Либерт Елена

Азарт и жажда разбогатеть дали толчок возникновению новой чрезвычайно существенной математической дисциплины: теории вероятностей. В разработке ее основ принимали участие математики такого масштаба, как Паскаль и Ферма, Гюйгенс.

Скачать:

Предварительный просмотр:

МБОУ СШ №8 г. Ярцево Смоленской области

Проект по математике:

«История возникновения теории вероятностей»

Подготовила: ученица 11 класса

средней школы №8 Либерт Елена

Руководитель: учитель математики

Борисенкова Ольга Владимировна

Г. Ярцево, 2015г.

История возникновения теории вероятностей…………………………………………………………..…...3

Средневековая Европа и начало Нового времени……………………….4

XVII век: Паскаль, Ферма, Гюйгенс…..………………………………….5

XVIII век……..…………………………………………………………….7

XIX век. Общие тенденции и критика……………………….…………..7

Применение теории вероятности в XIX-XX веках……………….…..…8

1. Астрономия………………………………………………………….8
2. Физика………………………….……………………………………9
3. Биометрия……………...……………………………………………9
4. Сельское хозяйство………………………..………………………..9
5. Промышленность …………………………………………………..10
6. Медицина…………………………………………………………....10
7. Биоинформатика……………...…………………………………….10
8. Экономика и банковское дело…….……………………………….11

История возникновения теории вероятностей

Французский дворянин, некий господин де Мере, был азартным игроком в кости и страстно хотел разбогатеть. Он затратил много времени, чтобы открыть тайну игры в кости. Он выдумывал различные варианты игры, предполагая, что таким образом приобретет крупное состояние. Так, например, он предлагал бросать одну кость по очереди 4 раза и убеждал партнера, что по крайней мере один раз выпадет при этом шестерка. Если за 4 броска шестерка не выходила, то выигрывал противник.

В те времена еще не существовала отрасль математики, которую сегодня мы называем теорией вероятностей, а поэтому, чтобы убедиться, верны ли его предположения, господин Мере обратился к своему знакомому, известному математику и философу Б. Паскалю с просьбой, чтобы он изучил два знаменитых вопроса, первый из которых он попытался решить сам. Вопросы были такие:

Сколько раз надо бросать две игральные кости, чтобы случаев выпадения сразу двух шестерок было больше половины от общего числа бросаний?

Как справедливо разделить поставленные на кон двумя игроками деньги, если они по каким-то причинам прекратили игру преждевременно?

Паскаль не только сам заинтересовался этим, но и написал письмо известному математику П. Ферма, чем спровоцировал его заняться общими законами игры в кости и вероятностью выигрыша.

Таким образом, азарт и жажда разбогатеть дали толчок возникновению новой чрезвычайно существенной математической дисциплины: теории вероятностей. В разработке ее основ принимали участие математики такого масштаба, как Паскаль и Ферма, Гюйгенс (1629-1695), который написал тракта «О расчетах при азартных играх», Яков Бернулли (1654-1705), Муавр (1667-1754), Лаплас (1749- 1827), Гаусс (1777-1855) и Пуассон (1781-1840). В наше время теория вероятности используется почти во всех отраслях знаний: в статистике, синоптике (прогноз погоды), биологии, экономике, технологии, строительстве и т. д.

Средневековая Европа и начало Нового времени

Первые задачи вероятностного характера возникли в различных азартных играх - костях, картах и др. Французский каноник XIII века Ришар де Фурниваль правильно подсчитал все возможные суммы очков после броска трёх костей и указал число способов, которыми может получиться каждая из этих сумм. Это число способов можно рассматривать как первую числовую меру ожидаемости события, аналогичную вероятности. До Фурниваля, а иногда и после него, эту меру часто подсчитывали неверно, считая, например, что суммы 3 и 4 очка равновероятны, так как оба могут получиться «только одним способом»: по результатам броска «три единицы» и «двойка с двумя единицами» соответственно. При этом не учитывалось, что три единицы в самом деле получаются только одним способом: ~1+1+1, а двойка с двумя единицами - тремя: ~1+1+2;\;1+2+1;\;2+1+1, так что эти события не равновероятны. Аналогичные ошибки неоднократно встречались и в дальнейшей истории науки.

В обширной математической энциклопедии «Сумма арифметики, геометрии, отношений и пропорций» итальянца Луки Пачоли (1494) содержатся оригинальные задачи на тему: как разделить ставку между двумя игроками, если серия игр прервана досрочно. Пример подобной задачи: игра идёт до 60 очков, победитель получает всю ставку в 22 дуката, в ходе игры первый игрок набрал 50 очков, второй - 30, и тут игру пришлось прекратить; требуется справедливо разделить исходную ставку. Решение зависит от того, что понимать под «справедливым» разделом; сам Пачоли предложил делить пропорционально набранным очкам (55/4 и 33/4 дуката); позднее его решение было признано ошибочным.

Распределение суммы очков после бросания двух костей

Крупный алгебраист XVI века ДжероламоКардано посвятил анализу игры содержательную монографию «Книга об игре в кости» (1526 год, опубликована посмертно). Кардано провёл полный и безошибочный комбинаторный анализ для значений суммы очков и указал для разных событий ожидаемое значение доли «благоприятных» событий: например, при бросании трёх костей доля случаев, когда значения всех 3 костей совпадают, равна 6/216 или 1/36. Кардано сделал проницательное замечание: реальное количество исследуемых событий может при небольшом числе игр сильно отличаться от теоретического, но чем больше игр в серии, тем доля этого различия меньше. По существу, Кардано близко подошёл к понятию вероятности:

Итак, имеется одно общее правило для расчёта: необходимо учесть общее число возможных выпадений и число способов, которыми могут появиться данные выпадения, а затем найти отношение последнего числа к числу оставшихся возможных выпадений.

Другой итальянский алгебраист, Никколо Тарталья, раскритиковал подход Пачоли к решению задачи о разделе ставки: ведь если один из игроков ещё не успел набрать ни одного очка, то алгоритм Пачоли отдаёт всю ставку его сопернику, но это трудно назвать справедливым, поскольку некоторые шансы на выигрыш у отстающего всё же имеются. Кардано и Тарталья предложили свои (различные) способы раздела, но впоследствии и эти способы были признаны неудачными.

