Классическая вероятность. Вероятность случайного события

Вероятность противоположного события

Рассмотрим некоторое случайное событие A , и пусть его вероятность p(A) известна. Тогда вероятность противоположного события определяется по формуле

. (1.8)

Доказательство. Вспомним, что по аксиоме 3 для несовместных событий

p(A+B) = p(A) + p(B) .

В силу несовместности A и

Следствие. , то есть вероятность невозможного события равна нулю.

С помощью формулы (1.8) определяется, например, вероятность промахнуться, если известна вероятность попадания (или, наоборот, вероятность попадания, если известна вероятность промаха; например, если вероятность попадания для орудия 0,9, вероятность промаха для него (1 – 0,9 = 0,1).

Вероятность суммы двух событий

Здесь уместно будет напомнить, что для несовместных событий эта формула имеет вид:

Пример. Завод производит 85% продукции первого сорта и 10% - второго. Остальные изделия считаются браком. Какова вероятность, что взяв наудачу изделие, мы получим брак?

Решение. P = 1 – (0,85 + 0,1) = 0,05.

Вероятность суммы двух любых случайных событий равна

Доказательство. Представим событие A + B в виде суммы несовместных событий

Учитывая несовместность A и , получим согласно аксиоме 3

Аналогично находим

Подставляя последнее в предыдущую формулу, получим искомую (1.10) (рис 2).

Пример. Из 20 студентов 5 человек сдали на двойку экзамен по истории, 4 – по английскому языку, причем, 3 студента получили двойки по обоим предметам. Каков процент студентов в группе, не имеющих двоек по этим предметам?

Решение. P = 1 – (5/20 + 4/20 – 3/20) = 0,7 (70%).

Условная вероятность

В некоторых случаях необходимо определить вероятность случайного события B при условии, что произошло случайное событие A , имеющее ненулевую вероятность. То, что событие A произошло, сужает пространство элементарных событий до множества A , соответствующего этому событию. Дальнейшие рассуждения проведём на примере классической схемы. Пусть Wсостоит из n равновозможных элементарных событий (исходов) и событию A благоприятствует m(A) , а событию AB - m(AB) исходов. Обозначим условную вероятность события B при условии, что A произошло, - p(B|A). По определению,

= .

Если A произошло, то реализован один из m(A) исходов и событие B может произойти, только если произойдёт один из исходов, благоприятствующих AB ; таких исходов m(AB) . Поэтому естественно положить условную вероятность события B при условии, что A произошло, равной отношению

Обобщая, дадим общее определение: условной вероятностью события B при условии, что событие A с ненулевой вероятностью произошло, называется

. (1.11)

Легко можно проверить, что введённое таким образом определение удовлетворяет всем аксиомам и, следовательно, справедливы все ранее доказанные теоремы.

Часто условную вероятность p(B|A) можно легко найти из условия задачи, в более сложных случаях приходится пользоваться определением (1.11).

Пример. В урне лежит N шаров, из них n белых и N-n черных. Из нее достают шар и, не кладя его обратно (выборка без возвращения ), достают еще один. Чему равна вероятность того, что оба шара белые?

Решение. При решении этой задачи применим и классическое определение вероятности, и правило произведения: обозначим через A событие, состоящее в том, что первым вынули белый шар (тогда – первым вынули черный шар), а через B – событие, состоящее в том, что вторым вынули белый шар; тогда

Легко видеть, что вероятность того, что три вынутые подряд (без возвращения) шара белые:

и т.д.

Пример. Из 30 экзаменационных билетов студент подготовил только 25. Если он отказывается отвечать по первому взятому билету (которого он не знает), то ему разрешается взять второй. Определить вероятность того, что второй билет окажется счастливым.

Решение. Пусть событие A заключается в том, что первый вытащенный билет оказался для студента ²плохим², а B - второй - ²хорошим². Поскольку после наступления события A один из ²плохих² уже извлечён, то остаётся всего 29 билетов, из которых 25 студент знает. Отсюда искомая вероятность, предполагая, что появление любого билета равновозможно и они обратно не возвращаются, равна .

