Решение задач о бросании игральных костей
Еще одна популярная задача теории вероятностей (наравне с задачей о подбрасывании монет) — задача о подбрасывании игральных костей.
Обычно задача звучит так: бросается одна или несколько игральных костей (обычно 2, реже 3). Необходимо найти вероятность того, что число очков равно 4, или сумма очков равна 10, или произведение числа очков делится на 2, или числа очков отличаются на 3 и так далее.
Основной метод решения подобных задач — использование формулы классической вероятности, который мы и разберем на примерах ниже.
Ознакомившись с методами решения, вы сможете скачать супер-полезный Excel-файл для расчета вероятности при бросании 2 игральных костей (с таблицами и примерами).
Одна игральная кость
С одной игральной костью дело обстоит до неприличия просто. Напомню, что вероятность находится по формуле $P=m/n$, где $n$ — число всех равновозможных элементарных исходов эксперимента с подбрасыванием кубика или кости, а $m$ — число тех исходов, которые благоприятствуют событию.
Пример 1. Игральная кость брошена один раз. Какова вероятность, что выпало четное число очков?
Так как игральная кость представляет собой кубик (еще говорят, правильная игральная кость, то есть кубик сбалансированный, так что выпадает на все грани с одинаковой вероятностью), граней у кубика 6 (с числом очков от 1 до 6, обычно обозначаемых точкам), то и общее число исходов в задаче $n=6$. Благоприятствуют событию только такие исходы, когда выпадет грань с 2, 4 или 6 очками (только четные), таких граней $m=3$. Тогда искомая вероятность равна $P=3/6=1/2=0.5$.
Пример 2. Брошен игральный кубик. Найти вероятность выпадения не менее 5 очков.
Рассуждаем также, как и в предыдущем примере. Общее число равновозможных исходов при бросании игрального кубика $n=6$, а условию «выпало не менее 5 очков», то есть «выпало или 5, или 6 очков» удовлетворяют 2 исхода, $m=2$. Нужная вероятность равна $P=2/6=1/3=0.333$.
Даже не вижу смысла приводить еще примеры, переходим к двум игральным костям, где все интереснее и сложнее.
Две игральные кости
Когда речь идет о задачах с бросанием 2 костей, очень удобно использовать таблицу выпадения очков. По горизонтали отложим число очков, которое выпало на первой кости, по вертикали — число очков, выпавшее на второй кости. Получим такую заготовку (обычно я делаю ее в Excel, файл вы сможете скачать ниже):
А что же в ячейках таблицы, спросите вы? А это зависит от того, какую задачу мы будем решать. Будет задача про сумму очков — запишем туда сумму, про разность — запишем разность и так далее. Приступаем?
Пример 3. Одновременно бросают 2 игральные кости. Найти вероятность того, что в сумме выпадет менее 5 очков.
Сначала разберемся с общим числом исходов эксперимента. когда мы бросали одну кость, все было очевидно, 6 граней — 6 исходов. Здесь костей уже две, поэтому исходы можно представлять как упорядоченные пары чисел вида $(x,y)$, где $x$ — сколько очков выпало на первой кости (от 1 до 6), $y$ — сколько очков выпало на второй кости (от 1 до 6). Очевидно, что всего таких пар чисел будет $n=6\cdot 6=36$ (и им соответствуют как раз 36 ячеек в таблице исходов).
Вот и пришло время заполнять таблицу. В каждую ячейку занесем сумму числа очков выпавших на первой и второй кости и получим уже вот такую картину:
Теперь эта таблица поможем нам найти число благоприятствующих событию «в сумме выпадет менее 5 очков» исходов. Для этого подсчитаем число ячеек, в которых значение суммы будет меньше 5 (то есть 2, 3 или 4). Для наглядности закрасим эти ячейки, их будет $m=6$:
Тогда вероятность равна: $P=6/36=1/6$.
Пример 4. Брошены две игральные кости. Найти вероятность того, что произведение числа очков делится на 3.
Составляем таблицу произведений очков, выпавших на первой и второй кости. Сразу выделяем в ней те числа, которые кратны 3:
Остается только записать, что общее число исходов $n=36$ (см. предыдущий пример, рассуждения такие же), а число благоприятствующих исходов (число закрашенных ячеек в таблице выше) $m=20$. Тогда вероятность события будет равной $P=20/36=5/9$.
Как видно, и этот тип задач при должной подготовке (разобрать еще пару тройку задач) решается быстро и просто. Сделаем для разнообразия еще одну задачу с другой таблицей (все таблицы можно будет скачать внизу страницы).
Пример 5. Игральную кость бросают дважды. Найти вероятность того, что разность числа очков на первой и второй кости будет от 2 до 5.
Запишем таблицу разностей очков, выделим в ней ячейки, в которых значение разности будет между 2 и 5:
Итак, что общее число равновозможных элементарных исходов $n=36$, а число благоприятствующих исходов (число закрашенных ячеек в таблице выше) $m=10$. Тогда вероятность события будет равной $P=10/36=5/18$.
Итак, в случае, когда речь идет о бросании 2 костей и простом событии, нужно построить таблицу, выделить в ней нужные ячейки и поделить их число на 36, это и будет вероятностью. Помимо задач на сумму, произведение и разность числа очков, также встречаются задачи на модуль разности, наименьшее и наибольшее выпавшее число очков (подходящие таблицы вы найдете в файле Excel).
Другие задачи про кости и кубики
Конечно, разобранными выше двумя классами задач про бросание костей дело не ограничивается (просто это наиболее часто встречаемые в задачниках и методичках), существуют и другие. Для разнообразия и понимания примерного способа решения разберем еще три типовых примера: на бросание 3 игральных костей, на условную вероятность и на формулу Бернулли.
