wsh.net.pl

Wyższa Szkoła Handlowa – studiuj razem z nami

Prawdopodobieństwo – wzory i przykłady zastosowania

Czy jutro będzie padać? Jakie są szanse na wygraną w grze losowej? Jak bardzo prawdopodobne jest, że losowo wybrany produkt okaże się wadliwy? Na takie pytania odpowiada rachunek prawdopodobieństwa, czyli dział matematyki, który opisuje zjawiska losowe za pomocą liczb. Z prawdopodobieństwa korzystają ubezpieczyciele, lekarze, inżynierowie, meteorolodzy i informatycy. Pojawia się też na lekcjach matematyki w szkole podstawowej, w liceum i na maturze.

W tym artykule krok po kroku nauczysz się, jak obliczać prawdopodobieństwo. Zaczniemy od podstawowych pojęć. Potem omówimy prawdopodobieństwo klasyczne, zdarzenia przeciwne, sumę i iloczyn zdarzeń, prawdopodobieństwo warunkowe, prawdopodobieństwo całkowite i schemat Bernoulliego. Każdy wzór dostaje wyjaśnienie i rozwiązane przykłady. Na końcu znajdziesz zadania do samodzielnego rozwiązania wraz z odpowiedziami.

Podstawowe pojęcia rachunku prawdopodobieństwa

Zanim przejdziemy do wzorów, musimy ustalić język, którym posługuje się rachunek prawdopodobieństwa. Bez niego wzory byłyby tylko zbiorem znaczków.

Doświadczenie losowe

Doświadczenie losowe to czynność, której wyniku nie potrafimy z góry przewidzieć, choć znamy wszystkie możliwe rezultaty. Przykłady:

  • rzut monetą (możliwe wyniki: orzeł, reszka),
  • rzut sześcienną kostką (wyniki: 1, 2, 3, 4, 5, 6),
  • wylosowanie jednej karty z talii,
  • wyciągnięcie kuli z urny, czyli pojemnika z kulami (urny to klasyczny element zadań z prawdopodobieństwa).

Zdarzenie elementarne i przestrzeń zdarzeń elementarnych

Zdarzenie elementarne to pojedynczy, najprostszy możliwy wynik doświadczenia. Przy rzucie kostką zdarzeniem elementarnym jest np. „wypadła czwórka”.

Zbiór wszystkich zdarzeń elementarnych nazywamy przestrzenią zdarzeń elementarnych i oznaczamy literą \( \Omega \) (omega). Dla rzutu kostką:

\[ \Omega = \{1, 2, 3, 4, 5, 6\} \]

Liczbę elementów zbioru \( \Omega \) zapisujemy jako \( \lvert \Omega \rvert \). W tym przykładzie \( \lvert \Omega \rvert = 6 \).

Zdarzenie losowe

Zdarzenie losowe to dowolny podzbiór przestrzeni \( \Omega \). Zazwyczaj oznaczamy je wielkimi literami: \( A \), \( B \), \( C \). Przykładowo, dla rzutu kostką:

  • \( A \) – „wypadła liczba parzysta”, czyli \( A = \{2, 4, 6\} \),
  • \( B \) – „wypadła liczba większa niż 4”, czyli \( B = \{5, 6\} \),
  • \( C \) – „wypadła liczba 7”, czyli \( C = \emptyset \) (to zdarzenie niemożliwe),
  • \( D \) – „wypadła liczba od 1 do 6”, czyli \( D = \Omega \) (to zdarzenie pewne).

Zdarzenia sprzyjające zdarzeniu \( A \) to te zdarzenia elementarne, które należą do zbioru \( A \). Dla zdarzenia „wypadła liczba parzysta” są to wyniki 2, 4 i 6.

Podstawowe własności prawdopodobieństwa

Prawdopodobieństwo zdarzenia \( A \) oznaczamy symbolem \( P(A) \). To liczba, która mówi, jak bardzo „szanse” sprzyjają temu zdarzeniu. Zawsze spełnia trzy zasady:

\[ 0 \le P(A) \le 1 \]

\[ P(\Omega) = 1 \qquad P(\emptyset) = 0 \]

Oznacza to, że:

  • prawdopodobieństwo nigdy nie jest ujemne i nigdy nie przekracza 1,
  • zdarzenie pewne ma prawdopodobieństwo 1 (czyli 100%),
  • zdarzenie niemożliwe ma prawdopodobieństwo 0.

