Аксиоматика теории вероятностей

17

Введение

Математика - царица наук. Это выражение в своей жизни слышал, наверное, каждый человек. Образованный юрист тоже должен иметь представление о том, что такое высшая математика. Да, по роду своей деятельности ему не нужно выводить какие-либо формулы, высчитывать интегралы. Но все-таки знать, что такое синусы, косинусы, матрицы и другие математические определения ему необходимо.

При этом не следует забывать, что школа дает лишь элементарные математические знания, например, сложение и вычитание, умножение и деление, таблица умножения, то есть то, без чего человек не может обойтись в своей повседневной жизни. Наличие же высшего образования подразумевает под собой нечто большее, в частности, знания по высшей математике.

В данной работе мы не будем углубляться в разнообразные математические термины, не станем интегрировать дифференциальные уравнения, высчитывать матрицы. Мы рассмотрим теорию вероятностей, которая, на наш взгляд, наиболее приближена к юридическим наукам, потому что она развивает логическое мышление человека.

Итак, мы дадим определение случайным событиям, познакомимся с вероятностью событий, узнаем статическое и классическое определение вероятности, заострим внимание на ограниченности классического определения, приведем примеры вычисления вероятностей и сделаем выводы о проделанной работе.

1. Аксиоматика теории вероятностей

1.1 Краткая историческая справка

Первые работы, в которых зарождались основные понятия теории вероятностей, представляли собой попытки создания теории азартных игр (Кардано, Гюйгенс, Паскаль, Ферма и другие в XVI-XVII вв.).

Следующий этап развития теории вероятностей связан с именем Якоба Бернулли (1654-1705). Доказанная им теорема, получившая впоследствии название «Закона больших чисел», была первым теоретическим обоснованием накопленных ранее фактов.

Дальнейшими успехами теория вероятностей обязана Муавру, Лапласу, Гауссу, Пуассону и др.

Новый, наиболее плодотворный период связан с именами П.Л. Чебышева (1821-1894) и его учеников А.А. Маркова (1856-1922) и А.М. Ляпунова (1857-1918). В этот период теория вероятностей становится стройной математической наукой. Ее последующее развитие обязано в первую очередь русским и советским математикам (С.Н. Бернштейн, В.И. Романовский, А.Н. Колмогоров, А.Я. Хинчин, Б.В. Гнеденко, Н.В. Смирнов и др.). В настоящее время ведущая роль в создании новых ветвей теории вероятностей также принадлежит российским математикам.

1.2 Предмет теории вероятностей

Наблюдаемые нами события (явления) можно подразделить на следующие три вида: достоверные, невозможные и случайные.

Достоверным называют событие, которое обязательно произойдет, если будет осуществлена определенная совокупность условий S. Например, если в сосуде содержится вода при нормальном атмосферном давлении и температуре 20°, то событие «вода в сосуде находится в жидком состоянии» есть достоверное. В этом примере заданные атмосферное давление и температура воды составляют совокупность условий S.

Невозможным называют событие, которое заведомо не произойдет, если будет осуществлена совокупность условий S. Например, событие «вода в сосуде находится в твердом состоянии» заведомо не произойдет, если будет осуществлена совокупность условий предыдущего примера.

Случайным называют событие, которое при осуществлении совокупности условий S может либо произойти, либо не произойти. Например, если брошена монета, то она может упасть так, что сверху будет либо герб, либо надпись. Поэтому событие «при бросании монеты выпал «герб» - случайное. Каждое случайное событие, в частности выпадение «герба», есть следствие действия очень многих случайных причин (в нашем примере: сила, с которой брошена монета, форма монеты и многие другие). Невозможно учесть влияние на результат всех этих причин, поскольку число их очень велико и законы их действия неизвестны. Поэтому теория вероятностей не ставит перед собой задачу предсказать, произойдет единичное событие или нет, она просто не в силах это сделать.

