Хотите узнать, какие математические шансы на успех вашей ставки? Тогда для вас есть две хорошие новости. Первая: чтобы посчитать проходимость, не нужно проводить сложные расчеты и тратить большое количество времени. Достаточно воспользоваться простыми формулами, работа с которыми займёт пару минут. Вторая: после прочтения этой статьи вы с лёгкостью сможете рассчитывать вероятность прохода любой вашей сделки.

Чтобы верно определить проходимость, нужно сделать три шага:

• Рассчитать процент вероятности исхода события по мнению букмекерской конторы;
• Вычислить вероятность по статистическим данным самостоятельно;
• Узнать ценность ставки, учитывая обе вероятности.

Рассмотрим подробно каждый из шагов, применяя не только формулы, но и примеры.

Быстрый переход

Подсчёт вероятности, заложенной в букмекерские коэффициенты

Первый шаг – необходимо узнать, с какой вероятностью оценивает шансы на тот или иной исход сам букмекер. Ведь понятно, что кэфы букмекерские конторы не ставят просто так. Для этого пользуемся следующей формулой:

P Б =(1/K)*100%,

где P Б – вероятность исхода по мнению букмекерской конторы;

K – коэффициент БК на исход.

Допустим, на победу лондонского Арсенала в поединке против Баварии коэффициент 4. Это значит, что вероятность его виктории БК расценивают как (1/4)*100%=25%. Или же Джокович играет против Южного. На победу Новака множитель 1.2, его шансы равны (1/1.2)*100%=83%.

Так оценивает шансы на успех каждого игрока и команды сама БК. Осуществив первый шаг, переходим ко второму.

Расчёт вероятности события игроком

Второй пункт нашего плана – собственная оценка вероятности события. Так как мы не можем учесть математически такие параметры как мотивация, игровой тонус, то воспользуемся упрощённой моделью и будем пользоваться только статистикой предыдущих встреч. Для расчёта статистической вероятности исхода применяем формулу:

P И =(УМ/М)*100%,

где P И – вероятность события по мнению игрока;

УМ – количество успешных матчей, в которых такое событие происходило;

М – общее количество матчей.

Чтобы было понятней, приведём примеры. Энди Маррей и Рафаэль Надаль сыграли между собой 14 матчей. В 6 из них был зафиксирован тотал меньше 21 по геймам, в 8 – тотал больше. Необходимо узнать вероятность того, что следующий поединок будет сыгран на тотал больше: (8/14)*100=57%. Валенсия сыграла на Месталье против Атлетико 74 матча, в которых одержала 29 побед. Вероятность победы Валенсии: (29/74)*100%=39%.

И это все мы узнаем только благодаря статистике предыдущих игр! Естественно, что на какую-то новую команду или игрока такую вероятность просчитать не получится, поэтому такая стратегия ставок подойдет только для матчей, в которых соперники встречаются не первый раз. Теперь мы умеем определять букмекерскую и собственную вероятности исходов, и у нас есть все знания, чтобы перейти к последнему шагу.

Определение ценности ставки

Ценность (валуйность) пари и проходимость имеют непосредственную связь: чем выше валуйность, тем выше шанс на проход. Рассчитывается ценность следующим образом:

V= P И *K-100%,

где V – ценность;

P И – вероятность исхода по мнению беттера;

K – коэффициент БК на исход.

Допустим, мы хотим поставить на победу Милана в матче против Ромы и подчитали, что вероятность победы «красно-черных» 45%. Букмекер предлагает нам на это исход коэффициент 2.5. Будет ли такое пари ценным? Проводим расчёты: V=45%*2.5-100%=12.5%. Отлично, перед нами ценная ставка с хорошими шансами на проход.

Возьмём другой случай. Мария Шарапова играет против Петры Квитовой. Мы хотим заключить сделку на победу Марии, вероятность которой по нашим расчетам 60%. Конторы предлагают на этот исход множитель 1.5. Определяем валуйность: V=60%*1.5-100=-10%. Как видим, ценности эта ставка не представляет и от неё следует воздержаться.

Профессиональный беттер должен хорошо ориентироваться в коэффициентах, быстро и правильно оценивать вероятность события по коэффициенту и при необходимости уметь перевести коэффициенты из одного формата в другой . В данном мануале мы расскажем о том, какие бывают виды коэффициентов, а так же на примерах разберём, как можно высчитывать вероятность по известному коэффициенту и наоборот.

Какие бывают типы коэффициентов?

Существует три основных вида коэффициентов, которые предлагают игрокам букмекеры: десятичные коэффициенты , дробные коэффициенты (английские) и американские коэффициенты . Наиболее распространённые коэффициенты в Европе - десятичные. В Северной Америке популярны американские коэффициенты. Дробные коэффициенты - наиболее традиционный вид, они сразу же отражают информацию о том сколько нужно поставить, чтобы получить определённую сумму.

Десятичные коэффициенты

Десятичные или еще их называют европейские коэффициенты - это привычный формат числа, представленный десятичной дробью с точностью до сотых, а иногда даже до тысячных. Пример десятичного коэффициента - 1.91. Рассчитать прибыль в случае с десятичными коэффициентами очень просто, достаточно лишь умножить сумму вашей ставки на этот коэффициент. Например, в матче "Манчестер Юнайтед" - "Арсенал" победа "МЮ" выставлена с коэффициентом - 2.05, ничья оценена коэффициентом - 3.9, а победа "Арсенала" равняется - 2.95. Предположим, что мы уверены в победе "Юнайтед" и ставим на них 1000 долларов. Тогда наш возможный доход рассчитывается следующим образом:

2.05 * $1000 = $2050;

Правда ведь ничего сложного?! Точно так же рассчитывается возможный доход при ставке на ничью и победу "Арсенала".

