При оценки вероятности наступления какого-либо случайного события очень важно предварительно хорошо представлять, зависит ли вероятность () наступления интересующего нас события от того, как развиваются остальные события.

В случае классической схемы, когда все исходы равновероятны, мы уже можем оценить значения вероятности интересующего нас отдельного события самостоятельно. Мы можем сделать это даже в том случае, если событие является сложной совокупностью нескольких элементарных исходов. А если несколько случайных событий происходит одновременно или последовательно? Как это влияет на вероятность реализации интересующего нас события?

Если я несколько раз кидаю игральную кость, и хочу, чтобы выпала "шестерка", а мне все время не везет, значит ли это, что надо увеличивать ставку, потому что, согласно теории вероятностей, мне вот-вот должно повезти? Увы, теория вероятности не утверждает ничего подобного. Ни кости, ни карты, ни монетки не умеют запоминать, что они продемонстрировали нам в прошлый раз. Им совершенно не важно, в первый раз или в десятый раз сегодня я испытываю свою судьбу. Каждый раз, когда я повторяю бросок, я знаю только одно: и на этот раз вероятность выпадения "шестерки" снова равна одной шестой. Конечно, это не значит, что нужная мне цифра не выпадет никогда. Это означает лишь то, что мой проигрыш после первого броска и после любого другого броска - независимые события.

События А и В называются независимыми , если реализация одного из них никак не влияет на вероятность другого события. Например, вероятности поражения цели первым из двух орудий не зависят от того, поразило ли цель другое орудие, поэтому события "первое орудие поразило цель" и "второе орудие поразило цель" независимы.

Если два события А и В независимы, и вероятность каждого из них известна, то вероятность одновременного наступления и события А, и события В (обозначается АВ) можно посчитать, воспользовавшись следующей теоремой.

Теорема умножения вероятностей для независимых событий

Пример. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 =0,7; р 2 =0,8. Найти вероятность попадания при одном залпе обоими орудиями одновременно.

Решение: как мы уже видели события А (попадание первого орудия) и В (попадание второго орудия) независимы, т.е. Р(АВ)=Р(А)*Р(В)=р 1 *р 2 =0,56.

Что произойдет, с нашими оценками, если исходные события не являются независимыми? Давайте немного изменим предыдущий пример.

Пример. Два стрелка на соревнованиях стреляют по мишеням, причем, если один из них стреляет метко, то соперник начинает нервничать, и его результаты ухудшаются. Как превратить эту житейскую ситуацию в математическую задачу и наметить пути ее решения? Интуитивно понятно, что надо каким-то образом разделить два варианта развития событий, составить по сути дела два сценария, две разные задачи. В первом случае, если соперник промахнулся, сценарий будет благоприятный для нервного спортсмена и его меткость будет выше. Во втором случае, если соперник прилично реализовал свой шанс, вероятность поразить мишень для второго спортсмена снижается.

Для разделения возможных сценариев (их часто называют гипотезами) развития событий мы будем часто использовать схему "дерева вероятностей". Эта схема похожа по смыслу на дерево решений, с которым Вам, наверное, уже приходилось иметь дело. Каждая ветка представляет собой отдельный сценарий развития событий, только теперь она имеет собственное значение так называемой условной вероятности (q 1 , q 2 , q 1 -1, q 2 -1).

Эта схема очень удобна для анализа последовательных случайных событий.

Остается выяснить еще один немаловажный вопрос: откуда берутся исходные значения вероятностей в реальных ситуациях ? Ведь не с одними же монетами и игральными костями работает теория вероятностей? Обычно эти оценки берутся из статистики, а когда статистические сведения отсутствуют, мы проводим собственное исследование. И начинать его нам часто приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны.

Пример. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева вероятностей". При этом значение вероятности на каждой "ветке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка:

1) из всех жителей города женщин 50%,

2) из всех женщин только 30% красят волосы часто,

3) из них только 10% пользуются бальзамами для окрашенных волос,

4) из них только 10% могут набраться смелости попробовать новый товар,

5) из них 70% обычно покупает все не у нас, а у наших конкурентов.

Решение: По закону перемножения вероятностей, определяем вероятность интересующего нас события А ={житель города покупает у нас этот новый бальзам}=0,00045.

Умножим это значение вероятности на число жителей города. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля.

И все-таки польза от наших оценок есть.

Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения вероятности тоже будут разные.

