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:
- События А и В являются статистически независимыми друг от друга тогда и только тогда, когда Р(А|В) = Р(А) .
- 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.
Вероятностью
события называется отношение числа элементарных исходов, благоприятствующих данному событию, к числу всех равновозможных исходов опыта в котором может появиться это событие. Вероятность события А обозначают через Р(А) (здесь Р - первая буква французского слова probabilite - вероятность). В соответствии с определением
(1.2.1)
где - число элементарных исходов, благоприятствующих событию А; - число всех равновозможных элементарных исходов опыта, образующих полную группу событий.
Это определение вероятности называют классическим. Оно возникло на начальном этапе развития теории вероятностей.
Вероятность события имеет следующие свойства:
1. Вероятность достоверного события равна единице. Обозначим достоверное событие буквой . Для достоверного события , поэтому
(1.2.2)
2. Вероятность невозможного события равна нулю. Обозначим невозможное событие буквой . Для невозможного события , поэтому
(1.2.3)
3. Вероятность случайного события выражается положительным числом, меньшим единицы. Поскольку для случайного события выполняются неравенства , или , то
(1.2.4)
4. Вероятность любого события удовлетворяет неравенствам
(1.2.5)
Это следует из соотношений (1.2.2) -(1.2.4).
Пример 1. В урне 10 одинаковых по размерам и весу шаров, из которых 4 красных и 6 голубых. из урны извлекается один шар. Какова вероятность того, что извлеченный шар окажется голубым?
Решение
. Событие "извлеченный шар оказался голубым" обозначим буквой А. Данное испытание имеет 10 равновозможных элементарных исходов, из которых 6 благоприятствуют событию А. В соответствии с формулой (1.2.1) получаем
Пример 2. Все натуральные числа от 1 до 30 записаны на одинаковых карточках и помещены в урну. После тщательного перемешивания карточек из урны извлекается одна карточка. Какова вероятность того,что число на взятой карточке окажется кратным 5?
Решение.
Обозначим через А событие "число на взятой карточке кратно 5". В данном испытании имеется 30 равновозможных элементарных исходов, из которых событию А благоприятствуют 6 исходов (числа 5, 10, 15, 20, 25, 30). Следовательно, 
Пример 3. Подбрасываются два игральных кубика, подсчитывается сумма очков на верхних гранях. Найти вероятность события В, состоящего в том, что на верхних гранях кубиков в сумме будет 9 очков.
Решение.
В этом испытании всего 6 2 = 36 равновозможных элементарных исходов. Событию В благоприятствуют 4 исхода: (3;6), (4;5), (5;4), (6;3), поэтому
Пример 4 . Наудачу выбрано натуральное число, не превосходящее 10. Какова вероятность того, что это число является простым?
Решение.
Обозначим буквой С событие "выбранное число является простым". В данном случае n = 10, m = 4 (простые числа 2, 3, 5, 7). Следовательно, искомая вероятность
Пример 5. Подбрасываются две симметричные монеты. Чему равна вероятность того, что на верхних сторонах обеих монет оказались цифры?
Решение.
Обозначим буквой D событие "на верхней стороне каждой монеты оказалась цифра". В этом испытании 4 равновозможных элементарных исходов: (Г, Г), (Г, Ц), (Ц, Г), (Ц, Ц). (Запись (Г, Ц) означает, что на первой монете герб, на второй - цифра). Событию D благоприятствует один элементарный исход (Ц, Ц). Поскольку m = 1, n = 4 , то
Пример 6. Какова вероятность того, что в наудачу выбранном двузначном числе цифры одинаковы?
Решение.
Двузначными числами являются числа от 10 до 99; всего таких чисел 90. Одинаковые цифры имеют 9 чисел (это числа 11, 22, 33, 44, 55, 66, 77, 88, 99). Так как в данном случае m = 9, n = 90, то
,
где А -событие "число с одинаковыми цифрами".
Пример 7. Из букв слова дифференциал наугад выбирается одна буква. Какова вероятность того, что эта буква будет: а) гласной, б) согласной, в) буквой ч ?