Prawdopodobieństwo można zapisać jako ułamek zwykły (np. \( \frac{1}{4} \)), ułamek dziesiętny (0,25) albo procent (25%). Jeśli w zadaniu wyjdzie Ci wynik większy od 1 albo ujemny, popełniłeś błąd w rachunkach.

Prawdopodobieństwo klasyczne – podstawowy wzór

Najczęściej stosowany jest wzór na prawdopodobieństwo klasyczne. Działa on wtedy, gdy wszystkie zdarzenia elementarne są jednakowo prawdopodobne. Dotyczy to uczciwej monety, symetrycznej kostki i dobrze wymieszanych kart:

\[ P(A) = \frac{\lvert A \rvert}{\lvert \Omega \rvert} \]

gdzie:

  • \( \lvert A \rvert \) – liczba zdarzeń elementarnych sprzyjających zdarzeniu \( A \),
  • \( \lvert \Omega \rvert \) – liczba wszystkich możliwych zdarzeń elementarnych.

Słownie: prawdopodobieństwo to liczba korzystnych wyników podzielona przez liczbę wszystkich wyników.

Algorytm rozwiązywania zadań

  1. Określ, na czym polega doświadczenie losowe.
  2. Policz wszystkie możliwe wyniki: \( \lvert \Omega \rvert \).
  3. Policz wyniki sprzyjające zdarzeniu: \( \lvert A \rvert \).
  4. Podziel \( \lvert A \rvert \) przez \( \lvert \Omega \rvert \) i w razie potrzeby skróć ułamek.

Przykład 1: rzut kostką

Rzucamy jeden raz sześcienną kostką. Jakie jest prawdopodobieństwo wyrzucenia liczby parzystej?

Wszystkich wyników jest 6, czyli \( \lvert \Omega \rvert = 6 \). Wyniki sprzyjające to 2, 4, 6, więc \( \lvert A \rvert = 3 \). Zatem:

\[ P(A) = \frac{3}{6} = \frac{1}{2} \]

Prawdopodobieństwo wynosi \( \frac{1}{2} \), czyli 50%.

Przykład 2: rzut dwiema kostkami

Rzucamy dwiema kostkami: białą i czerwoną. Wynik zapisujemy jako parę liczb, np. (3, 5) oznacza trójkę na białej i piątkę na czerwonej. Pary (3, 5) i (5, 3) to różne wyniki. Każda z 6 liczb na pierwszej kostce może wystąpić z każdą z 6 liczb na drugiej, więc:

\[ \lvert \Omega \rvert = 6 \cdot 6 = 36 \]

Ile jest sposobów na uzyskanie danej sumy oczek, pokazuje tabela:

Suma oczek Sprzyjające pary Liczba par Prawdopodobieństwo
2 (1,1) 1 1/36
3 (1,2), (2,1) 2 2/36 = 1/18
4 (1,3), (2,2), (3,1) 3 3/36 = 1/12
5 (1,4), (2,3), (3,2), (4,1) 4 4/36 = 1/9
6 (1,5), (2,4), (3,3), (4,2), (5,1) 5 5/36
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 6 6/36 = 1/6
8 (2,6), (3,5), (4,4), (5,3), (6,2) 5 5/36
9 (3,6), (4,5), (5,4), (6,3) 4 4/36 = 1/9
10 (4,6), (5,5), (6,4) 3 3/36 = 1/12
11 (5,6), (6,5) 2 2/36 = 1/18
12 (6,6) 1 1/36

Widać, że suma 7 jest najbardziej prawdopodobna: \( P = \frac{6}{36} = \frac{1}{6} \). Suma 2 lub 12 zdarza się najrzadziej. Dlatego w wielu grach planszowych siódemka wypada „często”.

Typowy błąd: uznanie, że dla dwóch kostek jest tylko 11 wyników (sumy od 2 do 12), więc każda suma ma prawdopodobieństwo \( \frac{1}{11} \). To nieprawda. Te wyniki nie są jednakowo prawdopodobne. Dlatego zawsze rozpatrujemy uporządkowane pary, w których każda para jest jednakowo prawdopodobna.