Ничья: 3.9 * $1000 = $3900;
Победа "Арсенала": 2.95 * $1000 = $2950;

Как рассчитать вероятность события по десятичным коэффициентам?

Представим теперь что нам нужно определить вероятность события по десятичным коэффициентам, которые выставил букмекер. Делается это так же очень просто. Для этого мы единицу делим на этот коэффициент.

Возьмем уже имеющиеся данные и посчитаем вероятность каждого события:

Победа "Манчестер Юнайтед": 1 / 2.05 = 0,487 = 48,7%;
Ничья: 1 / 3.9 = 0,256 = 25,6%;
Победа "Арсенала": 1 / 2.95 = 0,338 = 33,8%;

Дробные коэффициенты (Английские)

Как понятно из названия дробный коэффициент представлен обыкновенной дробью. Пример английского коэффициента - 5/2. В числителе дроби находиться число, являющееся потенциальной суммой чистого выигрыша, а в знаменателе расположено число обозначающее сумму которую нужно поставить, чтобы этот выигрыш получить. Проще говоря, мы должны поставить $2 доллара, чтобы выиграть $5. Коэффициент 3/2 означает что для того чтобы получить $3 чистого выигрыша нам придётся сделать ставку в размере $2.

Как рассчитать вероятность события по дробным коэффициентам?

Вероятность события по дробным коэффициентам рассчитать так же не сложно, нужно всего на всего разделить знаменатель на сумму числителя и знаменателя.

Для дроби 5/2 рассчитаем вероятность: 2 / (5+2) = 2 / 7 = 0,28 = 28%;
Для дроби 3/2 рассчитаем вероятность:

Американские коэффициенты

Американские коэффициенты в Европе непопулярны, зато в Северной Америке очень даже. Пожалуй, данный вид коэффициентов самый сложный, но это только на первый взгляд. На самом деле и в этом типе коэффициентов ничего сложного нет. Сейчас во всем разберёмся по порядку.

Главной особенностью американских коэффициентов является то, что они могут быть как положительными , так и отрицательными . Пример американских коэффициентов - (+150), (-120). Американский коэффициент (+150) означает, что для того чтобы заработать $150 нам нужно поставить $100. Иными словами положительный американский коэффициент отражает потенциальный чистый заработок при ставке в $100. Отрицательный же американский коэффициент отражает сумму ставки, которую необходимо сделать для того чтобы получить чистый выигрыш в $100. Например коэффициент (- 120) нам говорит о том, что поставив $120 мы выиграем $100.

Как рассчитать вероятность события по американским коэффициентам?

Вероятность события по американскому коэффициенту считается по следующим формулам:

(-(M)) / ((-(M)) + 100) , где M - отрицательный американский коэффициент;
100 / (P + 100) , где P - положительный американский коэффициент;

Например, мы имеем коэффициент (-120), тогда вероятность рассчитывается так:

(-(M)) / ((-(M)) + 100); подставляем вместо "M" значение (-120);
(-(-120)) / ((-(-120)) + 100 = 120 / (120 + 100) = 120 / 220 = 0,545 = 54,5%;

Таким образом, вероятность события с американским коэффициентом (-120) равна 54,5%.

Например, мы имеем коэффициент (+150), тогда вероятность рассчитывается так:

100 / (P + 100); подставляем вместо "P" значение (+150);
100 / (150 + 100) = 100 / 250 = 0,4 = 40%;

Таким образом, вероятность события с американским коэффициентом (+150) равна 40%.

Как зная процент вероятности перевести его в десятичный коэффициент?

Для того чтобы рассчитать десятичный коэффициент по известному проценту вероятности нужно 100 разделить на вероятность события в процентах. Например, вероятность события составляет 55%, тогда десятичный коэффициент этой вероятности будет равен 1,81.

100 / 55% = 1,81

Как зная процент вероятности перевести его в дробный коэффициент?

Для того чтобы рассчитать дробный коэффициент по известному проценту вероятности нужно от деления 100 на вероятность события в процентах отнять единицу. Например, имеем процент вероятности 40%, тогда дробный коэффициент этой вероятности будет равен 3/2.

(100 / 40%) - 1 = 2,5 - 1 = 1,5;
Дробный коэффициент равен 1,5/1 или 3/2.

Как зная процент вероятности перевести его в американский коэффициент?

Если вероятность события больше 50%, то расчёт производится по формуле:

- ((V) / (100 - V)) * 100, где V - вероятность;

Например, имеем вероятность события 80%, тогда американский коэффициент этой вероятности будет равен (-400).

- (80 / (100 - 80)) * 100 = - (80 / 20) * 100 = - 4 * 100 = (-400);

В случае если вероятность события меньше 50%, то расчёт производиться по формуле:

((100 - V) / V) * 100 , где V - вероятность;

Например, имеем процент вероятности события 20%, тогда американский коэффициент этой вероятности будет равен (+400).

((100 - 20) / 20) * 100 = (80 / 20) * 100 = 4 * 100 = 400;

Как перевести коэффициент в другой формат?

Бывают случаи, когда необходимо перевести коэффициенты из одного формата в другой. Например, у нас есть дробный коэффициент 3/2 и нам нужно перевести его в десятичный. Для перевода дробного коэффициента в десятичный мы сначала определяем вероятность события с дробным коэффициентом, а затем эту вероятность переводим в десятичный коэффициент.

Вероятность события с дробным коэффициентом 3/2 равна 40%.