Решение
. В слове дuфференцuал 12 букв, из них 5 гласных и 7 согласных. Буквы ч
в этом слове нет. Обозначим события: А - "гласная буква", В - "согласная буква", С - "буква ч
". Число благоприятствующих элементарных исходов: -для события А, - для события В, - для события С. Поскольку n = 12 , то
, и .
Пример 8. Подбрасывается два игральных кубика, отмечается число очков на верхней грани каждого кубика. Найти вероятность того, на обоих кубиках выпало одинаковое число очков.
Решение.
Обозначим это событие буквой А. Событюо А благоприятствуют 6 элементарных исходов: (1;]), (2;2), (3;3), (4;4), (5;5), (6;6). Всего равновозможных элементарных исходов, образующих полную группу событий, в данном случае n=6 2 =36. Значит, искомая вероятность 
Пример 9. В книге 300 страниц. Чему равна вероятность того, что наугад открытая страница будет иметь порядковый номер, кратный 5?
Решение.
Из условия задачи следует, что всех равновозможных элементарных исходов, образующих полную группу событий, будет n = 300. Из них m = 60 благоприятствуют наступлению указанного события. Действительно, номер, кратный 5, имеет вид 5k, где k -натуральное число, причем , откуда 
. Следовательно,
, где А - событие "страница" имеет порядковый номер, кратный 5".
Пример 10 . Подбрасываются два игральных кубика, подсчитывается сумма очков на верхних гранях. Что вероятнее -получить в сумме 7 или 8?
Решение
. Обозначим события: А - "выпало 7 очков", В - "выпало 8 очков". Событию А благоприятствуют 6 элементарных исходов: (1; 6), (2; 5),(3; 4), (4; 3), (5; 2), (6; 1), а событию В - 5 исходов: (2; 6), (3; 5), (4; 4), (5; 3), (6; 2). Всех равновозможных элементарных исходов n = 6 2 = 36. Значит, и .
Итак, Р(А)>Р(В), то есть получить в сумме 7 очков - более вероятное событие, чем получить в сумме 8 очков.
Задачи
1. Наудачу выбрано натуральное число, не превосходящее 30. Какова вероятность того, что это число кратно 3?
2. В урне a
красных и b
голубых шаров, одинаковых по размерам и весу. Чему равна вероятность того, что наудачу извлеченный шар из этой урны окажется голубым?
3. Наудачу· выбрано число, не превосходящее 30. Какова вероятность того, что это число является делителем зо?
4. В урне а
голубых и b
красных шаров, одинаковых по размерам и весу. Из этой урны извлекают один шар и откладывают в сторону. Этот шар оказался красным. После этого из урны вынимают еще один шар. Найти вероятность того, что второй шар также красный.
5. Наудачу выбрано наryральное число, не превосходящее 50. Какова вероятность того, что это число является простым?
6. Подбрасывается три игральных кубика, подсчитывается сумма очков на верхних гранях. Что вероятнее - получить в сумме 9 или 10 очков?
7. Подбрасывается три игральных кубика, подсчитывается сумма выпавших очков. Что вероятнее - получить в сумме 11 (событие А) или 12 очков (событие В)?
Ответы
1. 1/3. 2 . b /(a +b ). 3 . 0,2. 4 . (b -1)/(a +b -1). 5 .0,3.6 . p 1 = 25/216 - вероятность получить в сумме 9 очков; p 2 = 27/216 - вероятность получить в сумме 10 очков; p 2 > p 1 7 . Р(А) = 27/216, Р(В) = 25/216, Р(А) > Р(В).
Вопросы
1. Что называют вероятностью события?
2. Чему равна вероятность достоверного события?
3. Чему равна вероятность невозможного события?
4. В каких пределах заключена вероятность случайного события?
5. В каких пределах заключена вероятность любого события?
6. Какое определение вероятности называют классическим?
Итак, поговорим на тему, которая интересует очень многих. В данной статье я вам отвечу на вопрос о том, как рассчитать вероятность события. Приведу формулы для такого расчета и несколько примеров, чтобы было понятнее, как это делается.
Что такое вероятность
Начнем с того, что вероятность того, что то или иное событие произойдет – некая доля уверенности в конечном наступлении какого-то результата. Для этого расчета разработана формула полной вероятности, позволяющая определить, наступит интересующее вас событие или нет, через, так называемые, условные вероятности. Эта формула выглядит так: Р = n/m, буквы могут меняться, но на саму суть это никак не влияет.