Еще пример, выпадение снега в Москве 30 ноября является случайным событием. Ежедневный восход Солнца можно считать достоверным событием, а выпадение снега на экваторе - невозможным событием.

По-иному обстоит дело, если рассматриваются случайные события, которые могут многократно наблюдаться при осуществлении одних и тех же условий S, т.е. если речь идет о массовых однородных случайных событиях. Оказывается, что достаточно большое число однородных случайных событий независимо от их конкретной природы подчиняется определенным закономерностям, а именно вероятностным закономерностям. Установлением этих закономерностей и занимается теория вероятностей.

Итак, предметом теории вероятностей является изучение вероятностных закономерностей массовых однородных случайных событий.

Знание закономерностей, которым подчиняются массовые случайные события, позволяет предвидеть, как эти события будут протекать. Например, хотя, как было уже сказано, нельзя наперед определить результат одного бросания монеты, но можно предсказать, причем с небольшой, погрешностью, число появлений «герба», если монета будет брошена достаточно большое число раз. При этом предполагается, конечно, что монету бросают в одних и тех же условиях.

В последние годы основы теории вероятностей все шире и шире проникают в различные области науки и техники, способствуя их прогрессу.

2. Классификация случайных событий

2.1 Виды случайных событий

Выше событие названо случайным, если при осуществлении определенной совокупности условий S оно может либо произойти, либо не произойти. В дальнейшем, вместо того чтобы говорить «совокупность условий S осуществлена», будем говорить кратко: «произведено испытание». Таким образом, событие будет рассматриваться как результат испытания.

Например, стрелок стреляет по мишени, разделенной на четыре области. Выстрел - это испытание. Попадание в определенную область мишени - событие.

События называют несовместным, если появление одного из них исключает появление других событий в одном и том же испытании.

Пример. Брошена монета. Появление «герба» исключает появление надписи. События «появился герб» и «появилась надпись» - несовместные.

Несколько событий образуют полную группу, если в результате испытания появится хотя бы одно из них. Другими словами, появление хотя бы одного из событий полной группы есть достоверное событие. В частности, если события, образующие полную группу, попарно несовместны, то в результате испытания появится одно и только одно из этих событий. Этот частный случай представляет для нас наибольший интерес, поскольку используется далее.

Пример. Стрелок произвел выстрел по цели. Обязательно произойдет одно из следующих двух событий: попадание, промах. Эти два несовместных события образуют полную группу.

События называют равновозможными, если есть основания считать, что ни одно из них не является более возможным, чем другое.

Пример. Появление «герба» и появление надписи при бросании монеты - равновозможные события. Действительно, предполагается, что монета изготовлена из однородного материала, имеет правильную цилиндрическую форму и наличие чеканки не оказывает влияния на выпадение той или иной стороны монеты.

Пример. Появление того или иного числа очков на брошенной игральной кости - равновозможные события. Действительно, предполагается, что игральная кость изготовлена из однородного материала, имеет форму правильного многогранника и наличие очков не оказывает влияния на выпадение любой грани.

2.2 Определение вероятности

Вероятность - одно из основных понятий теории вероятностей. Существует несколько определений этого понятия. Приведем определение, которое называют классическим. Далее укажем слабые стороны этого определения и приведем другие определения, позволяющие преодолеть недостатки классического определения.

Рассмотрим пример. Пусть в урне содержится 6 одинаковых, тщательно перемешанных шаров, причем 2 из них - красные, 3 - синие и 1 - белый. Очевидно, возможность вынуть наудачу из урны цветной (т.е. красный или синий) шар больше, чем возможность извлечь белый шар. Можно ли охарактеризовать эту возможность числом? Оказывается, можно. Это число и называют вероятностью события (появления цветного шара). Таким образом, вероятность есть число, характеризующее степень возможности появления события.

Классическое определение вероятности связано с понятием благоприятствующего исхода. Исход называется благоприятствующим данному событию, если его появление влечет за собой наступление этого события.