2 / (3+2) = 2 / 5 = 0,4 = 40%;

Теперь переведём вероятность события в десятичный коэффициент, для этого 100 делим на вероятность события в процентах:

100 / 40% = 2.5;

Таким образом, дробный коэффициент 3/2 равен десятичному коэффициенту 2.5. Аналогичным образом переводятся, например, американские коэффициенты в дробные, десятичные в американские и т.д. Самое сложное во всём этом лишь расчёты.

Важные замечания!
1. Если вместо формул ты видишь абракадабру, почисти кэш. Как это сделать в твоем браузере написано здесь:
2. Прежде чем на начнешь читать статью, обрати внимание на наш навигатор по самым полезным ресурса для

Что такое вероятность?

Столкнувшись с этим термином первый раз, я бы не понял, что это такое. Поэтому попытаюсь объяснить доступно.

Вероятность - это шанс того, что произойдет нужное нам событие.

Например, ты решил зайти к знакомому, помнишь подъезд и даже этаж на котором он живет. А вот номер и расположение квартиры забыл. И вот стоишь ты на лестничной клетке, а перед тобой двери на выбор.

Каков шанс (вероятность) того, что если ты позвонишь в первую дверь, тебе откроет твой друг? Всего квартиры, а друг живет только за одной из них. С равным шансом мы можем выбрать любую дверь.

Но каков этот шанс?

Дверей, нужная дверь. Вероятность угадать, позвонив в первую дверь: . То есть один раз из трех ты точно угадаешь.

Мы хотим узнать, позвонив раз, как часто мы будем угадывать дверь? Давай рассмотри все варианты:

1. Ты позвонил в 1ю дверь
2. Ты позвонил в 2ю дверь
3. Ты позвонил в 3ю дверь

А теперь рассмотрим все варианты, где может находиться друг:

а. За 1ой дверью
б. За 2ой дверью
в. За 3ей дверью

Сопоставим все варианты в виде таблицы. Галочкой обозначены варианты, когда твой выбор совпадает с местоположением друга, крестиком - когда не совпадает.

Как видишь всего возможно вариантов местоположения друга и твоего выбора, в какую дверь звонить.

А благоприятных исходов всего . То есть раза из ты угадаешь, позвонив в дверь раз, т.е. .

Это и есть вероятность - отношение благоприятного исхода (когда твой выбор совпал с местоположение друга) к количеству возможных событий.

Определение - это и есть формула. Вероятность принято обозначать p, поэтому:

Такую формулу писать не очень удобно, поэтому примем за - количество благоприятных исходов, а за - общее количество исходов.

Вероятность можно записывать в процентах, для этого нужно умножить получившийся результат на:

Наверное, тебе бросилось в глаза слово «исходы». Поскольку математики называют различные действия (у нас такое действие - это звонок в дверь) экспериментами, то результатом таких экспериментов принято называть исход.

Ну а исходы бывают благоприятные и неблагоприятные.

Давай вернемся к нашему примеру. Допустим, мы позвонили в одну из дверей, но нам открыл незнакомый человек. Мы не угадали. Какова вероятность, что если позвоним в одну из оставшихся дверей, нам откроет наш друг?

Если ты подумал, что, то это ошибка. Давай разбираться.

У нас осталось две двери. Таким образом, у нас есть возможные шаги:

1) Позвонить в 1-ую дверь
2) Позвонить во 2-ую дверь

Друг, при всем этом, точно находится за одной из них (ведь за той, в которую мы звонили, его не оказалось):

а) Друг за 1-ой дверью
б) Друг за 2-ой дверью

Давай снова нарисуем таблицу:

Как видишь, всего есть варианта, из которых - благоприятны. То есть вероятность равна.

А почему не?

Рассмотренная нами ситуация - пример зависимых событий. Первое событие - это первый звонок в дверь, второе событие - это второй звонок в дверь.

А зависимыми они называются потому что влияют на следующие действия. Ведь если бы после первого звонка в дверь нам открыл друг, то какова была бы вероятность того, что он находится за одной из двух других? Правильно, .

Но если есть зависимые события, то должны быть и независимые ? Верно, бывают.

Хрестоматийный пример - бросание монетки.

1. Бросаем монетку раз. Какова вероятность того, что выпадет, например, орел? Правильно - , ведь вариантов всего (либо орел, либо решка, пренебрежем вероятностью монетки встать на ребро), а устраивает нас только.
2. Но выпала решка. Ладно, бросаем еще раз. Какова сейчас вероятность выпадения орла? Ничего не изменилось, все так же. Сколько вариантов? Два. А сколько нас устраивает? Один.

И пусть хоть тысячу раз подряд будет выпадать решка. Вероятность выпадения орла на раз будет все также. Вариантов всегда, а благоприятных - .

Отличить зависимые события от независимых легко:

1. Если эксперимент проводится раз (раз бросают монетку, 1 раз звонят в дверь и т.д.), то события всегда независимые.
2. Если эксперимент проводится несколько раз (монетку бросают раз, в дверь звонят несколько раз), то первое событие всегда независимое. А дальше, если количество благоприятных или количество всех исходов меняется, то события зависимые, а если нет - независимые.

Давай немного потренируемся определять вероятность.

Пример 1.

Монетку бросают два раза. Какова вероятность того, что два раза подряд выпадет орел?

Решение:

Рассмотрим все возможные варианты:

1. Орел-орел
2. Орел-решка
3. Решка-орел
4. Решка-решка

Как видишь, всего варианта. Из них нас устраивает только. То есть вероятность:

Если в условии просят просто найти вероятность, то ответ нужно давать в виде десятичной дроби. Если было бы указано, что ответ нужно дать в процентах, тогда мы умножили бы на.