Исследованием данной темы занимался и Галилео Галилей, написавший трактат «О выходе очков при игре в кости» (1718 год, опубликован посмертно). Изложение теории игры у Галилея отличается исчерпывающей полнотой и ясностью. В своей главной книге «Диалог о двух главнейших системах мира, птоломеевой и коперниковой» Галилей также указал на возможность оценки погрешности астрономических и иных измерений, причём заявил, что малые ошибки измерения вероятнее, чем большие, отклонения в обе стороны равновероятны, а средний результат должен быть близок к истинному значению измеряемой величины. Эти качественные рассуждения стали первым в истории предсказанием нормального распределения ошибок.

XVII век: Паскаль, Ферма, Гюйгенс

В XVII веке начало формироваться отчётливое представление о проблематике теории вероятностей и появились первые математические (комбинаторные) методы решения вероятностных задач. Основателями математической теории вероятностей стали Блез Паскаль и Пьер Ферма.

Перед этим математик-любитель шевалье де Мере обратился к Паскалю по поводу так называемой «задачи об очках»: сколько раз нужно бросать две кости, чтобы ставить на одновременное выпадение хотя бы раз двух шестёрок было выгодно? Паскаль и Ферма вступили в переписку друг с другом по поводу данной задачи и родственных вопросов (1654). В рамках этой переписки учёные обсудили ряд проблем, связанных с вероятностными расчётами; в частности, рассматривалась старая задача о разделе ставки, и оба учёных пришли к решению, что надо разделить ставку соответственно остающимся шансам на выигрыш. Паскаль указал де Мере на ошибку, допущенную им при решении «задачи об очках»: в то время как де Мере неверно определил равновероятные события, получив ответ: 24 броска, Паскаль дал правильный ответ: 25 бросков.

Паскаль в своих трудах далеко продвинул применение комбинаторных методов, которые систематизировал в своей книге «Трактат об арифметическом треугольнике» (1665). Опираясь на вероятностный подход, Паскаль даже доказывал (в посмертно опубликованных заметках), что быть верующим выгоднее, чем атеистом.

Гюйгенс, вначале использовал термин «стоимость», а термин «ожидание» появился впервые при переводе трактата Гюйгенса Ван Схоутеном на латинский язык и стал общепринятым в науке.

В книге большое число задач, некоторые с решениями, другие «для самостоятельного решения». Из последних особый интерес и оживлённое обсуждение вызвала «задача о разорении игрока». В несколько обобщённом виде она формулируется так: у игроков A и B есть a и b монет соответственно, в каждой игре выигрывается одна монета, вероятность выигрыша A в каждой игре равна p, требуется найти вероятность полного его разорения. Полное общее решение «задачи о разорении» дал Абрахам де Муавр полвека спустя (1711). В наши дни вероятностная схема «задачи о разорении» используется при решении многих задач типа «случайное блуждание».

Гюйгенс проанализировал и задачу о разделе ставки, дав её окончательное решение: ставку надо разделить пропорционально вероятностям выигрыша при продолжении игры. Он также впервые применил вероятностные методы к демографической статистике и показал, как рассчитать среднюю продолжительность жизни.

К этому же периоду относятся публикации английских статистиков Джона Граунта (1662) и Уильяма Петти (1676, 1683). Обработав данные более чем за столетие, они показали, что многие демографические характеристики лондонского населения, несмотря на случайные колебания, имеют достаточно устойчивый характер - например, соотношение числа новорождённых мальчиков и девочек редко отклоняется от пропорции 14 к 13, невелики колебания и процента смертности от конкретных случайных причин. Эти данные подготовили научную общественность к восприятию новых идей.

Граунт также впервые составил таблицы смертности - таблицы вероятности смерти как функции возраста. Вопросами теории вероятностей и её применения к демографической статистике занялись также Иоганн Худде и Ян де Витт в Нидерландах, которые в 1671 году также составили таблицы смертности и использовали их для вычисления размеров пожизненной ренты. Более подробно данный круг вопросов был изложен в 1693 году Эдмундом Галлеем.

XVIII век

На книгу Гюйгенса опирались появившиеся в начале XVIII века трактаты Пьера де Монмора «Опыт исследования азартных игр» (опубликован в 1708 и переиздан с дополнениями в 1713 году) и Якоба Бернулли «Искусство предположений» (опубликован уже после смерти учёного, в том же 1713 году). Последний имел для теории вероятностей особенно большое значение.

XIX век

Общие тенденции и критика

В XIX веке число работ по теории вероятностей продолжало расти, были даже компрометирующие науку попытки распространить её методы далеко за разумные пределы - например, на область морали, психологии, правоприменения и даже богословия. В частности, валлийский философ Ричард Прайс, а следом за ним и Лаплас, считали возможным рассчитать по формулам Байеса вероятность предстоящего восхода Солнца, Пуассон пытался провести вероятностный анализ справедливости судебных приговоров и достоверности показаний свидетелей. Философ Дж. С. Милль в 1843 году, указав на подобные спекулятивные применения, назвал исчисление вероятностей «позором математики». Эта и другие оценки свидетельствовали о недостаточной строгости обоснования теории вероятностей.

Математический аппарат теории вероятностей тем временем продолжал совершенствоваться. Основной сферой её применения в тот период была математическая обработка результатов наблюдений, содержащих случайные погрешности, а также расчёты рисков в страховом деле и других статистических параметров. Среди главных прикладных задач теории вероятностей и математической статистики XIX века можно назвать следующие:

найти вероятность того, что сумма независимых случайных величин с одинаковым (известным) законом распределения находится в заданных пределах. Особую важность эта проблема представляла для теории ошибок измерения, в первую очередь для оценки погрешности наблюдений;

установление статистической значимости различия случайных значений или серий таких значений. Пример: сравнение результатов применения нового и старого видов лекарств для принятия решения о том, действительно ли новое лекарство лучше;

исследование влияния заданного фактора на случайную величину (факторный анализ).

Уже к середине XIX века формируется вероятностная теория артиллерийской стрельбы. В большинстве крупных стран Европы были созданы национальные статистические организации. В конце века область применения вероятностных методов начала успешно распространяться на физику, биологию, экономику, социологию.

Применение теории вероятности в XIX-XX веках.

В 19 и 20 столетиях теория вероятностей проникает сначала в науку (астрономию, физику, биологию), потом в практику (сельское хозяйство, промышленность, медицину), и наконец, после изобретения компьютеров, в повседневную жизнь любого человека, пользующегося современными средствами получения и передачи информации. Проследим применение в различных областях.

