/А) (10)

Вероятность события В при условии появления события А:

(11)

Вероятность произведения двух независимых событий А, В равна произведению их вероятностей:

Р(АВ) = Р(А) ∙ Р(В) (12)

Если несколько событий попарно независимы, то отсюда еще не следует их независимость в совокупности.

События А 1 , А 2 , …, А n (n>2) называются независимыми в совокупности, если вероятность каждого из них не зависит от того, произошли или нет любые события из числа остальных.

Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий:

Р(А 1 ∙А 2 ∙А 3 ∙…∙А n) = Р(А 1)∙Р(А 2)∙Р(А 3)∙…∙Р(А n). (13)

Если при наступлении события вероятность событияне меняется, то событияиназываютсянезависимыми .

Теорема: Вероятность совместного появления двух независимых событий и (произведения и) равна произведению вероятностей этих событий.

Действительно, так как событияинезависимы, то
. В этом случае формула вероятности произведения событийипринимает вид.

События
называютсяпопарно независимыми , если независимы любые два из них.

События
называютсянезависимыми в совокупности (или просто независимыми) , если независимы каждые два из них и независимы каждое событие и все возможные произведения остальных.

Теорема: Вероятность произведения конечного числа независимых в совокупности событий
равна произведению вероятностей этих событий.

Проиллюстрируем различие в применении формул вероятности произведения событий для зависимых и независимых событий на примерах

Пример 1 . Вероятность попадания в цель первым стрелком равна 0,85, вторым 0,8. Орудия сделали по одному выстрелу. Какова вероятность того, что в цель попал хотя бы один снаряд?

Решение: P(A+B) =P(A) +P(B) –P(AB) Так как выстрелы независимы, то

P(A+B) = P(A) +P(B) –P(A)*P(B) = 0.97

Пример 2 . В урне находится 2 красных и 4 черных шара. Из нее вынимают подряд 2 шара. Какова вероятность того, что оба шара красные.

Решение: 1 случай. Событие А – появление красного шара при первом вынимании, событие В – при втором. Событие С – появление двух красных шаров.

P(С) =P(A)*P(B/A) = (2/6)*(1/5) = 1/15

2 случай. Первый вынутый шар возвращается в корзину

P(С) =P(A)*P(B) = (2/6)*(2/6) = 1/9

Формула полной вероятности.

Пусть событие может произойти только с одним из несовместных событий
, образующих полную группу. Например, в магазин поступает одна и та же продукция от трех предприятий и в разном количестве. Вероятность выпуска некачественной продукции на этих предприятиях различна. Случайным образом отбирается одно из изделий. Требуется определить вероятность того, что это изделие некачественное (событие). Здесь события
– это выбор изделия из продукции соответствующего предприятия.

В этом случае вероятность события можно рассматривать как сумму произведений событий
.

По теореме сложения вероятностей несовместных событий получаем
. Используя теорему умножения вероятностей, находим

.

Полученная формула называется формулой полной вероятности .

Формула Байеса

Пусть событие происходит одновременно с одним изнесовместных событий
, вероятности которых
(
) известны до опыта (вероятности априори ). Производится опыт, в результате которого зарегистрировано появление события, причем известно, что это событие имело определенные условные вероятности
(
). Требуется найти вероятности событий
если известно, что событиепроизошло (вероятности апостериори ).

Задача состоит в том, что, имея новую информацию (событие Aпроизошло), нужно переоценить вероятности событий
.

На основании теоремы о вероятности произведения двух событий

.

Полученная формула носит название формулы Байеса .

Основные понятия комбинаторики.

При решении ряда теоретических и практических задач требуется из конечного множества элементов по заданным правилам составлять различные комбинации и производить подсчет числа всех возможных таких комбинаций. Такие задачи принято называть комбинаторными .

При решении задач комбинаторики используют правила суммы и произведения.