Вероятность произведения

Соотношение (1.11), предполагая, что p(A) или p(B) не равны нулю, можно записать в виде

Это соотношение называют теоремой о вероятности произведения двух событий , которая может быть обобщена на любое число множителей, например, для трёх она имеет вид

Пример. По условиям предыдущего примера найти вероятность успешной сдачи экзамена, если для этого студент должен ответить на первый билет или, не ответив на первый, обязательно ответить на второй.

Решение. Пусть события A и B заключаются в том, что, соответственно, первый и второй билеты ²хорошие². Тогда – появление ²плохого² билета в первый раз. Экзамен будет сдан, если произойдёт событие A или одновременно и B . То есть искомое событие С - успешная сдача экзамена – выражается следующим образом: C = A + .Отсюда

Здесь мы воспользовались несовместностью A и , а следовательно, несовместностью A и , теоремами о вероятности суммы и произведения и классическим определением вероятности при подсчёте p(A) и .

Эту задачу можно решить и проще, если воспользоваться теоремой о вероятности противоположного события:

Независимость событий

Случайные события A и B назовём независимыми , если

Для независимых событий из (1.11) следует, что ; справедливо и обратное утверждение.

Независимость событий означает, что наступление события A не изменяет вероятности появления события B, то есть условная вероятность равна безусловной.

Пример. Рассмотрим предыдущий пример с урной, содержащей N шаров, из которых n белых, но изменим опыт: вынув шар, мы кладем его обратно и только затем вынимаем следующий (выборка с возвращением ).

A - событие, состоящее в том, что первым вынули белый шар, - событие, состоящее в том, что первым вынули черный шар, а B - событие, состоящее в том, что вторым вынули белый шар; тогда

то есть в этом случае события A и В независимы.

Таким образом, при выборке с возвращением события при втором вынимании шара не зависят от событий первого вынимания, а при выборке без возвращения это не так. Однако при больших N и n эти вероятности очень близки к друг другу. Этим пользуются, так как иногда производят выборку без возвращения (например, при контроле качества, когда тестирование объекта приводит к его разрушению), а расчеты проводят по формулам для выборки с возвращением, которые проще.

На практике при расчете вероятностей часто пользуются правилом, согласно которому из физической независимости событий следует их независимость в теоретико-вероятностном смысле.

Пример. Вероятность того, что человек в возрасте 60 лет не умрет в ближайший год, равна 0,91. Страховая компания страхует на год жизнь двух людей 60-ти лет.

Вероятность того, что ни один из них не умрет: 0,91 × 0,91 = 0,8281.

Вероятность того, что они оба умрут:

(1 – 0,91) × (1 – 0,91) = 0,09 × 0,09 = 0,0081.

Вероятность того, что умрет хотя бы один :

1 – 0,91 × 0,91 = 1 – 0,8281 = 0,1719.

Вероятность того, что умрет один :

0,91 × 0,09 + 0,09 × 0,91 = 0,1638.

Систему событий A 1 , A 2 ,..., A n назовём независимой в совокупности, если вероятность произведения равна произведению вероятностей для любой комбинации сомножителей из этой системы. В этом случае, в частности,

Пример. Шифр сейфа состоит из семи десятичных цифр. Чему равна вероятность, что вор с первого раза наберет его верно?

В каждой из 7 позиций можно набрать любую из 10 цифр 0,1,2,...,9, всего 10 7 чисел, начиная с 0000000 и кончая 9999999.

Пример. Шифр сейфа состоит из русской буквы (их 33) и трех цифр. Чему равна вероятность, что вор с первого раза наберет его верно?

P = (1/33) × (1/10) 3 .

Пример. В более общем виде задача о страховке: вероятность того, что человек в возрасте … лет не умрет в ближайший год, равна p. Страховая компания страхует на год жизнь n людей этого возраста.

Вероятность того, что ни один из них не умрет: pn (не придется платить страховую премию никому).

Вероятность того, что умрет хотя бы один : 1 – p n (предстоят выплаты).