1.Астрономия.

Именно для использования в астрономии был разработан знаменитый “метод наименьших квадратов” (Лежандр 1805, Гаусс 1815). Главной задачей, для решения которой он был первоначально использован, стал расчет орбит комет, который приходилось производить по малому числу наблюдений. Ясно, что надежное определение типа орбиты (эллипс или гипербола) и точный расчет ее параметров оказывается трудным, так как орбита наблюдается лишь на небольшом участке. Метод оказался эффективным, универсальным, и вызвал бурные споры о приоритете. Его стали использовать в геодезии и картографии. Сейчас, когда искусство ручных расчетов утрачено, трудно представить, что при составлении карт мирового океана в 1880-х годах в Англии методом наименьших квадратов была численно решена система, состоящая из примерно 6000 уравнений с несколькими сотнями неизвестных.

2.Физика.

Во второй половине 19 века была в работах Максвелла, Больцмана и Гиббса была развита статистическая механика, которая описывала состояние разряженных систем, содержащих огромное число частиц (порядка числа Авогадро). Если раньше понятие распределения случайной величины было преимущественно связано с распределением ошибок измерения, то теперь распределенными оказались самые разные величины – скорости, энергии, длины свободного пробега.

3.Биометрия.

В 1870-1900 годах бельгиец Кетле и англичане Френсис Гальтон и Карл Пирсон основали новое научное направление – биометрию, в которой впервые стала систематически и количественно изучаться неопределенная изменчивость живых организмов и наследование количественных признаков. В научный оборот были введены новые понятия – регрессии и корреляции.

Итак, вплоть до начала 20 века основные приложения теории вероятности были связаны с научными исследованиями. Внедрение в практику – сельское хозяйство, промышленность, медицину произошло в 20 веке.

4.Сельское хозяйство.

В начале 20 века в Англии была поставлена задача количественного сравнения эффективности различных методов ведения сельского хозяйства. Для решения этой задачи была развита теория планирования экспериментов, дисперсионный анализ. Основная заслуга в развитии этого уже чисто практического использования статистики принадлежит сэру Рональду Фишеру, астроному по образованию, а в дальнейшем фермеру, статистику, генетику, президенту английского Королевского общества. Современная математическая статистика, пригодная для широкого применения в практике, была развита в Англии (Карл Пирсон, Стьюдент, Фишер). Стьюдент впервые решил задачу оценки неизвестного параметра распределения без использования байесовского подхода.

5.Промышленность.

Введение методов статистического контроля на производстве (контрольные карты Шухарта). Сокращение необходимого количества испытаний качества продукции. Математические методы оказываются уже настолько важными, что их стали засекречивать. Так книга с описанием новой методики, позволявшей сократить количество испытаний (“Последовательный анализ” Вальда), была издана только после окончания второй мировой войны в 1947 году.

6.Медицина.

Широкое применение статистических методов в медицине началось сравнительно недавно (вторая половина 20 века). Развитие эффективных методов лечения (антибиотики, инсулин, эффективная анестезия, искусственное кровообращение) потребовало достоверных методов оценки их эффективности. Возникло новое понятие “Доказательная медицина”. Начал развиваться более формальный, количественный подход к терапии многих заболевании – введение протоколов, guidelines.

С середины 1980-х годов возник новый и важнейший фактор, революционизировавший все приложения теории вероятностей – возможность широкого использования быстрых и доступных компьютеров. Почувствовать всю громадность произошедшего переворота можно, если учесть, что один современный персональный компьютер превосходит по быстродействию и памяти все компьютеры СССР и США, имевшиеся к 1968 году, времени, когда уже были осуществлены проекты, связанные со строительством атомных электростанций, полетами на Луну, созданием термоядерной бомбы. Сейчас методом прямого экспериментирования можно получать результаты, которые ранее были недоступны – thinkingofunthinkable.

7.Биоинформатика.

Начиная с 1980-х годов количество известных последовательностей белков и нуклеиновых кислот стремительно возрастает. Объем накопленной информации таков, что только компьютерный анализ этих данных может решать задачи по извлечению информации.

8.Экономика и банковское дело.

Широкое применение имеет теория риска. Теория риска есть теория принятия решений в условиях вероятностной неопределенности. С математической точки зрения она является разделом теории вероятностей, а приложения теории риска практически безграничны. Наиболее продвинута финансовая область приложений: банковское дело и страхование, управление рыночными и кредитными рисками, инвестициями, бизнес-рисками, телекоммуникациям. Развиваются и нефинансовые приложения, связанные с угрозами здоровью, окружающей среде, рисками аварий и экологических катастроф, и другими направлениями.

1. Вероятность и статистика нужны всем

Примеры применения теории вероятностей и математической статистики.

Рассмотрим несколько примеров, когда вероятностно-статистические модели являются хорошим инструментом для решения управленческих, производственных, экономических, народнохозяйственных задач. Так, например, в романе А.Н.Толстого «Хождение по мукам» (т.1) говорится: «мастерская дает двадцать три процента брака, этой цифры вы и держитесь, - сказал Струков Ивану Ильичу».

Как понимать эти слова в разговоре заводских менеджеров? Одна единица продукции не может быть дефектна на 23%. Она может быть либо годной, либо дефектной. Наверно, Струков имел в виду, что в партии большого объема содержится примерно 23% дефектных единиц продукции. Тогда возникает вопрос, а что значит «примерно»? Пусть из 100 проверенных единиц продукции 30 окажутся дефектными, или из 1000 – 300, или из 100000 – 30000 и т.д., надо ли обвинять Струкова во лжи?

Или другой пример. Монетка, которую используют как жребий, должна быть «симметричной». При ее бросании в среднем в половине случаев должен выпадать герб (орел), а в половине случаев – решетка (решка, цифра). Но что означает «в среднем»? Если провести много серий по 10 бросаний в каждой серии, то часто будут встречаться серии, в которых монетка 4 раза выпадает гербом. Для симметричной монеты это будет происходить в 20,5% серий. А если на 100000 бросаний окажется 40000 гербов, то можно ли считать монету симметричной? Процедура принятия решений строится на основе теории вероятностей и математической статистики.