Независимые события

При практическом применении вероятностно-статистических методов принятия решений постоянно используется понятие независимости. Например, при применении статистических методов управления качеством продукции говорят о независимых измерениях значений контролируемых параметров у включенных в выборку единиц продукции, о независимости появления дефектов одного вида от появления дефектов другого вида, и т.д. Независимость случайных событий понимается в вероятностных моделях в следующем смысле.

Определение 2. События А и В называются независимыми, если Р(АВ) = Р(А) Р(В). Несколько событий А , В , С ,… называются независимыми, если вероятность их совместного осуществления равна произведению вероятностей осуществления каждого из них в отдельности: Р (АВС …) = Р (А )Р (В )Р (С )…

Это определение соответствует интуитивному представлению о независимости: осуществление или неосуществление одного события не должно влиять на осуществление или неосуществление другого. Иногда соотношение Р (АВ ) = Р (А ) Р (В |A ) = P (B )P (A |B ), справедливое при P (A )P (B) > 0, называют также теоремой умножения вероятностей.

Утверждение 1. Пусть события А и В независимы. Тогда события и независимы, события и В независимы, события А и независимы (здесь - событие, противоположное А , и - событие, противоположное В ).

Действительно, из свойства в) в (3) следует, что для событий С и D , произведение которых пусто, P (C + D ) = P (C ) + P (D ). Поскольку пересечение АВ и В пусто, а объединение есть В , то Р(АВ) + Р(В) = Р(В). Так как А и В независимы, то Р(В) = Р(В) - Р(АВ) = Р(В) - Р(А)Р(В) = Р(В)(1 - Р(А)). Заметим теперь, что из соотношений (1) и (2) следует, что Р() = 1 – Р(А). Значит, Р(В) = Р()Р(В).

Вывод равенства Р(А) = Р(А)Р() отличается от предыдущего лишь заменой всюду А на В , а В на А .

Для доказательства независимости и воспользуемся тем, что события АВ, В, А, не имеют попарно общих элементов, а в сумме составляют все пространство элементарных событий. Следовательно, Р (АВ) + Р(В) + Р(А) + Р() = 1. Воспользовавшись ранее доказанными соотношениями, получаем, что Р(В)= 1 - Р (АВ) - Р(В)(1 - Р(А)) - Р(А)(1 - Р(В))= (1 – Р(А))(1 – Р(В)) = Р()Р(), что и требовалось доказать.

Пример 3. Рассмотрим опыт, состоящий в бросании игрального кубика, на гранях которого написаны числа 1, 2, 3, 4, 5,6. Считаем, что все грани имеют одинаковые шансы оказаться наверху. Построим соответствующее вероятностное пространство. Покажем, что события «наверху – грань с четным номером» и «наверху – грань с числом, делящимся на 3» являются независимыми.

Разбор примера. Пространство элементарных исходов состоит из 6 элементов: «наверху – грань с 1», «наверху – грань с 2»,…, «наверху – грань с 6». Событие «наверху – грань с четным номером» состоит из трех элементарных событий – когда наверху оказывается 2, 4 или 6. Событие «наверху – грань с числом, делящимся на 3» состоит из двух элементарных событий – когда наверху оказывается 3 или 6. Поскольку все грани имеют одинаковые шансы оказаться наверху, то все элементарные события должны иметь одинаковую вероятность. Поскольку всего имеется 6 элементарных событий, то каждое из них имеет вероятность 1/6. По определению 1событие «наверху – грань с четным номером» имеет вероятность ½, а событие «наверху – грань с числом, делящимся на 3» - вероятность 1/3. Произведение этих событий состоит из одного элементарного события «наверху – грань с 6», а потому имеет вероятность 1/6. Поскольку 1/6 = ½ х 1/3, то рассматриваемые события являются независимыми в соответствии с определением независимости.

При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность (вероятность события) 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 1 . 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.

как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р1*р2=0,56. Что произойдет с нашими оценками, если исходные события не являются независимыми? Давайте немного изменим предыдущий пример.

Пример 2. 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 3. 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.

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 3. 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 ближайшегомесяца 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.