Примеры вероятности
На простейшем примере разберем эту формулу и применим ее. Допустим, у вас есть некое событие (Р), пусть это будет бросок игральной кости, то есть равносторонний кубик. И нам требуется подсчитать, какова вероятность выпадения на нем 2 очков. Для этого нужно число положительных событий (n), в нашем случае – выпадение 2 очков, на общее число событий (m). Выпадение 2 очков может быть только в одном случае, если на кубике будет по 2 очка, так как по другому, сумма будет больше, из этого следует, что n = 1. Далее подсчитываем число выпадения любых других цифр на кости, на 1 кости – это 1, 2, 3, 4, 5 и 6, следовательно, благоприятных случаев 6, то есть m = 6. Теперь по формуле делаем нехитрое вычисление Р = 1/6 и получаем, что выпадение на кости 2 очков равно 1/6, то есть вероятность события очень мала.
Еще рассмотрим пример на цветных шарах, которые лежат в коробке: 50 белых, 40 черных и 30 зеленых. Нужно определить какова вероятность вытащить шар зеленого цвета. И так, так как шаров этого цвета 30, то есть, положительных событий может быть только 30 (n = 30), число всех событий 120, m = 120 (по общему количеству всех шаров), по формуле рассчитываем, что вытащить зеленый шар вероятность равна будет Р = 30/120 = 0,25, то есть 25 % из 100. Таким же образом, можно вычислить и вероятность вытащить шар другого цвета (черного она будет 33%, белого 42%).
Все на свете происходит детерминировано или случайно…
Аристотель
Вероятность: основные правила
Теория вероятностей вычисляет вероятности различных событий. Основным в теории вероятностей является понятие случайного события.
Например, вы бросаете монету, она случайным образом падает на герб или решку. Заранее вы не знаете, на какую сторону монета упадет. Вы заключаете договор страхования, заранее вы не знаете, будут или нет проводиться выплаты.
В актуарных расчетах нужно уметь оценивать вероятность различных событий, поэтому теория вероятностей играет ключевую роль. Ни одна другая область математики не может оперировать с вероятностями событий.
Рассмотрим более подробно подбрасывание монеты. Имеется 2 взаимно исключающих исхода: выпадение герба или выпадение решки. Исход бросания является случайным, так как наблюдатель не может проанализировать и учесть все факторы, которые влияют на результат. Какова вероятность выпадения герба? Большинство ответит ½, но почему?
Пусть формально А обозначает выпадение герба. Пусть монета бросается n раз. Тогда вероятность события А можно определить как долю тех бросков, в результате которых выпадает герб:
где n общее количество бросков, n(A) число выпадений герба.
Отношение (1) называется частотой события А в длинной серии испытаний.
Оказывается, в различных сериях испытаний соответствующая частота при больших n группируется около некоторой постоянной величины Р(А) . Эта величина называется вероятностью события А и обозначается буквой Р - сокращение от английского слова probability - вероятность .
Формально имеем:
(2)
Этот закон называется законом больших чисел.
Если монета правильная (симметричная), то вероятность выпадения герба равняется вероятности выпадения решки и равняется ½.
Пусть А и В некоторые события, например, произошел или нет страховой случай. Объединением двух событий называется событие, состоящее в выполнении события А , события В , или обоих событий вместе. Пересечением двух событий А и В называется событие, состоящее в осуществлении как события А , так и события В .
Основные правила исчисления вероятностей событий следующие:
1. Вероятность любого события заключена между нулем и единицей:
2. Пусть А и В два события, тогда:
Читается так: вероятность объединения двух событий равна сумме вероятностей этих событий минус вероятность пересечения событий. Если события являются несовместными или непересекающимися, то вероятность объединения (суммы) двух событий равна сумме вероятностей. Этот закон называется законом сложения вероятностей .
Мы говорим, что события является достоверным, если его вероятность равна 1. При анализе тех или иных явлений возникает вопрос, как влияет наступление события В на наступление события А . Для этого вводится условная вероятность :
(4)
Читается так:
вероятность наступления А
при условии В
равняется вероятности пересечения А
и В
, деленной на вероятность события В
.
