Применение теории вероятностей

Содержание

Введение

Раздел 1. История теории вероятностей

1. Средневековая Европа и начало Нового времени
2. XVII век: Паскаль, Ферма, Гюйгенс
3. XVIII век
4. XIX век
5. XX век
6. Случайные процессы

Раздел 2.  Применение теории вероятностей

2.1. Элементы комбинаторики

2.2. Классическое определение вероятностей

2.3. Статическая вероятность

2.4. Аксиоматическое построение теории  вероятности

2.5. Определение случайной величины 

Вывод

Список использованной литературы

Введение

Теория вероятности – это наука, занимающаяся изучением закономерностей массовых случайных явлений. Такие же закономерности, только в более узкой предметной области социально-экономических явлений, изучает статистика. Между этими науками имеется общность методологии и высокая степень взаимосвязи. Практически любые выводы сделанные статистикой рассматриваются как вероятностные.

Особенно наглядно вероятностный характер статистических исследований проявляется в выборочном методе, поскольку любой вывод сделанный по результатам выборки оценивается с заданной вероятностью.

С развитием рынка постепенно сращивается вероятность и статистика, особенно наглядно это проявляется в управлении рисками, товарными запасами, портфелем ценных бумаг и т.п. За рубежом теория вероятности и математическая статистика применятся очень широко. В нашей стране пока широко применяется в управлении качеством продукции, поэтому распространение и внедрение в практику методов теории вероятности актуальная задача.

Как уже говорилось, понятие вероятности события определяется для массовых явлений или, точнее, для однородных массовых операций. Однородная массовая операция состоит из многократного повторения подобных между собой единичных операций, или, как говорят, испытаний. Каждое отдельное испытание заключается в том, что создается определенный комплекс условий, существенных для данной массовой операции. В принципе должно быть возможным воспроизводить эту совокупность условий неограниченное число раз.

История теории вероятностей

История теорий вероятностей отмечена многими уникальными особенностями. Прежде всего, в отличие от появившихся примерно в то же время других разделов математики.

Историки выделяют в развитии теории вероятностей несколько периодов:

1. Предыстория, до XVI века включительно. В античные времена и в Средневековье натурфилософы ограничивались метафизическими рассуждениями о происхождении случайности и её роли в природе. Математики в этот период рассматривали и иногда решали задачи, связанные с теорией вероятностей, но никаких общих методов и тематических понятий ещё не появилось. Главным достижением данного периода можно считать развитие комбинаторных методов, которые позже пригодились создателям теории вероятностей.
2. Начало формирования во второй половине XVII века основных понятий и методов теории вероятностей для случайных величин с конечным числом значений. Стимулом вначале служили преимущественно проблемы, возникающие в азартных играх, однако область применения теории вероятностей почти сразу начинает расширяться, включая в себя прикладные задачи демографической статистики, страхового дела и теории приближённых вычислений. На этом этапе важный вклад в идеи новой науки внесли Паскаль и Ферма. Гюйгенс ввёл два фундаментальных понятия: числовая мера вероятности события, а также понятие математического ожидания случайной величины.
3. В XVIII веке появились монографии с систематическим изложением теории вероятностей. Первой из них стала книга Якоба Бернулли «Искусство предположений» (1713 год). В ней Бернулли предложил классическое определение вероятности случайного события как отношение числа равновероятных исходов, связанных с этим событием, к общему числу исходов. Он также изложил правила подсчёта вероятности для сложных событий и дал первый вариант ключевого «закона больших чисел», разъясняющего, почему частота события в серии испытаний не меняется хаотично, а в некотором смысле стремится к своему предельному теоретическому значению (то есть вероятности).
4. Идеи Бернулли далеко развили в начале XIX века Лаплас, Гаусс, Пуассон. Применение вероятностных методов в прикладной статистике значительно расширилось. Понятие вероятности стало определено и для непрерывных случайных величин, благодаря чему появилась возможность применения методов математического анализа. Появляются первые попытки применения теории вероятностей в физике. К концу XIX века появляются статистическая физика, строгая теория ошибок измерения, вероятностные методы проникают в самые различные прикладные науки.
5. В XX веке в физике была создана теория микромира, а в биологии — теория наследственности, обе они существенно основаны на вероятностных методах. Карл Пирсон разработал алгоритмы математической статистики, широко и повсеместно применяемые для анализа прикладных измерений, проверки гипотез и принятия решений. А. Н. Колмогоров дал классическую аксиоматику теории вероятностей. Из других новых областей применений теории вероятностей необходимо упомянуть теорию информации и теорию случайных процессов. Философские споры о том, что такое вероятность и в чём причина её устойчивости, продолжаются.