Przykład 3: talia kart

Z talii 52 kart losujemy jedną. Jakie jest prawdopodobieństwo, że będzie to as?

W talii są 4 asy (po jednym w każdym kolorze), więc:

\[ P(\text{as}) = \frac{4}{52} = \frac{1}{13} \]

Elementy kombinatoryki potrzebne do liczenia prawdopodobieństwa

Gdy doświadczenie jest bardziej złożone, np. losujemy kilka kul naraz, wyliczenie wszystkich wyników „na palcach” staje się niemożliwe. Z pomocą przychodzi kombinatoryka, czyli nauka o zliczaniu możliwości. Poznaj trzy podstawowe narzędzia.

Reguła mnożenia

Jeżeli pierwszy wybór można zrobić na \( m \) sposobów, a drugi na \( n \) sposobów (niezależnie od pierwszego), to oba wybory razem można zrobić na \( m \cdot n \) sposobów. Dlatego dla dwóch kostek mamy \( 6 \cdot 6 = 36 \) wyników.

Silnia

Silnia liczby naturalnej \( n \) to iloczyn wszystkich liczb od 1 do \( n \):

\[ n! = 1 \cdot 2 \cdot 3 \cdot \ldots \cdot n \]

Przykładowo \( 4! = 1 \cdot 2 \cdot 3 \cdot 4 = 24 \). Przyjmujemy też, że \( 0! = 1 \). Silnia mówi, na ile sposobów można ustawić w kolejce \( n \) różnych osób: pierwsze miejsce można obsadzić na \( n \) sposobów, drugie na \( n-1 \) itd.

Kombinacje i symbol Newtona

Gdy z \( n \) elementów wybieramy \( k \), nie zwracając uwagi na kolejność (jak przy losowaniu kul „naraz”), liczbę możliwych wyborów podaje symbol Newtona:

\[ \binom{n}{k} = \frac{n!}{k! \cdot (n-k)!} \]

Przykładowo, na ile sposobów można wybrać 2 kule spośród 5?

\[ \binom{5}{2} = \frac{5!}{2! \cdot 3!} = \frac{5 \cdot 4}{2 \cdot 1} = 10 \]

Przydatny skrót: \( \binom{n}{2} = \frac{n(n-1)}{2} \) oraz \( \binom{n}{1} = n \). Zachodzi też równość \( \binom{n}{k} = \binom{n}{n-k} \), która często ułatwia rachunki.

Przykład 4: losowanie kul z urny

W urnie jest 5 kul czerwonych i 3 niebieskie. Losujemy jednocześnie 2 kule. Jakie jest prawdopodobieństwo, że obie będą czerwone?

Wszystkich kul jest 8, więc liczba sposobów wyboru dwóch z nich to:

\[ \lvert \Omega \rvert = \binom{8}{2} = \frac{8 \cdot 7}{2} = 28 \]

Sposobów wyboru dwóch kul czerwonych spośród pięciu jest:

\[ \lvert A \rvert = \binom{5}{2} = 10 \]

Zatem:

\[ P(A) = \frac{10}{28} = \frac{5}{14} \]

A jakie jest prawdopodobieństwo, że wylosujemy jedną kulę czerwoną i jedną niebieską? Czerwoną wybieramy na 5 sposobów, niebieską na 3, więc na mocy reguły mnożenia mamy \( 5 \cdot 3 = 15 \) korzystnych wyborów:

\[ P(B) = \frac{15}{28} \]

Sprawdźmy jeszcze prawdopodobieństwo dwóch niebieskich: \( \binom{3}{2} = 3 \), więc \( P = \frac{3}{28} \). Wszystkie trzy możliwości dają razem \( \frac{10 + 15 + 3}{28} = \frac{28}{28} = 1 \). Takie sprawdzenie, czy prawdopodobieństwa wszystkich możliwych sytuacji sumują się do 1, to dobry sposób kontroli wyniku.

Przykład 5: Lotto

W grze, w której losuje się 6 liczb spośród 49, kolejność wylosowanych liczb nie ma znaczenia. Liczba wszystkich możliwych wyników to:

\[ \binom{49}{6} = 13\,983\,816 \]

Tylko jeden z nich jest korzystny (trafienie wszystkich sześciu liczb), więc prawdopodobieństwo głównej wygranej wynosi \( \frac{1}{13\,983\,816} \), czyli około 0,000007%.