Ответ:

Пример 2.

В коробке конфет все конфеты упакованы в одинаковую обертку. Однако из конфет - с орехами, с коньяком, с вишней, с карамелью и с нугой.

Какова вероятность, взяв одну конфету, достать конфету с орехами. Ответ дайте в процентах.

Решение:

Сколько всего возможных исходов? .

То есть, взяв одну конфету, она будет одной из, имеющихся в коробке.

А сколько благоприятных исходов?

Потому что в коробке только конфет с орехами.

Ответ:

Пример 3.

В коробке шаров. из них белые, - черные.

1. Какова вероятность вытащить белый шар?
2. Мы добавили в коробку еще черных шаров. Какова теперь вероятность вытащить белый шар?

Решение:

а) В коробке всего шаров. Из них белых.

Вероятность равна:

б) Теперь шаров в коробке стало. А белых осталось столько же - .

Ответ:

Полная вероятность

Допустим, в ящике красных и зеленых шаров. Какова вероятность вытащить красный шар? Зеленый шар? Красный или зеленый шар?

Вероятность вытащить красный шар

Зеленый шар:

Красный или зеленый шар:

Как видишь, сумма всех возможных событий равна (). Понимание этого момента поможет тебе решить многие задачи.

Пример 4.

В ящике лежит фломастеров: зеленых, красных, синих, желтых, черный.

Какова вероятность вытащить НЕ красный фломастер?

Решение:

Давай посчитаем количество благоприятных исходов.

НЕ красный фломастер, это значит зеленый, синий, желтый или черный.

Правило умножения вероятностей независимых событий

Что такое независимые события ты уже знаешь.

А если нужно найти вероятность того, что два (или больше) независимых события произойдут подряд?

Допустим мы хотим знать, какова вероятность того, что бросая монетку раза, мы два раза увидим орла?

Мы уже считали - .

А если бросаем монетку раза? Какова вероятность увидеть орла раза подряд?

Всего возможных вариантов:

1. Орел-орел-орел
2. Орел-орел-решка
3. Орел-решка-орел
4. Орел-решка-решка
5. Решка-орел-орел
6. Решка-орел-решка
7. Решка-решка-орел
8. Решка-решка-решка

Не знаю как ты, но я раза ошибся, составляя этот список. Ух! А подходит нам только вариант (первый).

Для 5 бросков можешь составить список возможных исходов сам. Но математики не столь трудолюбивы, как ты.

Поэтому они сначала заметили, а потом доказали, что вероятность определенной последовательности независимых событий каждый раз уменьшается на вероятность одного события.

Другими словами,

Рассмотрим на примере все той же, злосчастной, монетки.

Вероятность выпадения орла в испытании? . Теперь мы бросаем монетку раз.

Какова вероятность выпадения раз подряд орла?

Это правило работает не только, если нас просят найти вероятность того, что произойдет одно и то же событие несколько раз подряд.

Если бы мы хотели найти последовательность РЕШКА-ОРЕЛ-РЕШКА, при бросках подряд, мы поступили бы также.

Вероятность выпадения решка - , орла - .

Вероятность выпадения последовательности РЕШКА-ОРЕЛ-РЕШКА-РЕШКА:

Можешь проверить сам, составив таблицу.

Правило сложения вероятностей несовместных событий.

Так стоп! Новое определение.

Давай разбираться. Возьмем нашу изношенную монетку и бросим её раза.
Возможные варианты:

1. Орел-орел-орел
2. Орел-орел-решка
3. Орел-решка-орел
4. Орел-решка-решка
5. Решка-орел-орел
6. Решка-орел-решка
7. Решка-решка-орел
8. Решка-решка-решка

Так вот несовместные события, это определенная, заданная последовательность событий. - это несовместные события.

Если мы хотим определить, какова вероятность двух (или больше) несовместных событий то мы складываем вероятности этих событий.

Нужно понять, что выпадение орла или решки - это два независимых события.

Если мы хотим определить, какова вероятность выпадения последовательности) (или любой другой), то мы пользуемся правилом умножения вероятностей.
Какова вероятность выпадения при первом броске орла, а при втором и третьем решки?

Но если мы хотим узнать, какова вероятность выпадения одной из нескольких последовательностей, например, когда орел выпадет ровно раз, т.е. варианты и, то мы должны сложить вероятности этих последовательностей.

Всего вариантов, нам подходит.

То же самое мы можем получить, сложив вероятности появления каждой последовательности:

Таким образом, мы складываем вероятности, когда хотим определить вероятность некоторых, несовместных, последовательностей событий.

Есть отличное правило, помогающее не запутаться, когда умножать, а когда складывать:

Возвратимся к примеру, когда мы подбросили монетку раза, и хотим узнать вероятность увидеть орла раз.
Что должно произойти?

Должны выпасть:
(орел И решка И решка) ИЛИ (решка И орел И решка) ИЛИ (решка И решка И орел).
Вот и получается:

Давай рассмотрим несколько примеров.

Пример 5.

В коробке лежит карандашей. красных, зеленых, оранжевых и желтых и черных. Какова вероятность вытащить красный или зеленый карандаши?

Решение:

Пример 6.

Игральную кость бросают дважды, какова вероятность того, что в сумме выпадет 8 очков?

Решение.

Как мы можем получить очков?

(и) или (и) или (и) или (и) или (и).

Вероятность выпадения одной (любой) грани - .

Считаем вероятность:

Тренировка.