Пример 6. Бросают 3 игральные кости. Найдите вероятность того, что в сумме выпало 15 очков.
В случае с 3 игральными костями таблицы составляют уже реже, так как их нужно будет аж 6 штук (а не одна, как выше), обходятся простым перебором нужных комбинаций.
Найдем общее число исходов эксперимента. Исходы можно представлять как упорядоченные тройки чисел вида $(x,y,z)$, где $x$ — сколько очков выпало на первой кости (от 1 до 6), $y$ — сколько очков выпало на второй кости (от 1 до 6), $z$ — сколько очков выпало на третьей кости (от 1 до 6). Очевидно, что всего таких троек чисел будет $n=6\cdot 6\cdot 6=216$ .
Теперь подберем такие исходы, которые дают в сумме 15 очков.
Получили $m=3+6+1=10$ исходов. Искомая вероятность $P=10/216=0.046$.
Пример 7. Бросают 2 игральные кости. Найти вероятность того, что на первой кости выпало не более 4 очков, при условии, что сумма очков четная.
Наиболее простой способ решения этой задачи — снова воспользоваться таблицей (все будет наглядно), как и ранее. Выписываем таблицу сумм очков и выделяем только ячейки с четными значениями:
Получаем, что согласно условию эксперимента, всего есть не 36, а $n=18$ исходов (когда сумма очков четная).
Теперь из этих ячееек выберем только те, которые соответствуют событию «на первой кости выпало не более 4 очков» — то есть фактически ячейки в первых 4 строках таблицы (выделены оранжевым), их будет $m=12$.
Искомая вероятность $P=12/18=2/3.$
Эту же задачу можно решить по-другому, используя формулу условной вероятности. Введем события:
А = Сумма числа очков четная
В = На первой кости выпало не более 4 очков
АВ = Сумма числа очков четная и на первой кости выпало не более 4 очков
Тогда формула для искомой вероятности имеет вид: $$ P(B|A)=\frac
Пример 8. Игральный кубик брошен 4 раза. Найти вероятность того, что четное число очков выпадет ровно 3 раза.
В случае, когда игральный кубик бросается несколько раз, а речь в событии идет не о сумме, произведении и т.п. интегральных характеристиках, а лишь о количестве выпадений определенного типа, можно для вычисления вероятности использовать формулу Бернулли.
Итак, имеем $n=4$ независимых испытания (броски кубика), вероятность выпадения четного числа очков в одном испытании (при одном броске кубика) равна $p=3/6=1/2=0.5$ (см. выше задачи для одной игральной кости).
Тогда по формуле Бернулли $P=P_n(k)=C_n^k \cdot p^k \cdot (1-p)^
Приведем еще пример, решаемый аналогичным образом.
Пример 9. Игральную кость бросают 8 раз. Найти вероятность того, что шестёрка появится хотя бы один раз.
Подставляем в формулу Бернулли следующие значения: $n=8$ (число бросков), $p=1/6$ (вероятность появления 6 при одном броске), $k\ge 1$ (хотя бы один раз появится шестерка). Прежде чем вычислять эту вероятность, напомню, что практически все задачи с формулировкой «хотя бы один. » удобно решать, переходя к противоположному событию «ни одного. «. В нашем примере сначала стоит найти вероятность события «Шестёрка не появится ни разу», то есть $k=0$: $$ P_8(0)=C_8^0 \cdot \left(1/6\right)^0 \cdot \left(1-1/6\right)^8=\left(5/6\right)^8. $$ Тогда искомая вероятность будет равна $$ P_8(k\ge 1)=1-P_8(0)=1-\left(5/6\right)^8=0.767. $$
Полезные ссылки
Для наглядного и удобного расчета вероятностей в случае бросания двух игральных костей я сделала
Файл с таблицами для расчета вероятности.
В нем приведены таблицы суммы, произведения, разности, минимума, максимума, модуля разности числа очков.
Вводя число благоприятствующих исходов в специальную ячейку вы получите рассчитанную вероятность (в обычных и десятичных дробях). Файл открывается программой Excel.
Еще по теории вероятностей:
В решебнике вы найдете более 400 задач о бросании игральных костей и кубиков с полными решениями (вводите часть текста для поиска своей задачи):
Вероятность игральной кости.
Задачи на вероятность игральной кости не менее популярны, чем задачи о подбрасывании монет. Условие такой задачи обычно звучит так: при бросании одной или нескольких игральных костей (2 или 3), какова вероятность того, что сумма очков будет равна 10, или число очков равно 4, или произведение числа очков, или делится на 2 произведение числа очков и так далее.
Применение формулы классической вероятности является основным методом решения задач такого типа.
Одна игральная кость, вероятность.
Достаточно просто обстоит дело с одной игральной костью. Вероятность игральной кости определяется по формуле: P=m/n, где m — это число благоприятствующих событию исходов, а n — число всех элементарных равновозможных исходов эксперимента с подбрасыванием кости или кубика.
Задача 1. Один раз брошена игральная кость. Какова вероятность выпадения четного числа очков?
Поскольку игральная кость собой представляет кубик (или его еще называют правильной игральной костью, на все грани кубик выпадет с одинаковой вероятностью, так как он сбалансированный), у кубика 6 граней (число очков от 1 до 6, которые обычно обозначаются точками), это значит, что в задаче общее число исходов: n=6. Событию благоприятствуют только исходы, при которых выпадает грань с четными очками 2,4 и 6, у кубика таких граней: m=3. Теперь можем определить искомую вероятность игральной кости: P=3/6=1/2=0.5.