Zdarzenie przeciwne

Zdarzeniem przeciwnym do zdarzenia \( A \) nazywamy zdarzenie \( A’ \), które zachodzi wtedy i tylko wtedy, gdy \( A \) nie zachodzi. Dla rzutu kostką, jeśli \( A \) to „wypadła szóstka”, to \( A’ \) to „nie wypadła szóstka” (czyli wypadła 1, 2, 3, 4 lub 5).

Zdarzenie i zdarzenie do niego przeciwne razem obejmują wszystkie możliwości, więc ich prawdopodobieństwa dają w sumie 1. Stąd wzór na prawdopodobieństwo zdarzenia przeciwnego:

\[ P(A’) = 1 – P(A) \]

Kiedy warto go używać?

Zawsze wtedy, gdy w treści zadania pojawia się sformułowanie „co najmniej” albo „przynajmniej jeden”. Bezpośrednie liczenie wielu przypadków bywa żmudne. Łatwiej policzyć zdarzenie przeciwne („ani jeden”) i odjąć wynik od 1.

Przykład 6: co najmniej jedna szóstka

Rzucamy trzy razy kostką. Jakie jest prawdopodobieństwo, że szóstka wypadnie co najmniej raz?

Wszystkich wyników jest \( 6 \cdot 6 \cdot 6 = 216 \). Zdarzeniem przeciwnym jest „w żadnym rzucie nie wypadła szóstka”. W każdym rzucie mamy wtedy 5 dobrych wyników, więc \( \lvert A’ \rvert = 5 \cdot 5 \cdot 5 = 125 \).

\[ P(A’) = \frac{125}{216} \]

\[ P(A) = 1 – \frac{125}{216} = \frac{91}{216} \approx 0{,}42 \]

Szansa na co najmniej jedną szóstkę w trzech rzutach to około 42%.

Suma zdarzeń – „lub”

Sumą zdarzeń \( A \cup B \) nazywamy zdarzenie polegające na tym, że zachodzi co najmniej jedno ze zdarzeń \( A \) lub \( B \). W języku potocznym to „A lub B” (przy czym zachodzenie obu naraz też się liczy).

Zdarzenia rozłączne

Zdarzenia \( A \) i \( B \) są rozłączne (wykluczające się), jeśli nie mogą zajść jednocześnie, czyli \( A \cap B = \emptyset \). Przykład: „wypadła liczba parzysta” i „wypadła liczba nieparzysta”. Dla takich zdarzeń prawdopodobieństwa po prostu dodajemy:

\[ P(A \cup B) = P(A) + P(B) \]

Zdarzenia dowolne

Jeśli zdarzenia mogą zajść jednocześnie, to ich część wspólną wzięlibyśmy pod uwagę dwa razy, więc trzeba ją odjąć. Otrzymujemy wzór na prawdopodobieństwo sumy zdarzeń:

\[ P(A \cup B) = P(A) + P(B) – P(A \cap B) \]

Przykład 7: król lub kier

Losujemy jedną kartę z talii 52 kart. Jakie jest prawdopodobieństwo, że będzie to król lub kier?

  • \( A \) – wylosowano króla: \( P(A) = \frac{4}{52} \),
  • \( B \) – wylosowano kiera: \( P(B) = \frac{13}{52} \),
  • \( A \cap B \) – wylosowano króla kier: \( P(A \cap B) = \frac{1}{52} \).

\[ P(A \cup B) = \frac{4}{52} + \frac{13}{52} – \frac{1}{52} = \frac{16}{52} = \frac{4}{13} \]

Gdybyśmy nie odjęli \( \frac{1}{52} \), król kier zostałby policzony dwa razy: raz jako król, raz jako kier.

Przykład 8: liczby podzielne przez 2 lub 3

Z liczb od 1 do 30 losujemy jedną. Jakie jest prawdopodobieństwo, że jest podzielna przez 2 lub przez 3?