Пример может показаться недостаточно серьезным. Однако это не так. Жеребьевка широко используется при организации промышленных технико-экономических экспериментов. Например, при обработке результатов измерения показателя качества (момента трения) подшипников в зависимости от различных технологических факторов (влияния консервационной среды, методов подготовки подшипников перед измерением, влияния нагрузки подшипников в процессе измерения и т.п.). Допустим, необходимо сравнить качество подшипников в зависимости от результатов хранения их в разных консервационных маслах, т.е. в маслах состава А и В . При планировании такого эксперимента возникает вопрос, какие подшипники следует поместить в масло состава А , а какие – в масло состава В , но так, чтобы избежать субъективизма и обеспечить объективность принимаемого решения. Ответ на этот вопрос может быть получен с помощью жребия.

Аналогичный пример можно привести и с контролем качества любой продукции. Чтобы решить, соответствует или не соответствует контролируемая партия продукции установленным требованиям, из нее отбирается выборка. По результатам контроля выборки делается заключение о всей партии. В этом случае очень важно избежать субъективизма при формировании выборки, т.е. необходимо, чтобы каждая единица продукции в контролируемой партии имела одинаковую вероятность быть отобранной в выборку. В производственных условиях отбор единиц продукции в выборку обычно осуществляют не с помощью жребия, а по специальным таблицам случайных чисел или с помощью компьютерных датчиков случайных чисел.

Похожие проблемы обеспечения объективности сравнения возникают при сопоставлении различных схем организации производства, оплаты труда, при проведении тендеров и конкурсов, подбора кандидатов на вакантные должности и т.п. Всюду нужна жеребьевка или подобные ей процедуры.

Пусть надо выявить наиболее сильную и вторую по силе команду при организации турнира по олимпийской системе (проигравший выбывает). Допустим, что более сильная команда всегда побеждает более слабую. Ясно, что самая сильная команда однозначно станет чемпионом. Вторая по силе команда выйдет в финал тогда и только тогда, когда до финала у нее не будет игр с будущим чемпионом. Если такая игра запланирована, то вторая по силе команда в финал не попадет. Тот, кто планирует турнир, может либо досрочно «выбить» вторую по силе команду из турнира, сведя ее в первой же встрече с лидером, либо обеспечить ей второе место, обеспечив встречи с более слабыми командами вплоть до финала. Чтобы избежать субъективизма, проводят жеребьевку. Для турнира из 8 команд вероятность того, что в финале встретятся две самые сильные команды, равна 4/7. Соответственно с вероятностью 3/7 вторая по силе команда покинет турнир досрочно.

При любом измерении единиц продукции (с помощью штангенциркуля, микрометра, амперметра и т.п.) имеются погрешности. Чтобы выяснить, есть ли систематические погрешности, необходимо сделать многократные измерения единицы продукции, характеристики которой известны (например, стандартного образца). При этом следует помнить, что кроме систематической погрешности присутствует и случайная погрешность.

Поэтому встает вопрос, как по результатам измерений узнать, есть л систематическая погрешность. Если отмечать только, является ли полученная при очередном измерении погрешность положительной или отрицательной, то эту задачу можно свести к уже рассмотренной. Действительно, сопоставим измерение с бросанием монеты, положительную погрешность – с выпадением герба, отрицательную – решетки (нулевая погрешность при достаточном числе делений шкалы практически никогда не встречается). Тогда проверка отсутствия систематической погрешности эквивалентна проверке симметричности монеты.

Итак, задача проверки отсутствия систематической погрешности сведена к задаче проверки симметричности монеты. Проведенные рассуждения приводят к так называемому «критерию знаков» в математической статистике.

При статистическом регулировании технологических процессов на основе методов математической статистики разрабатываются правила и планы статистического контроля процессов, направленные на своевременное обнаружение разладки технологических процессов и принятия мер к их наладке и предотвращению выпуска продукции, не соответствующей установленным требованиям. Эти меры нацелены на сокращение издержек производства и потерь от поставки некачественных единиц продукции. При статистическом приемочном контроле на основе методов математической статистики разрабатываются планы контроля качества путем анализа выборок из партий продукции. Сложность заключается в том, чтобы уметь правильно строить вероятностно-статистические модели принятия решений. В математической статистике для этого разработаны вероятностные модели и методы проверки гипотез, в частности, гипотез о том, что доля дефектных единиц продукции равна определенному числу р 0 , например, р 0 = 0,23 (вспомните слова Струкова из романа А.Н.Толстого).

"Случайности не случайны"... Звучит так, словно сказал философ, но на деле изучать случайности удел великой науки математики. В математике случайностями занимается теория вероятности. Формулы и примеры заданий, а также основные определения этой науки будут представлены в статье.

Что такое теория вероятности?

Теория вероятности - это одна из математических дисциплин, которая изучает случайные события.

Чтобы было немного понятнее, приведем небольшой пример: если подкинуть вверх монету, она может упасть «орлом» или «решкой». Пока монета находится в воздухе, обе эти вероятности возможны. То есть вероятность возможных последствий соотносится 1:1. Если из колоды с 36-ю картами вытащить одну, тогда вероятность будет обозначаться как 1:36. Казалось бы, что здесь нечего исследовать и предугадывать, тем более при помощи математических формул. Тем не менее, если повторять определенное действие много раз, то можно выявить некую закономерность и на ее основе спрогнозировать исход событий в других условиях.

Если обобщить все вышесказанное, теория вероятности в классическом понимании изучает возможность возникновения одного из возможных событий в числовом значении.

Со страниц истории

Теория вероятности, формулы и примеры первых заданий появились еще в далеком Средневековье, когда впервые возникли попытки спрогнозировать исход карточных игр.

Изначально теория вероятности не имела ничего общего с математикой. Она обосновывалась эмпирическими фактами или свойствами события, которое можно было воспроизвести на практике. Первые работы в этой сфере как в математической дисциплине появились в XVII веке. Родоначальниками стали Блез Паскаль и Пьер Ферма. Длительное время они изучали азартные игры и увидели определенные закономерности, о которых и решили рассказать обществу.

Такую же методику изобрел Христиан Гюйгенс, хотя он не был знаком с результатами исследований Паскаля и Ферма. Понятие «теория вероятности», формулы и примеры, что считаются первыми в истории дисциплины, были введены именно им.

Немаловажное значение имеют и работы Якоба Бернулли, теоремы Лапласа и Пуассона. Они сделали теорию вероятности больше похожей на математическую дисциплину. Свой теперешний вид теория вероятностей, формулы и примеры основных заданий получили благодаря аксиомам Колмогорова. В результате всех изменений теория вероятности стала одним из математических разделов.