Задача 2. Брошен один раз игральный кубик. Какова вероятность, что выпадет не менее 5 очков?
Решается такая задача по аналогии с примером, указанным выше. При бросании игрального кубика общее число равновозможных исходов равно: n=6, а удовлетворяют условие задачи (выпало не менее 5 очков, то есть выпало 5 или 6 очков) только 2 исхода, значит m=2. Далее находим нужную вероятность: P=2/6=1/3=0.333.
Две игральные кости, вероятность.
При решении задач с бросанием 2-х игральных костей, очень удобно пользоваться специальной таблицей выпадения очков. На ней по горизонтали откладывается число очков, выпавших на первой кости, а по вертикали — число очков, которое выпало на второй кости. Заготовка имеет такой вид:
Но возникает вопрос, что же будет в пустых ячейках таблицы? Это зависит от задачи, которую потребуется решить. Если в задаче речь идет о сумме очков, тогда туда записывается сумма, а если про разность — значит записывается разность и так далее.
Задача 3. Брошены одновременно 2 игральные кости. Какова вероятность выпадения суммы менее 5 очков?
Для начала необходимо разобраться какое будет общее число исходов эксперимента. Все было очевидно при бросании одной кости 6 граней кубика — 6 исходов эксперимента. Но когда уже две кости, то возможные исходы можно представить как упорядоченные пары чисел вида (x, y), где х показывает сколько на первой кости выпало очков (от 1 до 6), а у — сколько выпало очков на второй кости (от 1 до 6). Всего таких числовых пар будет: n=6*6=36 (в таблице исходов им как раз соответствуют 36 ячеек).
Теперь можно заполнить таблицу, для этого в каждую ячейку заносится число суммы очков, которые выпали на первой и второй кости. Заполненная таблица выглядит так:
Благодаря таблице определим число исходов, которые благоприятствуют событию " выпадет в сумме менее 5 очков". Произведем подсчет числа ячеек, значение суммы в которых будет меньше числа 5 (это 2, 3 и 4). Такие ячейки для удобства закрашиваем, их будет m=6:
Учитывая данные таблицы, вероятность игральной кости равняется: P=6/36=1/6.
Задача 4. Было брошено две игральные кости. Определить вероятность того, что произведение числа очков будет делиться на 3.
Для решения задачи составим таблицу произведений очков, которые выпали на первой и на второй кости. В ней сразу же выделим числа кратные 3:
Записываем общее число исходов эксперимента n=36 (рассуждения такие же как в предыдущей задаче) и число благоприятствующих исходов (число ячеек, которые закрашены в таблице) m=20. Вероятность события равняется: P=20/36=5/9.
Задача 5. Дважды брошена игральная кость. Какова вероятность, что на первой и второй кости разность числа очков будет равна от 2 до 5?
Чтобы определить вероятность игральной кости запишем таблицу разностей очков и выделим в ней те ячейки, значение разности в которых будет между 2 и 5:
Число благоприятствующих исходов (число ячеек, закрашенных в таблице) равно m=10, общее число равновозможных элементарных исходов будет n=36. Определит вероятность события: P=10/36=5/18.
В случае простого события и при бросании 2-х костей, требуется построить таблицу, затем в ней выделить нужные ячейки и их число поделить на 36, это и будет считаться вероятностью.
Вероятности броска двух игральных костей
Один из популярных способов изучения вероятности – бросать кости. На стандартном кубике шесть сторон напечатаны с маленькими точками с номерами 1, 2, 3, 4, 5 и 6. Если кубик правильный (и мы предполагаем, что все они), то каждый из этих исходов одинаково вероятен. Поскольку существует шесть возможных исходов, вероятность получить любую сторону кубика составляет 1/6. Вероятность выпадения 1 равна 1/6, вероятность выпадения 2 равна 1/6 и так далее. Но что будет, если мы добавим еще один кубик? Каковы вероятности броска двух кубиков?
Вероятность броска кубика
Чтобы правильно определить вероятность броска кубика, мы необходимо знать две вещи:
- Размер пространства выборки или набор общих возможных результатов
- Как часто происходит событие.
Вероятно, событие представляет собой определенное подмножество выборочного пространства. Например, когда брошен только один кубик, как в приведенном выше примере, пробел равен всем значениям на кубике или набору (1, 2, 3, 4, 5, 6). Поскольку кубик правильный, каждое число в наборе встречается только один раз. Другими словами, частота каждого числа равна 1. Чтобы определить вероятность выпадения любого из чисел на кубике, мы делим частоту события (1) на размер области выборки (6), что дает вероятность 1/6.
Бросок двух справедливых игральных костей более чем вдвое увеличивает сложность вычисления вероятностей. Это связано с тем, что прокатка одной матрицы не зависит от прокатки второй. Один бросок не влияет на другой. Имея дело с независимыми событиями, мы используем правило умножения. Использование древовидной диаграммы показывает, что есть 6 x 6 = 36 возможных исходов от броска двух кубиков.
Предположим, что первый бросок кубика выпадает как a 1. Другой бросок кубика может быть 1, 2, 3, 4, 5 или 6. Теперь предположим, что первый кубик – 2. Другой бросок кубика снова может быть 1, 2, 3, 4, 5. , или 6. Мы уже нашли 12 возможных результатов и еще не исчерпали все возможности первого кубика.
