Применение теории вероятностей в технике. Применение теории вероятности и математической статистики в стоительстве. Выходные данные сборника

Вебинар о том, как понять теорию вероятности и как начать использовать статистику в бизнесе . Умея работать с такой информацией, можно сделать свой бизнес.

Вот пример задачи, которые вы будете решать не задумываясь. В мае 2015 года Россия запустила космический корабль “Прогресс” и потеряла над ним управление. Эта груда металла под действием притяжения Земли должна была грохнуться на нашу планету.

Внимание, вопрос: какова была вероятность, что Прогресс упал бы на сушу, а не в океан и надо ли нам было беспокоиться.

Ответ очень простой - шансы падения на сушу были 3 к 7.

Меня зовут Скакунов Александр, я не учёный и не профессор. Мне просто стало интересно, зачем нужна теория вероятностей и статистика, зачем мы проходили их в ВУЗе? Поэтому за год я прочёл больше двадцати книг по этой теме - от “Чёрного лебедя” до “Удовольствия от Х”. Я даже нанял себе 2 репетиторов.

В этом вебинаре я поделюсь с вами своими находками. Например, вы узнаете, как статистика помогла совершить экономические чудо в Японии и как это отражено в сценарии фильма “Назад в будущее”.

Сейчас я покажу вам немножко уличной магии. Я не знаю, сколько вас запишется на этот вебинар, но явится на него в итоге только 45%.

Будет интересно. Записывайтесь!

3 этапа постижения теории вероятностей

Есть 3 этапа, которые проходит любой, кто знакомится с теорией вероятности.

Этап 1. “Я буду выигрывать в казино!”. Человек полагает, что сможет предсказывать исходы случайных событий.

Этап 2. “Я никогда не выиграю в казино!..” Человек разочаровывается и полагает, что ничего предсказать нельзя.

И этап 3. “Дай-ка попробую вне казино!”. Человек понимает, что в кажущемся хаосе мира случайностей можно найти закономерности, позволяющие неплохо ориентироваться в окружающем мире.

Наша задача - как раз выйти на 3 этап, чтобы вы научились применять основные положения теории вероятности и статистики на пользу себе и своему бизнесу.

Итак, ответ на вопрос "зачем нужна теория вероятностей" вы узнаете в этом вебинаре.

ОСНОВНЫЕ ПОНЯТИЯ И КРАТКИЕ СВЕДЕНИЯ ИЗ ТЕОРИИ ВЕРОЯТНОСТЕЙ

Представленный материал рассчитан на студентов, знакомящихся с вероятностными методами описания и анализа случайных явлений, которые составляют основу математических моделей общетехнического курса «Надежность технических систем».

II.1. Применение теории вероятностей в технике

Теория вероятностей необходима при решении многих технических задач.

Особенность теории вероятностей состоит в том, что она рассматривает явления, где в той или иной форме присутствует неопределенность. Поэтому существует представление, что вероятностные методы решения практических задач считаются менее предпочтительными, чем «точный» анализ, т. к. обращаться к этим методам вынуждает якобы отсутствие достаточно полной информации. Кроме того, многие считают теорию вероятностей загадочной областью математической науки.

Представленные мнения неверны. Во-первых, вряд ли есть еще хотя бы одна область математики, которая с такой полнотой базируется на столь ограниченном наборе исходных представлений (всего три аксиомы, которые почти очевидны). Во-вторых, догматическое стремление представить физические законы детерминистическими и справедливыми при любых обстоятельствах. Безусловно, нельзя отрицать закон Ома, однако на микро уровне происходящих процессов он не выполняется – факт, который очевиден любому, кто когда-нибудь подключал резистор большого номинала к входу усилителя с высоким коэффициентом усиления и слышал шумы, появляющиеся в результате этого на выходе.

Итак, в лучшем случае, непреложные законы отражают «поведение» природы, так сказать, «в среднем». Во многих ситуациях такое «среднее поведение» достаточно близко к тому, что наблюдается на практике, и имеющимися отклонениями можно пренебречь. В других, не менее важных ситуациях, случайные отклонения могут оказаться значительными, что требует использования аналитических методов, построенных на вероятностных концепциях.