В формуле (4) предполагается, что вероятность события В
больше нуля.
Формулу (4) можно записать также в виде:
(5)
Это формула умножения вероятностей.
Условную вероятность называют также апостериорной вероятностью события А - вероятность наступления А после наступления В .
В этом случае саму вероятность называют априорной вероятностью. Имеется еще несколько важных формул, которые интенсивно используются в актуарных расчетах.
Формула полной вероятности
Допустим, что проводится опыт, об условиях которого можно заранее сделать взаимно исключающие друг друга предположения (гипотезы):
Мы предполагаем, что имеет место либо гипотеза , либо … либо. Вероятности этих гипотез известны и равны:
Тогда имеет место формула полной вероятности :
(6)
Вероятность наступления события А равна сумме произведений вероятности наступления А при каждой гипотезе на вероятность этой гипотезы.
Формула Байеса
Формула Байеса
позволяет пересчитывать вероятность гипотез в свете новой информации, которую дал результат А
.
Формула Байеса в известном смысле является обратной к формуле полной вероятности.
Рассмотрим следующую практическую задачу.
Задача 1
Предположим, произошла авиакатастрофа и эксперты заняты исследованием ее причин. Заранее известны 4 причины, по которым произошла катастрофа: либо причина, либо , либо , либо . По имеющейся статистике эти причины имеют следующие вероятности:
При осмотре места катастрофы найдены следы воспламенения горючего, согласно статистике вероятность этого события при тех или иных причинах такая:
Вопрос: какая причина катастрофы наиболее вероятна?
Вычислим вероятности причин при условия наступления события А .
Отсюда видно, что наиболее вероятной является первая причина, так как ее вероятность максимальна.
Задача 2
Рассмотрим посадку самолета на аэродром.
При посадке погодные условия могут быть такими: низкой облачности нет (), низкая облачность есть (). В первом случае вероятность благополучной посадки равна P1 . Во втором случае - Р2 . Ясно, что P1>P2 .
Приборы, обеспечивающие слепую посадку, имеют вероятность безотказной работы Р . Если есть низкая облачность и приборы слепой посадки отказали, вероятность удачного приземления равна Р3 , причем Р3<Р2 . Известно, что для данного аэродрома доля дней в году с низкой облачностью равна .
Найти вероятность благополучной посадки самолета.
Нужно найти вероятность .
Имеются два взаимно исключающих варианта: приборы слепой посадки действуют, приборы слепой посадки отказали, поэтому имеем:
Отсюда по формуле полной вероятности:
Задача 3
Страховая компания занимается страхованием жизни. 10% застрахованных в этой компании являются курильщиками. Если застрахованный не курит, вероятность его смерти на протяжении года равна 0.01 Если же он курильщик, то эта вероятность равна 0.05.
Какова доля курильщиков среди тех застрахованных, которые умерли в течение года?
Варианты ответов: (А) 5%, (Б) 20%, (В) 36 %, (Г) 56%, (Д) 90%.
Решение
Введём события:
Условие задачи означает, что
Кроме того, поскольку события и образуют полную группу попарно несовместимых событий, то .
Интересующая нас вероятность - это .
Используя формулу Байеса, мы имеем:
поэтому верным является вариант (В ).
Задача 4
Страховая компания продаёт договора страхования жизни трёх категорий: стандартные, привилегированные и ультрапривилегированные.
50% всех застрахованных являются стандартными, 40% - привилегированными и 10% - ультрапривилегированными.
Вероятность смерти в течение года для стандартного застрахованного равна 0.010, для привилегированного - 0.005, а для ультра привилегированного - 0.001.
Чему равна вероятность того, что умерший застрахованный является ультрапривилегированным?
Решение
Введем в рассмотрение следующие события:
В терминах этих событий интересующая нас вероятность - это . По условию:
Поскольку события , , образуют полную группу попарно несовместимых событий, используя формулу Байеса мы имеем:
Случайные величины и их характеристики
Пусть некоторая случайная величина, например, ущерб от пожара или величина страховых выплат.
Случайная величина полностью характеризуется своей функцией распределения.
Определение.
Функция 
называется функцией распределения
случайной величины ξ
.