Таблица вероятностей бросания двух кубиков
Возможные результаты броска двух кубиков представлены в таблице ниже. Обратите внимание, что общее количество возможных результатов равно пространству выборки первого кубика (6), умноженному на пространство выборки второго кубика (6), которое равно 36..
| 1 | 2 | 3 | 4 | 5 | ||
| (1, 1) | (1, 2) | (1, 3) | (1, 4) | (1, 5) | (1, 6) | |
| 2 | (2, 1) | (2, 2) | (2, 3) | (2, 4) | (2, 5) | (2, 6) |
| 3 | (3, 1) | (3, 2) | (3, 3) | (3, 4) | (3, 5) | (3, 6 ) |
| 4 | (4, 1) | (4, 2) | (4, 3) | (4, 4) | (4, 5) | (4, 6) |
| 5 | (5, 1) | (5, 2) | (5, 3 ) | (5, 4) | (5, 5) | (5, 6) |
| 6 | (6, 1) | (6, 2) | (6, 3) | (6, 4) | (6, 5) | (6, 6) |
Три или более кубика
То же Принцип применим, если мы работаем над задачами с тремя игральными костями. Мы умножаем и видим, что есть 6 x 6 x 6 = 216 возможных результатов. Поскольку писать повторное умножение становится громоздко, мы можем использовать экспоненты, чтобы упростить работу. Для двух кубиков существует 6 2 возможных исходов. Для трех кубиков существует 6 3 возможных исходов. В общем, если мы бросаем n кубиков, то есть всего 6 n возможных результатов.
Примеры задач
Обладая этими знаниями, мы можем решать все виды вероятностных задач:
1. Бросаются две шестигранные кости. Какова вероятность того, что сумма двух кубиков равна семи?
Самый простой способ решить эту проблему – обратиться к таблице выше. Вы заметите, что в каждом ряду есть один бросок кубиков, где сумма двух кубиков равна семи. Поскольку рядов шесть, есть шесть возможных исходов, в которых сумма двух кубиков равна семи. Общее количество возможных исходов остается 36. Мы снова находим вероятность, разделив частоту событий (6) на размер пространства выборки (36), что дает вероятность 1/6.
2. Бросаются две шестигранные кости. Какова вероятность того, что сумма двух кубиков равна трем?
В предыдущей задаче вы могли заметить, что ячейки, в которых сумма двух кости равны семи образуют диагональ. То же самое и здесь, за исключением того, что в этом случае есть только две ячейки, в которых сумма кубиков равна трем. Это потому, что есть только два способа добиться такого результата.. Вы должны выбросить 1 и 2 или вы должны выбросить 2 и 1. Комбинации для выпадения суммы семи намного больше (1 и 6, 2 и 5, 3 и 4 и так далее). Чтобы найти вероятность того, что сумма двух кубиков равна трем, мы можем разделить частоту события (2) на размер пространства выборки (36), что даст вероятность 1/18.
3. Бросаются две шестигранные кости. Какова вероятность того, что числа на кубиках разные?
Опять же, мы можем легко решить эту проблему, посмотрев на таблицу выше. Вы заметите, что клетки, в которых числа на кубиках совпадают, образуют диагональ. Их всего шесть, и как только мы вычеркнем их, у нас будут оставшиеся ячейки, в которых числа на кубиках разные. Мы можем взять количество комбинаций (30) и разделить его на размер пространства выборки (36), что даст вероятность 5/6.
Теории вероятностей: готовимся к собеседованию и разрешаем «парадоксы»
Каждый год я участвую примерно в сотне собеседований в образовательных проектах JetBrains: собеседую абитуриентов в Computer Science Center и корпоративную магистратуру ИТМО (кстати, набор на программу идёт прямо сейчас). Все собеседования устроены по одному шаблону: мы просим на месте порешать задачи и задаём базовые вопросы по дисциплинам, которые студенты изучали в университетах. Большинство вопросов, которые мы задаём, довольно простые — нужно дать определение некоторого понятия, сформулировать свойство или теорему. К сожалению, у значительной доли студентов все эти определения выветриваются сразу после экзаменов в университетах. Казалось бы, что тут удивительного? В современном мире любое определение можно за пару секунд нагуглить, если это нужно. Но невозможность восстановить базовое определение свидетельствует о непонимании сути предмета.
Если непонимание алгебры или математического анализа может мало влиять на вашу жизнь, то непонимание теории вероятностей делает из вас лёгкую мишень для обмана и манипулирования. Суждения о вероятностях различных событий настолько глубоко вошли в нашу повседневную жизнь, что умение правильно рассуждать и отличать правду от невежества или манипуляции является необходимым. В этом небольшом обзоре мы поговорим о базовых понятиях теории вероятностей, научимся правильно формулировать утверждения про простые случайные процессы и разберём несколько парадоксов. Часть материала позаимствована из брошюры А. Шеня «Вероятность: примеры и задачи», которую я очень рекомендую для самостоятельного изучения.
Перед тем, как говорить об определениях, нам нужно договориться о том, откуда же в нашем мире берётся случайность. Например, почему мы считаем, что подбрасывание монеты — это случайный процесс? С точки зрения классической физики, описывающей процессы в макромире, всё детерминировано, поэтому по параметрам подброса монеты можно однозначно определить, какой стороной она упадёт. Однако на практике оказывается, что измерить и учесть все силы, которые действуют на монетку фактически, невозможно, и поэтому результат этого эксперимента принято считать случайным. Важно понимать, что этот вопрос не является вопросом теории вероятностей. Теория вероятностей работает с моделями — для неё монетка, у которой орёл и решка выпадают одинаково часто, и монетка, у которой орлов в два раза больше, чем решек, — это просто две разные модели. Вопрос о том, какая из моделей больше соответствует наблюдаемой действительности — это вопрос нашего опыта (опыт показывает, что частота орла и решки примерно одинаковая). Таким образом, первым делом мы должны договориться о модели.