Рассмотрим этапы развития теории вероятностей более подробно.

Средневековая Европа и начало Нового времени

Первые задачи вероятностного характера возникли в различных азартных играх — костях, картах (см. приложение 1). Французский каноник XIII века Ришар де Фурниваль правильно подсчитал все возможные суммы очков после броска трёх костей и указал число способов, которыми может получиться каждая из этих сумм. Это число способов можно рассматривать как первую числовую меру ожидаемости события, аналогичную вероятности. До Фурниваля, а иногда и после него, эту меру часто подсчитывали неверно, считая, например, что суммы 3 и 4 очка равновероятны, так как оба могут получиться «только одним способом»: по результатам броска «три единицы» и «двойка с двумя единицами» соответственно. При этом не учитывалось, что три единицы в самом деле получаются только одним способом: , а двойка с двумя единицами — тремя: , так что эти события не равновероятны. Аналогичные ошибки неоднократно встречались и в дальнейшей истории науки.

В обширной математической энциклопедии «Сумма арифметики, геометрии, отношений и пропорций» итальянца Луки Пачоли (1494) содержатся оригинальные задачи на тему: как разделить ставку между двумя игроками, если серия игр прервана досрочно. Пример подобной задачи: игра идёт до 60 очков, победитель получает всю ставку в 22 дуката, в ходе игры первый игрок набрал 50 очков, второй — 30, и тут игру пришлось прекратить; требуется справедливо разделить исходную ставку. Решение зависит от того, что понимать под «справедливым» разделом; сам Пачоли предложил делить пропорционально набранным очкам (55/4 и 33/4 дуката); позднее его решение было признано ошибочным.

Крупный алгебраист XVI века Джероламо Кардано посвятил анализу игры содержательную монографию «Книга об игре в кости» (1526 год, опубликована посмертно). Кардано провёл полный и безошибочный комбинаторный анализ для значений суммы очков и указал для разных событий ожидаемое значение доли «благоприятных» событий: например, при бросании трёх костей доля случаев, когда значения всех 3 костей совпадают, равна 6/216 или 1/36. Кардано сделал проницательное замечание: реальное количество исследуемых событий может при небольшом числе игр сильно отличаться от теоретического, но чем больше игр в серии, тем доля этого различия меньше. По существу, Кардано близко подошёл к понятию вероятности.

Другой итальянский алгебраист, Никколо Тарталья, раскритиковал подход Пачоли к решению задачи о разделе ставки: ведь если один из игроков ещё не успел набрать ни одного очка, то алгоритм Пачоли отдаёт всю ставку его сопернику, но это трудно назвать справедливым, поскольку некоторые шансы на выигрыш у отстающего всё же имеются. Кардано и Тарталья предложили свои (различные) способы раздела, но впоследствии и эти способы были признаны неудачными.

Исследованием данной темы занимался и Галилео Галилей, написавший трактат «О выходе очков при игре в кости» (1718 год, опубликован посмертно). Изложение теории игры у Галилея отличается исчерпывающей полнотой и ясностью. В своей главной книге «Диалог о двух главнейших системах мира, птоломеевой и коперниковой» Галилей также указал на возможность оценки погрешности астрономических и иных измерений, причём заявил, что малые ошибки измерения вероятнее, чем большие, отклонения в обе стороны равновероятны, а средний результат должен быть близок к истинному значению измеряемой величины. Эти качественные рассуждения стали первым в истории предсказанием нормального распределения ошибок.

XVII век: Паскаль, Ферма, Гюйгенс

В XVII веке начало формироваться отчётливое представление о проблематике теории вероятностей и появились первые математические (комбинаторные) методы решения вероятностных задач. Основателями математической теории вероятностей стали Блез Паскаль и Пьер Ферма.