Во-вторых, как мы уже говорили, случайная величина не потому называется случайной, что она совсем ни от чего не зависит. Просто ее точное значение заранее не известно. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вероятностей нас особенно не устраивает, на тех факторах, на которые мы в состоянии повлиять.

Рассмотрим еще один количественный пример исследования покупательского поведения.

Пример. За день продовольственный рынок посещает в среднем 10000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 1/2. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов.

Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г?

Обсуждение. Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил.

Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы должны найти ответ на вопрос, какова вероятность того, что человек, зашедший в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое время за посетителями павильона. Допустим, наши наблюдения показали, что только пятая часть посетителей павильона что-то покупает.

Как только эти оценки нами получены, задача становится уже простой. Из 10000 человек, пришедших на рынок, 5000 зайдут в павильон молочных продуктов, покупок будет только 1000. Средний вес покупки равен 500 грамм. Интересно отметить, что для построения полной картины происходящего, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с вероятностями.

Задачи для самопроверки

1. Пусть есть электрическая цепь, состоящая из n последовательно соединенных элементов, каждый из которых работает независимо от остальных.

Известна вероятность p невыхода из строя каждого элемента. Определите вероятность исправной работы всего участка цепи (событие А).

2. Студент знает 20 из 25 экзаменационных вопросов. Найдите вероятность того, что студент знает предложенные ему экзаменатором три вопроса.

3. Производство состоит из четырех последовательных этапов, на каждом из которых работает оборудование, для которого вероятности выхода из строя в течение ближайшего месяца равны соответственно р 1 , р 2 , р 3 и р 4 . Найдите вероятность того, что за месяц не случится ни одной остановки производства из-за неисправности оборудования.

Основные понятия
События называются несовместными, если появление одного из них исключает появление других событий в одном и том же испытании. В противном случае они называются совместными.
Полной группой называют совокупность событий, объединение которых есть событие достоверное.
Противоположными называют два единственно возможных события, образующих полную группу.
События называются зависимыми, если вероятность появления одного из них зависит от наступления или ненаступления других событий.
События называются независимыми, если вероятность одного из них не зависит от наступления или ненаступления других.
Теорема сложения вероятностей несовместных событий
Р(A+B)=Р(A)+Р(B),
где А, В - несовместные события.

Теорема сложения вероятностей совместных событий
Р(A+B)=Р(A)+Р(B)-P(AB), где А и В - совместные события.

Теорема умножения вероятностей независимых событий
,
где А и В независимые события.
Теорема умножения вероятностей зависимых событий
Р(АВ)=Р(А)Р A (B),
где Р A (B) - вероятность наступления события В при условии, что произошло событие А; А и В- зависимые события.

Задача 1.
Стрелок производит два выстрела по мишени. Вероятность попадания при каждом выстреле 0,8. Составить полную группу событий и найти их вероятности. Решение.
Испытание - Производится два выстрела по мишени.
Событие А - оба раза промахнулся.
Событие В - попал один раз.
Событие С - оба раза попал.
.

Контроль: P(A) + P(B) + P(C) = 1.
Задача 2.
Согласно прогнозу метеорологов Р(дождь)=0,4; Р(ветер)=0,7; Р(дождь и ветер)=0,2. Какова вероятность того, что будет дождь или ветер? Решение. По теореме сложения вероятностей и в силу совместности предложенных событий имеем:
Р(дождь или ветер или то и другое)=Р(дождь) +Р(ветер) –Р(дождь и ветер)=0,4+0,7-0,2=0,9.
Задача 3.
На станции отправления имеется 8 заказов на отправку товара: пять – внутри страны, а три – на экспорт. Какова вероятность того, что два выбранных наугад заказа окажутся предназначенными для потребления внутри страны? Решение. Событие А – первый взятый наугад заказ – внутри страны. Событие В – второй тоже предназначен для внутреннего потребления. Нам необходимо найти вероятность Тогда по теореме об умножении вероятностей зависимых событий имеем

Задача 4.
Из партии изделий товаровед наудачу отбирает изделия высшего сорта. Вероятность того, что выбранная вещь окажется высшего сорта равна, 0,8; первого сорта – 0,7; второго сорта – 0,5. Найти вероятность того, что из трех наудачу отобранных изделий будут:
а) только два высшего сорта;
б) все разные. Решение. Пусть событие - изделие высшего сорта; событие - изделие первого сорта; событие - изделие второго сорта.
По условию задачи ; ; События - независимы.
а) Событие А – только два изделия высшего сорта будет выглядеть так тогда