Определения
Для определения модели, которая позволит нам говорить о вероятностях, нужно описать вероятностное пространство.
Вероятностное пространство в самом простом конечном случае состоит из множества элементарных исходов и набора неотрицательных чисел , таких что их сумма равна . Довольно часто все исходы считаются равновероятными, т.е. . В более сложном бесконечном случае нужно отдельно выделять множество интересующих нас событий и задавать вероятности событий при помощи функции, называемой вероятностной мерой. Событием называется множество, состоящее из элементарных событий, т.е. любое подмножество . Вероятность события , обозначается , — это сумма всех таких , что . В частности, вероятность пустого события равна нулю, а события равна 1. В случае, когда все исходы считаются равновероятными, вероятность события просто равна отношению количества исходов, содержащихся в событии, к общему количеству элементарных исходов, т.е. .
Вероятность любого события заключена между 0 и 1. Если вероятность события нулевая, то такое событие называется невозможным, если же вероятность события равна единице, то такое событие называется достоверным.
Важно, что без определения вероятностного пространства нельзя (в математическом смысле) говорить о вероятности чего-либо.
Замечание
На основе определения вероятностного пространства легко провести разделение между теорией вероятностей и статистикой: теория вероятностей предсказывает частоты на основе знания вероятностного пространства, а статистика решает обратную задачу — на основе наблюдаемых частот определяет параметры неизвестного вероятностного пространства.
Пример: подбрасывание монетки
Будем считать, что монетка чеканная «правильная» или «симметричная», т.е. она одинаково часто выпадает орлом и решкой, а на ребро никогда не встаёт. Тогда множество элементарных исходов состоит из двух элементов, . Так как мы договорились, что монетка «правильная», то разумно считать, что . Теперь давайте перечислим все возможные события и их вероятности.
- Не выпадет ни орёл, ни решка. Это соответствует событию , .
- Выпадет орёл, , .
- Выпадет решка, , .
- Выпадет орёл или решка, , .
Пример: подбрасывание игрального кубика
Как и в случае с монеткой мы будем предполагать, что игральный кубик выпадает всеми гранями одинаково часто. Тогда множество элементарных исходов состоит из шести элементов, , все их вероятности равны . Количество различных событий в этом эксперименте равно (это количество всех подмножеств множества из 6 элементов). Удивительным образом вопрос «сколько существует различных событий в эксперименте с подбрасывание игрального кубика?», по моим наблюдения, ставит в тупик 9 из 10 абитуриентов.
Давайте рассмотрим некоторые примеры событий.
- Выпадет 1, , .
- Выпадет число большее трёх, , .
- Выпадет число кратное трём, , .
Пример: два подбрасывания монетки
Симметриченость монетки позволяет нам заключить, что все элементарные исходы равновероятны, т.е. .
Примеры событий.
- В первом броске выпадет решка, , .
- Выпадет хотя бы одна решка, , .
- Монетка дважды выпадет одной стороной, , .
Пример: выбираем случайное число из календаря 2020 года
Множество элементарных исходов . Как выбрать вероятности? Это зависит от того, как устроен эксперимент. Например, мы можем вырвать случайный лист отрывного календаря и посмотреть число на нем. Наиболее точной моделью, описывающей этот эксперимент, было бы вероятностное пространство с исходами, где одинаковые числа разных месяцев различаются. И тогда вероятность того, что выпадет число 1, была бы суммой вероятностей элементарных исходов, соответствующих первым числам разных месяцев, т.е. . Но мы можем для удобства рассмотреть более простое множество элементарных исходов с 31 исходом, но с разными вероятностями: , , .
Пример события: «выпавшее число месяца делится на 10». Это соответствует событию
.
Замечание
Как только мы определили вероятностное пространство (т.е. определились с множеством и вероятностями, которые мы приписываем элементарным исходам), то вопрос о вероятности некоторого события становится чисто арифметическим. Другими словами, как только мы выбрали некоторую математическую модель, которая с нашей точки зрения описывает физический процесс, то вероятности всех событий однозначно определены.
Задачи для самопроверки
В каждой задаче следует сначала описать вероятностное пространство, а уже только потом производить вычисления.
- Бросаем два игральных кубика: красный и синий. Определите вероятность того, что цифры на красном и синем кубиках совпадут.
- В этом же эксперименте с кубиками нужно найти наиболее вероятную сумму цифр на кубиках.
- Наудачу выбирается одно число от 1 до 20. Считая все числа равновозможными, определите вероятность того, что выбранное число:
- чётно;
- делится на 3;
- делится и на 2, и на 3;
- не делится ни на 2, ни на 3;
- имеет сумму цифр 9;
- имеет сумму цифр, делящуюся на 3.
Пример вероятностного пространства, не соответствующего физическому миру
Рассмотрим следующий эксперимент: подбрасываем две монетки и смотрим на то, какими сторонами они выпали. Можно было бы сказать, что в данной задаче всего три исхода: две решки, два орла и орёл и решка. Если предполагать, что все исходы равновозможны, то получается, что вероятность выпадения двух орлов равна 1/3. Математика не запрещает нам рассматривать такое вероятностное пространство, но экспериментальная проверка подсказывает, что в физическом мире ответ скорее ближе к 1/4. Поэтому не стоит по умолчанию предполагать все исходы равновозможными, иначе мы получим 1/2 в ответ на вопрос о вероятности встречи динозавра.