Поставим перед собой задачу дать количественную опенку возможности того, что взятый наудачу шар цветной. Появление цветного шара будем рассматривать в качестве события А. Каждый из возможных результатов испытания (испытание состоит в извлечении шара из урны) назовем элементарным исходом (элементарным событием). Элементарные исходы обозначим через w₁, w₂, w₃ и т.д. В нашем примере возможны следующие 6 элементарных исходов: w₁ - появился белый шар; w₂, w₃ - появился красный шар; w₄, w₅, w₆ - появился синий шар. Легко видеть, что эти исходы образуют полную группу попарно несовместных событий (обязательно появится только один шар) и они равновозможны (шар вынимают наудачу, шары одинаковы и тщательно перемешаны).

Те элементарные исходы, в которых интересующее нас событие наступает, назовем благоприятствующими этому событию. В нашем примере благоприятствуют событию А (появлению цветного шара) следующие 5 исходов: w₂, w₃, w₄, w₅, w₆.

Таким образом, событие А наблюдается, если в испытании наступает один, безразлично какой, из элементарных исходов, благоприятствующих А; в нашем примере А наблюдается, если наступит w₂, или w₃, w₄, или w₅, или w₆. В этом смысле событие А подразделяется на несколько элементарных событий (w₂, w₃, w₄, w₅, w₆); элементарное же событие не подразделяется на другие события. В этом состоит различие между событием А и элементарным событием (элементарным исходом).

Отношение числа благоприятствующих событию А элементарных исходов к их общему числу называют вероятностью события А и обозначают через Р (А). В рассматриваемом примере всего элементарных исходов 6; из них 5 благоприятствуют событию А. Следовательно, вероятность того, что взятый шар окажется цветным, равна Р (А) = 5/6. Это число и дает ту количественную оценку степени возможности появления цветного шара, которую мы хотели найти. Дадим теперь определение вероятности.

Вероятностью события А называют отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу. Итак, вероятность события А определяется формулой:

Р(А) = mn, где m - число элементарных исходов, благоприятствующих А, n - число всех возможных элементарных исходов испытания.

Здесь предполагается, что элементарные исходы несовместны, равновозможны и образуют полную группу.

Из определения вероятности вытекают следующие ее свойства:

Свойство 1. Вероятность достоверного события равна единице.

Действительно, если событие достоверно, то каждый элементарный исход испытания благоприятствует событию. В этом случае m=n следовательно,

Р(А) = mn = nn = 1.

Свойство 2. Вероятность невозможного события равна нулю.

Действительно, если событие невозможно, то ни один из элементарных исходов испытания не благоприятствует событию. В этом случае m = 0, следовательно,

Р(А) = mn = 0n = 0.

Свойство 3. Вероятность случайного события есть положительное число, заключенное между нулем и единицей.

Действительно, случайному событию благоприятствует лишь часть из общего числа элементарных исходов испытания. В этом случае 0 < m < n, значит, 0 < mn < 1, следовательно,

0 < Р(А) < 1.

Итак, вероятность любого события удовлетворяет двойному неравенству:

0 < или = Р(А) < или = 1.

Далее приведены теоремы, которые позволяют по известным вероятностям одних событий находить вероятности других событий.

Замечание. Современные строгие курсы теории вероятностей построены на теоретико-множественной основе. Ограничимся изложением на языке теории множеств тех понятий, которые рассмотрены выше.

Пусть в результате испытания наступает одно и только одно из событий w_i (i=1, 2,…, n). События w_i - называют элементарными событиями (элементарными исходами). Уже отсюда следует, что элементарные события попарно несовместны. Множество всех элементарных событий, которые могут появиться в испытании, называют пространством элементарных событий Q, а сами элементарные события - точками пространства Q.

