Теорема вероятности

Задача сформулирована как «Теорема вероятности» не очень конкретно. Ниже даю понятный обзор ключевых теорем вероятности с пошаговыми примерами. Это подходит для школьного уровня и помогает понять, как решать задачи по вероятности в экзаменациях. Если у вас есть конкретная задача, пришлите её — разберём детально. 1) Основные понятия - Пространство элементарных исходов Ω и событие A ⊆ Ω. - Вероятность события A: P(A) — число в диапазоне [0,1], удовлетворяющее axioms (не отрицательна, P(Ω)=1, сумма вероятностей по что-то типа разбиения не превышает 1). - Условная вероятность: P(A|B) — вероятность A при условии того, что событие B уже произошло (P(B) > 0). Формула: P(A|B) = P(A ∩ B) / P(B). - Независимость: A и B независимы, если P(A ∩ B) = P(A)P(B). Тогда P(A|B) = P(A) и P(B|A) = P(B). 2) Основные правила (помогают решать задачи) - Правило суммы (для любых A и B): P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Если A и B несовместимы (не могут произойти одновремённо), то P(A ∪ B) = P(A) + P(B). - Правило произведения: P(A ∩ B) = P(A|B) P(B) = P(B|A) P(A). - Независимость и упрощение: если A и B независимы, то P(A ∩ B) = P(A)P(B), и P(A|B) = P(A). - Теорема полной вероятности (разбиение пространства): Пусть B1, B2, ..., Bn — попарно непересекающиеся события, образующие разбиение Ω (i.e., B1 ∪ B2 ∪ ... ∪ Bn = Ω и Bi ∩ Bj = ∅ при i ≠ j). Тогда для любого события A: P(A) = Σ P(A|Bi) P(Bi), суммирование по i = 1..n. - Теорема Bayes (обратное отношение): Пусть B1, B2, ..., Bn образуют разбиение Ω. Тогда для любого i: P(Bi|A) = [P(A|Bi) P(Bi)] / Σ [P(A|Bj) P(Bj)], j = 1..n. 3) Примеры (пошагово) Пример 1. Бросаем две монеты. Найдите вероятность того, что выпадет хотя бы один орёл. - Наблюдаемое A: хотя бы один орёл. - Пусть A1 — орёл на первой монете, A2 — орёл на второй. - Монеты независимы: P(A1) = 1/2, P(A2) = 1/2. - Используем формулу P(A1 ∪ A2) = P(A1) + P(A2) − P(A1 ∩ A2) = 1/2 + 1/2 − (1/2)(1/2) = 1 − 1/4 = 3/4. Ответ: 3/4. Пример 2. Стандартная колода из 52 карт. Найдите вероятность, что первая вытащенная карта окажется тузом. - Здесь можно просто: P(туз) = 4/52 = 1/13. - Если нужно условие: пусть события A = «первая карта — туз» и B = «карта красная». Найдём P(A|B). P(B) = 26/52 = 1/2, P(A ∩ B) = 2/52 (туз серый и туз червей/бубен — красные тузы) = 2/52. Тогда P(A|B) = (2/52) / (26/52) = 2/26 = 1/13. То же, что и без условия в этом случае. Пример 3. Теорема полной вероятности. В урне 3 корзины B1, B2, B3 с вероятностями выбора каждой корзины: P(B1)=0.5, P(B2)=0.3, P(B3)=0.2. В каждой корзине число успешных исходов отличается: - Из B1 выигрыш с вероятностью 0.4, из B2 — 0.6, из B3 — 0.2. Найдите общую вероятность выигрыша A. - По формуле полной вероятности: P(A) = Σ P(A|Bi) P(Bi) = 0.4·0.5 + 0.6·0.3 + 0.2·0.2 = 0.20 + 0.18 + 0.04 = 0.42. Ответ: 0.42. Пример 4. Теорема Байеса. В медицинском тесте: - В популяции болезнь встречается с частотой P(D) = 0.01. - Тест на болезнь имеет чувствительность P(T|D) = 0.99 (вероятность положительного теста при наличии болезни) и специфичность P(¬T|¬D) = 0.95, значит P(T|¬D) = 0.05. - Вероятность того, что человек действительно болен, если тест положительный: P(D|T). По формуле Байеса: P(D|T) = [P(T|D) P(D)] / [P(T|D) P(D) + P(T|¬D) P(¬D)] = (0.99·0.01) / (0.99·0.01 + 0.05·0.99) = 0.0099 / (0.0099 + 0.0495) ≈ 0.1667. Ответ: примерно 16.7%. 4) Как решать задачи по теоремам вероятности (шаблон) - Определите пространство Ω и явные события A, B (или несколько Bi, если применима полная вероятность). - Разберитесь, есть ли зависимость/независимость между событиями. - Выберите подходящую теорему: - Для объединения событий: P(A∪B) = P(A) + P(B) − P(A∩B) (и обобщение на несколько событий). - Для условий и последовательностей: P(A|B) = P(A∩B)/P(B); P(A∩B) = P(A|B)P(B). - Для разбиения пространства и общего события A: используйте теорему полной вероятности. - Для обновления вероятностей после наблюдения: используйте теорему Байеса. - Подстановки и вычисления: аккуратно подставляйте численные значения, следите за единицами и за тем, что вероятности неотрицательны и сумма по разбиению даёт 1. - Проверьте ответ на смысл: вероятность в диапазоне [0,1], разумные численные значения. 5) Что если нужно более конкретное Если вы пришлёте конкретную задачу по теореме вероятности (условная вероятность, полная вероятность, Bayes, независимость и т.д.), я дам пошаговое решение с разбором каждого шага, обязательно объясню каждое преобразование и дам ответ. Готов разобрать любую конкретную задачу по теореме вероятности. Что именно вы хотите решить: пример с полной вероятностью, Bayes, или что-то другое?