Определение. Если существует такая функция , что для произвольных a выполнено
то говорят, что случайная величина ξ имеет плотность распределения вероятности f(x) .
Определение.
Пусть . Для непрерывной функции распределения F
теоретической α-квантилью
называется решение уравнения .
Такое решение может быть не единственным.
Квантиль уровня ½ называется теоретической медианой , квантили уровней ¼ и ¾ - нижней и верхней квартилями соответственно.
В актуарных приложениях важную роль играет неравенство Чебышева:
при любом
Символ математического ожидания.
Читается так: вероятность того, что модуль больше меньше или равняется математическому ожиданию величины модуль , деленному на .
Время жизни как случайная величина
Неопределенность момента смерти является основным фактором риска при страховании жизни.
Относительно момента смерти отдельного человека нельзя сказать ничего определенного. Однако если мы имеем дело с большой однородной группой людей и не интересуемся судьбой отдельных людей из этой группы, то мы находимся в рамках теории вероятностей как науки о массовых случайных явлениях, обладающих свойством устойчивости частот.
Соответственно, мы можем говорить о продолжительности жизни как о случайной величине Т.
Функция выживания
В теории вероятностей описывают стохастическую природу любой случайной величины Т функцией распределения F (x), которая определяется как вероятность того, что случайная величина Т меньше, чем число x :
.
В актуарной математике приятно работать не с функцией распределения, а с дополнительной функцией распределения 
.
Применительно к продолжительной жизни - это вероятность того, что человек доживет до возраста x
лет.
называется функцией выживания (survival function ):
Функция выживания обладает следующими свойствами:
В таблицах продолжительности жизни обычно считают, что существует некоторый предельный возраст (limiting age ) (как правило, лет) и соответственно при x >.
При описании смертности аналитическими законами обычно считают, что время жизни неограниченно, однако подбирают вид и параметры законов так, чтобы вероятность жизни свыше некоторого возраста была пренебрежимо мала.
Функция выживания имеет простой статистический смысл.
Допустим, что мы наблюдаем за группой из новорожденных (как правило, ), которых мы наблюдаем и можем фиксировать моменты их смерти.
Обозначим число живых представителей этой группы в возрасте через . Тогда:
.
Символ E здесь и ниже используется для обозначения математического ожидания.
Итак, функция выживания равна средней доле доживших до возраста из некоторой фиксированной группы новорожденных.
В актуарной математике часто работают не с функцией выживания , а с только что введенной величиной (зафиксировав начальный размер группы ).
Функция выживания может быть восстановлена по плотности:
Характеристики продолжительности жизни
С практической точки зрения важны следующие характеристики:
1 . Среднее время жизни
,
2
. Дисперсия
времени жизни
,
где
,
Знать, как оценить вероятность того или иного события на основе коэффициентов, крайне важно для выбора правильной ставки. Если вы не понимаете, как перевести букмекерский коэффициент в вероятность, то никогда не сможете определить, как соотносится букмекерский коэффициент с реальными шансами того, что событие состоится. Следует понимать, если вероятность события по версии букмекеров ниже, чем вероятность этого же события по вашей собственной версии, ставка на это событие будет ценной. Сравнить коэффициенты на разные события можно на сайте Odds.ru .
1.1. Типы коэффициентов
Букмекерские конторы, как правило, предлагают три типа коэффициентов – десятичный, дробный и американский. Разберем каждую из разновидностей.
1.2. Десятичные коэффициенты
Десятичные коэффициенты при умножении на размер ставки позволяют рассчитать всю сумму, которую вы получите на руки в случае выигрыша. К примеру, если вы поставили 1 доллар на коэффициент 1,80, в случае выигрыша вы получите 1 доллар 80 центов (1 доллар – возвращенная сумма ставки, 0,80 – выигрыш по ставке, он же ваша чистая прибыль).
То есть вероятность исхода, по версии букмекеров, составляет 55%.
1.3. Дробные коэффициенты
Дробные коэффициенты – наиболее традиционный вид коэффициентов. В числителе показана потенциальная сумма чистого выигрыша. В знаменателе – сумма ставки, которую нужно сделать, чтобы этот самый выигрыш получить. К примеру, коэффициент 7/2 означает, что для того, чтобы получить чистый выигрыш в размере 7 долларов, вам необходимо поставить 2 доллара.