Событие А отождествляют с подмножеством (пространства Q), элементы которого есть элементарные исходы, благоприятствующие А; событие В есть подмножество Q, элементы которого есть исходы, благоприятствующие В, и т.д. Таким образом, множество всех событий, которые могут наступить в испытании, есть множество всех подмножеств Q. Само Q наступает при любом исходе испытания, поэтому Q - достоверное событие; пустое подмножество пространства Q - невозможное событие (оно не наступает ни при каком исходе испытания).

Заметим, что элементарные события выделяются из числа всех событий тем, что каждое из них содержит только один элемент Q.

Каждому элементарному исходу w_i ставят в соответствие положительное число p_i - вероятность этого исхода, причем сумма p_i (по i) = 1.

По определению, вероятность Р (А) события А равна сумме вероятностей элементарных исходов, благоприятствующих А. Отсюда легко получить, что вероятность события достоверного равна единице, невозможного - нулю, произвольного - заключена между нулем и единицей.

Рассмотрим важный частный случай, когда все исходы равновозможны. Число исходов равно n, сумма вероятностей всех исходов равна единице; следовательно, вероятность каждого исхода равна 1/n. Пусть событию А благоприятствует m исходов. Вероятность события А равна сумме вероятностей исходов, благоприятствующих А:

P (A)=1/n + 1/n + 1/n.

Учитывая, что число слагаемых равно m, имеем:

Р(А) = mn.

Получено классическое определение вероятности.

Классическое определение вероятности предполагает, что число элементарных исходов испытания конечно. На практике же весьма часто встречаются испытания, число возможных исходов которых бесконечно. В таких случаях классическое определение неприменимо. Уже это обстоятельство указывает на ограниченность классического определения. Отмеченный недостаток может быть преодолен, в частности, введением геометрических вероятностей и, конечно, использованием аксиоматической вероятности.

Наиболее слабая сторона классического определения состоит в том, что очень часто невозможно представить результат испытания в виде совокупности элементарных событий. Еще труднее указать основания, позволяющие считать элементарные события равновозможными. Обычно о равновозможности элементарных исходов испытания говорят из соображений симметрии. Так, например, предполагают, что игральная кость имеет форму правильного многогранника (куба) и изготовлена из однородного материала. Однако задачи, в которых можно исходить из соображений симметрии, на практике встречаются весьма редко. По этой причине наряду с классическим определением вероятности используют и другие определения, в частности статистическое определение: в качестве статистической вероятности события принимают относительную частоту или число, близкое к ней. Например, если в результате достаточно большого числа испытаний оказалось, что относительная частота весьма близка к числу 0,4, то это число можно принять за статистическую вероятность события.

Легко проверить, что свойства вероятности, вытекающие из классического определения, сохраняются и при статистическом определении вероятности. Действительно, если событие достоверно, то m = n и относительная частота

mn = nn = 1, т.е. статистическая вероятность достоверного события (так же как и в случае классического определения) равна единице.

Если событие невозможно, то m = 0 и, следовательно, относительная частота

0/ n = 0, т.е. статистическая вероятность невозможного события равна нулю.

Для любого события 0 < или = m < или = n и, следовательно, относительная частота

0 < или = m/ n < или =1, т.е. статистическая вероятность любого события заключена между нулем и единицей.

Для существования статистической вероятности события А требуется:

а) возможность, хотя бы принципиально, производить неограниченно число испытаний, в каждом из которых событие А наступает или не наступает;

б) устойчивость относительных частот появления А в различных сериях достаточно большого числа испытаний.

Недостатком статистического определения является неоднозначность статистической вероятности; так как в качестве вероятности события можно принять не только 0,4, но и 0,39; 0,41 и т.д.

2.3 Условная вероятность

Во многих случаях вероятности появления одних событий зависят от того, произошло другое событие или нет. Например, вероятность своевременного выпуска машины зависит от поставки комплектующих изделий. Если эти изделия уже поставлены, то значение искомой вероятности будет одним. Если же она определяется до поставки комплектующих, то ее значение, очевидно, будет другим.

