Формула полной вероятности в теории вероятностей¶

Формула полной вероятности — одно из базовых соотношений теории вероятностей, позволяющее вычислить вероятность события через его условные вероятности относительно полной группы несовместных гипотез. Применяется в задачах, где прямой подсчёт вероятности затруднён, но известны вероятности вспомогательных сценариев и условные вероятности события при каждом из них.

¶Формулировка

Пусть дано вероятностное пространство и событие \(A\), вероятность которого требуется найти. Рассматривается набор событий \(H_1, H_2, \ldots, H_n\), образующих полную группу:

события попарно несовместны: \(H_i \cap H_j = \varnothing\) при \(i \neq j\);
их объединение совпадает со всем пространством элементарных исходов;
каждое имеет положительную вероятность: \(P(H_i) > 0\).

Тогда вероятность события \(A\) вычисляется по формуле:

\[ P(A) = \sum_{i=1}^{n} P(H_i)\, P(A \mid H_i) \]

где \(P(H_i)\) — вероятность гипотезы, а \(P(A \mid H_i)\) — условная вероятность события \(A\) при условии, что реализовалась гипотеза \(H_i\).

Содержательно формула утверждает: событие может произойти несколькими взаимоисключающими путями, и его полная вероятность равна сумме вероятностей этих путей. Каждое слагаемое есть вероятность «пройти» через конкретную гипотезу и затем наблюдать \(A\).

¶Условия применимости

Корректность формулы опирается на несколько требований:

гипотезы должны образовывать разбиение пространства исходов — любое возможное развитие событий попадает ровно в одну из них;
вероятности гипотез в сумме дают единицу;
условные вероятности определены, то есть ни одна гипотеза не имеет нулевой вероятности.

Если разбиение неполное, формула даёт лишь нижнюю оценку вероятности. Если гипотезы пересекаются, суммы вероятностей путей начинают учитывать одни и те же исходы дважды, что искажает результат.

¶Связь с формулой Байеса

Формула полной вероятности часто выступает промежуточным шагом при байесовском выводе. Формула Байеса позволяет пересчитать вероятность гипотезы после наблюдения события:

\[ P(H_k \mid A) = \frac{P(H_k)\, P(A \mid H_k)}{P(A)} \]

В знаменателе стоит именно полная вероятность события \(A\), вычисляемая суммированием по всем гипотезам. Таким образом, две формулы образуют единый аппарат: первая отвечает на вопрос «какова вероятность наблюдения», вторая — «какая гипотеза вероятнее после наблюдения».

¶Примеры

Пример с двумя заводами. На склад поступают детали с двух предприятий: 60 % с первого и 40 % со второго. Доля брака на первом заводе — 2 %, на втором — 5 %. Вероятность того, что случайно взятая деталь окажется бракованной:

\[ P(A) = 0{,}6 \cdot 0{,}02 + 0{,}4 \cdot 0{,}05 = 0{,}012 + 0{,}02 = 0{,}032 \]

то есть 3,2 %.

Пример с урнами. Имеются две урны: в первой 3 белых и 7 чёрных шаров, во второй — 6 белых и 4 чёрных. Урну выбирают подбрасыванием монеты, затем извлекают шар. Вероятность вынуть белый шар:

\[ P(A) = 0{,}5 \cdot 0{,}3 + 0{,}5 \cdot 0{,}6 = 0{,}45 \]

Пример с несколькими гипотезами. Три стрелка производят выстрел по выбору, вероятности попадания равны 0,7; 0,8 и 0,9, а вероятности выбора — 0,2; 0,3 и 0,5 соответственно. Полная вероятность попадания: \(0{,}2 \cdot 0{,}7 + 0{,}3 \cdot 0{,}8 + 0{,}5 \cdot 0{,}9 = 0{,}14 + 0{,}24 + 0{,}45 = 0{,}83\).

¶Значение и области применения

Формула полной вероятности используется всюду, где процесс распадается на этапы или сценарии:

в теории надёжности — при расчёте вероятности отказа системы через состояния её элементов;
в страховании и актуарных расчётах — при оценке рисков по группам клиентов;
в медицинской диагностике — при определении вероятности заболевания с учётом распространённости и точности тестов;
в статистической физике и теории массового обслуживания — при усреднении по ансамблю состояний;
в машинном обучении — в байесовских классификаторах и смесевых моделях.

В учебном курсе теории вероятностей формула обычно изучается после теорем сложения и умножения вероятностей и служит введением к формуле Байеса. Она демонстрирует принцип декомпозиции сложной задачи на совокупность более простых, что делает её одним из наиболее востребованных инструментов прикладной статистики.

¶Типичные ошибки

Использование гипотез, не покрывающих всё пространство исходов, что занижает результат.
Применение формулы к пересекающимся событиям без их предварительного разбиения.
Смешение условной вероятности \(P(A \mid H_i)\) с обратной \(P(H_i \mid A)\) — последняя требует формулы Байеса.
Игнорирование требования положительности вероятностей гипотез, из-за чего условные вероятности становятся неопределёнными.

Источники: учебники по теории вероятностей (Гнеденко, Вентцель), курсы математической статистики, справочные материалы по байесовским методам.