Перед этим математик-любитель шевалье де Мере обратился к Паскалю по поводу так называемой «задачи об очках»: сколько раз нужно бросать две кости, чтобы ставить на одновременное выпадение хотя бы раз двух шестёрок было выгодно? Паскаль и Ферма вступили в переписку друг с другом по поводу данной задачи и родственных вопросов (1654). В рамках этой переписки учёные обсудили ряд проблем, связанных с вероятностными расчётами; в частности, рассматривалась старая задача о разделе ставки, и оба учёных пришли к решению, что надо разделить ставку соответственно остающимся шансам на выигрыш. Паскаль указал де Мере на ошибку, допущенную им при решении «задачи об очках»: в то время как де Мере неверно определил равновероятные события, получив ответ: 24 броска, Паскаль дал правильный ответ: 25 бросков.

Паскаль в своих трудах далеко продвинул применение комбинаторных методов, которые систематизировал в своей книге «Трактат об арифметическом треугольнике» (1665). Опираясь на вероятностный подход, Паскаль даже доказывал (в посмертно опубликованных заметках), что быть верующим выгоднее, чем атеистом (см. приложение 2 «пари Паскаля»).

Тематика дискуссии Паскаля и Ферма (без подробностей) стала известна Христиану Гюйгенсу, который опубликовал собственное исследование «О расчётах в азартных играх» (1657): первый трактат по теории вероятностей.

В трактате Гюйгенса подробно излагаются вопросы, рассмотренные Ферма и Паскалем, но ставятся и новые вопросы. Главным достижением нидерландского учёного стало введение понятия математического ожидания, то есть теоретического среднего значения случайной величины. Гюйгенс также указал классический способ его подсчёта:

Гюйгенс, как видно из цитаты, вначале использовал термин «стоимость», а термин «ожидание» появился впервые при переводе трактата Гюйгенса Ван Схоутеном на латинский язык и стал общепринятым в науке.

В книге большое число задач, некоторые с решениями, другие «для самостоятельного решения». Из последних особый интерес и оживлённое обсуждение вызвала «задача о разорении игрока». В несколько обобщённом виде она формулируется так: у игроков A и B есть и монет соответственно, в каждой игре выигрывается одна монета, вероятность выигрыша A в каждой игре равна требуется найти вероятность полного его разорения. Полное общее решение «задачи о разорении» дал Абрахам де Муавр полвека спустя (1711). В наши дни вероятностная схема «задачи о разорении» используется при решении многих задач типа «случайное блуждание».

Гюйгенс проанализировал и задачу о разделе ставки, дав её окончательное решение: ставку надо разделить пропорционально вероятностям выигрыша при продолжении игры. Он также впервые применил вероятностные методы к демографической статистике и показал, как рассчитать среднюю продолжительность жизни.

К этому же периоду относятся публикации английских статистиков Джона Граунта (1662) и Уильяма Петти (1676, 1683). Обработав данные более чем за столетие, они показали, что многие демографические характеристики лондонского населения, несмотря на случайные колебания, имеют достаточно устойчивый характер — например, соотношение числа новорождённых мальчиков и девочек редко отклоняется от пропорции 14 к 13, невелики колебания и процента смертности от конкретных случайных причин. Эти данные подготовили научную общественность к восприятию новых идей.

Граунт также впервые составил таблицы смертности — таблицы вероятности смерти как функции возраста. Вопросами теории вероятностей и её применения к демографической статистике занялись также Иоганн Худде и Ян де Витт в Нидерландах, которые в 1671 году также составили таблицы смертности и использовали их для вычисления размеров пожизненной ренты. Более подробно данный круг вопросов был изложен в 1693 году Эдмундом Галлеем.

XVIII век

На книгу Гюйгенса опирались появившиеся в начале XVIII века трактаты Пьера де Монмора «Опыт исследования азартных игр» (фр. Essay d'analyse sur les jeux de hazard; опубликован в 1708 и переиздан с дополнениями в 1713 году) и Якоба Бернулли «Искусство предположений» (лат. Ars conjectandi; опубликован уже после смерти учёного, в том же 1713 году). Последний имел для теории вероятностей особенно большое значение.

