EssayAI
Блог
Блог
Математика и алгоритмы

Теорема умножения вероятностей зависимых событий

8 ноября 2026Время чтения: 8 минут
#теория вероятностей#зависимые события#условная вероятность#теорема умножения#задачи на вероятность
Теорема умножения вероятностей зависимых событий

Теорема умножения вероятностей зависимых событий помогает найти вероятность того, что выполнятся сразу несколько условий, если выполнение одного меняет шансы другого. Например, после извлечения шара без возвращения состав урны меняется. Поэтому для второго шага нужна вероятность, рассчитанная с учётом первого результата.

В калькуляторе можно менять число красных и синих шаров и наблюдать, как меняются оба множителя и вероятность двух красных шаров. Ниже разберём, почему их надо умножать, как выбирать условие и что делать с цепочкой из трёх событий.

Формула для двух событий

Пусть AA и BB - события, а P(A)>0P(A)>0. Вероятность их совместного наступления равна

P(A∩B)=P(A)⋅P(B∣A).P(A\cap B)=P(A)\cdot P(B\mid A).

Запись A∩BA\cap B означает «произошли и AA, и BB». Множитель P(B∣A)P(B\mid A) читается как вероятность BB при условии, что AA уже произошло. Для задач на последовательные действия удобно сначала записать вероятность первого шага, затем вероятность следующего при известном результате первого. Подробнее смысл вертикальной черты раскрывает определение условной вероятности.

Формула следует непосредственно из определения: P(B∣A)=P(A∩B)/P(A)P(B\mid A)=P(A\cap B)/P(A). Умножив обе части на P(A)P(A), получаем вероятность пересечения. Условие P(A)>0P(A)>0 необходимо, чтобы условная вероятность в этой записи была определена. Если P(A)=0P(A)=0, то и вероятность пересечения равна нулю, но подставлять P(B∣A)P(B\mid A) в обычную формулу через деление на ноль нельзя. Событие нулевой вероятности не обязательно невозможно в бесконечной модели.

Почему перемножаются именно эти вероятности

Представьте 56 равновозможных упорядоченных пар разных шаров: первый шар можно выбрать восемью способами, а второй - семью. Считаем шары различимыми, даже если их цвета совпадают. Из 56 пар в 35 первый шар красный: пять вариантов первого и семь второго. Среди этих 35 пар в 20 второй шар тоже красный: пять вариантов первого и четыре оставшихся варианта второго.

Из 56 упорядоченных пар сначала выделяются 35 с красным первым шаром, затем из них остаются 20 пар с двумя красными; последовательный отбор повторяется в обратном порядке.

Первая доля равна 35/56=5/835/56=5/8. Внутри отобранных пар доля подходящих равна 20/35=4/720/35=4/7. Чтобы получить их долю среди всех пар, умножаем долю первого отбора на долю второго: (35/56)(20/35)=20/56(35/56)(20/35)=20/56. Важно, что второй знаменатель относится уже к отобранной группе, а не ко всему исходному пространству.

Это рассуждение работает и для других вероятностных моделей, а не только для равновозможных исходов: условная вероятность определяет долю вероятностной массы пересечения внутри события AA. События при этом не обязаны буквально происходить во времени одно за другим; последовательность может быть лишь удобным способом расчёта.

Пример: два шара без возвращения

В урне пять красных и три синих шара. Случайно извлекают два шара без возвращения; каждый оставшийся шар на каждом шаге равновероятен. Найдём вероятность, что оба красные. Обозначим через AA красный цвет первого шара, через BB - красный цвет второго.

  1. В начале красных пять из восьми, поэтому P(A)=5/8P(A)=5/8.
  2. При условии AA один красный шар уже извлечён: остаются четыре красных из семи. Значит, P(B∣A)=4/7P(B\mid A)=4/7.
  3. Умножаем: P(A∩B)=58⋅47=2056=514≈0,357P(A\cap B)=\frac58\cdot\frac47=\frac{20}{56}=\frac5{14}\approx 0{,}357.

Ответ составляет примерно 35,7 %. Округлять лучше после умножения: преждевременное округление каждого множителя может изменить последние цифры результата.

Из восьми шаров пять красных; после извлечения красного остаются четыре красных из семи, вероятность двух красных равна пяти четырнадцатым
Из восьми шаров пять красных; после извлечения красного остаются четыре красных из семи, вероятность двух красных равна пяти четырнадцатым

Для проверки можно посчитать напрямую: 2020 благоприятных упорядоченных пар из 5656 дают то же 5/145/14. Если вместо этого считать неупорядоченные пары, получится (52)/(82)=10/28=5/14\binom52/\binom82=10/28=5/14. Оба подхода верны, пока числитель и знаменатель используют один и тот же принцип подсчёта. Инструменты такого подсчёта описаны в статье про принцип включения-исключения.