Вероятность того, что они все умрут: (1 – p) n (самые большие выплаты).

Вероятность того, что умрет один : n × (1 – p) × p n-1 (если людей пронумеровать, то тот, кто умрет, может иметь номер 1, 2,…,n – это n разных событий, каждое из которых имеет вероятность (1 – p) × p n-1).

Формула полной вероятности

Пусть события H 1 , H 2 , ... , H n удовлетворяют условиям

Если , и .

Такую совокупность называют полной группой событий .

Предположим, что известны вероятности p (H i ), p (A/H i ). В этом случае применима формула полной вероятности

. (1.14)

Доказательство. Воспользуемся тем, что H i (их обычно называют гипотезами ) попарно несовместны (следовательно несовместны и H i × A ), и их сумма есть достоверное событие

Эта схема имеет место всегда, когда можно говорить о разбиении всего пространства событий на несколько, вообще говоря, разнородных областей. В экономике это – разбиение страны или района на регионы разного размера и разных условий, когда известна доля каждого региона p(H i) и вероятность (доля) какого-то параметра в каждом регионе (например, процент безработных – в каждом регионе он свой) – p(A/H i) . На складе может лежать продукция с трех разных заводов, поставляющих разное количество продукции с разной долей брака и т.д.

Пример. Литье в болванках поступает из двух цехов в третий: 70% из первого и 30% из второго. При этом продукция первого цеха имеет 10% брака, а второго – 20%. Найти вероятность того, что одна взятая наугад болванка имеет дефект.

Решение: p(H 1) = 0,7; p(H 2) = 0,3; p(A/H 1) = 0,1; p(A/H 2) = 0,2;

P = 0,7 × 0.1 + 0,3 × 0,2 = 0,13 (в среднем 13% болванок в третьем цехе дефектны).

Математическая модель может быть, например, такой: имеется несколько урн разного состава; в первой урне n 1 шаров, из которых m 1 белых, и т.д. По формуле полной вероятности ищется вероятность, выбрав наугад урну, достать из нее белый шар.

По этой же схеме решаются задачи и в общем случае.

Пример. Вернемся к примеру с урной, содержащей N шаров, из которых n белых. Достаем из нее (без возвращения) два шара. Какова вероятность, что второй шар белый?

Решение. H 1 – первый шар белый; p(H 1)=n/N;

H 2 – первый шар черный; p(H 2)=(N-n)/N;

В - второй шар белый; p(B|H 1)=(n-1)/(N-1); p(B|H 2)=n/(N-1);

Эта же модель может быть применена при решении такой задачи: из N билетов студент выучил только n. Что ему выгоднее – тянуть билет самым первым или вторым? Оказывается, в любом случае он с вероятностью n/N вытянет хороший билет и с вероятностью (N-n)/N – плохой.

Пример. Определить вероятность того, что путник, вышедший из пункта А, попадёт в пункт В, если на развилке дорог он наугад выбирает любую дорогу (кроме обратной). Схема дорог указана на рис. 1.3.

Решение. Пусть приход путника в пункты H 1 , H 2 , H 3 и H 4 будет соответствующими гипотезами. Очевидно, они образуют полную группу событий и по условию задачи

p(H 1) = p(H 2) = p(H 3) = p(H 4) = 0,25.

(Все направления из А для путника равновозможны). Согласно схеме дорог условные вероятности попадания в B при условии, что путник прошёл через H i , равны:

Применяя формулу полной вероятности, получим

Формула Байеса

Предположим, что выполняются условия предыдущего пункта и дополнительно известно, что событие A произошло. Найдём вероятность того, что при этом была реализована гипотеза H k. По определению условной вероятности

. (1.15)

Полученное соотношение называют формулой Байеса . Она позволяет по известным
(до проведения опыта) априорным вероятностям гипотез p(H i) и условным вероятностям p(A|H i) определить условную вероятность p(H k |A) , которую называют апостериорной (то есть полученной при условии, что в результате опыта событие A уже произошло).

Пример. 30% пациентов, поступивших в больницу, принадлежат первой социальной группе, 20% - второй и 50% - третьей. Вероятность заболевания туберкулёзом для представителя каждой социальной группы, соответственно, равна 0,02, 0,03 и 0,01. Проведенные анализы для случайно выбранного пациента показали наличие туберкулёза. Найти вероятность того, что это представитель третьей группы.

как онтологическая категория отражает меру возможности возникновения какого-либо сущего в каких-либо условиях. В отличие от математических и логической интерпретации этого понятия онтологическая В. не связывает себя с обязательностью количетвенного выражения. Значение В. раскрывается в контексте понимания детерминизма и характера развития в целом.

Отличное определение

Неполное определение ↓

ВЕРОЯТНОСТЬ

понятие, характеризующее количеств. меру возможности появления нек-рого события при определ. условиях. В науч. познании встречаются три интерпретации В. Классическая концепция В., возникшая из математич. анализа азартных игр и наиболее полно разработанная Б. Паскалем, Я. Бернулли и П. Лапласом, рассматривает В. как отношение числа благоприятствующих случаев к общему числу всех равновозможных. Напр., ири бросании игральной кости, имеющей 6 граней, выпадение каждой из них можно ожидать с В., равной 1/6, т. к. ни одна грань не имеет преимуществ перед другой. Подобная симметричность исходов опыта специально учитывается при организации игр, но сравнительно редко встречается при исследовании объективных событий в науке и практике. Классич. интерпретация В. уступила место статистич. концепции В., в основе к-рой лежат действит. наблюдения появления нек-рого события в ходе длит. опыта при точно фиксированных условиях. Практика подтверждает, что чем чаще происходит событие, тем больше степень объективной возможности его появления, или В. Поэтому статистич. интерпретация В. опирается на понятие относит. частоты, к-рое может быть определено опытным путем. В. как теоретич. понятие никогда не совпадает с эмпирически определяемой частотой, однако во мн. случаях она практически мало отличается от относит. частоты, найденной в результате длит. наблюдений. Многие статистики рассматривают В. как «двойник» относит. частоты, к-рая определяется при статистич. исследовании результатов наблюдений

или экспериментов. Менее реалистичным оказалось определение В. как предела относит. частот массовых событий, или коллективов, предложенное Р. Мизесом. В качестве дальнейшего развития частотного подхода к В. выдвигается диспозиционная, или пропенситивная, интерпретация В. (К. Поппер, Я. Хэккинг, М. Бунге, Т. Сетл). Согласно этой интерпретации, В. характеризует свойство порождающих условий, напр. эксперимент. установки, для получения последовательности массовых случайных событий. Именно такая установка порождает физич. диспозиции, или предрасположенности, В. к-рых может быть проверена с помощью относит. частот.

Статистич. интерпретация В. доминирует в науч. познании, ибо она отражает специфич. характер закономерностей, присущих массовым явлениям случайного характера. Во многих физич., биологич., экономич., демографич. и др. социальных процессах приходится учитывать действие множества случайных факторов, к-рые характеризуются устойчивой частотой. Выявление этой устойчивой частоты и количеств. ее оценка с помощью В. дает возможность вскрыть необходимость, к-рая прокладывает себе путь через совокупное действие множества случайностей. В этом находит свое проявление диалектика превращения случайности в необходимость (см. Ф. Энгельс, в кн.: Маркс К. и Энгельс Ф., Соч., т. 20, с. 535-36).

Логическая, или индуктивная, В. характеризует отношение между посылками и заключением недемонстративного и, в частности, индуктивного рассуждения. В отличие от дедукции, посылки индукции не гарантируют истинности заключения, а лишь делают его в той или иной степени правдоподобным. Это правдоподобие при точно сформулированных посылках иногда можно оценивать с помощью В. Значение этой В. чаще всего определяется посредством сравнит. понятий (больше, меньше или равно), а иногда и численным способом. Логич. интерпретацию часто используют для анализа индуктивных рассуждений и построения различных систем вероятностных логик (Р. Карнап, Р. Джефри). В семантич. концепции логич. В. часто определяется как степень подтверждения одного высказывания другими (напр., гипотезы ее эмпирич. данными) .

В связи с развитием теорий принятия решений и игр все большее распростраиение получает т. н. персоналистская интерпретация В. Хотя В. при этом выражает степень веры субъекта и появление нек-рого события, сами В. должны выбираться с таким расчетом, чтобы удовлетворялись аксиомы исчисления В. Поэтому В. при такой интерпретации выражает не столько степень субъективной, сколько разумной веры. Следовательно, решения, принимаемые на основе такой В., будут рациональными, ибо они не учитывают психологич. особенностей и склонностей субъекта.

С гносеологич. т. зр. различие между статистич., логич. и персоналистской интерпретациями В. состоит в том, что если первая дает характеристику объективным свойствам и отношениям массовых явлений случайного характера, то последние две анализируют особенности субъективной, познават. деятельности людей в условиях неопределенности.

ВЕРОЯТНОСТЬ

одно из важнейших понятий науки, характеризующее особое системное видение мира, его строения, эволюции и познания. Специфика вероятностного взгляда на мир раскрывается через включение в число базовых понятий бытия понятий случайности, независимости и иерархии (идеи уровней в структуре и детерминации систем).

Представления о вероятности зародились еще в древности и относились к характеристике нашего знания, при этом признавалось наличие вероятностного знания, отличающегося от достоверного знания и от ложного. Воздействие идеи вероятности на научное мышление, на развитие познания прямо связано с разработкой теории вероятностей как математической дисциплины. Зарождение математического учения о вероятности относится к 17 в., когда было положено начало разработке ядра понятий, допускающих. количественную (числовую) характеристику и выражающих вероятностную идею.

Интенсивные приложения вероятности к развитию познания приходятся на 2-ю пол. 19- 1-ю пол. 20 в. Вероятность вошла в структуры таких фундаментальных наук о природе, как классическая статистическая физика, генетика, квантовая теория, кибернетика (теория информации). Соответственно вероятность олицетворяет тот этап в развитии науки, который ныне определяется как неклассическая наука. Чтобы раскрыть новизну, особенности вероятностного образа мышления, необходимо исходить из анализа предмета теории вероятностей и оснований ее многочисленных приложений. Теорию вероятностей обычно определяют как математическую дисциплину, изучающую закономерности массовых случайных явлений при определенных условиях. Случайность означает, что в рамках массовости бытие каждого элементарного явления не зависит и не определяется бытием других явлений. В то же время сама массовость явлений обладает устойчивой структурой, содержит определенные регулярности. Массовое явление вполне строго делится на подсистемы, и относительное число элементарных явлений в каждой из подсистем (относительная частота) весьма устойчиво. Эта устойчивость сопоставляется с вероятностью. Массовое явление в целом характеризуется распределением вероятностей, т. е. заданием подсистем и соответствующих им вероятностей. Язык теории вероятностей есть язык вероятностных распределений. Соответственно теорию вероятностей и определяют как абстрактную науку об оперировании распределениями.

Вероятность породила в науке представления о статистических закономерностях и статистических системах. Последние суть системы, образованные из независимых или квазинезависимых сущностей, их структура характеризуется распределениями вероятностей. Но как возможно образование систем из независимых сущностей? Обычно предполагается, что для образования систем, имеющих целостные характеристики, необходимо, чтобы между их элементами существовали достаточно устойчивые связи, которые цементируют системы. Устойчивость статистическим системам придает наличие внешних условий, внешнего окружения, внешних, а не внутренних сил. Само определение вероятности всегда опирается на задание условий образования исходного массового явления. Еще одной важнейшей идеей, характеризующей вероятностную парадигму, является идея иерархии (субординации). Эта идея выражает взаимоотношения между характеристиками отдельных элементов и целостными характеристиками систем: последние как бы надстраиваются над первыми.

Значение вероятностных методов в познании заключается в том, что они позволяют исследовать и теоретически выражать закономерности строения и поведения объектов и систем, имеющих иерархическую, «двухуровневую» структуру.

Анализ природы вероятности опирается на частотную, статистическую ее трактовку. Вместе с тем весьма длительное время в науке господствовало такое понимание вероятности, которое получило название логической, или индуктивной, вероятности. Логическую вероятность интересуют вопросы обоснованности отдельного, индивидуального суждения в определенных условиях. Можно ли оценить степень подтверждения (достоверности, истинности) индуктивного заключения (гипотетического вывода) в количественной форме? В ходе становления теории вероятностей такие вопросы неоднократно обсуждались, и стали говорить о степенях подтверждения гипотетических заключений. Эта мера вероятности определяется имеющейся в распоряжении данного человека информацией, его опытом, воззрениями на мир и психологическим складом ума. Во всех подобных случаях величина вероятности не поддается строгим измерениям и практически лежит вне компетенции теории вероятностей как последовательной математической дисциплины.

Объективная, частотная трактовка вероятности утверждалась в науке со значительными трудностями. Первоначально на понимание природы вероятности оказали сильное воздействие те философско-методологические взгляды, которые были характерны для классической науки. Исторически становление вероятностных методов в физике происходило под определяющим воздействием идей механики: статистические системы трактовались просто как механические. Поскольку соответствующие задачи не решались строгими методами механики, то возникли утверждения, что обращение к вероятностным методам и статистическим закономерностям есть результат неполноты наших знаний. В истории развития классической статистической физики предпринимались многочисленные попытки обосновать ее на основе классической механики, однако все они потерпели неудачу. Основания вероятности состоят в том, что она выражает собою особенности структуры определенного класса систем, иного, чем системы механики: состояние элементов этих систем характеризуется неустойчивостью и особым (не сводящимся к механике) характером взаимодействий.

Вхождение вероятности в познание ведет к отрицанию концепции жесткого детерминизма, к отрицанию базовой модели бытия и познания, выработанных в процессе становления классической науки. Базовые модели, представленные статистическими теориями, носят иной, более общий характер: они включают в себя идеи случайности и независимости. Идея вероятности связана с раскрытием внутренней динамики объектов и систем, которая не может быть всецело определена внешними условиями и обстоятельствами.

Концепция вероятностного видения мира, опирающаяся на абсолютизацию представлений о независимости (как и прежде парадигма жесткой детерминации), в настоящее время выявила свою ограниченность, что наиболее сильно сказывается при переходе современной науки к аналитическим методам исследования сложноорганизованных систем и физико-математических основ явлений самоорганизации.

Отличное определение

Неполное определение ↓

Понимаю, что всем хочется заранее знать, как завершится спортивное мероприятие, кто одержит победу, а кто проиграет. Обладая подобной информацией, можно без страха делать ставки на спортивные мероприятия. Но можно ли вообще и если да, то как рассчитать вероятность события?

Вероятность – это величина относительная, поэтому не может с точностью говорить о каком-либо событии. Данная величина позволяет проанализировать и оценить необходимость совершения ставки на то или иное соревнование. Определение вероятностей – это целая наука, требующая тщательного изучения и понимания.

Коэффициент вероятности в теории вероятности

В ставках на спорт есть несколько вариантов исхода соревнования:

победа первой команды;
победа второй команды;
ничья;
тотал.

У каждого исхода соревнования есть своя вероятность и частота, с которой данное событие совершится при условии сохранения начальных характеристик. Как уже говорили ранее, невозможно точно рассчитать вероятность какого-либо события – оно может совпасть, а может и не совпасть. Таким образом, ваша ставка может как выиграть, так и проиграть.

Точного 100% предугадывания результатов соревнования не может быть, так как на исход матча влияет множество факторов. Естественно, и букмекеры не знают заранее исход матча и лишь предполагают результат, принимая решение на своей системе анализа и предлагают определенные коэффициенты для ставок.

Как посчитать вероятность события?

Допустим, что коэффициент букмекера равен 2. 1/2 – получаем 50%. Получается, что коэффициент 2 равен вероятности 50%. По тому же принципу можно получить безубыточный коэффициент вероятности – 1/вероятность.

Многие игроки думают, что после нескольких повторяющихся поражений, обязательно произойдет выигрыш — это ошибочное мнение. Вероятность выигрыша ставки не зависит от количества поражений. Даже если вы выбрасываете несколько орлов подряд в игре с монеткой, вероятность выбрасывания решки останется прежней – 50%.

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

Чтобы верно определить проходимость, нужно сделать три шага:

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

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

Быстрый переход

Подсчёт вероятности, заложенной в букмекерские коэффициенты

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

P Б =(1/K)*100%,

где P Б – вероятность исхода по мнению букмекерской конторы;

K – коэффициент БК на исход.

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

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

Расчёт вероятности события игроком

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

P И =(УМ/М)*100%,

где P И – вероятность события по мнению игрока;

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

М – общее количество матчей.

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

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

Определение ценности ставки

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

V= P И *K-100%,

где V – ценность;

P И – вероятность исхода по мнению беттера;

K – коэффициент БК на исход.

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

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

Нравится нам это или нет, но наша жизнь полна всевозможных случайностей, как приятных так и не очень. Поэтому каждому из нас не помешало бы знать, как найти вероятность того или иного события. Это поможет принимать верные решения при любых обстоятельствах, которые связаны с неопределенностью. К примеру, такие знания окажутся весьма кстати при выборе вариантов инвестирования, оценке возможности выигрыша в акции или лотерее, определении реальности достижения личных целей и т. д., и т. п.

Формула теории вероятности

В принципе, изучение данной темы не занимает слишком много времени. Для того чтобы получить ответ на вопрос: "Как найти вероятность какого-либо явления?", нужно разобраться с ключевыми понятиями и запомнить основные принципы, на которых базируется расчёт. Итак, согласно статистике, исследуемые события обозначаются через A1, А2,..., An. У каждого из них есть как благоприятствующие исходы (m), так и общее количество элементарных исходов. К примеру, нас интересует, как найти вероятность того, что на верхней грани кубика окажется четное число очков. Тогда А - это бросок m - выпадение 2, 4 или 6 очков (три благоприятствующих варианта), а n - это все шесть возможных вариантов.

Сама же формула расчета выглядит следующим образом:

С одним исходом все предельно легко. А вот как найти вероятность, если события идут одно за другим? Рассмотрим такой пример: из карточной колоды (36 шт.) показывается одна карта, затем она прячется снова в колоду, и после перемешивания вытаскивается следующая. Как найти вероятность того, что хоть в одном случае была вытащена дама пик? Существует следующее правило: если рассматривается сложное событие, которое можно разделить на несколько несовместимых простых событий, то можно сначала рассчитать результат для каждого из них, а затем сложить их между собой. В нашем случае это будет выглядеть так: 1 / 36 + 1 / 36 = 1 / 18 . А как же быть тогда, когда несколько происходят одновременно? Тогда результаты умножаем! Например, вероятность того, что при одновременном подбрасывании сразу двух монет выпадут две решки, будет равна: ½ * ½ = 0.25.

Теперь возьмем еще более сложный пример. Предположим, мы попали на книжную лотерею, в которой из тридцати билетов десять являются выигрышными. Требуется определить:

Вероятность того, что оба окажутся выигрышными.
Хотя бы один из них принесет приз.
Оба окажутся проигрышными.

Итак, рассмотрим первый случай. Его можно разбить на два события: первый билет будет счастливым, и второй также окажется счастливым. Учтем, что события зависимы, поскольку после каждого вытаскивания общее количество вариантов уменьшается. Получаем:

10 / 30 * 9 / 29 = 0,1034.

Во втором случае понадобится определить вероятность проигрышного билета и учесть, что он может быть как первым по счету, так и вторым: 10 / 30 * 20 / 29 + 20 / 29 * 10 / 30 = 0,4598.

Наконец, третий случай, когда по разыгранной лотерее даже одной книжки получить не получится: 20 / 30 * 19 / 29 = 0,4368.