Базовые понятия теории вероятностей. События

Главным понятием этой дисциплины является "событие". События бывают трех видов:

• Достоверные. Те, которые произойдут в любом случае (монета упадет).
• Невозможные. События, что не произойдут ни при каком раскладе (монета останется висеть в воздухе).
• Случайные. Те, что произойдут или не произойдут. На них могут повлиять разные факторы, которые предугадать очень трудно. Если говорить о монете, то случайные факторы, что могут повлиять на результат: физические характеристики монеты, ее форма, исходное положение, сила броска и т. д.

Все события в примерах обозначаются заглавными латинскими буквами, за исключением Р, которой отведена другая роль. Например:

• А = «студенты пришли на лекцию».
• Ā = «студенты не пришли на лекцию».

В практических заданиях события принято записывать словами.

Одна из важнейших характеристик событий - их равновозможность. То есть, если подбросить монету, все варианты исходного падения возможны, пока она не упала. Но также события бывают и не равновозможными. Это происходит, когда кто-то специально воздействует на исход. Например, «меченые» игральные карты или игральные кости, в которых смещен центр тяжести.

Еще события бывают совместимыми и несовместимыми. Совместимые события не исключают появления друг друга. Например:

• А = «студентка пришла на лекцию».
• В = «студент пришел на лекцию».

Эти события независимы друг от друга, и появление одного из них не влияет на появление другого. Несовместимые события определяются тем, что появление одного исключает появление другого. Если говорить о той же монете, то выпадение «решки» делает невозможным появление «орла» в этом же эксперименте.

Действия над событиями

События можно умножать и складывать, соответственно, в дисциплине вводятся логические связки «И» и «ИЛИ».

Сумма определяется тем, что может появиться или событие А, или В, или два одновременно. В случае когда они несовместимы, последний вариант невозможен, выпадет или А, или В.

Умножение событий заключается в появлении А и В одновременно.

Теперь можно привести несколько примеров, чтобы лучше запомнились основы, теория вероятности и формулы. Примеры решения задач далее.

Задание 1 : Фирма принимает участие в конкурсе на получение контрактов на три разновидности работы. Возможные события, которые могут произойти:

• А = «фирма получит первый контракт».
• А 1 = «фирма не получит первый контракт».
• В = «фирма получит второй контракт».
• В 1 = «фирма не получит второй контракт»
• С = «фирма получит третий контракт».
• С 1 = «фирма не получит третий контракт».

С помощью действий над событиями попробуем выразить следующие ситуации:

• К = «фирма получит все контракты».

В математическом виде уравнение будет иметь следующий вид: К = АВС.

• М = «фирма не получит ни одного контракта».

М = А 1 В 1 С 1 .

Усложняем задание: H = «фирма получит один контракт». Поскольку не известно, какой именно контракт получит фирма (первый, второй или третий), необходимо записать весь ряд возможных событий:

Н = А 1 ВС 1 υ АВ 1 С 1 υ А 1 В 1 С.

А 1 ВС 1 - это ряд событий, где фирма не получает первый и третий контракт, но получает второй. Соответственным методом записаны и другие возможные события. Символ υ в дисциплине обозначает связку «ИЛИ». Если перевести приведенный пример на человеческий язык, то фирма получит или третий контракт, или второй, или первый. Подобным образом можно записывать и другие условия в дисциплине «Теория вероятности». Формулы и примеры решения задач, представленные выше, помогут сделать это самостоятельно.

Собственно, вероятность

Пожалуй, в этой математической дисциплине вероятность события - это центральное понятие. Существует 3 определения вероятности:

• классическое;
• статистическое;
• геометрическое.

Каждое имеет свое место в изучении вероятностей. Теория вероятности, формулы и примеры (9 класс) в основном используют классическое определение, которое звучит так:

• Вероятность ситуации А равняется отношению числа исходов, что благоприятствуют ее появлению, к числу всех возможных исходов.

Формула выглядит так: Р(А)=m/n.

А - собственно, событие. Если появляется случай, противоположный А, его можно записывать как Ā или А 1 .

m - количество возможных благоприятных случаев.

n - все события, которые могут произойти.

Например, А = «вытащить карту червовой масти». В стандартной колоде 36 карт, 9 из них червовой масти. Соответственно, формула решения задания будет иметь вид:

Р(А)=9/36=0,25.

В итоге вероятность того, что из колоды вытянут карту червовой масти, составит 0,25.

К высшей математике

Теперь стало немного известно, что такое теория вероятности, формулы и примеры решения заданий, которые попадаются в школьной программе. Однако теория вероятностей встречается и в высшей математике, которая преподается в вузах. Чаще всего там оперируют геометрическими и статистическими определениями теории и сложными формулами.

Очень интересна теория вероятности. Формулы и примеры (высшая математика) лучше начинать изучать с малого - со статистического (или частотного) определения вероятности.

Статистический подход не противоречит классическому, а немного расширяет его. Если в первом случае нужно было определить, с какой долей вероятности произойдет событие, то в этом методе необходимо указать, как часто оно будет происходить. Здесь вводится новое понятие «относительная частота», которую можно обозначить W n (A). Формула ничем не отличается от классической:

Если классическая формула вычисляется для прогнозирования, то статистическая - согласно результатам эксперимента. Возьмем, к примеру, небольшое задание.

Отдел технологического контроля проверяет изделия на качество. Среди 100 изделий нашли 3 некачественных. Как найти вероятность частоты качественного товара?

А = «появление качественного товара».

W n (A)=97/100=0,97

Таким образом, частота качественного товара составляет 0,97. Откуда взяли 97? Из 100 товаров, которые проверили, 3 оказались некачественными. От 100 отнимаем 3, получаем 97, это количество качественного товара.

Немного о комбинаторике

Еще один метод теории вероятности называют комбинаторикой. Его основной принцип состоит в том, что если определенный выбор А можно осуществить m разными способами, а выбор В - n разными способами, то выбор А и В можно осуществить путем умножения.

Например, из города А в город В ведет 5 дорог. Из города В в город С ведет 4 пути. Сколькими способами можно доехать из города А в город С?

Все просто: 5х4=20, то есть двадцатью разными способами можно добраться из точки А в точку С.