Что изменится при возвращении шара

Если после первого извлечения шар вернуть и перемешать урну, состав перед вторым извлечением останется прежним. При обычной модели независимых случайных извлечений P(B∣A)=5/8P(B\mid A)=5/8, поэтому вероятность двух красных равна 25/64≈39,1%25/64\approx39{,}1\%. Это больше, чем 5/145/14 без возвращения: после красного извлечения без возврата красная доля уменьшается.

Для независимых событий формула упрощается до P(A∩B)=P(A)P(B)P(A\cap B)=P(A)P(B), поскольку условная вероятность совпадает с безусловной. Для зависимых событий такая замена в общем случае ошибочна. При P(A)>0P(A)>0 зависимость можно выявить сравнением P(B∣A)P(B\mid A) и P(B)P(B); в нашем примере 4/7≠5/84/7\ne5/8. Само слово «зависимость» не говорит, увеличится вероятность или уменьшится: направление зависит от конкретного условия.

Как составить цепочку из условия задачи

Перед вычислениями полезно выписать, что именно считается успехом на каждом шаге. Затем отметьте, какая информация известна к моменту этого шага и меняет ли она состав оставшихся вариантов. Для урны без возвращения каждый извлечённый шар уменьшает общее число шаров на единицу, а число красных уменьшается только после извлечения красного. Поэтому нельзя механически уменьшать оба числа для любой ветви.

Проверим это на другой ветви того же опыта. Вероятность сначала извлечь синий шар равна трём восьмым. После синего в урне остаются пять красных и два синих, то есть семь шаров. Условная вероятность красного на втором шаге составляет пять седьмых, а вероятность всей ветви - пятнадцать пятьдесят шестых. После первого красного условная вероятность синего была бы три седьмых: синих по-прежнему три, но всего осталось семь шаров. Одна и та же урна даёт разные условные множители в зависимости от того, какая ветвь уже пройдена.

Последняя проверка - здравый смысл. Вероятность всей цепочки не может превышать вероятность любого события, которое она включает: из исходов, где первый шар красный, выбирается только часть с красным вторым. Поэтому результат около 35,7 % меньше вероятности первого красного, равной 62,5 %. Такая проверка не доказывает точность арифметики, но помогает заметить ответ больше единицы, сложение вместо умножения или неверное направление доли.

При чтении условия также различайте вероятность цепочки и вероятность следующего шага при известной предыстории. Если первый красный шар уже показали, задача про цвет второго имеет ответ четыре седьмых; умножать его ещё на пять восьмых не нужно. Множитель первого шага требуется, когда спрашивают заранее, до извлечений, какова вероятность обоих результатов вместе.

Можно ли поменять порядок множителей

Да. Пересечение не зависит от порядка записи: A∩B=B∩AA\cap B=B\cap A. Если P(B)>0P(B)>0, ту же вероятность можно выразить так:

P(A∩B)=P(B)⋅P(A∣B).P(A\cap B)=P(B)\cdot P(A\mid B).

Но менять местами нужно не только буквы в произведении: меняется и условная вероятность. В примере вероятность второго красного без знания первого равна 5/85/8: каждый шар с одинаковой вероятностью занимает второе место. Если второй красный, то вероятность первого красного равна 4/74/7. Поэтому обратный расчёт также даёт 5/145/14.

В других задачах эти множители могут выглядеть совсем иначе. Например, вероятность положительного теста при болезни не равна автоматически вероятности болезни при положительном тесте. Для обратного пересчёта используют формулу Байеса, учитывающую вероятность наблюдения в общей группе.

Три и более зависимых события

Для трёх событий правило цепочки имеет вид

P(A∩B∩C)=P(A)⋅P(B∣A)⋅P(C∣A∩B).P(A\cap B\cap C)=P(A)\cdot P(B\mid A)\cdot P(C\mid A\cap B).

Здесь последнее условие включает оба предыдущих события. Формула в таком виде требует положительной вероятности P(A∩B)P(A\cap B), чтобы последний условный множитель был определён. Для более длинной цепочки каждый следующий множитель учитывает все события, стоящие перед ним.

Например, вероятность трёх красных шаров из той же урны без возвращения равна

58⋅47⋅36=528≈17,9%.\frac58\cdot\frac47\cdot\frac36=\frac5{28}\approx17{,}9\%.

На третьем шаге после двух красных остаются три красных из шести шаров. Условие только «второй красный» здесь не сообщает всего, что известно о предыдущих извлечениях, поэтому его нельзя без обоснования подставить вместо условия о двух красных.