Для того чтобы рассчитать вероятность события на основе десятичного коэффициента, следует провести простые вычисления – знаменатель разделить на сумму числителя и знаменателя. Для вышеобозначенного коэффициента 7/2 расчет будет таким:
2 / (7+2) = 2 / 9 = 0,22
То есть вероятность исхода, по версии букмекеров, составляет 22%.
1.4. Американские коэффициенты
Данный вид коэффициентов популярен в Северной Америке. На первый взгляд, они кажутся довольно сложными и непонятными, но не стоит пугаться. Понимание американских коэффициентов может вам пригодиться, например, при игре в американских казино, для понимания котировок, демонстрируемых в североамериканских спортивных трансляциях. Разберем, как оценить вероятность исхода на основе американских коэффициентов.
В первую очередь надо понимать, что американские коэффициенты бывают положительными и отрицательными. Отрицательный американский коэффициент всегда идет в формате, к примеру, «-150». Это означает, что для того, чтобы получить 100 долларов чистой прибыли (выигрыш), необходимо поставить 150 долларов.
Положительный американский коэффициент рассчитывается наоборот. К примеру, у нас есть коэффициент «+120». Это означает, что для того, чтобы получить 120 долларов чистой прибыли (выигрыш), вам необходимо поставить 100 долларов.
Расчет вероятности на основе отрицательных американских коэффициентов делается по следующей формуле:
(-(отрицательный американский коэффициент)) / ((-(отрицательный американский коэффициент)) + 100)
(-(-150)) / ((-(-150)) + 100) = 150 / (150 + 100) = 150 / 250 = 0,6
То есть вероятность события, на которое дается отрицательный американский коэффициент «-150», составляет 60%.
Теперь рассмотрим аналогичные вычисления для положительного американского коэффициента. Вероятность в этом случае рассчитывается по следующей формуле:
100 / (положительный американский коэффициент + 100)
100 / (120 + 100) = 100 / 220 = 0.45
То есть вероятность события, на которое дается положительный американский коэффициент «+120», составляет 45%.
1.5. Как переводить коэффициенты из одного формата в другой?
Умение переводить коэффициенты из одного формата в другой может впоследствии сослужить вам хорошую службу. Как ни странно, до сих пор есть конторы, в которых коэффициенты не конвертируются и показаны лишь в одном, непривычном для нас формате. Рассмотрим на примерах, как это делать. Но для начала нам надо научиться вычислять вероятность исхода на основе данного нам коэффициента.
1.6. Как на основе вероятности рассчитать десятичный коэффициент?
Здесь все очень просто. Необходимо 100 разделить на вероятность события в процентном отношении. То есть, если предполагаемая вероятность события составляет 60%, вам надо:
При предполагаемой вероятности события в 60% десятичный коэффициент будет составлять 1,66.
1.7. Как на основе вероятности рассчитать дробный коэффициент?
В данном случае необходимо 100 разделить на вероятность события и от полученного результата отнять единицу. К примеру, вероятность события составляет 40%:
(100 / 40) — 1 = 2,5 — 1 = 1,5
То есть мы получаем дробный коэффициент 1,5/1 или, для удобства счета, – 3/2.
1.8. Как на основе вероятного исхода рассчитать американский коэффициент?
Здесь многое будет зависеть от вероятности события – будет ли она более 50% или менее. Если вероятность события более 50%, то расчет будет производиться по такой формуле:
— ((вероятность) / (100 — вероятность)) * 100
Например, если вероятность события составляет 80%, то:
— (80 / (100 — 80)) * 100 = — (80 / 20) * 100 = -4 * 100 = (-400)
При предполагаемой вероятности события в 80% мы получили отрицательный американский коэффициент «-400».
Если вероятность события менее 50 процентов, то формула будет следующей:
((100 — вероятность) / вероятность) * 100
Например, если вероятность события составляет 40%, то:
((100-40) / 40) * 100 = (60 / 40) * 100 = 1,5 * 100 = 150
При предполагаемой вероятности события в 40% мы получили положительный американский коэффициент «+150».
Эти вычисления помогут вам лучше понять концепцию ставок и коэффициентов, научиться оценивать истинную стоимость той или иной ставки.