Вероятность события А, вычисленная при условии, что имело место другое событие В, называется условной вероятностью события А и обозначается Р (А/В).

В тех случаях, когда вероятность события А рассматривается при условии, что произошли два других события В и С, используется условная вероятность относительно произведения событий В и С:

Р (А/ВС).

3. Формулы умножения и сложения вероятностей

3.1 Основные формулы комбинаторики

Комбинаторика изучает количества комбинаций, подчиненных определенным условиям, которые можно составить из элементов, безразлично какой природы, заданного конечного множества. При непосредственном вычислении вероятностей часто используют формулы комбинаторики. Приведем наиболее употребительные из них.

Перестановками называют комбинации, состоящие из одних и тех же n различных элементов и отличающиеся только порядком их расположения. Число всех возможных перестановок

P_n = n!,

где n! =1*2*3… n.

Заметим, что удобно рассматривать 0!, полагая, по определению, 0! = 1.

Пример. Сколько трехзначных чисел можно составить из цифр 1, 2, 3, если каждая цифра входит в изображение числа только один раз?

Решение. Искомое число трехзначных чисел

Р₃ = 3! =1*2*3 = 6.

Размещениями называют комбинации, составленные из n различных элементов по m элементов, которые отличаются либо составом элементов, либо их порядком. Число всех возможных размещений:

A^m_n = n (n-1) (n-2) … (n-m+1).

Пример. Сколько можно составить сигналов из 6 флажков различного цвета, взятых по 2?

Решение. Искомое число сигналов: А²₆ = 6*5 = 30.

Сочетаниями называют комбинации, составленные из n различных элементов по m элементов, которые отличаются хотя бы одним элементом. Число сочетаний

C^m_n = n! / (m! (n-m)!).

Пример. Сколькими способами можно выбрать две детали из ящика, содержащего 10 деталей?

Решение, Искомое число способов: С²₁₀ = 10! / (2!*8!) = 1*2*3*4*5*6*7*8*9*10 / 1*2* 1*2*3*4*5*6*7*8 = 45.

Подчеркнем, что числа размещений, перестановок и сочетаний связаны равенством

A^m_n = P_m* C^m_n.

При решении задач комбинаторики используют следующие правила:

Правило суммы. Если некоторый объект А может быть выбран из совокупности объектов m способами, а другой объект В может быть выбран n способами, то выбрать либо А, либо В можно m+n способами.

Правило произведения. Если объект А можно выбрать из совокупности объектов m способами и после каждого такого выбора объект В можно выбрать n способами, то пара объектов (А, В) в указанном порядке может быть выбрана m*n способами.

3.2 Примеры вычисления вероятностей

Пример 1. Набирая номер телефона, абонент забыл одну цифру и набрал ее наудачу. Найти вероятность того, что набрана нужная цифра.

Решение. Обозначим через А событие - набрана нужная цифра. Абонент мог набрать любую из 10 цифр, поэтому общее число возможных элементарных исходов равно 10. Эти исходы несовместны, равновозможны и образуют полную группу. Благоприятствует событию А лишь один исход (нужная цифра лишь одна). Искомая вероятность равна отношению числа исходов, благоприятствующих событию, к числу всех элементарных исходов:

Р (А) =1/10.

Пример 2. Набирая номер телефона, абонент забыл последние две цифры и, помня лишь, что эти цифры различны, набрал их наудачу. Найти вероятность того, что набраны нужные цифры.

Решение. Обозначим через В событие - набраны две нужные цифры. Всего можно набрать столько различных цифр, сколько может быть составлено размещений из десяти цифр по две, т.е. А²₁₀= 10*9 = 90. Таким образом, общее число возможных элементарных исходов равно 90. Эти исходы несовместны, равновозможны и образуют полную группу. Благоприятствует событию В лишь один исход. Искомая вероятность равна отношению числа исходов, благоприятствующих событию, к числу всех элементарных исходов:

Р (В) = 1/90.