б) Событие В – все три изделия различны - выразим так:, тогда .
Задача 5.
Вероятности попадания в цель при стрельбе из трех орудий таковы: p1= 0,8; p2 =0,7; p3 =0,9. Найти вероятность хотя бы одного попадания (событие А ) при одном залпе из всех орудий. Решение. Вероятность попадания в цель каждым из орудий не зависит от результатов стрельбы из других орудий, поэтому рассматриваемые события (попадание первого орудия), (попадание второго орудия) и (попадание третьего орудия) независимы в совокупности.
Вероятности событий, противоположных событиям (т.е. вероятности промахов), соответственно равны:

Искомая вероятность
Задача 6.
В типографии имеется 4 печатных машины. Для каждой машины вероятность того, что она работает в данный момент, равна 0,9. Найти вероятность того, что в данный момент работает хотя бы одна машина (событие А ). Решение. События «машина работает» и «машина не работает» (в данный момент) – противоположные, поэтому сумма их вероятностей равна единице:
Отсюда вероятность того, что машина в данный момент не работает, равна
Искомая вероятность . Задача 7. В читальном зале имеется 6 учебников по теории вероятностей, из которых три в переплете. Библиотекарь наудачу взял два учебника. Найти вероятность того, что оба учебника окажутся в переплете.

Решение. Рассмотрим следующие события:
А1- первый взятый учебник в переплете;
A2- второй взятый учебник в переплете.
Событие, состоящее в том, что оба взятых учебника в переплете . События А1 и А2 являются зависимыми, так как вероятность наступления события А2 зависит от наступления события А1. Для решения указанной задачи воспользуемся теоремой умножения вероятностей зависимых событий: .
Вероятность наступления события А1 p(A1) в соответствии с классическим определением вероятности:
P(A1)=m/n=3/6=0,5.
Вероятность наступления события А2 определяется условной вероятностью наступления события А2 при условии наступления события А1 , т.е. (A2)==0,4.
Тогда искомая вероятность наступления события:
P(A)=0,5*0,4=0,2.

Теоремы сложения и умножения вероятностей.

Теорема сложения вероятностей двух событий . Вероятность суммы двух событий равна сумме вероятностей этих событий без вероятности их совместного появления :

Р(А+В)=Р(А)+Р(В)-Р(АВ).

Теорема сложения вероятностей двух несовместных событий . Вероятность суммы двух несовместных событий равна сумме вероятностей этих :

Р(А+В)=Р(А)+Р(В).

Пример 2.16. Стрелок стреляет по мишени, разделенной на 3 области. Вероятность попадания в первую область равна 0,45, во вторую - 0,35. Найти вероятность того, что стрелок при одном выстреле попадет либо в первую, либо во вторую область.

Решение.

События А - «стрелок попал в первую область» и В - «стрелок попал во вторую область» - несовместны (попадание в одну область исключает попадание в другую), поэтому теорема сложения применима.

Искомая вероятность равна:

Р(А+В)=Р(А)+Р(В)= 0,45+ 0,35 = 0,8.

Теорема сложения вероятностей п несовместных событий . Вероятность суммы п несовместных событий равна сумме вероятностей этих :

Р(А 1 +А 2 +…+А п)=Р(А 1)+Р(А 2)+…+Р(А п).

Сумма вероятностей противоположных событий равна единице:

Вероятность события В при условии, что произошло событие А , называется условной вероятностью события В и обозначается так: Р(В/А), или Р А (В).

. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого при условии, что первое событие произошло:

Р(АВ)=Р(А)Р А (В).

Событие В не зависит от события А , если

Р А (В)=Р(В),

т.е. вероятность события В не зависит от того, произошло ли событие А .

Теорема умножения вероятностей двух независимых событий. Вероятность произведения двух независимых событий равна произведению их вероятностей:

Р(АВ)=Р(А)Р(В).

Пример 2.17. Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: р 1 = 0,7; р 2 = 0,8. Найти вероятность попадания при одном залпе (из обоих орудий) хотя бы одним из орудий.

Решение.

Вероятность попадания в цель каждым из орудий не зависит от результата стрельбы из другого орудия, поэтому события А – «попадание первого орудия» и В – «попадание второго орудия» независимы.

Вероятность события АВ – «оба орудия дали попадание»:

Искомая вероятность

Р(А+В) = Р(А) + Р(В) – Р(АВ) = 0,7 + 0,8 – 0,56 = 0,94.

Теорема умножения вероятностей п событий. Вероятность произведения п событий равна произведению одного из них на условные вероятности всех остальных, вычисленные в предположении, что все предыдущие события наступили:

Пример 2.18 . В урне 5 белых, 4 черных и 3 синих шара. Каждое испытание состоит в том, что наудачу извлекают один шар, не возвращая его обратно. Найти вероятность того, что при первом испытании появится белый шар (событие А), при втором – черный (событие В) и при третьем – синий (событие С).

Решение.

Вероятность появления белого шара в первом испытании:

Вероятность появления черного шара во втором испытании, вычисленная в предположении, что в первом испытании появился белый шар, т. е. условная вероятность:

Вероятность появления синего шара в третьем испытании, вычисленная в предположении, что в первом испытании появился белый шар, а во втором - черный, т. е. условная вероятность:

Искомая вероятность равна:

Теорема умножения вероятностей п независимых событий. Вероятность произведения п независимых событий равна произведению их вероятностей:

Р(А 1 А 2 …А п)=Р(А 1)Р(А 2)…Р(А п).

Вероятность появления хотя бы одного из события. Вероятность появления хотя бы одного из событий А 1 , А 2 , …, А п, независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий :

.

Пример 2.19. Вероятности попадания в цель при стрельбе из трех орудий таковы: р 1 = 0,8; р 2 = 0,7; р 3 = 0,9. Найти вероятность хотя бы одного попадания (событие А ) при одном залпе из всех орудий.

Решение.

Вероятность попадания в цель каждым из орудий не зависит от результатов стрельбы из других орудий, поэтому рассматриваемые события A 1 (попадание первого орудия), А 2 (попадание второго орудия) и А 3 (попадание третьего орудия) независимы в совокупности.

Вероятности событий, противоположных событиям А 1 , А 2 и А 3 (т.е. вероятности промахов), соответственно равны:

, , .

Искомая вероятность равна:

Если независимые события А 1 , А 2 , …, А п имеют одинаковую вероятность, равную р , то вероятность появления хотя бы одного из этих событий выражается формулой:

Р(А)= 1 – q n ,

где q=1- p

2.7. Формула полной вероятности. Формула Байеса.

Пусть событие А может произойти при условии появления одного из несовместных событий Н 1 , Н 2 , …, Н п , образующих полную группу событий. Поскольку заранее неизвестно, какое из этих событий наступит, их называют гипотезами .

Вероятность появления события А вычисляется по формуле полной вероятности:

Р(А)=Р(Н 1)Р(А/Н 1)+ Р(Н 2)Р(А/Н 2)+…+ Р(Н п)Р(А/Н п).

Допусти, что произведен опыт, в результате которого событие А произошло. Условные вероятности событий Н 1 , Н 2 , …, Н п относительно события А определяются формулами Байеса :

,

Пример 2.20 . В группе из 20 студентов, пришедших на экзамен, 6 подготовлены отлично, 8 – хорошо, 4 – удовлетворительно и 2 – плохо. В экзаменационных билетах имеется 30 вопросов. Отлично подготовленный студент может ответить на все 30 вопросов, хорошо подготовленный – на 24, удовлетворительно – на 15, плохо – на 7.

Вызванный наугад студент ответил на три произвольно заданных вопроса. Найти вероятность того, что этот студент подготовлен: а) отлично; б) плохо.

Решение.

Гипотезы – «студент подготовлен отлично»;

– «студент подготовлен хорошо»;

– «студент подготовлен удовлетворительно»;

– «студент подготовлен плохо».

До опыта:

; ; ; ;

7. Что называют полной группой событий?

8. Какие события называют равновозможными? Приведите примеры таких событий.

9. Что называют элементарным исходом?

10. Какие исходы называю благоприятными данному событию?

11. Какие операции можно проводить над событиями? Дайте им определения. Как обозначаются? Приведите примеры.

12. Что называется вероятностью?

13. Чему равна вероятность достоверного события?

14. Чему равна вероятность невозможного события?

15. В каких пределах заключена вероятность?

16. Как определяется геометрическая вероятность на плоскости?

17. Как определяется вероятность в пространстве?

18. Как определяется вероятность на прямой?

19. Чему равна вероятность суммы двух событий?

20. Чему равна вероятность суммы двух несовместных событий?

21. Чему равна вероятность суммы n несовместных событий?

22. Какую вероятность называют условной? Приведите пример.

23. Сформулируйте теорему умножения вероятностей.

24. Как найти вероятность появления хотя бы одного из событий?

25. Какие события называют гипотезами?

26. Когда применяются формула полной вероятности и формулы Байеса?

Теорема сложения вероятностей

Рассмотрим несовместные случайные события.

Известно, что несовместные случайные события $A$ и $B$ в одном и том же испытании имеют вероятности появления $P\left(A\right)$ и $P\left(B\right)$ соответственно. Найдем вероятность суммы $A+B$ этих событий, то есть вероятность появления хотя бы одного из них.

Предположим, что в данном испытании число всех равновозможных элементарных событий $n$. Из них событиям $A$ и $B$ благоприятствуют $m_{A} $ и $m_{B} $ элементарных событий соответственно. Поскольку события $A$ и $B$ несовместные, то событию $A+B$ благоприятствуют $m_{A} +m_{B} $ элементарных событий. Имеем $P\left(A+B\right)=\frac{m_{A} +m_{B} }{n} =\frac{m_{A} }{n} +\frac{m_{B} }{n} =P\left(A\right)+P\left(B\right)$.

Теорема 1

Вероятность суммы двух несовместных событий равняется сумме их вероятностей.

Примечание 1

Следствие 1. Вероятность суммы любого количества несовместных событий равняется сумме вероятностей этих событий.

Следствие 2. Сумма вероятностей полной группы несовместных событий (сумма вероятностей всех элементарных событий) равна единице.

Следствие 3. Сумма вероятностей противоположных событий равна единице, поскольку они образуют полную группу несовместных событий.

Пример 1

Вероятность того, что на протяжении некоторого времени в городе ни разу не будет идти дождь, $p=0,7$. Найти вероятность $q$ того, что на протяжении этого же времени дождь в городе будет идти хотя бы один раз.

События "на протяжении некоторого времени в городе ни разу не шел дождь" и "на протяжении некоторого времени дождь в городе шел хотя бы один раз" противоположные. Поэтому $p+q=1$, откуда $q=1-p=1-0,7=0,3$.

Рассмотрим совместные случайные события.

Известно, что совместные случайные события $A$ и $B$ в одном и том же испытании имеют вероятности появления $P\left(A\right)$ и $P\left(B\right)$ соответственно. Найдем вероятность суммы $A+B$ этих событий, то есть вероятность появления хотя бы одного из них.

Предположим, что в данном испытании число всех равновозможных элементарных событий $n$. Из них событиям $A$ и $B$ благоприятствуют $m_{A} $ и $m_{B} $ элементарных событий соответственно. Поскольку события $A$ и $B$ совместны, то из всего количества $m_{A} +m_{B} $ элементарных событий определенное количество $m_{AB} $ благоприятствует одновременно и событию $A$, и событию $B$, то есть совместному их наступлению (произведению событий $A\cdot B$). Это количество $m_{AB} $ вошло одновременно и в $m_{A} $, и в $m_{B} $ Итак событию $A+B$ благоприятствуют $m_{A} +m_{B} -m_{AB} $ элементарных событий. Имеем: $P\left(A+B\right)=\frac{m_{A} +m_{B} -m_{AB} }{n} =\frac{m_{A} }{n} +\frac{m_{B} }{n} -\frac{m_{AB} }{n} =P\left(A\right)+P\left(B\right)-P\left(A\cdot B\right)$.

Теорема 2

Вероятность суммы двух совместных событий равняется сумме вероятностей этих событий за минусом вероятности их произведения.

Замечание. Если события $A$ и $B$ несовместны, то их произведение $A\cdot B$ является невозможным событием, вероятность которого $P\left(A\cdot B\right)=0$. Следовательно, формула сложения вероятностей несовместных событий является частным случаем формулы сложения вероятностей совместных событий.

Пример 2

Найти вероятность того, что при одновременном бросании двух игральных кубиков цифра 5 выпадет хотя бы один раз.

При одновременном бросании двух игральных кубиков число всех равновозможных элементарных событий равно $n=36$, поскольку на каждую цифру первого кубика может выпасти шесть цифр второго кубика. Из них событие $A$ -- выпадение цифры 5 на первом кубике -- осуществляется 6 раз, событие $B$ -- выпадение цифры 5 на втором кубике -- тоже осуществляется 6 раз. Из всех двенадцати раз цифра 5 один раз выпадает на обоих кубиках. Таким образом, $P\left(A+B\right)=\frac{6}{36} +\frac{6}{36} -\frac{1}{36} =\frac{11}{36} $.

Теорема умножения вероятностей

Рассмотрим независимые события.

События $A$ и $B$, которые происходят в двух последовательных испытаниях, называются независимыми, если вероятность появления события $B$ не зависит от того, состоялось или не состоялось событие $A$.

Например, пусть в урне находятся 2 белых и 2 черных шар а. Испытанием является извлечение шара. Событие $A$ -- "вынут белый шар в первом испытании". Вероятность $P\left(A\right)=\frac{1}{2} $. После первого испытания шар положили назад и провели второе испытание. Событие $B$ -- ``вынут белый шар во втором испытании"". Вероятность $P\left(B\right)=\frac{1}{2} $. Вероятность $P\left(B\right)$ не зависит от того, состоялось или нет событие $A$, следовательно события $A$ и $B$ независимы.

Известно, что независимые случайные события $A$ и $B$ двух последовательных испытаний имеют вероятности появления $P\left(A\right)$ и $P\left(B\right)$ соответственно. Найдем вероятность произведения $A\cdot B$ этих событий, то есть вероятность совместного их появления.

Предположим, что в первом испытании число всех равновозможных элементарных событий $n_{1} $. Из них событию $A$ благоприятствуют $m_{1} $ элементарных событий. Предположим также, что во втором испытании число всех равновозможных элементарных событий $n_{2} $. Из них событию $B$ благоприятствуют $m_{2} $ элементарных событий. Теперь рассмотрим новое элементарное событие, которое состоит в последовательном наступлении событий из первого и второго испытаний. Общее количество таких равновозможных элементарных событий равно $n_{1} \cdot n_{2} $. Поскольку события $A$ и $B$ независимы, то из этого числа совместному наступлению события $A$ и события $B$ (произведения событий $A\cdot B$) благоприятствует $m_{1} \cdot m_{2} $ событий. Имеем: $P\left(A\cdot B\right)=\frac{m_{1} \cdot m_{2} }{n_{1} \cdot n_{2} } =\frac{m_{1} }{n_{1} } \cdot \frac{m_{2} }{n_{2} } =P\left(A\right)\cdot P\left(B\right)$.

Теорема 3

Вероятность произведения двух независимых событий равняется произведению вероятностей этих событий.

Рассмотрим зависимые события.

В двух последовательных испытаниях происходят события $A$ и $B$. Событие $B$ называется зависимым от события $A$, если вероятность появления события $B$ зависит от того, состоялось или не состоялось событие $A$. Тогда вероятность события $B$, которая была вычислена при условии, что событие $A$ состоялось, называется условной вероятностью события $B$ при условии $A$ и обозначается $P\left(B/A\right)$.

Например, пусть в урне находятся 2 белых и 2 черных шара. Испытанием является извлечением шара. Событие $A$ -- "вынут белый шар в первом испытании". Вероятность $P\left(A\right)=\frac{1}{2} $. После первого испытания шар назад не кладут и выполняют второе испытание. Событие $B$ -- ``вынут белый шар во втором испытании"". Если в первом испытании был вынут белый шар, то вероятность $P\left(B/A\right)=\frac{1}{3} $. Если же в первом испытании был вынут черный шар, то вероятность $P\left(B/\overline{A}\right)=\frac{2}{3} $. Таким образом вероятность события $B$ зависит от того, состоялось или нет событие $A$, следовательно, событие $B$ зависит от события $A$.

Предположим, что события $A$ и $B$ происходят в двух последовательных испытаниях. Известно, что событие $A$ имеет вероятность появления $P\left(A\right)$. Известно также, что событие $B$ является зависимым от события $A$ и его условная вероятность при условии $A$ равна $P\left(B/A\right)$.

Теорема 4

Вероятность произведения события $A$ и зависимого от него события $B$, то есть вероятность совместного их появления, может быть найдена по формуле $P\left(A\cdot B\right)=P\left(A\right)\cdot P\left(B/A\right)$.

Справедливой является также симметричная формула $P\left(A\cdot B\right)=P\left(B\right)\cdot P\left(A/B\right)$, где событие $A$ предполагается зависимым от события $B$.

Для условий последнего примера найдем вероятность того, что белый шар будет извлечен в обоих испытаниях. Такое событие является произведением событий $A$ и $B$. Его вероятность равна $P\left(A\cdot B\right)=P\left(A\right)\cdot P\left(B/A\right)=\frac{1}{2} \cdot \frac{1}{3} =\frac{1}{6} $.