Формула суммы вероятностей
Будем называть два события несовместными, если их пересечение равно пустому множеству. Т.е., нет исходов, которые соответствовали бы обоим событиям. Пример: события «на игральном кубике выпало чётное число» и «на игральном кубике выпала единица или тройка» несовместны.
Несовместные события обладают следующим свойством. Пусть и — два несовместных события. Вероятность того, что произойдёт хотя бы одно из них, равна сумме вероятностей и , другими словами , событие также называют суммой событий и и обозначают . Это свойство не выполняется для произвольных событий. Например, события «на игральном кубике выпало чётное число» и «на игральном кубике выпало число больше четырёх» не несовместны и сумма их вероятностей (5/6) больше вероятности их суммы (4/6).
Рассмотрим следующую задачу. В мешке лежат шарики трёх цветов: белые, жёлтые и чёрные. Причём известно, что белых от общего числа, а жёлтых — . Какова вероятность того, что случайно вытащенный шар будет светлым? Аккуратный подсчёт показывает, что если в мешке шаров, то рассматриваемому событию соответствует шаров, т.е. от общего числа шаров. События «вытащен белый шар» и «вытащен жёлтый шар» несовместны, поэтому вероятность, что шар будет светлым равна сумме вероятностей этих событий.
События называются противоположными, если всегда происходит ровно одно из них. Из этого определения можно заключить, что во-первых, эти события несовместны, а во-вторых, их суммарная вероятность равна 1. Событие, противоположное событию , выражается, как (если все элементарные исходы имеют положительную вероятность, то это единственное такое событие).
Задача для самопроверки
Наудачу выбирается число от 1 до 100. Рассмотрим следующие события:
- число чётно;
- число нечётно;
- число делится на 4;
- число имеет остаток 2 при делении на 4;
- число имеет остаток 1 при делении на 4.
Формула включений и исключений
где — это пересечение событий и , т.е. это событие состоящее из тех элементарных исходов, которые входят одновременно и в , и в (такое событие также называют произведением событий и и обозначают ).
Задача для самопроверки
Известно, что ученики класса, имеющие двойки по алгебре, составляют 25%, а ученики, имеющие двойки по геометрии, составляют 15%. Сколько учеников имеют двойки и по алгебре, и по геометрии, если ученики, не имеющие двоек ни по одному из предметов, составляют 70%?
Условная вероятность
Какова вероятность, что случайно выбранный школьник знает немецкий при условии, что он знает французский?
Из формулы условной вероятности можно получить формулу для вероятности произведения двух событий.
Словами: чтобы найти вероятность того, что произойдут оба события и , надо умножить вероятность события на условную вероятность события при известном .
Задача для самопроверки
В классе 50% мальчиков; среди мальчиков 60% любит мороженое. Какова доля мальчиков, любящих мороженое, среди учеников класса? Как это переформулировать на языке теории вероятностей?
Независимость
(В этом определении предполагаются, что обе вероятности событий и строго больше нуля.)
Альтернативное определение можно получить, если воспользоваться определением условной вероятности: два события называются независимыми, если вероятность их произведения равна произведению их вероятностей.
Задачи для самопроверки
- Являются ли события «знать немецкий» и «знать французский» независимыми?
- Бросаем один игральный кубик. Являются ли независимыми события:
- «выпало чётное» и «выпало нечётное»,
- «выпало чётное» и «выпало 2»,
- «выпало чётное» и «выпало кратное трём».
И подставив это в определение получаем формулу Байеса
которая позволяет менять местами событие и условие под знаком вероятности. Думаю, что про применение формулы Баейса нужно писать отдельный пост, например, такой.
На этом мы закончим с определениями и перед тем, как перейти к парадоксам, давайте обсудим, а в каких случаях мы можем говорить о вероятности.
Когда мы можем говорить о вероятности?
Предлагаю рассмотреть несколько вопросов, которые проиллюстрируют важность формулировок.
Какова вероятность того, что гуляя по улице вы встретите динозавра?
Я думаю, что всем ясно, что это не 1/2. Но всё же, как правильно ответить на этот вопрос? Проблема этого вопроса в том, что он сформулирован некорректно — из него нельзя однозначным образом определить вероятностное пространство, а следовательно и о вероятности говорить нельзя. Можно предложить какую-нибудь другую формулировку вопроса, в которой это будет очевидно. Например, начиная с завтрашнего дня на каждой улице города каждую минуту с вероятностью 0.00001 материализуется динозавр и существует в течение часа, никуда не уходя. В данной формулировке понятен случайный процесс и можно оценить вероятность встречи, если определить, как устроена прогулка, сколько длится и сколько улиц она затрагивает.
Вы подбросили монетку и не подглядывая накрыли её рукой. Какова вероятность того, что монетка повёрнута орлом вверх?
Очень хочется сказать, что в данном случае уж точно вероятность — 1/2. Однако, строго говоря, никакого случайного процесса уже нет. Монетка уже упала какой-то стороной. От того, что вы чего-то не знаете, не значит, что это что-то случайное. Например, если вы не знаете решение уравнения — это не значит, что его решением с одинаковой вероятностью может быть любое число. Поэтому в данном случае описать вероятностное пространство не получится. Можно переформулировать вопрос, например, так: «Какова вероятность, что вы угадаете сторону монетки, если наугад равновероятно выберите орёл или решку?». В такой формулировке уже ясно, что является случайным процессом (выбор орла или решки), как определить вероятностное пространство и получить ответ 1/2. При этом, в такой формулировке уже совершенно неважно, была монетка «честной» или нет.