Когда нужно сложить несколько цепочек

Умножение находит вероятность одной совместной цепочки. Если требуется «один красный и один синий в любом порядке», есть два несовместимых маршрута: красный затем синий и синий затем красный. Их вероятности равны соответственно 58⋅37=1556\frac58\cdot\frac37=\frac{15}{56} и 38⋅57=1556\frac38\cdot\frac57=\frac{15}{56}. Складываем и получаем 30/56=15/2830/56=15/28.

Внутри маршрута условия соединены словом «и», между маршрутами стоит «или». Маршруты здесь несовместимы, поэтому пересечение вычитать не нужно. В более общей ситуации пригодится формула сложения вероятностей совместных событий. Дерево с отдельной ветвью для каждого результата помогает не потерять маршрут: вдоль ветви умножают условные вероятности, а вероятности подходящих несовместимых ветвей складывают.

Частые ошибки

  • Умножать исходные доли дважды. После извлечения без возвращения нужно пересчитать и числитель, и знаменатель.
  • Подменять условную вероятность обратной. P(B∣A)P(B\mid A) и P(A∣B)P(A\mid B) относятся к разным условиям и обычно различаются.
  • Забывать предысторию. Для третьего шага учитывают оба первых результата, если они известны.
  • Складывать пересекающиеся маршруты без поправки. Простая сумма подходит для несовместимых вариантов; иначе общую часть учтут дважды.
  • Принимать зависимость за временную последовательность. Порядок записи можно выбрать для удобства, но условные вероятности при этом нужно пересчитать.

FAQ

Всегда ли зависимые события происходят друг за другом?
Нет. Условие может описывать информацию об объекте, а не предыдущее действие. Формула применяется к пересечению событий независимо от их физического порядка.

Можно ли применять теорему к независимым событиям?
Да. Это общий закон; при независимости условный множитель равен соответствующей безусловной вероятности, и получается произведение двух обычных вероятностей.

Что делать, если вероятность первого события равна нулю?
Его пересечение с любым событием тоже имеет вероятность ноль. Однако условная вероятность через отношение к P(A)P(A) в этом случае не определена, поэтому приведённую запись с P(B∣A)P(B\mid A) применять нельзя.

Коротко

Для двух событий с P(A)>0P(A)>0 вероятность их совместного наступления равна P(A)P(B∣A)P(A)P(B\mid A). Условный множитель учитывает информацию, полученную на первом шаге. Для нескольких событий продолжают цепочку, каждый раз сохраняя всю предысторию; разные несовместимые подходящие цепочки затем складывают.

Доверьте текст нейросети EssayAI

Открыть EssayAI

Бесплатно, на русском языке и без VPN

Читайте также

Апостериорная вероятность гипотезы: формула Байеса

Апостериорная вероятность гипотезы: формула Байеса

Что такое апостериорная вероятность гипотезы и как её считать по формуле Байеса: разбор множителей, связь с полной вероятностью, пошаговый пример и типичные ошибки.

20 июня 20268 минут
Парадокс Монти Холла: почему выгодно менять дверь

Парадокс Монти Холла: почему выгодно менять дверь

Парадокс Монти Холла с тремя дверями простыми словами: почему смена выбора даёт вероятность выигрыша 2/3, разбор через перебор исходов и формулу Байеса, частые ошибки и FAQ.

20 июня 20268 минут
Условная вероятность: определение и пример с разбором

Условная вероятность: определение и пример с разбором

Что такое условная вероятность простыми словами: строгое определение через формулу, понятный пример с разбором по шагам, связь с независимостью событий и формулой Байеса.

20 июня 20267 минут
Формула Байеса: пример решения с разбором по шагам

Формула Байеса: пример решения с разбором по шагам

Формула Байеса: пример решения задачи о медицинском тесте и о двух урнах. Как пересчитать вероятность гипотезы после нового факта, формула полной вероятности и типичные ошибки.

19 июня 20268 минут
Парадокс мальчика и девочки: ответ 1/2 или 1/3

Парадокс мальчика и девочки: ответ 1/2 или 1/3

Парадокс мальчика и девочки на пальцах: почему вероятность второго ребёнка зависит от формулировки условия, разбор исходов ММ, МД, ДМ и условной вероятности с примерами.

19 июня 20268 минут
Цепь Маркова: стационарное распределение

Цепь Маркова: стационарное распределение

Как найти стационарное распределение цепи Маркова по матрице переходов: пример для двух состояний, проверка баланса и условия сходимости с разбором ошибок.

8 ноября 20268 минут