  • podzielnych przez 2 jest 15, więc \( P(A) = \frac{15}{30} \),
  • podzielnych przez 3 jest 10, więc \( P(B) = \frac{10}{30} \),
  • podzielnych przez 6 (czyli przez oba) jest 5, więc \( P(A \cap B) = \frac{5}{30} \).

\[ P(A \cup B) = \frac{15}{30} + \frac{10}{30} – \frac{5}{30} = \frac{20}{30} = \frac{2}{3} \]

Iloczyn zdarzeń – „i” oraz niezależność

Iloczynem zdarzeń \( A \cap B \) nazywamy zdarzenie polegające na tym, że zachodzą oba zdarzenia naraz: „A i B”.

Zdarzenia niezależne

Zdarzenia \( A \) i \( B \) są niezależne, jeśli to, czy zaszło jedno z nich, nie wpływa na prawdopodobieństwo drugiego. Typowy przykład to kolejne rzuty monetą lub kostką. Moneta „nie pamięta”, co wypadło wcześniej. Dla zdarzeń niezależnych:

\[ P(A \cap B) = P(A) \cdot P(B) \]

Przykład 9: dwa orły z rzędu

Rzucamy dwa razy monetą. Jakie jest prawdopodobieństwo, że za każdym razem wypadnie orzeł?

\[ P = \frac{1}{2} \cdot \frac{1}{2} = \frac{1}{4} \]

Potwierdza to bezpośrednie zliczenie. Wszystkich wyników jest 4 (OO, OR, RO, RR), a korzystny jest jeden.

Przykład 10: dwóch strzelców

Pierwszy strzelec trafia w cel z prawdopodobieństwem 0,8, a drugi z prawdopodobieństwem 0,7. Strzelają niezależnie od siebie.

  • Prawdopodobieństwo, że trafią obaj:

\[ P = 0{,}8 \cdot 0{,}7 = 0{,}56 \]

  • Prawdopodobieństwo, że cel zostanie trafiony przynajmniej raz. Łatwiej policzyć zdarzenie przeciwne, czyli że obaj chybią. Pierwszy chybia z prawdopodobieństwem \( 1 – 0{,}8 = 0{,}2 \), drugi z \( 1 – 0{,}7 = 0{,}3 \):

\[ P = 1 – 0{,}2 \cdot 0{,}3 = 1 – 0{,}06 = 0{,}94 \]

Połączenie zdarzenia przeciwnego z niezależnością to jeden z najczęstszych schematów w zadaniach.

Uwaga: „rozłączne” to nie to samo co „niezależne”

Początkujący często mylą te pojęcia. Zdarzenia rozłączne nie mogą zajść razem (to dotyczy sumy zdarzeń i dodawania). Zdarzenia niezależne nie wpływają na siebie (to dotyczy iloczynu i mnożenia). Prosta zasada: „lub” zazwyczaj prowadzi do dodawania, a „i” do mnożenia.

Prawdopodobieństwo warunkowe

Czasem wiemy już, że pewne zdarzenie zaszło, i to zmienia nasze szanse. Prawdopodobieństwo warunkowe \( P(A \mid B) \) to prawdopodobieństwo zdarzenia \( A \) pod warunkiem, że zaszło zdarzenie \( B \). Czytamy: „prawdopodobieństwo A pod warunkiem B”.

\[ P(A \mid B) = \frac{P(A \cap B)}{P(B)}, \qquad P(B) \gt 0 \]

Intuicja jest prosta. Skoro wiemy, że zaszło \( B \), to nasza „nowa przestrzeń” zawęża się do zdarzenia \( B \). Pytamy, jaką część tej zawężonej przestrzeni zajmuje zdarzenie \( A \).

Przykład 11: kostka z dodatkową informacją

Rzucamy kostką. Wiemy, że wypadła liczba większa niż 3. Jakie jest prawdopodobieństwo, że jest ona parzysta?

  • \( B \) – liczba większa niż 3: \( B = \{4, 5, 6\} \), więc \( P(B) = \frac{3}{6} \),
  • \( A \) – liczba parzysta: \( A = \{2, 4, 6\} \),
  • \( A \cap B = \{4, 6\} \), więc \( P(A \cap B) = \frac{2}{6} \).

\[ P(A \mid B) = \frac{\frac{2}{6}}{\frac{3}{6}} = \frac{2}{3} \]

Można to zobaczyć też bez wzoru. Skoro wypadła 4, 5 lub 6, to mamy 3 możliwości, a 2 z nich (4 i 6) są parzyste. Stąd \( \frac{2}{3} \).