Усложним задание. Сколько существует способов раскладывания карт в пасьянсе? В колоде 36 карт - это исходная точка. Чтобы узнать количество способов, нужно от исходной точки «отнимать» по одной карте и умножать.

То есть 36х35х34х33х32…х2х1= результат не вмещается на экран калькулятора, поэтому его можно просто обозначить 36!. Знак «!» возле числа указывает на то, что весь ряд чисел перемножается между собой.

В комбинаторике присутствуют такие понятия, как перестановка, размещение и сочетание. Каждое из них имеет свою формулу.

Упорядоченный набор элементов множества называют размещением. Размещения могут быть с повторениями, то есть один элемент можно использовать несколько раз. И без повторений, когда элементы не повторяются. n - это все элементы, m - элементы, которые участвуют в размещении. Формула для размещения без повторений будет иметь вид:

A n m =n!/(n-m)!

Соединения из n элементов, которые отличаются только порядком размещения, называют перестановкой. В математике это имеет вид: Р n = n!

Сочетаниями из n элементов по m называют такие соединения, в которых важно, какие это были элементы и каково их общее количество. Формула будет иметь вид:

A n m =n!/m!(n-m)!

Формула Бернулли

В теории вероятности, так же как и в каждой дисциплине, имеются труды выдающихся в своей области исследователей, которые вывели ее на новый уровень. Один из таких трудов - формула Бернулли, что позволяет определять вероятность появления определенного события при независимых условиях. Это говорит о том, что появление А в эксперименте не зависит от появления или не появления того же события в ранее проведенных или последующих испытаниях.

Уравнение Бернулли:

P n (m) = C n m ×p m ×q n-m .

Вероятность (р) появления события (А) неизменна для каждого испытания. Вероятность того, что ситуация произойдет ровно m раз в n количестве экспериментов, будет вычисляться формулой, что представлена выше. Соответственно, возникает вопрос о том, как узнать число q.

Если событие А наступает р количество раз, соответственно, оно может и не наступить. Единица - это число, которым принято обозначать все исходы ситуации в дисциплине. Поэтому q - число, которое обозначает возможность ненаступления события.

Теперь вам известна формула Бернулли (теория вероятности). Примеры решения задач (первый уровень) рассмотрим далее.

Задание 2: Посетитель магазина сделает покупку с вероятностью 0,2. В магазин зашли независимым образом 6 посетителей. Какова вероятность того, что посетитель сделает покупку?

Решение: Поскольку неизвестно, сколько посетителей должны сделать покупку, один или все шесть, необходимо просчитать все возможные вероятности, пользуясь формулой Бернулли.

А = «посетитель совершит покупку».

В этом случае: р = 0,2 (как указано в задании). Соответственно, q=1-0,2 = 0,8.

n = 6 (поскольку в магазине 6 посетителей). Число m будет меняться от 0 (ни один покупатель не совершит покупку) до 6 (все посетители магазина что-то приобретут). В итоге получим решение:

P 6 (0) = C 0 6 ×p 0 ×q 6 =q 6 = (0,8) 6 = 0,2621.

Ни один из покупателей не совершит покупку с вероятностью 0,2621.

Как еще используется формула Бернулли (теория вероятности)? Примеры решения задач (второй уровень) далее.

После вышеприведенного примера возникают вопросы о том, куда делись С и р. Относительно р число в степени 0 будет равно единице. Что касается С, то его можно найти формулой:

C n m = n! / m!(n-m)!

Поскольку в первом примере m = 0, соответственно, С=1, что в принципе не влияет на результат. Используя новую формулу, попробуем узнать, какова вероятность покупки товаров двумя посетителями.

P 6 (2) = C 6 2 ×p 2 ×q 4 = (6×5×4×3×2×1) / (2×1×4×3×2×1) × (0,2) 2 × (0,8) 4 = 15 × 0,04 × 0,4096 = 0,246.

Не так уж и сложна теория вероятности. Формула Бернулли, примеры которой представлены выше, прямое тому доказательство.

Формула Пуассона

Уравнение Пуассона используется для вычисления маловероятных случайных ситуаций.

Основная формула:

P n (m)=λ m /m! × e (-λ) .

При этом λ = n х p. Вот такая несложная формула Пуассона (теория вероятности). Примеры решения задач рассмотрим далее.

Задание 3 : На заводе изготовили детали в количестве 100000 штук. Появление бракованной детали = 0,0001. Какова вероятность, что в партии будет 5 бракованных деталей?

Как видим, брак - это маловероятное событие, в связи с чем для вычисления используется формула Пуассона (теория вероятности). Примеры решения задач подобного рода ничем не отличаются от других заданий дисциплины, в приведенную формулу подставляем необходимые данные:

А = «случайно выбранная деталь будет бракованной».

р = 0,0001 (согласно условию задания).

n = 100000 (количество деталей).

m = 5 (бракованные детали). Подставляем данные в формулу и получаем:

Р 100000 (5) = 10 5 /5! Х е -10 = 0,0375.

Так же как и формула Бернулли (теория вероятности), примеры решений с помощью которой написаны выше, уравнение Пуассона имеет неизвестное е. По сути его можно найти формулой:

е -λ = lim n ->∞ (1-λ/n) n .

Однако есть специальные таблицы, в которых находятся практически все значения е.

Теорема Муавра-Лапласа

Если в схеме Бернулли количество испытаний достаточно велико, а вероятность появления события А во всех схемах одинакова, то вероятность появления события А определенное количество раз в серии испытаний можно найти формулой Лапласа:

Р n (m)= 1/√npq x ϕ(X m).

X m = m-np/√npq.

Чтобы лучше запомнилась формула Лапласа (теория вероятности), примеры задач в помощь ниже.

Сначала найдем X m , подставляем данные (они все указаны выше) в формулу и получим 0,025. При помощи таблиц находим число ϕ(0,025), значение которого 0,3988. Теперь можно подставлять все данные в формулу:

Р 800 (267) = 1/√(800 х 1/3 х 2/3) х 0,3988 = 3/40 х 0,3988 = 0,03.

Таким образом, вероятность того, что рекламная листовка сработает ровно 267 раз, составляет 0,03.

Формула Байеса

Формула Байеса (теория вероятности), примеры решения заданий с помощью которой будут приведены ниже, представляет собой уравнение, которое описывает вероятность события, опираясь на обстоятельства, которые могли быть связаны с ним. Основная формула имеет следующий вид:

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

Р(А|B) - условная вероятность, то есть может произойти событие А при условии, что событие В истинно.