Думаю, теперь тебе стало понятно, когда нужно как считать вероятности, когда их складывать, а когда умножать. Не так ли? Давай немного потренируемся.

Задачи:

Возьмем карточную колоду, в которой карты, из них пик, червей, 13 треф и 13 бубен. От до туза каждой масти.

1. Какова вероятность вытащить трефы подряд (первую вытащенную карту мы кладем обратно в колоду и перемешиваем)?
2. Какова вероятность вытащить черную карту (пики или трефы)?
3. Какова вероятность вытащить картинку (вальта, даму, короля или туза)?
4. Какова вероятность вытащить две картинки подряд (первую вытащенную карту мы убираем из колоды)?
5. Какова вероятность, взяв две карты, собрать комбинацию - (валет, дама или король) и туз Последовательность, в которой будут вытащены карты, не имеет значения.

Ответы:

Если ты смог сам решить все задачи, то ты большой молодец! Теперь задачи на теорию вероятностей в ЕГЭ ты будешь щелкать как орешки!

ТЕОРИЯ ВЕРОЯТНОСТЕЙ. СРЕДНИЙ УРОВЕНЬ

Рассмотрим пример. Допустим, мы бросаем игральную кость. Что это за кость такая, знаешь? Так называют кубик с цифрами на гранях. Сколько граней, столько и цифр: от до скольки? До.

Итак, мы бросаем кость и хотим, чтобы выпало или. И нам выпадает.

В теории вероятностей говорят, что произошло благоприятное событие (не путай с благополучным).

Если бы выпало, событие тоже было бы благоприятным. Итого может произойти всего два благоприятных события.

А сколько неблагоприятных? Раз всего возможных событий, значит, неблагоприятных из них события (это если выпадет или).

Определение:

Вероятностью называется отношение количества благоприятных событий к количеству всех возможных событий . То есть вероятность показывает, какая доля из всех возможных событий приходится на благоприятные.

Обозначают вероятность латинской буквой (видимо, от английского слова probability - вероятность).

Принято измерять вероятность в процентах (см. тему , ) . Для этого значение вероятности нужно умножать на. В примере с игральной костью вероятность.

А в процентах: .

Примеры (реши сам):

1. С какой вероятностью при бросании монетки выпадет орел? А с какой вероятностью выпадет решка?
2. С какой вероятностью при бросании игральной кости выпадет четное число? А с какой - нечетное?
3. В ящике простых, синих и красных карандашей. Наугад тянем один карандаш. Какова вероятность вытащить простой?

Решения:

1. Сколько всего вариантов? Орел и решка - всего два. А сколько из них благоприятных? Только один - орел. Значит, вероятность

   С решкой то же самое: .

2. Всего вариантов: (сколько сторон у кубика, столько и различных вариантов). Благоприятных из них: (это все четные числа:).
   Вероятность. С нечетными, естественно, то же самое.
3. Всего: . Благоприятных: . Вероятность: .

Полная вероятность

Все карандаши в ящике зеленые. Какова вероятность вытащить красный карандаш? Шансов нет: вероятность (ведь благоприятных событий -).

Такое событие называется невозможным .

А какова вероятность вытащить зеленый карандаш? Благоприятных событий ровно столько же, сколько событий всего (все события - благоприятные). Значит, вероятность равна или.

Такое событие называется достоверным .

Если в ящике зеленых и красных карандашей, какова вероятность вытащить зеленый или красный? Опять же. Заметим такую вещь: вероятность вытащить зеленый равна, а красный - .

В сумме эти вероятности равны ровно. То есть, сумма вероятностей всех возможных событий равна или.

Пример:

В коробке карандашей, среди них синих, красных, зеленых, простых, желтый, а остальные - оранжевые. Какова вероятность не вытащить зеленый?

Решение:

Помним, что все вероятности в сумме дают. А вероятность вытащить зеленый равна. Значит, вероятность не вытащить зеленый равна.

Запомни этот прием: вероятность того, что событие не произойдет равна минус вероятность того, что событие произойдет.

Независимые события и правило умножения

Ты кидаешь монетку раза, и хочешь, чтобы оба раза выпал орел. Какова вероятность этого?

Давай переберем все возможные варианты и определим, сколько их:

Орел-Орел, Решка-Орел, Орел-Решка, Решка-Решка. Какие еще?

Всего варианта. Из них нам подходит только один: Орел-Орел. Итого, вероятность равна.

Хорошо. А теперь кидаем монетку раза. Посчитай сам. Получилось? (ответ).

Ты мог заметить, что с добавлением каждого следующего броска вероятность уменьшается в раза. Общее правило называется правилом умножения :

Вероятности независимых событий переменожаются.

Что такое независимые события? Все логично: это те, которые не зависят друг от друга. Например, когда мы бросаем монетку несколько раз, каждый раз производится новый бросок, результат которого не зависит от всех предыдущих бросков. С таким же успехом мы можем бросать одновременно две разные монетки.

Еще примеры:

1. Игральную кость бросают дважды. Какова вероятность, что оба раза выпадет?
2. Монетку бросают раза. Какова вероятность, что в первый раз выпадет орел, а потом два раза решка?
3. Игрок бросает две кости. Какова вероятность, что сумма чисел на них будет равна?

Ответы:

1. События независимы, значит, работает правило умножения: .
2. Вероятность орла равна. Вероятность решки - тоже. Перемножаем:
3. 12 может получиться только, если выпадут две -ки: .

Несовместные события и правило сложения

Несовместными называются события, которые дополняют друг друга до полной вероятности. Из названия видно, что они не могут произойти одновременно. Например, если бросаем монетку, может выпасть либо орел, либо решка.

Пример.

В коробке карандашей, среди них синих, красных, зеленых, простых, желтый, а остальные - оранжевые. Какова вероятность вытащить зеленый или красный?

Решение .

Вероятность вытащить зеленый карандаш равна. Красный - .

Благоприятных событий всего: зеленых + красных. Значит, вероятность вытащить зеленый или красный равна.

Эту же вероятность можно представить в таком виде: .

Это и есть правило сложения: вероятности несовместных событий складываются.

Задачи смешанного типа

Пример.

Монетку бросают два раза. Какова вероятность того, что результат бросков будет разный?

Решение .

Имеется в виду, что если первым выпал орел, второй должна быть решка, и наоборот. Получается, что здесь две пары независимых событий, и эти пары друг с другом несовместны. Как бы не запутаться, где умножать, а где складывать.

Есть простое правило для таких ситуаций. Попробуй описать, что должно произойти, соединяя события союзами «И» или «ИЛИ». Например, в данном случае:

Должны выпасть (орел и решка) или (решка и орел).

Там где стоит союз «и», будет умножение, а там где «или» - сложение:

Попробуй сам:

1. С какой вероятностью при двух бросаниях монетки оба раза выпадет одно и та же сторона?
2. Игральную кость бросают дважды. Какова вероятность, что в сумме выпадет очков?

Решения:

Еще пример:

Бросаем монетку раза. Какова вероятность, что хотя-бы один раз выпадет орел?

Решение:

ТЕОРИЯ ВЕРОЯТНОСТЕЙ. КОРОТКО О ГЛАВНОМ

Вероятность - это отношение количества благоприятных событий к количеству всех возможных событий.

Независимые события

Два события независимы если при наступлении одного вероятность наступления другого не изменяется.

Полная вероятность

Вероятность всех возможных событий равна ().

Вероятность того, что событие не произойдет, равна минус вероятность того, что событие произойдет.

Правило умножения вероятностей независимых событий

Вероятность определенной последовательности независимых событий, равна произведению вероятностей каждого из событий

Несовместные события

Несовместными называются события, которые никак не могут произойти одновременно в результате эксперимента. Ряд несовместных событий образуют полную группу событий.

Вероятности несовместных событий складываются.

Описав что должно произойти, используя союзы «И» или «ИЛИ», вместо «И» ставим знак умножения, а вместо «ИЛИ» — сложения.

Ну вот, тема закончена. Если ты читаешь эти строки, значит ты очень крут.

Потому что только 5% людей способны освоить что-то самостоятельно. И если ты дочитал до конца, значит ты попал в эти 5%!

Теперь самое главное.

Ты разобрался с теорией по этой теме. И, повторюсь, это… это просто супер! Ты уже лучше, чем абсолютное большинство твоих сверстников.

Проблема в том, что этого может не хватить…

Для чего?

Для успешной сдачи ЕГЭ, для поступления в институт на бюджет и, САМОЕ ГЛАВНОЕ, для жизни.

Я не буду тебя ни в чем убеждать, просто скажу одну вещь…

Люди, получившие хорошее образование, зарабатывают намного больше, чем те, кто его не получил. Это статистика.

Но и это - не главное.

Главное то, что они БОЛЕЕ СЧАСТЛИВЫ (есть такие исследования). Возможно потому, что перед ними открывается гораздо больше возможностей и жизнь становится ярче? Не знаю...

Но, думай сам...

Что нужно, чтобы быть наверняка лучше других на ЕГЭ и быть в конечном итоге… более счастливым?

НАБИТЬ РУКУ, РЕШАЯ ЗАДАЧИ ПО ЭТОЙ ТЕМЕ.

На экзамене у тебя не будут спрашивать теорию.

Тебе нужно будет решать задачи на время .

И, если ты не решал их (МНОГО!), ты обязательно где-нибудь глупо ошибешься или просто не успеешь.

Это как в спорте - нужно много раз повторить, чтобы выиграть наверняка.

Найди где хочешь сборник, обязательно с решениями, подробным разбором и решай, решай, решай!

Можно воспользоваться нашими задачами (не обязательно) и мы их, конечно, рекомендуем.

Для того, чтобы набить руку с помощью наших задач нужно помочь продлить жизнь учебнику YouClever, который ты сейчас читаешь.

Как? Есть два варианта:

1. Открой доступ ко всем скрытым задачам в этой статье -
2. Открой доступ ко всем скрытым задачам во всех 99-ти статьях учебника - Купить учебник - 499 руб

Да, у нас в учебнике 99 таких статей и доступ для всех задач и всех скрытых текстов в них можно открыть сразу.

Доступ ко всем скрытым задачам предоставляется на ВСЕ время существования сайта.

И в заключение...

Если наши задачи тебе не нравятся, найди другие. Только не останавливайся на теории.

“Понял” и “Умею решать” - это совершенно разные навыки. Тебе нужны оба.

Найди задачи и решай!

Фактически формулы (1) и (2) это краткая запись условной вероятности на основе таблицы сопряженности признаков. Вернемся к примеру, рассмотренному (рис. 1). Предположим, что нам стало известно, будто некая семья собирается купить широкоэкранный телевизор. Какова вероятность того, что эта семья действительно купит такой телевизор?

Рис. 1. Поведение покупателей широкоэкранных телевизоров

В данном случае нам необходимо вычислить условную вероятность Р (покупка совершена | покупка планировалась). Поскольку нам известно, что семья планирует покупку, выборочное пространство состоит не из всех 1000 семей, а только из тех, которые планируют покупку широкоэкранного телевизора. Из 250 таких семей 200 действительно купили этот телевизор. Следовательно, вероятность того, что семья действительно купит широкоэкранный телевизор, если она это запланировала, можно вычислить по следующей формуле:

Р (покупка совершена | покупка планировалась) = количество семей, планировавших и купивших широкоэкранный телевизор / количество семей, планировавших купить широкоэкранный телевизор = 200 / 250 = 0,8

Этот же результат дает формула (2):

где событие А заключается в том, что семья планирует покупку широкоформатного телевизора, а событие В - в том, что она его действительно купит. Подставляя в формулу реальные данные, получаем:

Дерево решений

На рис. 1 семьи разделены на четыре категории: планировавшие покупку широкоэкранного телевизора и не планировавшие, а также купившие такой телевизор и не купившие. Аналогичную классификацию можно выполнить с помощью дерева решений (рис. 2). Дерево, изображенное на рис. 2, имеет две ветви, соответствующие семьям, которые планировали приобрести широкоэкранный телевизор, и семьям, которые не делали этого. Каждая из этих ветвей разделяется на две дополнительные ветви, соответствующие семьям, купившим и не купившим широкоэкранный телевизор. Вероятности, записанные на концах двух основных ветвей, являются безусловными вероятностями событий А и А’ . Вероятности, записанные на концах четырех дополнительных ветвей, являются условными вероятностями каждой комбинации событий А и В . Условные вероятности вычисляются путем деления совместной вероятности событий на соответствующую безусловную вероятность каждого из них.

Рис. 2. Дерево решений

Например, чтобы вычислить вероятность того, что семья купит широкоэкранный телевизор, если она запланировала сделать это, следует определить вероятность события покупка запланирована и совершена , а затем поделить его на вероятность события покупка запланирована . Перемещаясь по дереву решения, изображенному на рис. 2, получаем следующий (аналогичный предыдущему) ответ:

Статистическая независимость

В примере с покупкой широкоэкранного телевизора вероятность того, что случайно выбранная семья приобрела широкоэкранный телевизор при условии, что она планировала это сделать, равна 200/250 = 0,8. Напомним, что безусловная вероятность того, что случайно выбранная семья приобрела широкоэкранный телевизор, равна 300/1000 = 0,3. Отсюда следует очень важный вывод. Априорная информация о том, что семья планировала покупку, влияет на вероятность самой покупки. Иначе говоря, эти два события зависят друг от друга. В противоположность этому примеру, существуют статистически независимые события, вероятности которых не зависят друг от друга. Статистическая независимость выражается тождеством: Р(А|В) = Р(А) , где Р(А|В) - вероятность события А при условии, что произошло событие В , Р(А) - безусловная вероятность события А.

Обратите внимание на то, что события А и В Р(А|В) = Р(А) . Если в таблице сопряженности признаков, имеющей размер 2×2, это условие выполняется хотя бы для одной комбинации событий А и В , оно будет справедливым и для любой другой комбинации. В нашем примере события покупка запланирована и покупка совершена не являются статистически независимыми, поскольку информация об одном событии влияет на вероятность другого.

Рассмотрим пример, в котором показано, как проверить статистическую независимость двух событий. Спросим у 300 семей, купивших широкоформатный телевизор, довольны ли они своей покупкой (рис. 3). Определите, связаны ли между собой степень удовлетворенности покупкой и тип телевизора.

Рис. 3. Данные, характеризующие степень удовлетворенности покупателей широкоэкранных телевизоров

Судя по этим данным,

В то же время,

Р (покупатель удовлетворен) = 240 / 300 = 0,80

Следовательно, вероятность того, что покупатель удовлетворен покупкой, и того, что семья купила HDTV-телевизор, равны между собой, и эти события являются статистически независимыми, поскольку никак не связаны между собой.

Правило умножения вероятностей

Формула для вычисления условной вероятности позволяет определить вероятность совместного события А и В . Разрешив формулу (1)

относительно совместной вероятности Р(А и В) , получаем общее, правило умножения вероятностей. Вероятность события А и В равна вероятности события А при условии, что наступило событие В В :

(3) Р(А и В) = Р(А|В) * Р(В)

Рассмотрим в качестве примера 80 семей, купивших широкоэкранный HDTV-телевизор (рис. 3). В таблице указано, что 64 семьи удовлетворены покупкой и 16 - нет. Предположим, что среди них случайным образом выбираются две семьи. Определите вероятность, что оба покупателя окажутся довольными. Используя формулу (3), получаем:

Р(А и В) = Р(А|В) * Р(В)

где событие А заключается в том, что вторая семья удовлетворена своей покупкой, а событие В - в том, что первая семья удовлетворена своей покупкой. Вероятность того, что первая семья удовлетворена своей покупкой, равна 64/80. Однако вероятность того, что вторая семья также удовлетворена своей покупкой, зависит от ответа первой семьи. Если первая семья после опроса не возвращается в выборку (выбор без возвращения), количество респондентов снижается до 79. Если первая семья оказалась удовлетворенной своей покупкой, вероятность того, что вторая семья также будет довольна, равна 63/79, поскольку в выборке осталось только 63 семьи, удовлетворенные своим приобретением. Таким образом, подставляя в формулу (3) конкретные данные, получим следующий ответ:

Р(А и В) = (63/79)(64/80) = 0,638.

Следовательно, вероятность того, что обе семьи довольны своими покупками, равна 63,8%.

Предположим, что после опроса первая семья возвращается в выборку. Определите вероятность того, что обе семьи окажутся довольными своей покупкой. В этом случае вероятности того, что обе семьи удовлетворены своей покупкой одинаковы, и равны 64/80. Следовательно, Р(А и В) = (64/80)(64/80) = 0,64. Таким образом, вероятность того, что обе семьи довольны своими покупками, равна 64,0%. Этот пример показывает, что выбор второй семьи не зависит от выбора первой. Таким образом, заменяя в формуле (3) условную вероятность Р(А|В) вероятностью Р(А) , мы получаем формулу умножения вероятностей независимых событий.

Правило умножения вероятностей независимых событий. Если события А и В являются статистически независимыми, вероятность события А и В равна вероятности события А , умноженной на вероятность события В .

(4) Р(А и В) = Р(А)Р(В)

Если это правило выполняется для событий А и В , значит, они являются статистически независимыми. Таким образом, существуют два способа определить статистическую независимость двух событий:

1. События А и В являются статистически независимыми друг от друга тогда и только тогда, когда Р(А|В) = Р(А) .
2. События А и B являются статистически независимыми друг от друга тогда и только тогда, когда Р(А и В) = Р(А)Р(В) .

Если в таблице сопряженности признаков, имеющей размер 2×2, одно из этих условий выполняется хотя бы для одной комбинации событий А и B , оно будет справедливым и для любой другой комбинации.

Безусловная вероятность элементарного события

(5) Р(А) = P(A|B 1)Р(B 1) + P(A|B 2)Р(B 2) + … + P(A|B k)Р(B k)

где события B 1 , B 2 , … B k являются взаимоисключающими и исчерпывающими.

Проиллюстрируем применение этой формулы на примере рис.1. Используя формулу (5), получаем:

Р(А) = P(A|B 1)Р(B 1) + P(A|B 2)Р(B 2)

где Р(А) - вероятность того, что покупка планировалась, Р(В 1) - вероятность того, что покупка совершена, Р(В 2) - вероятность того, что покупка не совершена.

ТЕОРЕМА БАЙЕСА

Условная вероятность события учитывает информацию о том, что произошло некое другое событие. Этот подход можно использовать как для уточнения вероятности с учетом вновь поступившей информации, так и для вычисления вероятности, что наблюдаемый эффект является следствием некоей конкретной причины. Процедура уточнения этих вероятностей называется теоремой Байеса. Впервые она была разработана Томасом Байесом в 18 веке.

Предположим, что компания, упомянутая выше, исследует рынок сбыта новой модели телевизора. В прошлом 40% телевизоров, созданных компанией, пользовались успехом, а 60% моделей признания не получили. Прежде чем объявить о выпуске новой модели, специалисты по маркетингу тщательно исследуют рынок и фиксируют спрос. В прошлом успех 80% моделей, получивших признание, прогнозировался заранее, в то же время 30% благоприятных прогнозов оказались неверными. Для новой модели отдел маркетинга дал благоприятный прогноз. Какова вероятность того, что новая модель телевизора будет пользоваться спросом?

Теорему Байеса можно вывести из определений условной вероятности (1) и (2). Чтобы вычислить вероятность Р(В|А), возьмем формулу (2):

и подставим вместо Р(А и В) значение из формулы (3):

Р(А и В) = Р(А|В) * Р(В)

Подставляя вместо Р(А) формулу (5), получаем теорему Байеса:

где события B 1 , В 2 , … В k являются взаимоисключающими и исчерпывающими.

Введем следующие обозначения: событие S - телевизор пользуется спросом , событие S’ - телевизор не пользуется спросом , событие F - благоприятный прогноз , событие F’ - неблагоприятный прогноз . Допустим, что P(S) = 0,4, P(S’) = 0,6, P(F|S) = 0,8, P(F|S’) = 0,3. Применяя теорему Байеса получаем:

Вероятность спроса на новую модель телевизора при условии благоприятного прогноза равна 0,64. Таким образом, вероятность отсутствия спроса при условии благоприятного прогноза равна 1–0,64=0,36. Процесс вычислений представлен на рис. 4.

Рис. 4. (а) Вычисления по формуле Байеса для оценки вероятности спроса телевизоров; (б) Дерево решения при исследовании спроса на новую модель телевизора

Рассмотрим пример применения теоремы Байеса для медицинской диагностики. Вероятность того, что человек страдает от определенного заболевания, равна 0,03. Медицинский тест позволяет проверить, так ли это. Если человек действительно болен, вероятность точного диагноза (утверждающего, что человек болен, когда он действительно болен) равна 0,9. Если человек здоров, вероятность ложноположительного диагноза (утверждающего, что человек болен, когда он здоров) равна 0,02. Допустим, что медицинский тест дал положительный результат. Какова вероятность того, что человек действительно болен? Какова вероятность точного диагноза?

Введем следующие обозначения: событие D - человек болен , событие D’ - человек здоров , событие Т - диагноз положительный , событие Т’ - диагноз отрицательный . Из условия задачи следует, что Р(D) = 0,03, P(D’) = 0,97, Р(T|D) = 0,90, P(T|D’) = 0,02. Применяя формулу (6), получаем:

Вероятность того, что при положительном диагнозе человек действительно болен, равна 0,582 (см. также рис. 5). Обратите внимание на то, что знаменатель формулы Байеса равен вероятности положительного диагноза, т.е. 0,0464.

Поговорим о задачах, в которых встречается фраза "хотя бы один". Наверняка вы встречали такие задачи в домашних и контрольных работах, а теперь узнаете, как их решать. Сначала я расскажу об общем правиле, а потом рассмотрим частный случай и , выпишем формулы и примеры для каждого.

Общая методика и примеры

Общая методика для решения задач, в которых встречается фраза "хотя бы один" такая: