Как узнать шанс выпадения

Посчитать вероятность выигрыша? Легко!

Можно ли выиграть в лотерею? Какие шансы угадать нужное количество чисел и получить джекпот или приз младшей категории? Вероятность выигрыша легко просчитывается, любой желающий может сделать это самостоятельно.

Как вообще считается вероятность выигрыша в лотерею?

Числовые лотереи проводятся по определенным формулам и шансы каждого события (выигрыша той или иной категории) рассчитываются математически. Причем эта вероятность вычисляется для любого нужного значения, будь то «5 из 36», «6 из 45», или «7 из 49» и она не меняется, так как зависит только от общего количества чисел (шаров, номеров) и того, сколько из них надо угадать.

Например, для лотереи «5 из 36» вероятности всегда следующие

Другими словами — если отметить в билете одну комбинацию (5 номеров), то шанс угадать «двойку» всего 1 из 8. А вот «пять» номеров поймать гораздо сложнее, это уже 1 шанс из 376 992. Именно такое (376 тысяч) количество всевозможных комбинаций существует в лотерее «5 из 36» и гарантированно в ней выиграть можно, если только заполнить их все. Правда, сумма выигрыша в этом случае не оправдает вложений: если билет стоит 80 рублей, то отметить все комбинации будет стоить 30 159 360 рублей. Джекпот обычно намного меньше.

В общем, все вероятности давно известны, всего и остается, что их найти или рассчитать самостоятельно, при помощи соответствующих формул.

Для тех, кому искать лень, приведем вероятности выигрыша для основных числовых лотерей Столото — они представлены в этой таблице

Также, информация по вероятностям в основных числовых лотереях есть по этой ссылке.

Эти же вероятности можно рассчитать самостоятельно при помощи нашего лото-виджета «Расчет вероятности выигрыша» для этого не требуется работать с формулами, надо всего лишь менять исходные значения (числовая формула лотереи и кол-во угадываемых номеров)

Необходимые пояснения

Лото-виджет позволяет рассчитывать вероятности выигрыша для лотерей с одним лототроном (без бонусных шаров) или с двумя лототронами. Также можно просчитать вероятности развернутых ставок

Расчет вероятности для лотерей с одним лототроном (без бонусных шаров)

Используются только первые два поля, в которых числовая формула лотереи, например: — «5 из 36», «6 из 45», «7 из 49». В принципе, можно просчитать почти любую мировую лотерею. Есть только два ограничения: первое значение не должно превышать 30, а второе — 99.

Если в лотерее не используются дополнительные номера*, то после выбора числовой формулы остается нажать кнопку рассчитать и результат готов. Не важно, вероятность какого события вы хотите узнать – выигрыш джекпота, приз второй/третьей категории или просто выяснить, сложно ли угадать 2-3 номера из нужного количества – результат высчитывается почти моментально!

Пример расчета. Вероятность угадать 5 из 36 составляет 1 шанс из 376 992

Примеры. Вероятности выигрыша главного приза для лотерей:
«5 из 36» (Гослото, Россия) – 1:376 922
«6 из 45» (Гослото, Россия; Saturday Lotto, Австралия; Lotto, Австрия) — 1:8 145 060
«6 из 49» (Спортлото, Россия; La Primitiva, Испания; Lotto 6/49, Канада) — 1:13 983 816
«6 из 52» (Super Loto, Украина; Illinois Lotto, США; Mega TOTO, Малазия) — 1:20 358 520
«7 из 49» (Гослото, Россия; Lotto Max, Канада) — 1:85 900 584

Лотереи с двумя лототронами (+ бонусный шар)

Если в лотерее используется два лототрона, то для расчета необходимо заполнить все 4 поля. В первых двух – числовая формула лотереи (5 из 36, 6 из 45 и тд), в третьем и четвертом поле отмечается количество бонусных шаров (x из n). Важно: данный расчет можно использовать только для лотерей с двумя лототронами. Если бонусный шар достается из основного лототрона, то вероятность выигрыша именно этой категории считается по-другому.

Примеры. Вероятности выигрыша главного приза для лотерей:
«5 из 36 + 1 из 4» (Гослото, Россия) – 1:1 507 978
«4 из 20 + 4 из 20» (Гослото, Россия) – 1:23 474 025
«6 из 42 + 1 из 10» (Megalot, Украина) – 1:52 457 860
«5 из 50 + 2 из 10» (EuroJackpot) – 1:95 344 200
«5 из 69 + 1 из 26» (Powerball, США) — 1: 292 201 338

Пример расчет. Шанс угадать 4 из 20 дважды (в двух полях) составляет 1 к 23 474 025

Хорошей иллюстрацией сложности игры с двумя лототронами служит лотерея «Гослото «4 из 20». Вероятность угадать 4 числа из 20 в одном поле вполне щадящая, шанс этого — 1 из 4 845. Но, когда угадать надо выиграть оба поля… то вероятность рассчитывается их перемножением. То есть, в данном случае 4 845 умножаем на 4 845, что дает 23 474 025. Так что, простота этой лотереи обманчива, выиграть в ней главный приз сложнее, чем в «6 из 45» или «6 из 49»

Расчет вероятности (развернутые ставки)

В данном случае считается вероятность выигрыша при использовании развернутых ставок. Для примера – если в лотерее 6 из 45, отметить 8 чисел то вероятность выиграть главный приз (6 из 45) составит 1 шанс из 290 895. Пользоваться ли развернутыми ставками – решать вам. С учетом того, что стоимость их получается очень высокая (в данном случае 8 отмеченных чисел это 28 вариантов) стоит знать как это увеличивает шансы на выигрыш. Тем более, что сделать это теперь совсем просто!

Расчет вероятности выигрыша (6 из 45) на примере развернутой ставки (отмечено 8 чисел)

И другие возможности

20.03.2016 правила лотереи «Русское лото» были изменены. Джекпот теперь можно выиграть, если 15 чисел (из 30) закрывались за 15 ходов. Получается аналог развернутой ставки — ведь 15 чисел угадываются из 30 имеющихся! А это уже совсем другая вероятность:

Шанс выиграть джекпот (по новым правилам) в лотерее «Русское лото»

И в заключение приведем вероятность выигрыша в лотереях, использующих бонусный шар из основного лототрона (наш виджет такие значения не считает). Из самых известных

Спортлото «6 из 49» (Гослото, Россия), La Primitiva «6 из 49» (Испания)
Категория «5 + бонусный шар»: вероятность 1:2 330 636

SuperEnalotto «6 из 90» (Италия)
Категория «5 + бонусный шар»: вероятность 1:103 769 105

Oz Lotto «7 из 45» (Австралия)
Категория «6 + бонусный шар»: вероятность 1:3 241 401
«5 + 1» — вероятность 1:29 602
«3 +1» — вероятность 1:87

Lotto «6 из 59» (Великобритания)
Категория «5 + 1 бонусный шар»: вероятность 1:7 509 579

Источник

Что такое вероятность и как ее посчитать

Пусть будет некий абстрактный эксперимент в процессе которого может происходить некое событие. Этот эксперимент провели пять раз, и в четырех из них происходило то самое событие. Какие выводы можно сделать из этих 4/5?

Есть формула Бернулли, которая дает ответ, с какой вероятностью происходит 4 из 5 при известной исходной вероятности. Но она не дает ответ, какая была исходная вероятность, если событий получилось 4 из 5. Оставим пока в стороне формулу Бернулли.

Сделаем маленькую простенькую программку, симулирующую процессы вероятностей для такого случая, и на основе результата вычислений построим график.

Код этой программы можно найти здесь, рядом же вспомогательные функции.

Полученный расчет закинул в эксель и сделал график.

Такой вариант графика можно назвать распределением плотности вероятностей значения вероятности. Его площадь равна единице, которая распределена в этом холмике.

Для полноты картины упомяну, что этот график соответствует графику по формуле Бернулли от параметра вероятность и умноженный на N+1 количества экспериментов.

Далее по тексту, там где в статье употребляю дробь вида k/n, то это не деление, это k событий из n экспериментов, чтобы каждый раз не писать k из n.

Далее. Можно увеличить количество экспериментов, и получить более узкую область расположения основных величин значения вероятность, но как бы их не увеличивали, эта область не сократится до нулевой области с точно известной вероятностью.

На графике ниже изображены распределения для величин 4/5, 7/9, 11/14 и 24/30. Чем уже область, тем выше холмик, площадь которого неизменная единица. Эти соотношения выбраны, потому что они все около 0.8, а не потому что именно такие могут возникнут при 0.8 исходной вероятности. Выбраны, чтобы продемонстрировать, какая область возможных значений остается даже при 30 проведенных экспериментах.

Код программы для этого графика здесь.

Из чего следует, что в действительности экспериментальную вероятность абсолютно точно не определить, а можно лишь предположить область возможного расположения таковой величины, с точностью в зависимости от того сколько произвели замеров.

Сколько бы экспериментов не провели, всегда остается вероятность, что исходная вероятность может оказаться и 0.0001 и 0.9999. Для упрощения крайние маловероятные значения отбрасываются. И берется, скажем, например 95% от основной площади графика распределения.

Такая штука называется доверительные интервалы. Каких-либо рекомендаций, сколько именно и почему процентов нужно оставить я не встречал. Для прогноза погоды берут поменьше, для запуска космических шаттлов побольше. Так же обычно не упоминают, какой все же используется доверительный интервал на вероятность событий и используется ли вообще.

В моей программе расчет границ доверительного интервала осуществляется здесь.

Получилось, что вероятность события определяется плотностью вероятностей значения вероятности, и на это еще нужно наложить процент области основных значений, чтобы можно было хоть что-то определенно сказать, какая все же вероятность у исследуемого события.

Теперь, про более реальный эксперимент.

Пусть будет всем надоевшая монетка, подбрасываем эту монетку, и получаем 4 из 5 выпадений решкой — очень реальный случай. В действительности это не совсем то же самое, что описал чуть выше. Чем это отличается от предыдущего эксперимента?

Предыдущий эксперимент описывался из предположения, что вероятность события может быть равнораспределена на интервале от 0 до 1. В программе это задается строкой double probability = get_random_real_0_1();. Но не бывает монеток с вероятностью выпадения, скажем, 0.1 или 0.9 всегда одной стороной.

Если взять тысячу самых разных монет от обычных до самых кривых, и для каждой произвести замер выпадения путем подбрасывания их по тысяче и более раз, то это покажет, что реально они выпадают одной стороной в диапазоне от 0.4 до 0.6 (это числа навскидку, не буду же я выискивать 1000 монет и каждую подбрасывать 1000 раз).

Как этот факт меняет программу для симуляции вероятностей одной конкретной монеты, для которой получили 4 из 5 выпадения решкой?

Допустим, что распределение выпадения одной стороной для монет описывается как приближение к графику нормального распределения взятого с параметрами средняя = 0.5, стандартное отклонение = 0.1. (на графике ниже он изображен черным цветом).

Когда в программе меняю генерацию исходной вероятности с равнораспределенной на распределенную по указанному правилу, то получаю следующие графики:

Код этого варианта здесь.

Видно, что распределения сильно сдвинулись и теперь определяют несколько иную область, в которой высоковероятно возможна искомая вероятность. Поэтому, если известно, какие вероятности бывают для тех вещей, одну из которых хотим измерить, то это может несколько улучшить результат.

В итоге, 4/5 это ни о чем не говорит и даже 50 проведенных экспериментов не очень информативны. Это очень мало информации, чтобы определить, что за вероятность все же лежит в основе эксперимента.

Как упомянул в комментариях jzha, человек существенно знающий математику, данные графики можно построить и путем точных формул. Но цель данной статьи все же как можно наглядней показать как образуется то, что все в повседневной жизни называют вероятностью.

Для того что бы это строить путем точных формул, это нужно рассмотреть имеющиеся в наличии данные по распределению вероятностей всех монет через аппроксимацию бета распределением, и путем сопряжения распределений выводить уже расчеты. Такая схема это существенный объем по объяснениям, как это сделать, и если я это здесь буду описывать, то это получится скорее статья по математическим расчетам, а не про бытовые вероятности.

Как получить в формулах описанный частный случай с монетой, смотрите комментарии от jzha.

Источник

Теория вероятностей, формулы и примеры

Тема непростая, но если вы собираетесь поступать на факультет, где нужны базовые знания высшей математики, освоить материал — must have. Тем более, все формулы по теории вероятности пригодятся не только в универе, но и при решении 4 задания на ЕГЭ. Начнем!

Статья находится на проверке у методистов Skysmart.
Если вы заметили ошибку, сообщите об этом в онлайн-чат
(в правом нижнем углу экрана).

Основные понятия

Французские математики Блез Паскаль и Пьер Ферма анализировали азартные игры и исследовали прогнозы выигрыша. Тогда они заметили первые закономерности случайных событий на примере бросания костей и сформулировали теорию вероятностей.

Когда мы кидаем монетку, то не можем точно сказать, что выпадет: орел или решка.

Но если подкидывать монету много раз — окажется, что каждая сторона выпадает примерно равное количество раз. Из чего можно сформулировать вероятность: 50% на 50%, что выпадет «орел» или «решка».

Теория вероятностей — это раздел математики, который изучает закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Вероятность — это степень возможности, что какое-то событие произойдет. Если у нас больше оснований полагать, что что-то скорее произойдет, чем нет — такое событие называют вероятным.

Ну, скажем, смотрим на тучи и понимаем, что дождь — вполне себе вероятное событие. А если светит яркое солнце, то дождь — маловероятное или невероятное событие.

Случайная величина — это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Случайные величины можно разделить на две категории:

Вероятностное пространство — это математическая модель случайного эксперимента (опыта). Вероятностное пространство содержит в себе всю информацию о свойствах случайного эксперимента, которая нужна, чтобы проанализировать его через теорию вероятностей.

Формулы по теории вероятности

Теория вероятности изучает события и их вероятности. Если событие сложное, то его можно разбить на простые составные части — так легче и быстрее найти их вероятности. Рассмотрим основные формулы теории вероятности.

Случайные события. Основные формулы комбинаторики

Классическое определение вероятности

Вероятностью события A в некотором испытании называют отношение:

P (A) = m/n, где n — общее число всех равновозможных, элементарных исходов этого испытания, а m — количество элементарных исходов, благоприятствующих событию A

Таким образом, вероятность любого события удовлетворяет двойному неравенству:

Пример 1. В пакете 15 конфет: 5 с молочным шоколадом и 10 — с горьким. Какова вероятность вынуть из пакета конфету с белым шоколадом?

Так как в пакете нет конфет с белым шоколадом, то m = 0, n = 15. Следовательно, искомая вероятность равна нулю:

Неприятная новость для любителей белого шоколада: в этом примере событие «вынуть конфету с белым шоколадом» — невозможное.

Пример 2. Из колоды в 36 карт вынули одну карту. Какова вероятность появления карты червовой масти?

Количество элементарных исходов, то есть количество карт равно 36 (n). Число случаев, благоприятствующих появлению карты червовой масти (А) равно 9 (m).

Геометрическое определение вероятности

Геометрическая вероятность события А определяется отношением:

P(A)= m(A)/m(G), где m(G) и m(A) — геометрические меры (длины, площади или объемы) всего пространства элементарных исходов G и события А соответственно

Чаще всего, в одномерном случае речь идет о длинах отрезков, в двумерном — о площадях фигур, а в трехмерном — об объемах тел.

Пример. Какова вероятность встречи с другом, если вы договорились встретиться в парке в промежутке с 12.00 до 13.00 и ждете друг друга 5 минут?

У нас есть отличные курсы по математике для учеников с 1 по 11 классы — приглашаем на вводный урок!

Сложение и умножение вероятностей

Теорема о сложении вероятностей звучит так: вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий:

P(A + B) = P(A) + P(B)

Эта теорема справедлива для любого числа несовместных событий:

Если случайные события A₁, A₂. A_n образуют полную группу несовместных событий, то справедливо равенство:

Произведением событий А и В называется событие АВ, которое наступает тогда, когда наступают оба события: А и В одновременно. Случайные события А и B называются совместными, если при данном испытании могут произойти оба эти события.

Вторая теорема о сложении вероятностей: вероятность суммы совместных событий вычисляется по формуле:

P(A + B) = P(A) + P(B) − P(AB)

События событий А и В называются независимыми, если появление одного из них не меняет вероятности появления другого. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.

Теорема об умножении вероятностей: вероятность произведения независимых событий А и В вычисляется по формуле:

P(AB) = P(A) * P(B)

Пример. Студент разыскивает нужную ему формулу в трех справочниках. Вероятности того, что формула содержится в первом, втором и третьем справочниках равны 0,6; 0,7 и 0,8.

Найдем вероятности того, что формула содержится:

А — формула содержится в первом справочнике;

В — формула содержится во втором справочнике;

С — формула содержится в третьем справочнике.

Воспользуемся теоремами сложения и умножения вероятностей.

Ответ: 1 — 0,188; 2 — 0,452; 3 — 0,336.

Формула полной вероятности и формула Байеса

По теореме умножения вероятностей:

Аналогично, для остальных гипотез:

Эта формула называется формулой Байеса. Вероятности гипотез называются апостериорными вероятностями, тогда как — априорными вероятностями.

Пример. Одного из трех стрелков вызывают на линию огня, он производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго — 0,5; для третьего — 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком.

Формула Бернулли

При решении вероятностных задач часто бывает, что одно и тоже испытание повторяется многократно, и исход каждого испытания независит от исходов других. Такой эксперимент называют схемой повторных независимых испытаний или схемой Бернулли.

Примеры повторных испытаний:

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы. А вероятность появления события А в каждом случае постоянна и не изменяется от испытания к испытанию.

Биномиальное распределение — распределение числа успехов (появлений события).

Пример. Среди видео, которые снимает блогер, бывает в среднем 4% некачественных: то свет плохой, то звук пропал, то ракурс не самый удачный. Найдем вероятность того, что среди 30 видео два будут нестандартными.

Опыт заключается в проверке каждого из 30 видео на качество. Событие А — это какая-то неудача (свет, ракурс, звук), его вероятность p = 0,04, тогда q = 0,96. Отсюда по формуле Бернулли можно найти ответ:

Ответ: вероятность плохого видео приблизительно 0,202. Блогер молодец🙂

Наивероятнейшее число успехов

Биномиальное распределение ( по схеме Бернулли) помогает узнать, какое число появлений события А наиболее вероятно. Формула для наиболее вероятного числа успехов k (появлений события) выглядит так:

Пример. В очень большом секретном чатике сидит 730 человек. Вероятность того, что день рождения наугад взятого участника чата приходится на определенный день года — равна 1/365 для каждого из 365 дней. Найдем наиболее вероятное число счастливчиков, которые родились 1 января.

Формула Пуассона

При большом числе испытаний n и малой вероятности р формулой Бернулли пользоваться неудобно. Например, 0.97 999 вычислить весьма затруднительно.

В этом случае для вычисления вероятности того, что в n испытаниях событие произойдет k раз, используют формулу Пуассона:

Здесь λ = np обозначает среднее число появлений события в n испытаниях.

Эта формула дает удовлетворительное приближение для p ≤ 0,1 и np ≤10.

События, для которых применима формула Пуассона, называют редкими, так как вероятность, что они произойдут — очень мала (обычно порядка 0,001-0,0001).

При больших np рекомендуют применять формулы Лапласа, которую рассмотрим чуть позже.

Пример. В айфоне 1000 разных элементов, которые работают независимо друг от друга. Вероятность отказа любого элемента в течении времени Т равна 0,002. Найти вероятность того, что за время Т откажут ровно три элемента.

P₁₀₀₀(3) = λ 3 /3! * e −λ = 2 3 /3! * e −2 ≈ 0,18.

Ответ: ориентировочно 0,18.

Теоремы Муавра-Лапласа

Кроме того, пусть P_n(k₁;k₂) — вероятность того, что число появлений события А находится между k₁ и k₂.

Локальная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Интегральная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

Функции Гаусса и Лапласа обладают свойствами, которые пригодятся, чтобы правильно пользоваться таблицей значений этих функций:

Теоремы Лапласа дают удовлетворительное приближение при npq ≥ 9. Причем чем ближе значения q, p к 0,5, тем точнее данные формулы. При маленьких или больших значениях вероятности (близких к 0 или 1) формула дает большую погрешность по сравнению с исходной формулой Бернулли.

Источник