Пример 3. Указать ошибку «решения» задачи: «Брошены две игральные кости. Найти вероятность того, что сумма выпавших очков равна 4 (событие А)».

Решение. Всего возможны 2 исхода испытания: сумма выпавших очков равна 4, сумма выпавших очков не равна 4. Событию А благоприятствует один исход: общее число исходов равно двум. Следовательно, искомая вероятность:

Р (А) =1/2.

Ошибка этого решения состоит в том, что рассматриваемые исходы не являются равновозможными.

Правильное решение. Общее число равновозможных исходов испытания равно 6*6 = 36 (каждое число выпавших очков на одной кости может сочетаться со всеми числами очков другой кости). Среди этих исходов благоприятствуют событию А только 3 исхода: (1; 3), (3; 1), (2; 2) (в скобках указаны числа выпавших очков). Следовательно, искомая вероятность:

Р (А) = 3/36 = 1/12.

Пример 4. В партии из 10 деталей 7 стандартных. Найти вероятность того, что среди шести взятых наудачу деталей 4 стандартных.

Решение. Общее число возможных элементарных исходов испытания равно числу способов, которыми можно извлечь 6 деталей из 10, т.е. числу сочетаний из 10 элементов по 6 элементов (C⁶₁₀).

Определим число исходов, благоприятствующих интересующему нас событию А (среди шести взятых деталей 4 стандартных). Четыре стандартные детали можно взять из семи стандартных деталей С⁴₇ способами; при этом остальные 6 - 4 = 2 детали должны быть нестандартными; взять же 2 нестандартные детали из 10 - 7 = 3 нестандартных деталей можно С²₃ способами. Следовательно, число благоприятствующих исходов равно: С⁴₇*С²₃.

Искомая вероятность равна отношению числа исходов, благоприятствующих событию, к числу всех элементарных исходов:

Р (А) = (С⁴₇*С²₃) / С⁶₁₀ = ?.

Заключение

Итак, подводя итог вышесказанному подчеркнем следующее. Случайным событием называется событие, при определенных условиях может либо произойти, либо не произойти. Эти события могут многократно наблюдаться при осуществлении одних и тех же условий. Так вот теория вероятностей как раз и изучает вероятностные закономерности массовых однородных событий.

Существует несколько определений вероятности. Классическое определение вероятности связано с понятием благоприятствующего исхода. Исход называется благоприятствующим данному событию, если его появление влечет за собой наступление этого события. Вероятностью же события называют отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу (о том что такое полная группа мы говорили ранее). Это определение имеет свой недостаток, потому что в нем подразумевается, что число элементарных исходов испытания конечно. На практике же часто встречаются испытания, число возможных исходов которых бесконечно, с этим и связано другое определение - статистическое, при котором события принимают относительную частоту или число, близкое к ней.

При вычислении вероятностей используют определенные формулы. Например, перестановки, размещения или сочетания. С помощью этих формул можно произвести многие вычисления вероятностей и решить любую задачу, что мы и сделали выше.

Список использованной литературы

1. Информатика и математика для юристов / Под ред. Х.А. Андриашина и др. - М.: ЮНИТИ - ДАНА, 2003.

2. Виленкин И.В., Гробер В.М. Высшая математика для студентов экономических, технических и естественно-научных специальностей вузов. Ростов - на - Дону: Феникс, 2004. - 416 с.;

3. Гмурман В.Е. Теория вероятностей и математическая статистика: Учебное пособие для вузов / В.Е. Гмурман - М.: Высшая школа, 2003. - 479 с.;

4. Высшая математика для экономистов / Под ред. Н.Ш. Кремера и др. - М.: Биржи и банки, 1998 - 356 с.;

5. Общий курс высшей математики для экономистов: Учебник / под ред. В.И. Ермакова. - М.: ИНФРА - М, 2005. - 656 с. - (Высшее образование).