Поэтому становится ясным, что так называемое «точное решение» вовсе не всегда является точным и, более того, представляет собой идеализированный частный случай, который на практике почти не встречается. С другой стороны, вероятностный подход – далеко не худшая замена точным методам решения и наиболее полно отражает физическую реальность. Кроме того, он включает в себя результат детерминистического подхода в качестве частного случая.

Теперь имеет смысл описать в общем типы ситуаций, в которых применение вероятностных методов расчета при решении практических задач скорее является правилом, чем исключением.

Случайные параметры систем. В ряде случаев те или иные параметры системы могут быть неизвестны или изменяться случайным образом. Типичными примерами таких систем являются электроэнергетические сети, нагрузки которых непредсказуемы и варьируются в широких пределах; телефонные системы, число пользователей которых случайным образом меняется во времени; электронные системы, параметры которых носят случайный характер, из-за того, что характеристики полупроводниковых приборов устанавливаются диапазоном возможных значений.

Надежность систем. В состав любой технической системы входит большое количество различных элементов, отказ одного или нескольких из них может вызвать выход из строя всей системы. По мере усложнения и повышения стоимости систем на стадии конструирования возникает задача синтеза логических структурных схем надежности и оптимизации безотказности.

Контроль качества и диагностика. Повышение потребительских свойств и конкурентоспособности продукции может быть достигнуто выходным контролем и диагностикой в процессе эксплуатации. Для этого требуются правила проверки отдельных случайно выбранных элементов, вероятностные методы распознавания дефектов и прогнозирования работоспособности.

Теория информации. Количественная мера информационного содержания различных сообщений: численные и графические данные, технические измерения носят вероятностный характер. Кроме того, пропускная способность каналов связи зависит от случайных шумовых воздействий.

Из краткого перечисления ясно, что при решении большого числа технических задач приходится встречаться с неопределенностью, а это делает теорию вероятностей необходимым инструментом современного инженера.

II.2. Основные понятия

II.2. 1. Основы теории множеств.

Теория вероятностей - математическая наука, изучающая закономерности в случайных явлениях. Одним из основных понятий является понятие случайного события (в дальнейшем просто событие).

Событием называется всякий факт (исход), который в результате опыта (испытания, эксперимента) может произойти или не произойти. Каждому из таких событий можно поставить в соответствие определенное число, называемое его вероятностью и являющееся мерой возможного совершения этого события.

Современное построение теории вероятностей основывается на аксиоматическом подходе и опирается на элементарные понятия теории множеств.

Множество – это любая совокупность объектов произвольной природы, каждый из которых называется элементом множества. Множества обозначаются по-разному: или одной большой буквой или перечислением его элементов, данным в фигурных скобках, или указанием (в тех же фигурных скобках) правила, по которому элемент относится к множеству. Например, конечное множество М натуральных чисел от 1 до 100 может быть записано в виде

М = {1, 2, …,100} = {i - целое; 1 i 100}.

Предположим, что производится некоторый опыт (эксперимент, испытание), результат которого заранее неизвестен, случаен. Тогда множество всех возможных исходов опыта представляет пространство элементарных событий, а каждый его элемент (один отдельный исход опыта) является элементарным событием. Любой набор элементарных событий (любое их сочетание) считается подмножеством (частью) множества и является случайным событием, т. е. любое событие А – это подмножество множества : А . Например, пространство элементарных событий при бросании игральной кости составляет шесть возможных исходов = {1, 2, 3, 4, 5, 6}. С учетом пустого множества , которое вообще не содержит элементов, в пространстве может быть выделено в общей сложности 2 6 = 64 подмножества:

; {1}; … ; {6}; {1, 2}; … ; {5, 6}; {1, 2, 3}; … ; .

В общем случае, если множество содержит n элементов, то в нем можно выделить 2 n подмножеств (событий).

Рассматривая событие (ведь каждое множество есть свое собственное подмножество), можно отметить, что оно является достоверным событием, т. е. осуществляется при любом опыте. Пустое множество как событие является невозможным , т. е. при любом опыте заведомо не может произойти. Для предыдущего примера: достоверное событие = {1, 2, 3, 4, 5, 6} = {выпадение одного из шести очков}; невозможное событие = {7} = {выпадение 7 очков при одном бросании игральной кости}.

Совместные (несовместные) события – такие события, появление одного из которых не исключает (исключает) возможности появления другого.

Зависимые (независимые) события – такие события, появление одного из которых влияет (не влияет) на появление другого события.

Противоположное событие относительно некоторого выбранного события А – событие, состоящее в не появлении этого выбранного события (обозначается ).

Полная группа событий – такая совокупность событий, при которой в результате опыта должно произойти хотя бы одно из событий этой совокупности. Очевидно, что события А и составляют полную группу событий.

Одна из причин применения теории множеств в теории вероятностей заключается в том, что для множеств определены важные преобразования, которые имеют простое геометрическое представление и облегчающее понимание смысла этих преобразований. Оно носит название диаграммы Эйлера-Венна, и на ней пространство изображается в виде прямоугольника, а различные множества – в виде плоских фигур, ограниченных замкнутыми линиями. Пример диаграммы, иллюстрирующей включение множеств C B А , приведен на рис. 1.

Видно, что B является подмножеством А , а C – подмножеством B (и одновременно подмножеством А ).

II.2. 2. Алгебра событий.

В прикладных задачах основными являются не прямые, а косвенные методы вычисления вероятностей интересующих нас событий через вероятности других, с ними связанных. Для этого нужно уметь выражать интересующие нас события через другие, т. е. использовать алгебру событий.

Отметим, что все вводимые ниже понятия справедливы тогда, когда события о которых идет речь, представляют собой подмножества одного и того же пространства элементарных событий .

Сумма или объединение событий А 1 , А 2 , …, Аn – такое событие А , появление которого в опыте эквивалентно появлению в том же опыте хотя бы одного из событий А 1 , А 2 , …, Аn . Сумма обозначается:

где - знак логического сложения событий, - знак логической суммы событий.

Произведение или пересечение событий А 1 , А 2 , …, Аn – такое событие А , появление которого в опыте эквивалентно появлению в том же опыте всех событий А 1 , А 2 , …, Аn одновременно. Произведение обозначается

где - знак логического умножения событий, - знак логического произведения событий.

Операции сложения и умножения событий обладают рядом свойств, присущих обычным сложению и умножению, а именно: переместительным, сочетательным и распределительным свойствами, которые очевидны и не нуждаются в пояснении.

Диаграммы Эйлера-Венна для суммы (а) и произведения (б) двух событий А 1 и А 2 приведены на рис. 2.

Суммой (объединением) событий А 1 и А 2 является событие, состоящее в появлении хотя бы одного из этих событий (заштрихованная область на рис. 2, а). Произведение событий А 1 и А 2 это событие, состоящее в совместном выполнении обоих событий (заштрихованное пересечение событий А 1 и А 2 – рис. 2, б).

Из определения суммы и произведения событий следует, что

А = А А; А = А ; = А ;
А = АА ; = А ; А = А .

Если события Аi (i=1, … , n ) или { Аi } n i=1 составляют полную группу событий, то их сумма есть достоверное событие

Изображение противоположного события приведено на рис. 3. Область дополняет А до полного пространства . Из определения противоположного события следует, что

поясняемых рис. 4.

II.2. 3. Аксиомы теории вероятностей

Сопоставим каждому событию А число, называемое, как и прежде, его вероятностью и обозначаемое P(A) или P{A}. Вероятность выбирают так, чтобы она удовлетворяла следующим условиям или аксиомам:

Если Ai и Aj несовместные события, т. е. Ai Aj = , то

С помощью аксиом можно вычислить вероятности любых событий (подмножеств пространства ) с помощью вероятностей элементарных событий. Вопрос о том, как определить вероятности элементарных событий, является риторическим. На практике они определяются либо из соображений, связанных с возможными исходами опыта (например, в случае бросания монеты естественно считать вероятности выпадения орла или решки одинаковыми), или на основе опытных данных (частот).

Последний подход широко распространен в прикладных инженерных задачах, поскольку позволяет косвенно соотнести результаты анализа с физической реальностью.

Предположим, что в опыте пространство можно представить в виде полной группы несовместных и равновозможных событий А 1 , А 2 , …, Аn . Согласно (3) их сумма представляет достоверное событие:

так как события А 1 , А 2 , …, Аn несовместны, то согласно аксиомам (6) и (9):

Поскольку события А 1 , А 2 , …, Аn равновозможны, то вероятность каждого из них одинакова и равна

Отсюда непосредственно получается частотное определение вероятности любого события A:

как отношение числа случаев (m A ), благоприятных появлению события А , к общему числу случаев (возможному числу исходов опыта) n .

Совершенно очевидно, что частотная оценка вероятности есть не что иное как следствие аксиомы сложения вероятностей. Представив, что число n неограниченно возрастает, можно наблюдать явление, называемое статистическим упорядочением, когда частота события А все меньше изменяется и приближается к какому-то постоянному значению, которое и представляет вероятность события А .

II.2. 4. Основные правила теории вероятностей

Вероятности сложных событий можно вычислять с помощью вероятностей более простых, пользуясь основными правилами (теоремами): сложения и умножения вероятностей.

II.2.4.1. Теорема сложения вероятностей.

Если А 1 , А 2 , …, Аn - несовместные события и А – сумма этих событий, то вероятность события А равна сумме вероятностей событий А 1 , А 2 , …, Аn :

Чтобы сформулировать в общем случае теорему умножения вероятностей, введем понятие условной вероятности.

Условная вероятность события А 1 при наступлении события А 2 – вероятность события А 1 , вычисленная в предположении, что событие А 2 произошло:

Для любого конечного числа событий теорема умножения имеет вид

а для конечного числа n независимых событий

Следствием правил сложения и умножения вероятностей является теорема о повторении опытов (схема Бернулли): опыты считаются независимыми, если вероятность того или иного исхода каждого из них не зависит от того, какие исходы имели другие опыты.

Пусть в некотором опыте вероятность события А равна P(А) = p, а вероятность того, что оно не произойдет P( ) = q, причем, согласно (13)

P (A ) + P () = p + q = 1

Если проводится n независимых опытов, в каждом из которых событие А появляется с вероятностью p, то вероятность того, что в данной серии опытов событие А появляется ровно m раз, определяется по выражению

где - биномиальный коэффициент.

Например, вероятность однократной ошибки при чтении 32-разрядного слова в формате ЭВМ, представляющего комбинацию 0 и 1, при вероятности ошибки чтения двоичного числа p = 10 -3 , составляет по (19)

где q = 1- p = 0,999; n = 32; m = 1.

Вероятность отсутствия ошибки чтения при m = 0, C 0 32 = 1

Часто возникают задачи определения вероятностей того, что некоторое событие А произойдет по меньшей мере m раз или не более m раз. Подобные вероятности определяются сложением вероятностей всех исходов, которые составляют рассматриваемое событие.

Расчетные выражения для такого типа ситуаций имеют вид:

где P n (i) определяется по (19).

При больших m вычисление биномиальных коэффициентов C n m и возведение в большие степени p и q связано со значительными трудностями, поэтому целесообразно применять упрощенные способы расчетов. Приближение, называемое теоремой Муавра-Лапласа , используется, если npq>>1 , а |m-np|<(npq) 0,5 , в таком случае выражение (19) записывается:

II.2. 5. Формула полной вероятности и формула Байеса (формула вероятностей гипотез)

В практике решения большого числа задач формула полной вероятности (ФПВ) и формула Байеса, являющиеся следствием основных теорем, находят широкое применение.

II.2.5.1.Формула полной вероятности.

Если по результатам опыта можно сделать n исключающих друг друга предположений (гипотез) H 1 , H 2 , … H n , представляющих полную группу несовместных событий (для которой ), то вероятность события А , которое может появиться только с одной из этих гипотез, определяется:

где P(Hi) – вероятность гипотезы Hi ;

P(А| Hi) – условная вероятность события А при гипотезе Hi.

Поскольку событие А может появиться с одной из гипотез H 1 , H 2 , … H n , то А = АH 1 H 2 … АH n , но H 1 , H 2 , … H n несовместны, поэтому

В виду зависимости события А от появления события (гипотезы) Hi

P(AHi) = P(Hi)· P(А| Hi) , откуда и следует выражение (21).

II.2.5.2. Формула Байеса (формула вероятностей гипотез).

Если до опыта вероятности гипотез H 1 , H 2 , … H n были равны P(H 1 ), P(H 2 ), …, P(Hn) , а в результате опыта произошло событие А , то новые (условные) вероятности гипотез вычисляются:

Доопытные (первоначальные) вероятности гипотез P(H 1 ), P(H 2 ), …, P(Hn) называются априорными , а послеопытные - P(H 1 | А), … P(Hn| А) – апостериорными .

Формула Байеса позволяет «пересмотреть» возможности гипотез с учетом полученного результата опыта.

Доказательство формулы Байеса следует из предшествующего материала. Поскольку P(Hi А) = P(Hi) P(А| Hi) = P(Hi) P(Hi| А): . Более подробный материал из теории вероятностей читатель может получить в Приложении: «Основные понятия и краткие сведения из теории вероятностей» . 2. Основные сведения о математических моделях расчета в теории вероятностей ...

Математика — царица всех наук, часто ставится под суд молодыми людьми. Выдвигаем тезис «Математика — бесполезна». И опровергаем на примере одной из самых интересных загадочных и интересных теорий. Как теория вероятности помогает в жизни , спасает мир, какие технологии и достижения основываются на этих, казалось бы, нематериальных и далеких от жизни формул и сложных вычислений.

История теории вероятности

Теория вероятности — область математики, изучающая случайные события, и, естественно, их вероятность. Зародилась такого рода математика вовсе не в скучных серых кабинетах, а… игральных залах. Первые подходы к оценке вероятности того или иного события были популярны еще в Средневековье среди «гамлеров» того времени. Однако тогда они имели лишь эмпирическое исследование (то есть оценка на практике, методом эксперимента). Нельзя причислить авторство теории вероятности определенному человеку, так как работали над ней множество знаменитых людей, каждый из которых вложил свою толику.

Первыми из таких людей стали Паскаль и Ферма. Они изучали теорию вероятности на статистике игры в кости. Она открыли первейшие закономерности. Х. Гюйгенс проделал схожую работу на 20 лет раньше, но теоремы не были сформулированы точно. Важный вклад в теорию вероятностей внёс Якоб Бернулли, Лаплас, Пуасон и многие другие.

Пьер Ферма

Теория вероятности в жизни

Я вас удивлю: мы все в той или иной мере используем теорию вероятности, на основе анализе произошедших в нашей жизни событий. Мы знаем, что смерть во время автомобильной аварии боле вероятна, чем от удара молнии, потому что первое, к сожалению, происходит очень часто. Так или иначе мы обращаем на вероятность вещей внимание, чтобы спрогнозировать свое поведение. Но вот обида, к сожалению, не всегда человек может точно определить вероятность тех или иных событий.

Например, не зная статистики, большинство людей склонны думать, что шанс погибнуть в авиакатастрофе больше, чем в автомобильной аварии. Теперь же мы знаем, изучив факты (о которых, думаю, многие наслышаны), что это совсем не так. Дело в том, что наш жизненный «глазомер» иногда дает сбой, потому что авиатранспорт кажется значительно страшнее людям, привыкшим твердо ходить по земле. Да и большинство людей не так часто используют этот вид транспорта. Даже если мы и может оценить вероятность события верно, то, скорее всего, крайне неточно, что не будет иметь никакого смысла, скажем, в космической инженерии, где миллионные доли решают многое. А когда нам нужна точность, то мы обращаемся к кому? Конечно же, к математике.

Примеров реального использования теории вероятности в жизни множество. Практически вся современная экономика базируется на ней. Выпуская на рынок определенный товар, грамотный предприниматель наверняка учтет риски, а также вероятности покупки в том или рынке, стране и т.д. Практически не представляют свою жизнь без теории вероятности брокеры на мировых рынках. Предсказывание денежного курса (в котором точно не обойтись без теории вероятности) на денежных опционах или знаменитейшем рынке Forex дает возможность зарабатывать на данной теории серьезные деньги.

Теория вероятности имеет значение в начале практически любой деятельности, а также ее регулирования. Благодаря оценке шансов той или иной неполадки (например, космического корабля), мы знаем, какие усилия нам нужно приложить, что именно проверить, что вообще ожидать в тысячи километров от Земли. Возможности теракта в метрополитене, экономического кризиса или ядерной войны — все это можно выразить в процентах. А главное, предпринимать соответствующие контрдействия исходя из полученных данных.

Мне посчастливилось попасть на математическую научную конференцию моего города, где одна из работ-победительниц говорила о практической значимости теории вероятности в жизни . Вам наверняка, как и всем людям, не нравится стоять подолгу в очередях. Данная работа доказывала, как может ускориться процесс покупки, если использовать теорию вероятности расчета людей в очереди и регулирование деятельности (открытие касс, увеличение продавцов и т.п.). К сожалению, сейчас большинство даже крупных сетей игнорирует этот факт и полагается лишь на собственные наглядные расчеты.

Любую деятельность любой сферы можно проанализировать, использую статистику, рассчитать благодаря теории вероятности и заметно улучшить.

Начать по праву следует со статистической физики. Современное естествознание исходит из представления, согласно которому все явления природы носят статистический характер и законы могут получить точную формулировку только в терминах теории вероятностей. Статистическая физика стала основой всей современной физики, а теория вероятностей - ее математическим аппаратом. В статистической физике рассматриваются задачи, которые описывают явления, определяющиеся поведение большого числа частиц. Статистическая физика весьма успешно применяется в самых разных разделах физики. В молекулярной физике с ее помощью объясняют тепловые явления, в электромагнетизме - диэлектрические, проводящие и магнитные свойства тел, в оптике она позволила создать теорию теплового излучения, молекулярного рассеивания света. В последние годы круг приложений статистической физики продолжает расширяться.

Статистические представления позволили быстро оформить математическое изучение явлений ядерной физики. Появление радиофизики и изучение вопросов передачи радио сигналов не только усилили значение статистических концепций, но и привели к прогрессу самой математической науки - появлению теории информации.

Понимание природы химических реакций, динамического равновесия также невозможно без статистических представлений. Вся физическая химия, ее математический аппарат и предлагаемые ею модели являются статистическими.

Обработка результатов наблюдений, которые всегда сопровождаются и случайными ошибками наблюдений, и случайными для наблюдателя изменениями в условиях проведения эксперимента, еще в XIX столетии привела исследователей к созданию теории ошибок наблюдений, и эта теория полностью опирается на статистические представления.

Астрономия в ряде своих разделов использует статистический аппарат. Звездная астрономия, исследование распределения материи в пространстве, изучение потоков космических частиц, распределение на поверхности солнца солнечных пятен (центров солнечной активности) и многое другое нуждается в использовании статистических представлений.

Биологи заметили, что разброс размеров органов живых существ одного и того же вида прекрасно укладывается в общие теоретико-вероятностные законы. Знаменитые законы Менделя, положившие начало современной генетике, требуют вероятностно-статистических рассуждений. Изучение таких значительных проблем биологии, как передача возбуждения, устройство памяти, передача наследственных свойств, вопросы расселения животных на территории, взаимоотношения хищника и жертвы требует хорошего знания теории вероятностей и математической статистики.

Гуманитарные науки объединяют очень разнообразные по характеру дисциплины - от языкознания и литературы до психологии и экономики. Статистические методы все в более значительной мере начинают привлекаться к историческим исследованиям, особенно в археологии. Статистический подход используется для расшифровки надписей на языке древних народов. Идеи, руководившие Ж. Шампольоном при расшифровке древнего иероглифического письма, являются в основе своей статистическими. Искусство шифрования и дешифровки основано на использовании статистических закономерностей языка. Другие направления связаны с изучением повторяемости слов и букв, распределения ударений в словах, вычислением информативности языка конкретных писателей и поэтом. Статистические методы используются для установления авторства и изобличения литературных подделок. Например, авторство М.А. Шолохова по роману "Тихий Дон" было установлено с привлечением вероятностно-статистических методов. Выявление частоты появления звуков языка в устной и письменной речи позволяет ставить вопрос об оптимальном кодировании букв данного языка для передачи информации. Частота использования букв определяет соотношение количества знаков в наборной типографской кассе. Расположение букв на каретке пишущей машины и на клавиатуре компьютера, определяется статистическим изучением частоты сочетаний букв в данном языке.

Многие проблемы педагогики и психологии также требуют привлечения вероятностно-статистического аппарата. Вопросы экономики не могут не интересовать общество, поскольку с ней связаны все аспекты ее развития. Без статистического анализа невозможно предвидеть изменение количества населения, его потребностей, характера занятости, изменения массового спроса, а без этого невозможно планировать хозяйственную деятельность.

Непосредственно связаны с вероятностно-статистическими методами вопросы проверки качества изделий. Зачастую изготовление изделия занимает несравненно меньше времени, чем проверка его качества. По этой причине нет возможности проверить качество каждого изделия. Поэтому приходится судить о качестве партии по сравнительно небольшой части выборки. Статистические методы используются и тогда, когда испытание качества изделий приводит к их порче или гибели.

Вопросы, связанные с сельским хозяйством, уже давно решаются с широким использованием статистических методов. Выведение новых пород животных, новых сортов растений, сравнение урожайности - вот далеко не полный список задач, решаемых статистическими методами.

Можно без преувеличения сказать, что статистическими методами сегодня пронизана вся наша жизнь. В известном сочинении поэта-материалиста Лукреция Кара "О природе вещей" имеется яркое и поэтическое описание явления броуновского движения пылинок:

"Вот посмотри: всякий раз, когда солнечный свет проникает В наши жилища и мрак прорезает своими лучами, Множества маленьких тел в пустоте, ты увидишь, мелькая, Мечутся взад и вперед в лучистом сиянии света; Будто бы в вечной борьбе они бьются в сраженьях и битвах. В схватки бросаются вдруг по отрядам, не зная покоя. Или сходясь, или врозь беспрерывно опять разлетаясь. Можешь из этого ты уяснить себе, как неустанно Первоначала вещей в пустоте необъятной мятутся. Так о великих вещах помогают составить понятье Малые вещи, пути намечая для из достиженья, Кроме того, потому обратить тебе надо вниманье На суматоху в телах, мелькающих в солнечном свете, Что из нее познаешь ты материи также движенье"

Первая возможность экспериментального исследования соотношений между беспорядочным движением отдельных частиц и закономерным движением их больших совокупностей появилась, когда в 1827 году ботаник Р. Броун открыл явление, которое по его имени названо "броуновским движением". Броун наблюдал под микроскопом взвешенную в воде цветочную пыльцу. К своему удивлению он обнаружил, что взвешенные в воде частицы находятся в непрерывном беспорядочном движении, которое не удается прекратить при самом тщательном старании устранить какие либо внешние воздействия. Вскоре было обнаружено, что это общее свойство любых достаточно мелких частиц, взвешенных в жидкости. Броуновское движение - классический пример случайного процесса.

Неволина Екатерина Николаевна Екатеринбург УрГЭУ Руководитель – Кныш А. А. Практическое применение теории вероятностей. Актуальность. Теория вероятностей является одним из разделов математики, изучающим случайные события, случайные величины, их свойства и операции над ними. Методы теории вероятностей все шире находят свое применение в различных областях науки и техники, а также в обычной жизни. Особенность данного раздела науки заключается в рассмотрении таких явлений, в которых присутствует неопределенность. В статье мне бы хотелось рассмотреть примеры некоторых задач, демонстрирующих практическое применение теории вероятностей. Задачи с экономическим содержанием. 1. Одна из фирм собирается заключить контракт на поставку товара с сетью магазинов. При условии, что конкурент фирмы не станет одновременно претендовать на заключение контракта, вероятность заключения контракта оценивается в 0,85, В противном случае вероятность получения контракта составляет 0,6. По оценкам экспертов компании вероятность того, что конкурент выдвинет свои предложения по заключению контракта, равна 0,55. Чему равна вероятность заключения контракта для этой фирмы? . Данная задача решается с помощью формулы полной вероятности. 2. Экономист-аналитик условно подразделяет экономическую ситуацию в стране на «хорошую», «посредственную» и «плохую» и оценивает их вероятности для данного момента времени в 0,2; 0,7 и 0,15 соответственно. Некоторый индекс экономического состояния возрастает с вероятностью 0,65, когда ситуация «хорошая»; с вероятностью 0,35, когда ситуация посредственная, и с вероятностью 0,1, когда ситуация «плохая». Пусть в настоящий момент индекс экономического состояния возрос. Чему равна вероятность того, что экономика страны на подъеме? . Задача решается с помощью формулы Байеса. 3. Банк выдаёт 9 кредитов. Вероятность невозврата кредита равна 0,2 для каждого заёмщика. Какова вероятность того, что трое заёмщиков не выплатят кредит? Задача решается с помощью формулы Бернулли. 5. Деталь считается годной при отклонении Х линейного размера в абсолютном выражении меньше 1 мм. Отклонение Х является величиной, распределенной по нормальному закону, со среднем квадратическим отклонением   0.35 . Найти количество бракованных деталей в одной партии произведенных деталей (размер партии 1000 шт.), стоимость потерь от брака при себестоимости партии 15 млн. руб., доход от реализации оставшихся годных деталей и экономические потери при рыночной цене 19 000 руб. за единицу продукции . Рассмотрим решение данной задачи. Т.к. Х – отклонение линейного размера в абсолютном выражении, то математическое ожидание М(Х)=а=0. Подставив в формулу  P  X     2      значения    0.35 и   1, получим P X  1  0,9956. Таким образом, в партии из 1000 деталей годными будут 995 деталей. При себестоимости партии 15 млн. руб. себестоимость каждой детали составит в среднем 15 000 руб. Стоимость потерь от брака составят 75000 рублей. Доход от реализации годных деталей по рыночной цене составит 995∙19000 =18,905 млн. руб. В связи с невозможностью реализовать часть продукции экономические потери составят 5∙19000=95000 руб. Методы теории вероятностей также используются в ставках на спорт. С помощью теории вероятностей стало возможным предугадывать и оценивать исходы различных матчей, а также выявлять продуктивность отдельно взятого игрока. Так, например, если мы рассматриваем баскетбол, то в качестве продуктивности игрока можно рассматривать вероятность его попадания в кольцо с различных точек. Приведем примеры задач. 1. На соревнованиях по баскетболу центровой игрок команды «N» бросает мяч в кольцо. За каждый забитый мяч команда получает 2 очка. Найти вероятность того, что за данный бросок центровым команда не получит ни одного очка (0 очков полагается лишь за промах). 2. Две равносильные баскетбольные команды играют в баскетбол. Что вероятнее: вести счет одну четверть из двух или две четверти из четырех (равный счет во внимание не принимается)? Данная задача решается с помощью формулы Бернулли. Итак, нахождение закономерностей в случайных явлениях - это задача теорий вероятности. Теория вероятности - это инструмент для изучения не видимых и многозначных взаимосвязей разных явлений во многочисленных областях науки, техники и экономики. Теория вероятности дает возможность правильно посчитать колебания спроса, предложения, цен и других экономических показателей. Теория вероятности есть часть базовой науки как статистика и прикладная информатика. Так как без теории вероятностей не может работать не одна прикладная программа, и компьютер в целом. И в теории игр она тоже является основной . Список использованных источников: 1. Вентцель Е. С. Теория вероятностей [Электрон. ресурс] : Учеб. пособие. – Москва. – Высшая школа, 1999. – 576 c. – Режим доступа: http://sernam.ru/book_tp.php 2. Методические указания для студентов по проведению практических работ по дисциплине «Математика» [Электрон. ресурс]. – Мончегорск, 2013. – Режим доступа: http://www.studfiles.ru/preview/3829108/ 3. Хуснутдинов, Р. Ш. Математика для экономистов в примерах и задачах [Электрон. ресурс] : учеб. пособие / Р. Ш. Хуснутдинов, В. А. Жихарев. – Санкт-Петербург: Лань, 2012. - 656 с. - Режим доступа: https://e.lanbook.com/book/4233