Над трактатом «Искусство предположений» Якоб Бернулли работал двадцать лет, уже лет за десять до публикации текст этого труда в виде незаконченной рукописи стал распространяться по Европе, вызывая большой интерес. Трактат стал первым систематическим изложением теории вероятностей. В этой книге автор привёл, в частности, классическое определение вероятности события как отношения числа исходов, связанных с этим событием, к общему числу исходов (у достоверного события вероятность равна единице, у невозможного — нулю). Систематически изученная Бернулли вероятностная схема сейчас называется биномиальным распределением.

Ранее математики чаще всего оперировали самим количеством исходов; историки полагают, что замена количества на «частоту» (то есть деление на общее количество исходов) была стимулирована статистическими соображениями: частота, в отличие от количества, обычно имеет тенденцию к стабилизации при увеличении числа наблюдений. Определение вероятности «по Бернулли» сразу стало общепринятым, его воспроизводили Абрахам де Муавр в книге «Учение о случаях» (1718) и все последующие математики. Единственное важное уточнение — о том, что все «элементарные исходы» обязаны быть равновероятны, — сделал Пьер-Симон Лаплас в 1812 году. Если для события невозможно подсчитать классическую вероятность (например, из-за отсутствия возможности выделить равновероятные исходы), то Бернулли предложил использовать статистический подход, то есть оценить вероятность по результатам наблюдений этого события или связанных с ним.

В первой части своего трактата Бернулли полностью перепечатывает книгу Гюйгенса, которой он даёт самую высокую оценку, и существенно дополняет собственными комментариями. В частности, он приводит общую «формулу Бернулли»: если вероятность события равна , то вероятность того, что в испытаниях событие случится раз, равна . Далее Бернулли подробно излагает комбинаторику и на её основе решает несколько задач со случайным выбором. В последней части книги, оставшейся недописанной, Бернулли собирался рассмотреть экономические и другие практические приложения теории вероятностей.

Огромное значение как для теории вероятностей, так и для науки в целом имел доказанный Бернулли первый вариант закона больших чисел (название закону дал позже Пуассон). Этот закон объясняет, почему статистическая частота при увеличении числа наблюдений сближается с теоретическим её значением — вероятностью, и тем самым связывает два разных определения вероятности. В дальнейшем закон больших чисел трудами многих математиков был значительно обобщён и уточнён; как оказалось, стремление статистической частоты к теоретической отличается от стремления к пределу в анализе — частота может значительно отклоняться от ожидаемого предела, и можно только утверждать, что вероятность таких отклонений с ростом числа испытаний стремится к нулю. Вместе с тем отклонения частоты от вероятности также поддаются вероятностному анализу.

XIX век

В XIX веке число работ по теории вероятностей продолжало расти, были даже компрометирующие науку попытки распространить её методы далеко за разумные пределы — например, на область морали, психологии, правоприменения и даже богословия. В частности, валлийский философ Ричард Прайс, а следом за ним и Лаплас, считали возможным рассчитать по формулам Байеса вероятность предстоящего восхода Солнца, Пуассон пытался провести вероятностный анализ справедливости судебных приговоров и достоверности показаний свидетелей[40]. Философ Дж. С. Милль в 1843 году, указав на подобные спекулятивные применения, назвал исчисление вероятностей «позором математики». Эта и другие оценки свидетельствовали о недостаточной строгости обоснования теории вероятностей.

Математический аппарат теории вероятностей тем временем продолжал совершенствоваться. Основной сферой её применения в тот период была математическая обработка результатов наблюдений, содержащих случайные погрешности, а также расчёты рисков в страховом деле и других статистических параметров. Среди главных прикладных задач теории вероятностей и математической статистики XIX века можно назвать следующие:

• найти вероятность того, что сумма независимых случайных величин с одинаковым (известным) законом распределения находится в заданных пределах. Особую важность эта проблема представляла для теории ошибок измерения, в первую очередь для оценки погрешности наблюдений;
• установление статистической значимости различия случайных значений или серий таких значений. Пример: сравнение результатов применения нового и старого видов лекарств для принятия решения о том, действительно ли новое лекарство лучше;
• исследование влияния заданного фактора на случайную величину (факторный анализ).