Р (В|А) - условная вероятность события В.

Итак, заключительная часть небольшого курса «Теория вероятности» - формула Байеса, примеры решений задач с которой ниже.

Задание 5 : На склад привезли телефоны от трех компаний. При этом часть телефонов, которые изготавливаются на первом заводе, составляет 25%, на втором - 60%, на третьем - 15%. Известно также, что средний процент бракованных изделий у первой фабрики составляет 2%, у второй - 4%, и у третьей - 1%. Необходимо найти вероятность того, что случайно выбранный телефон окажется бракованным.

А = «случайно взятый телефон».

В 1 - телефон, который изготовила первая фабрика. Соответственно, появятся вводные В 2 и В 3 (для второй и третьей фабрик).

В итоге получим:

Р (В 1) = 25%/100% = 0,25; Р(В 2) = 0,6; Р (В 3) = 0,15 - таким образом мы нашли вероятность каждого варианта.

Теперь нужно найти условные вероятности искомого события, то есть вероятность бракованной продукции в фирмах:

Р (А/В 1) = 2%/100% = 0,02;

Р(А/В 2) = 0,04;

Р (А/В 3) = 0,01.

Теперь подставим данные в формулу Байеса и получим:

Р (А) = 0,25 х 0,2 + 0,6 х 0,4 + 0,15 х 0,01= 0,0305.

В статье представлена теория вероятности, формулы и примеры решения задач, но это только вершина айсберга обширной дисциплины. И после всего написанного логично будет задаться вопросом о том, нужна ли теория вероятности в жизни. Простому человеку сложно ответить, лучше спросить об этом у того, кто с ее помощью не единожды срывал джек-пот.

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.

Теория вероятностей - это математическая наука, изучающая закономерности в массовых случайных явлениях.

До появления теории вероятностей как общепризнанной теории в науке господствовал детерминизм, согласно которому осуществление определенного комплекса условий однозначно определяет результат. Классическим примером является механика. Например, на основании законов небесной механики по известному в некоторый момент положению планет Солнечной системы могут быть очень точно предсказаны солнечные и лунные затмения. Подобные законы называются детерминированными законами.

Однако практика показала, что этот подход далеко не всегда применим. Не все явления макромира поддаются точному предсказанию, несмотря на то, что наши знания о нем непрерывно уточняются и углубляются. Еще менее детерминированы законы и закономерности микромира.

Математические законы теории вероятностей отражают реальные статистические законы, объективно существующие в массовых случайных явлениях.

Теория вероятностей развивалась вначале как прикладная дисциплина. В связи с этим ее понятия и выводы имели окраску тех областей знаний, в которых они были получены.

В работах Б.В. Гнеденко, Л.Е. Майстрова, А.Н. Колмогорова представлены основные этапы развития теории вероятностей. Для краткости приведем их в виде таблицы.

Таблица 1

Этапы развития теории вероятностей

Представленные в таблице источники становления отражают потребности практики, которые стали толчком к развитию теории вероятностей.

Философия к 17 веку накопила довольно богатый материал, который оказал влияние на зарождение и первый период развития теории вероятностей. Главным же источником зарождения теории вероятностей является практика. Необходимость создания математического аппарата для анализа случайных явлений, вытекала из потребностей обработки и обобщения статистического материала. Однако теория вероятностей сформировалась, не только на материале практических задач: эти задачи слишком сложны. Более простым и удобным материалом для изучения закономерностей случайных явлений оказались азартные игры. На базе азартных игр наряду с основными понятиями развивались и методы теории вероятностей.

Зарождение теории вероятностей началось с того, что придворный французского короля, шевалье (кавалер) де Мере (1607-1648), сам азартный игрок, обратился к французскому физику, математику и философу Блезу Паскалю (1623-1662) с вопросами к задаче об очках. До нас дошли два знаменитых вопроса де Мере к Паскалю: 1) сколько раз надо бросить две игральные кости, чтобы случаев выпадения сразу двух шестерок было больше половины от общего числа бросаний; 2) как справедливо разделить поставленные на кон деньги, если игроки прекратили игру преждевременно? Паскаль обратился к математику Пьеру Ферма (1601-1665) и переписывался с ним по поводу этих задач. Они вдвоем установили некоторые исходные положения теории вероятностей, в частности пришли к понятию математического ожидания и теоремам сложения и умножения вероятностей.

Непосредственное практическое применение вероятностные методы нашли, прежде всего, в задачах страхования. С тех пор теория вероятностей находит все более широкое применение в различных областях.

Первооткрывателями теории вероятностей считаются французские ученые Б.Паскаль и П.Ферма и голландский ученый Х.Гюйгенс (1629-1695). Стала зарождаться новая наука, вырисовываться ее специфика и методология: определения, теоремы, методы.

Крупный шаг в развитии теории вероятностей связан с работами Якова Бернулли (1654?1705). Ему принадлежит первое доказательство одного из важнейших положений теории вероятностей? закона больших чисел. Еще до Якова Бернулли многие отмечали как эмпирический факт ту особенность случайных явлений, которую называют «свойством устойчивости частот при большом числе опытов». Было неоднократно отмечено, что при большом числе опытов, исход каждого из которых является случайным, относительная частота появления данного исхода имеет тенденцию стабилизироваться, приближаясь к некоторому определенному числу?вероятности этого исхода. Яков Бернулли впервые дал теоретическое обоснование этому эмпирическому факту. Теорема Якова Бернулли? простейшая форма закона больших чисел? устанавливает связь между вероятностью события и частотой его появления; при достаточно большом числе опытов можно с практической достоверностью ожидать сколь угодно близкого совпадения частоты с вероятностью.

Другой важный этап в развитии теории вероятностей связан с именем Моавра (1667?1754). Этот ученый впервые ввел в рассмотрение и для простейшего случая обосновал закон, очень часто наблюдаемый в случайных явлениях: так называемый нормальный закон (закон Гаусса).

Нормальный закон играет исключительно важную роль в случайных явлениях. Теоремы, обосновывающие этот закон для тех или иных условий, носят в теории вероятностей общее название «центральной предельной теоремы».

Стройное и систематическое изложение основ теории вероятностей впервые дал знаменитый математик Лаплас (1749?1827). Он доказал одну из форм центральной предельной теоремы (теоремы Моавра? Лапласа) и развил ряд замечательных приложений теории вероятностей к вопросам практики, в частности, к анализу ошибок наблюдений и измерений.

Значительный шаг вперед в развитии теории вероятностей связан с именем Гаусса (1777?1855), который дал еще более общее обоснование нормальному закону и разработал метод обработки экспериментальных данных, известный под названием «метода наименьших квадратов».

Следует отметить работы Пуассона (1781?1840), доказавшего более общую, чем у Якова Бернулли, форму закона больших чисел, а также впервые применившего теорию вероятностей к задачам стрельбы. С именем Пуассона связан один из законов распределения, играющий большую роль в теории вероятностей и ее приложениях.

Для всего XVIII и начала XIX века характерны бурное развитие теории вероятностей и повсеместное увлечение ею. Теория вероятностей становится «модной» наукой. Ее начинают применять не только там, где применение правомерно, но и там, где оно ничем не оправдано.

Для этого периода характерны многочисленные попытки применить теорию вероятностей к изучению общественных явлений, к так называемым «моральным» или «нравственным» наукам. Во множестве появились работы, посвященные вопросам судопроизводства, истории, политики, даже богословия, в которых применялся аппарат теории вероятностей. Для всех этих псевдонаучных исследований характерен чрезвычайно упрощенный, механический подход к рассматриваемым в них общественным явлениям. В основу рассуждения полагаются некоторые произвольно заданные вероятности (например, при рассмотрении вопросов судопроизводства склонность каждого человека к правде или лжи оценивается некоторой постоянной, одинаковой для всех людей вероятностью), и далее общественная проблема решается как простая арифметическая задача.

Естественно, что все подобные попытки были обречены на неудачу и не могли сыграть положительной роли в развитии науки. Напротив, их косвенным результатом оказалось то, что примерно в двадцатых? тридцатых годах XIX века в Западной Европе повсеместное увлечение теорией вероятностей сменилось разочарованием и скептицизмом. На теорию вероятностей стали смотреть как на науку сомнительную, второсортную, род математического развлечения, вряд ли достойный серьезного изучения.

Замечательно, что именно в это время в России создается та знаменитая Петербургская математическая школа, трудами которой теория вероятностей была поставлена на прочную логическую и математическую основу и сделана надежным, точным и эффективным методом познания. Со времени появления этой школы развитие теории вероятностей уже тесным образом связано работами русских, а в дальнейшем? советских ученых.

Среди ученых Петербургской математической школы следует назвать В. Я. Буняковского (1804?1889) ? автора первого курса теории вероятностей на русском языке, создателя современной русской терминологии в теории вероятностей, автора оригинальных исследований в области статистики и демографии.

Учеником В. Я. Буняковского был великий русский математик П. Л. Чебышев (1821?1894), которому принадлежит дальнейшее расширение и обобщение закона больших чисел. Кроме того, П. Л. Чебышев ввел в теорию вероятностей весьма мощный и плодотворный метод моментов.

Учеником П. Л. Чебышева был А. А. Марков (1856?1922), который существенно расширил область применения закона больших чисел и центральной предельной теоремы, распространив их не только на независимые, но и на зависимые опыты. Важнейшей заслугой А. А. Маркова явилось то, что он заложил основы совершенно новой ветви теории вероятностей? теории случайных, или «стохастических», процессов. Развитие этой теории составляет основное содержание новейшей, современной теории вероятностей.

Учеником П. Л. Чебышева был и А. М. Ляпунов (1857?1918), с именем которого связано первое доказательство центральной предельной теоремы при чрезвычайно общих условиях. Для доказательства своей теоремы А. М. Ляпунов разработал специальный метод характеристических функций, широко применяемый в современной теории вероятностей.

Характерной особенностью работ Петербургской математической школы была исключительная четкость постановки задач, полная математическая строгость применяемых методов и наряду с этим тесная связь теории с непосредственными требованиями практики. Трудами ученых Петербургской математической школы теория вероятностей была выведена с задворков науки и поставлена как полноправный член в ряд точных математических наук. Условия применения ее методов были строго определены, а самые методы доведены до высокой степени совершенства.

Советская школа теории вероятностей, унаследовав традиции Петербургской математической школы, занимает в мировой науке ведущее место. Назовем только некоторых крупнейших советских ученых, труды которых сыграли решающую роль в развитии современной теории вероятностей и ее практических приложений.

С. Н. Бернштейн разработал первую законченную аксиоматику теории вероятностей, а также существенно расширил область применения предельных теорем.

А. Я. Хинчин (1894?1959) известен своими исследованиями в области дальнейшего обобщения и усиления закона больших чисел, но главным образом своими исследованиями в области стационарных случайных процессов.

Ряд важнейших основополагающих работ в различных областях теории вероятностей и математической статистики принадлежит А. Н. Колмогорову. Он дал наиболее совершенное аксиоматическое построение теории вероятностей, связав ее с одним из важнейших разделов современной математики? метрической теорией функций. Особое значение работы А. Н. Колмогорова имеют в области теории случайных функций (стохастических процессов), которые в настоящее время являются основой всех исследований в данной области. Работы А. Н. Колмогорова, относящиеся к оценке эффективности легли в основу целого нового научного направления в теории стрельбы, переросшего затем в более широкую науку об эффективности боевых действий.

В. И. Романовский и Н. В. Смирнов известны своими работами в области математической статистики, Е. Е. Слуцкий? в теории случайных процессов, Б. В. Гнеденко? в области теории массового обслуживания, Е. Б. Дынкин? в области марковских случайных процессов, В. С. Пугачев? в области случайных процессов в применении к задачам автоматического управления.

Развитие зарубежной теории вероятностей в настоящее время также идет усиленными темпами в связи с настоятельными требованиями практики. Преимущественным вниманием пользуются, как и у нас, вопросы, относящиеся к случайным процессам. Значительные работы в этой области принадлежат Н. Винеру, В. Феллеру, Д. Дубу. Важные работы по теории вероятностей и математической статистике принадлежат Р. Фишеру, Д. Нейману и Г. Крамеру.

Теория вероятностей, подобно другим разделам математики, развилась из потребностей практики, и абстрактно она отражает закономерности в массовых случайных событиях. Эти закономерности играют очень важную роль в различных областях естествознания, медицине, технике, экономике, военном деле. Многие разделы теории вероятностей были развиты благодаря запросам практики.