Wzór na iloczyn zdarzeń w postaci ogólnej

Przekształcając wzór na prawdopodobieństwo warunkowe, otrzymujemy wzór na prawdopodobieństwo iloczynu dla dowolnych zdarzeń (niekoniecznie niezależnych):

\[ P(A \cap B) = P(B) \cdot P(A \mid B) \]

Jeśli zdarzenia są niezależne, to \( P(A \mid B) = P(A) \) i wzór sprowadza się do poznanego wcześniej mnożenia.

Przykład 12: losowanie bez zwracania

W urnie jest 5 kul czerwonych i 3 niebieskie. Losujemy kolejno dwie kule bez zwracania (pierwszej nie odkładamy). Jakie jest prawdopodobieństwo, że obie są czerwone?

  • Pierwsza czerwona: \( P(B) = \frac{5}{8} \).
  • Druga czerwona pod warunkiem, że pierwsza była czerwona: w urnie zostało 7 kul, w tym 4 czerwone, więc \( P(A \mid B) = \frac{4}{7} \).

\[ P(A \cap B) = \frac{5}{8} \cdot \frac{4}{7} = \frac{20}{56} = \frac{5}{14} \]

Otrzymaliśmy ten sam wynik co w przykładzie 4, gdzie liczyliśmy za pomocą kombinacji. Oba sposoby są poprawne i warto umieć stosować oba.

Drzewo stochastyczne

Przy doświadczeniach wieloetapowych pomocne jest drzewo stochastyczne. Z każdego punktu rysujemy gałęzie odpowiadające możliwym wynikom danego etapu i opisujemy je prawdopodobieństwami. Obowiązują dwie zasady:

  • mnożymy prawdopodobieństwa wzdłuż jednej ścieżki (od początku do końca),
  • dodajemy prawdopodobieństwa różnych ścieżek, które prowadzą do interesującego nas zdarzenia.

Dla przykładu 12 drzewo ma na pierwszym etapie dwie gałęzie: czerwona \( \frac{5}{8} \) i niebieska \( \frac{3}{8} \). Z gałęzi „czerwona” wychodzą: czerwona \( \frac{4}{7} \) i niebieska \( \frac{3}{7} \). Z gałęzi „niebieska” wychodzą: czerwona \( \frac{5}{7} \) i niebieska \( \frac{2}{7} \). Prawdopodobieństwo wylosowania kul o różnych kolorach to suma dwóch ścieżek:

\[ P = \frac{5}{8} \cdot \frac{3}{7} + \frac{3}{8} \cdot \frac{5}{7} = \frac{15}{56} + \frac{15}{56} = \frac{30}{56} = \frac{15}{28} \]

To znów zgadza się z wynikiem z przykładu 4.

Prawdopodobieństwo całkowite i wzór Bayesa

Jeśli doświadczenie można podzielić na kilka wzajemnie wykluczających się „scenariuszy” \( B_{1}, B_{2}, \ldots, B_{n} \), które razem wyczerpują wszystkie możliwości, to prawdopodobieństwo zdarzenia \( A \) wyraża wzór na prawdopodobieństwo całkowite:

\[ P(A) = P(A \mid B_{1}) \cdot P(B_{1}) + P(A \mid B_{2}) \cdot P(B_{2}) + \ldots + P(A \mid B_{n}) \cdot P(B_{n}) \]

To po prostu zapisana wzorem zasada „mnożymy wzdłuż ścieżek, dodajemy ścieżki” z drzewa stochastycznego.

Przykład 13: fabryka

W fabryce maszyna \( M_{1} \) produkuje 60% wszystkich wyrobów, a maszyna \( M_{2} \) pozostałe 40%. Wadliwych jest 2% wyrobów z maszyny \( M_{1} \) i 5% wyrobów z maszyny \( M_{2} \). Jakie jest prawdopodobieństwo, że losowo wybrany wyrób jest wadliwy?

Niech \( W \) oznacza zdarzenie „wyrób jest wadliwy”.

\[ P(W) = 0{,}02 \cdot 0{,}6 + 0{,}05 \cdot 0{,}4 = 0{,}012 + 0{,}020 = 0{,}032 \]

Losowo wybrany wyrób jest wadliwy z prawdopodobieństwem 3,2%.

Wzór Bayesa

Często pytamy odwrotnie: skoro wyrób okazał się wadliwy, to jakie jest prawdopodobieństwo, że pochodzi z maszyny \( M_{1} \)? Odpowiada na to wzór Bayesa:

\[ P(B_{1} \mid A) = \frac{P(A \mid B_{1}) \cdot P(B_{1})}{P(A)} \]

Dla naszego przykładu:

\[ P(M_{1} \mid W) = \frac{0{,}02 \cdot 0{,}6}{0{,}032} = \frac{0{,}012}{0{,}032} = 0{,}375 \]

Mimo że maszyna \( M_{1} \) produkuje większość wyrobów, tylko 37,5% wadliwych sztuk pochodzi z niej, ponieważ ta maszyna rzadziej się myli.

Schemat Bernoulliego – powtarzane próby

Wyobraź sobie doświadczenie, które powtarzamy \( n \) razy, za każdym razem niezależnie, a każda próba kończy się albo sukcesem (z prawdopodobieństwem \( p \)), albo porażką (z prawdopodobieństwem \( q = 1 – p \)). Takie doświadczenie to schemat Bernoulliego. Prawdopodobieństwo, że w \( n \) próbach wystąpi dokładnie \( k \) sukcesów, wynosi:

\[ P_{n}(k) = \binom{n}{k} \cdot p^{k} \cdot q^{n-k} \]

Skąd ten wzór? Jedno konkretne ułożenie \( k \) sukcesów i \( n-k \) porażek ma prawdopodobieństwo \( p^{k} q^{n-k}\) (mnożenie zdarzeń niezależnych). Takich ułożeń jest tyle, ile sposobów wyboru, w których \( k \) próbach nastąpił sukces, czyli \( \binom{n}{k} \).

Przykład 14: orły w pięciu rzutach

Rzucamy 5 razy monetą. Jakie jest prawdopodobieństwo wyrzucenia dokładnie 3 orłów? Tutaj \( n = 5 \), \( k = 3 \), \( p = q = \frac{1}{2} \).

\[ P_{5}(3) = \binom{5}{3} \cdot \left(\frac{1}{2}\right)^{3} \cdot \left(\frac{1}{2}\right)^{2} = 10 \cdot \frac{1}{32} = \frac{5}{16} \]

Przykład 15: zgadywanie w teście

Test ma 4 pytania, a do każdego podano 4 odpowiedzi, z których tylko jedna jest poprawna. Uczeń zgaduje wszystkie odpowiedzi. Jakie jest prawdopodobieństwo, że zgadnie dokładnie 2 pytania? Tu \( n = 4 \), \( k = 2 \), \( p = \frac{1}{4} \), \( q = \frac{3}{4} \).

\[ P_{4}(2) = \binom{4}{2} \cdot \left(\frac{1}{4}\right)^{2} \cdot \left(\frac{3}{4}\right)^{2} = 6 \cdot \frac{1}{16} \cdot \frac{9}{16} = \frac{54}{256} = \frac{27}{128} \approx 0{,}21 \]

Najczęstsze błędy i wskazówki

  • Nieprawidłowe określenie przestrzeni \( \Omega \). Zawsze zastanów się, czy kolejność ma znaczenie i czy losowanie jest ze zwracaniem, czy bez. Licząc \( \lvert \Omega \rvert \) i \( \lvert A \rvert \), musisz stosować to samo podejście do obu liczb.
  • Założenie, że wszystkie wyniki są jednakowo prawdopodobne. Wzór klasyczny wolno stosować tylko wtedy, gdy tak jest. Pamiętaj o przykładzie z sumą oczek na dwóch kostkach.
  • Mylenie dodawania z mnożeniem. „Lub” oznacza dodawanie, ale dla zdarzeń niewykluczających się trzeba odjąć część wspólną. „I” oznacza mnożenie, dla zdarzeń zależnych wymaga jednak prawdopodobieństwa warunkowego.
  • Pomijanie zdarzenia przeciwnego. Przy słowach „co najmniej” najpierw sprawdź, czy nie opłaca się policzyć \( 1 – P(A’) \).
  • Złudzenie hazardzisty. Jeśli moneta pięć razy z rzędu wypadła orłem, szansa na orła w szóstym rzucie nadal wynosi \( \frac{1}{2} \). Rzuty są niezależne.
  • Brak kontroli wyniku. Wynik musi należeć do przedziału od 0 do 1. Jeśli rozpisujesz wszystkie możliwości, ich prawdopodobieństwa powinny dawać w sumie 1.