Замечание. Нашу уверенность в чём-то тоже можно описывать в терминах теории вероятностей — это делается в рамках Байесовской интерпретации теории вероятностей. Эта интерпретации позволяет использовать аппарат теории вероятностей для оценки нашей уверенности в истинности каких-то утверждений (не обязательно случайных) основываясь на информации, которая нам известна. Однако стоит заметить, что в этом случае понятие вероятности становится субъективным — у одного и того же события с точки зрения разных наблюдателей может быть разная вероятность. Например, в покере вы можете считать вероятность выпадения пиковой дамы положительной (так как вы не видите её на столе и в своей руке), а ваш противник, у которого в руке уже есть пиковая дама, будет оценивать вероятность её выпадения как нулевую. При этом можно придумать и такой вариант, в котором обе оценки окажутся отличными от «реальной», объктивной, вероятности. В этом нет противоречия, т.к. в это три различные величины (игроки обладают разной информацией, а объективная вероятность в данном случае соответствует полной информации).
Вы проснулись утром. Какова вероятность того, что сегодня воскресенье?
Думаю, что вы уже поняли, что ответ 1/7 — неправильный, а точнее, вопрос некорректный. Не понятно, что является случайный процессом. Для того, чтобы получить 1/7 нужно уточнить вопрос, например, так: вы засыпаете в воскресенье вечером и случайным образом просыпаетесь в любое утро на следующей неделе, какова вероятность, что вы проснётесь в воскресенье? Но даже с этим уточнением, если спросить вас о дне недели уже после того, как вы проснулись (после того, как случайный выбор был сделан), то такой вопрос останется некорректным — иначе придётся предполагать, что вы находитесь в суперпозиции всех дней недели до тех пор, пока не посмотрите на календарь.
Я написал на доске некоторое (конкретное) число и утверждаю, что дважды успешно проверил его на простоту вероятностным алгоритмом, который ошибается с вероятность менее 1%. С какой вероятностью это число простое?
Хотелось бы сказать, что это число простое с вероятностью более 99.99%. Однако, с математической точки зрения число может быть либо простым, либо нет. Поэтому так говорить некорректно. После того, как алгоритм завершил работу, ничего случайного в этой постановке задачи уже нет, следовательно нет и вероятности. Правильно было бы сказать, что вы уверены на 99.99%, что это число простое, но и это вы можете заявить только в том случае, если доверяете мне на 100% 🙂
Парадоксы
В этом разделе мы попробуем разобрать несколько известных «парадоксов» теории вероятностей и понять, что в них либо нет противоречий, либо вопросы поставлены некорректно.
Парадокс Монти-Холла
Как подсказывает Википедия, для того, чтобы задача была определена корректно, нам требуется уточнить, что участнику игры заранее известны следующие правила:
- автомобиль равновероятно размещён за любой из трёх дверей;
- ведущий знает, где находится автомобиль;
- ведущий в любом случае обязан открыть дверь с козой (но не ту, которую выбрал игрок) и предложить игроку изменить выбор;
- если у ведущего есть выбор, какую из двух дверей открыть, он выбирает любую из них с одинаковой вероятностью.
Для того, чтобы ответить на заданный вопрос, давайте разберёмся, что тут является случайным процессом. По уточнению видно, что случайный процесс упоминается только в пунктах 1 и 4: «автомобиль равновероятно размещён за любой из трёх дверей» и «если у ведущего есть выбор, какую из двух дверей открыть, он выбирает любую из них с одинаковой вероятностью». Вопрос, на который мы должны научиться отвечать, звучит так: «Увеличатся ли ваши шансы выиграть автомобиль, если вы примете предложение ведущего и измените свой выбор». Т.е. нас спрашивают о том, какая из двух стратегий даёт большую вероятность выигрыша. Замечу, что условие номер 4 никак не влияет на факт выигрыша игрока, поэтому нет смысла включать его в вероятностное пространство. Поэтому предлагается выбрать вероятностное пространство с множеством элементарных исходов , соответствующим номеру двери, за которым находится автомобиль, и вероятностями . Теперь рассмотрим две стратегии игрока: «оставить выбранную дверь», обозначим , и «сменить дверь», обозначим .
Мы не знаем, как игрок делает выбор первой двери, но нам и не нужно это знать. Достаточно проверить, как работает стратегия при всех выборах первой двери. Обозначим через дверь, которую игрок выбрал изначально, а через — дверь, за которой спрятан автомобиль. Тогда для любого событие «игрок выиграл при использовании стратегии » соответствует тому, что он угалад правильную дверь с первой попытки. Говоря формально, нас интересует событие , т.е. , и его вероятность . Событие «игрок выиграл при использовании стратегии » соответствует противоположному событию , т.е. , и его вероятность . Осталось ещё раз отметить, что, если этот анализ верен для любого выбора , поэтому верен и при любой стратегии выбора первой двери. Кроме того, заметим, что мы никак не использовали условие 4.
Как видите, никаких неоднозначностей тут нет, парадоксом эта задача называется только потому, что ответ может не соответствовать интуиции. Но так в математике случается довольно часто.
Парадокс мальчика и девочки
Впервые задача была сформулирована в 1959 году, когда Мартин Гарднер опубликовал один из самых ранних вариантов этого парадокса в журнале Scientific American под названием «The Two Children Problem», где привёл следующую формулировку:
- У мистера Джонса двое детей. Старший ребёнок — девочка. Какова вероятность того, что оба ребёнка — девочки?
- У мистера Смита двое детей. Хотя бы один ребёнок — мальчик. Какова вероятность того, что оба ребёнка — мальчики?