Уже к середине XIX века формируется вероятностная теория артиллерийской стрельбы. В большинстве крупных стран Европы были созданы национальные статистические организации. В конце века область применения вероятностных методов начала успешно распространяться на физику, биологию, экономику, социологию.

XX век

Теоретические вопросы и математические методы

В XX веке исследования Чебышёва и Маркова продолжили А. Я. Хинчин, А. Н. Колмогоров и др. В частности, Ярл В. Линдеберг (1922) и Колмогоров (1926) нашли условия, необходимые и достаточные для выполнения закона больших чисел.

Математический аппарат теории вероятностей значительно обогатился во многих направлениях. После разработки теории меры это общее понятие оказалось удобно применить к теории вероятностей, то есть рассматривать вероятность как меру (конечного или бесконечного) множества «благоприятных событий». Такой подход позволяет описывать и исследовать свойства вероятности на хорошо разработанном языке теории множеств.

В теории динамических систем было обнаружено, что решения дифференциальных уравнений некоторых систем ведут себя как случайные процессы. Это крупное открытие привело к созданию понятия «динамический хаос» и общей «теории хаоса». Одним из примеров является «задача трёх тел» небесной механики.

До XX века использовались в основном нормальное, биномиальное и (иногда) пуассоновское распределения, однако практически полезными оказались и многие другие теоретические законы. Например, логнормальное распределение часто встречается в ситуациях, когда исследуемая величина есть произведение нескольких независимых положительных случайных величин.

Вероятностные методы оказались плодотворными во многих областях теоретической и прикладной математики, даже в таких классических, как теория чисел или логика. В свою очередь, современная теория вероятностей использует методы и подходы, разработанные в функциональном анализе, топологии и других разделах математики, появившихся в XX веке.

Случайные процессы

Понятие случайного (или стохастического) процесса(см. примечание 3), возникшее в начале XX века, стало одним из центральных, быстро развивающихся и наиболее полезных применений теории вероятностей. Случайный процесс — это переменная во времени случайная величина. Первые исследования случайных процессов касались в основном электроники и сообщений теории связи, в наши дни можно привести в качестве примеров временные ряды в экономике или медицине, регистрограммы теории механизмов, статистику жизни биологии популяций. Широкую сферу практического применения имеет теория массового обслуживания. Среди типовых задач анализа случайных процессов:

• прогнозирование развития процесса, исходя из его прошлой истории;
• надёжное выделение сигнала на фоне шумовых помех;
• оценка и оптимизация параметров (например, вероятного времени безотказной работы);
• фильтрация входного случайного процесса для получения желаемого выходного процесса.

Проведена классификация типов случайных процессов, разработаны аналитические средства их исследования (корреляционная и ковариационная функции, спектральное разложение). Для анализа процессов разработаны такие новые средства, как стохастические дифференциальные уравнения, стохастический интеграл, средства спектрального анализа и фильтрации.

Применение теории вероятностей

Элементы комбинаторики

В теории вероятностей часто приходится иметь дело с задачами, в которых необходимо подсчитывать число возможных способов совершения каких-либо действий. Задачи такого типа называются комбинаторными, а раздел, занимающийся решением таких задач,- комбинаторикой(см. приложение 4).

Сформулируем два универсальных правила, применяемых при решении комбинаторных задач:  
Правило произведения. Пусть требуется выполнить одно за другим какие-то m действий. Если первое действие можно выполнить n1 способами, второе действие- n2 способами и так до m-го действия, которое можно выполнить nm способами, то все действия могут быть выполнены n1n2…nm способами.

Правило суммы. Пусть требуется выполнить одно из каких-либо m действий, взаимоисключающих друг друга. Если первое действие можно выполнить n1 способами, второе действие – n2 способами и так до m-го действия, которое можно выполнить nm способами, то выполнить одно из этих действий можно (n1+n2+…nm) способами.

Понятие факториала(см.приложение 5) активно используется в комбинаторике. Факториалом натурального числа n называется число

n!=n(n-1)(n-2)…3*2*1.