Zadania do samodzielnego rozwiązania

Spróbuj rozwiązać poniższe zadania samodzielnie, a potem sprawdź odpowiedzi.

Zadanie 1. Z liczb od 1 do 20 losujemy jedną. Jakie jest prawdopodobieństwo, że będzie ona podzielna przez 3?

Zadanie 2. Rzucamy trzy razy monetą. Jakie jest prawdopodobieństwo, że wypadnie co najmniej jeden orzeł?

Zadanie 3. W urnie jest 4 kule białe i 6 czarnych. Losujemy kolejno dwie kule bez zwracania. Jakie jest prawdopodobieństwo, że obie są białe?

Zadanie 4. Rzucamy dwiema kostkami. Jakie jest prawdopodobieństwo, że suma oczek jest parzysta?

Rozwiązania

Zadanie 1. Liczb podzielnych przez 3 w zbiorze \( \{1, 2, \ldots, 20\} \) jest 6 (3, 6, 9, 12, 15, 18). Zatem \( P = \frac{6}{20} = \frac{3}{10} \).

Zadanie 2. Zdarzeniem przeciwnym jest „same reszki”: \( P(A’) = \left(\frac{1}{2}\right)^{3} = \frac{1}{8} \). Zatem \( P(A) = 1 – \frac{1}{8} = \frac{7}{8} \).

Zadanie 3. \( P = \frac{4}{10} \cdot \frac{3}{9} = \frac{12}{90} = \frac{2}{15} \).

Zadanie 4. Suma jest parzysta, gdy obie liczby są parzyste albo obie nieparzyste: \( 3 \cdot 3 + 3 \cdot 3 = 18 \) korzystnych par spośród 36. Zatem \( P = \frac{18}{36} = \frac{1}{2} \).

Podsumowanie – zestawienie wzorów

Zagadnienie Wzór Kiedy stosować
Prawdopodobieństwo klasyczne \( P(A) = \frac{\lvert A \rvert}{\lvert \Omega \rvert} \) Wszystkie wyniki jednakowo prawdopodobne
Zdarzenie przeciwne \( P(A’) = 1 – P(A) \) Sformułowania „co najmniej”, „przynajmniej jeden”
Suma zdarzeń rozłącznych \( P(A \cup B) = P(A) + P(B) \) Zdarzenia nie mogą zajść jednocześnie
Suma zdarzeń (ogólnie) \( P(A \cup B) = P(A) + P(B) – P(A \cap B) \) Dowolne zdarzenia, „A lub B”
Iloczyn zdarzeń niezależnych \( P(A \cap B) = P(A) \cdot P(B) \) Zdarzenia nie wpływają na siebie, „A i B”
Prawdopodobieństwo warunkowe \( P(A \mid B) = \frac{P(A \cap B)}{P(B)} \) Wiemy, że zaszło zdarzenie \( B \)
Iloczyn zdarzeń (ogólnie) \( P(A \cap B) = P(B) \cdot P(A \mid B) \) Losowanie bez zwracania, zdarzenia zależne
Prawdopodobieństwo całkowite \( P(A) = \sum P(A \mid B_{i}) \cdot P(B_{i}) \) Kilka rozłącznych „scenariuszy”
Schemat Bernoulliego \( P_{n}(k) = \binom{n}{k} p^{k} q^{n-k} \) \( n \) niezależnych prób, dokładnie \( k \) sukcesów

Rachunek prawdopodobieństwa wymaga przede wszystkim praktyki. Przy każdym zadaniu najpierw ustal, co jest doświadczeniem i jakie są wyniki. Potem zdecyduj, czy wyniki są jednakowo prawdopodobne. Na końcu wybierz odpowiedni wzór: klasyczny, zdarzenie przeciwne, sumę, iloczyn, wzór warunkowy lub Bernoulliego. Rysowanie drzewka i sprawdzanie, czy wynik mieści się w przedziale od 0 do 1, pomoże Ci uniknąć większości błędów.

Warto przeczytać