Вероятностное пространоство задано и все вероятности равны . В первом случае нам известно, что выполнено событие . Поэтому при условии вероятность двух девочек равна 1/2.
Во втором случае всё сложнее, т.к. не понятно, как мы узнали, что у мистера Смита один из детей мальчик. Можно предположить два варианта:
- Выбирается случайный человек с двумя детьми и его спрашивают, есть ли среди его детей мальчик. Тогда вероятность двух мальчиков получится 1/3, т.к. это соответствует вероятности ММ при условии события .
- Выбирается случайный человек с двумя детьми, выбирается случайный его ребёнок (старший или младший) и спрашивается его пол. Этот эксперимент соответствует другому вероятностному пространству, в котором нужно ещё учесть выбор того ребёнка, про которого спрашивают. В нём будет 8 элементарных исходов, и нам подойдут четыре из них (ММ и спросили про старшего, ММ и спросили про младшего, МД и спросили про старшего, ДМ и спросили про младшего). Нам подходят два исхода, поэтому ответом будет 1/2.
Парадокс Спящей Красавицы
Испытуемой («Спящей Красавице») делается укол снотворного. Бросается симметричная монетка. В случае выпадения орла её будят, и эксперимент на этом заканчивается. В случае выпадения решки её будят, делают второй укол (после чего она забывает о побудке) и будят на следующий день, не бросая монеты (в таком случае эксперимент идёт два дня подряд). Вся эта процедура Красавице известна, однако у неё нет информации, в какой день её разбудили.
Представьте себя на месте Спящей Красавицы. Вас разбудили. Какова вероятность того, что монетка упала решкой?
Предлагается рассмотреть два альтернативных решения с разными результатами.
Решение 1
У вас нет никакой информации о результате выпадения монеты и предыдущих побудках. Поскольку известно, что монетка честная, можно предположить, что вероятность выпадения решки равна .
Решение 2
Проведём эксперимент 1000 раз. Спящую Красавицу будят в среднем 500 раз с орлом и 1000 раз с решкой (т.к. при выпадении решки Спящую Красавицу спрашивают 2 раза). Поэтому вероятность выпадения решки равна .
Кажется, что оба решения могут претендовать на звание правильного. Однако, при попытке определить вероятностное пространство нас ожидают серьёзные трудности. Что же является случайным процессом? Дело в том, что когда Спящая Красавица просыпается, никакого случайного процесса уже нет. Выбор уже сделан. Ей не известен результат этого выбора, но ничего случайного уже нет. Это возвращает нас к примеру с динозавром. Если вы не знаете, есть ли за углом динозавр, то это не значит, что он там есть с вероятностью 1/2. Поэтому «Решение 1» отвечает не на вопрос про вероятность, а на вопрос про степень уверенности Спящей Красавицы. А «Решение 2» предлагает рассмотреть совершенно другой эксперимент, в котором задаётся в общем-то совершенно другой вопрос, на который предлагается ответить внешнему наблюдателю до начала эксперимента.
Для того, чтобы придать этому вопросу математический смысл и получить желаемый ответ 2/3, придётся воспользоваться каким-нибудь философским приёмом, вроде «подселения душ». Например, так: вы заходите в аппарат переселения душ, после этого подбрасывается монетка для Спящей Красавицы, которая создаёт две параллельные вселенные: одну, где монетка выпала орлом, и другую, где выпала решкой. Суммарно в пространстве-времени этих двух альтернативных вселенных есть три различных пробуждения Спящей Красавицы. Аппарат по переселению душ с вероятностью 1/3 подселяет вашу душу в тело Спящей Красавицы незадолго до одного из этих пробуждений. Какова вероятность, что вы проснетесь в параллельной вселенной, где выпала решка?
Как видите, для придания математического смысла этому вопросу, придётся хорошенько пофантазировать, но этим занимаются не математики, а философы (подробнее в этом посте). Утверждать, что «оба решения правильные», некорректно с математической точки зрения.
Задача для самопроверки
Объясните, почему в задаче о детях моряка, с которой начинается этот пост, вопрос поставлен некорректно (т.е. ни 1/2, ни 1/3 не являются правильным ответом).
Бесконечный случай
Когда мы переходим к бесконечному случаю, т.е. рассматриваем эксперименты с бесконечным числом элементарных исходов, то всё становится значительно сложнее. Я не буду вдаваться в детали и даже не буду определять вероятностное пространство для бесконечного случая, т.к. это требует более сложной математики. Однако, для иллюстрации отмечу, что в бесконечном случае могут быть такие (плохие) множества элементарных исходов, которые не имеют вероятности (неизмеримые множества). При этом для всех хороших (измеримых) событий вероятность определена однозначно. Поэтому и те «парадоксы», которые возникают в бесконечном случае, тоже возникают из-за неоднозначности выбора вероятностного пространства. Хорошим наглядным примером служит парадокс Бертрана, показывающий, как казалось бы эквивалентные (на самом деле нет) вероятностные пространства приводят к разным результатам.
Вместо заключения
Даже если вы не собираетесь никуда поступать или проходить собеседования на технические позиции в IT-компании, то вы всё равно можете захотеть освежить знания по математике, которые могут пригодиться в программировании. Могу посоветовать онлайн-курс СS центра по теории вероятностей, который читает А.И. Храбров.
БОНУС
Приглашаю всех послушать лекция Александра Шеня «Генераторы «случайных чисел»: теория и практика» в это воскресенье 26 апреля в 14:00 в Computer Science клубе. Лекция будет читаться в zoom-е, для участия нужно записаться на курс или подписаться на рассылку.