Классическое определение вероятности

Классической вероятностью появления некоторого события называется отношение числа случаев, благоприятствующих появлению этого события, к общему числу случаев равновозможных, несовместных, составляющих полную группу в данном опыте:

где Р(А) – вероятность появления события А; m - число случаев, благоприятствующих событию А; n - общее число случаев.

Из классического определения вероятности вытекают следующие свойства (показать самостоятельно):

1) Вероятность невозможного события  равна 0;

2) Вероятность достоверного события  равна 1;

3) Вероятность любого события заключена между 0 и 1;

4) Вероятность события, противоположного  событию А,

Классическое определение вероятности предполагает, что число исходов испытания конечно. На практике же весьма часто встречаются испытания, число возможных случаев которых бесконечно. Кроме того, слабая сторона классического определения состоит в том, что очень часто невозможно представить результат испытания в виде совокупности элементарных событий. Ещё труднее указать основания, позволяющие считать элементарные исходы испытания равновозможными. Обычно о равновозможности элементарных исходов испытания заключают из соображений симметрии. Однако такие задачи на практике встречаются весьма редко. По этим причинам наряду с классическим определением вероятности пользуются и другими определениями вероятности.

Статистическая вероятность

Статистической вероятностью события А называется относительная частота появления этого события в произведённых испытаниях:

где – вероятность появления события А;

– относительная частота появления события А;

- число испытаний, в которых появилось  событие А;

- общее число испытаний.

В отличие от классической вероятности статистическая вероятность является характеристикой опытной, экспериментальной.

Пример: Для контроля качества изделий из партии наугад выбрано 100 изделий, среди которых 3 изделия оказались бракованными. Определить вероятность брака.

.

Статистический способ определения вероятности применим лишь к тем событиям, которые обладают следующими свойствами:

· Рассматриваемые события должны быть исходами только тех испытаний, которые могут быть воспроизведены неограниченное число раз при одном и том же комплексе условий.

· События должны обладать статистической устойчивостью (или устойчи- востью относительных частот). Это означает, что в различных сериях испытаний относительная частота события изменяется незначительно.

· Число испытаний, в результате которых появляется событие А, должно быть достаточно велико.

Легко проверить, что свойства вероятности, вытекающие из классического определения, сохраняются и при статистическом определении вероятности.

Аксиоматическое построение теории  вероятности

Сущность аксиоматического построения научной теории, вообще, и теории вероятностей, в частности, состоит в том, что при нем в основу теории кладутся некоторые исходные положения, называемые аксиомами, а все остальные предложения теории (теоремы, формулы, правила и приемы анализа) получаются как логические следствия аксиом.

Чтобы аксиоматика приводила к содержательным теоретическим построениям, формально-логические определения и аксиомы должны отражать реальные понятия и отношения между ними. При этом основной задачей теории является не выяснение содержания исходных понятий, а установление связи между вероятностями различных событий или построение законов распределения случайных величин.

Применительно к теории вероятностей аксиоматический подход в современном виде был разработан академиком А.Н. Колмогоровым в 1933 году.

При аксиоматическом построении теории вероятностей, т.е. при ее формально-логическом обосновании, понятие случайного события не является первичным, а строится из более элементарных понятий. Первичным является понятие пространства элементарных событий.

Пространством элементарных событий W называется множество всех возможных взаимоисключающих исходов эксперимента. Элементы пространства W называются элементарными (простыми, неразложимыми) событиями и обозначаются буквой w. Такие события содержат только один исход.

Если W - конечное или счетное множество, то пространство элементарных событий называется дискретным и записывается в виде W= {w1, w2,…, wn} или W= {w1, w2,…, wn,…}.

Случайным событием (или просто событием) называется подмножество пространства элементарных событий; любое событие А это подмножество множества W: AÌ W.

Пусть опыт состоит в подбрасывании игральной кости. Тогда пространство элементарных событий имеет вид: W= {1, 2, 3, 4, 5, 6}= {w1, w2, w3, w4, w5, w6}.

Рассмотрим события: А - выпадение четного числа очков, В - выпадение простого числа, С - выпадение пяти очков. Эти события описываются следующими подмножествами из множества W: