- •ПРЕДИСЛОВИЕ
- •ОСНОВНЫЕ ОБОЗНАЧЕНИЯ
- •1. КОМБИНАТОРИКА
- •2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •2.1. Классическое определение вероятности
- •2.2. Геометрические вероятности
- •2.3. Теоремы сложения и умножения вероятностей
- •2.4. Формула полной вероятности
- •2.5. Формулы Байеса
- •2.6. Повторные независимые испытания
- •2.6.1. Формула Бернулли
- •2.6.2. Обобщенная формула Бернулли
- •2.7. Простейший (пуассоновский) поток событий
- •2.8. Случайные величины. Функция распределения. Функция плотности вероятности. Числовые характеристики
- •2.8.1. Случайные величины
- •2.8.2. Функция распределения
- •2.8.3. Функция плотности вероятности
- •2.8.4. Числовые характеристики случайных величин
- •2.9. Нормальный закон распределения
- •2.10. Асимптотика схемы независимых испытаний
- •2.10.2. Формула Пуассона
- •2.11. Функции случайных величин
- •2.12. Функции нескольких случайных аргументов
- •2.12.1. Свертка
- •2.12.2. Распределение системы двух дискретных случайных величин
- •2.12.3. Распределение функции двух случайных величин
- •2.13. Центральная предельная теорема
- •2.14. Ковариация
- •2.14.1. Корреляционная зависимость
- •2.14.2. Линейная корреляция
- •2.15. Функциональные преобразования двухмерных случайных величин
- •2.16. Правило «трех сигм»
- •2.17. Производящие функции. Преобразование Лапласа. Характеристические функции
- •2.17.1. Производящие функции
- •2.17.2. Преобразование Лапласа
- •2.17.3. Характеристические функции
- •3. МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •3.1. Точечные оценки
- •3.1.1. Свойства оценок
- •3.1.2. Оценки для математического ожидания и дисперсии
- •3.1.3. Метод наибольшего правдоподобия для оценки параметров распределений
- •3.1.4. Метод моментов
- •3.2. Доверительный интервал для вероятности события
- •3.3. Проверка гипотезы о равенстве вероятностей
- •3.4. Доверительный интервал для математического ожидания
- •3.4.1. Случай большой выборки
- •3.4.2. Случай малой выборки
- •3.5. Доверительный интервал для дисперсии
- •3.6. Проверка статистических гипотез
- •3.6.1. Основные понятия
- •3.6.2. Критерий согласия «хи-квадрат»
- •3.6.3. Проверка гипотезы о независимости двух случайных величин
- •3.6.4. Проверка параметрических гипотез
- •3.6.5. Проверка гипотезы о значении медианы
- •3.6.6. Проверка гипотезы о равенстве математических ожиданий
- •3.7. Регрессионный анализ. Оценки по методу наименьших квадратов
- •3.8. Статистические решающие функции
- •4. СЛУЧАЙНЫЕ ПРОЦЕССЫ
- •4.1 Стационарные случайные процессы
- •4.2. Преобразование случайных процессов динамическими системами
- •4.3. Процессы «гибели и рождения»
- •4.4. Метод фаз Эрланга
- •4.5. Марковские процессы с дискретным множеством состояний. Цепи Маркова
- •4.6. Марковские процессы с непрерывным временем и дискретным множеством состояний
- •4.7. Модели управления запасами
- •4.8. Полумарковские процессы
- •5. НЕКОТОРЫЕ ИНТЕРЕСНЫЕ ЗАДАЧИ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ПРИЛОЖЕНИЯ
- •ОГЛАВЛЕНИЕ
б) автомобиль будет ожидать у светофора не менее двух раз. (См. пример 2.32 и исходные данные.)
Исходные данные к задаче 2.32.
№ |
t |
n |
№ |
t |
n |
№ |
t |
n |
№ |
t |
n |
№ |
t |
n |
№ |
t |
n |
1 |
30 |
4 |
6 |
55 |
4 |
11 |
45 |
4 |
16 |
35 |
4 |
21 |
60 |
4 |
26 |
50 |
4 |
2 |
35 |
5 |
7 |
60 |
5 |
12 |
50 |
5 |
17 |
40 |
5 |
22 |
30 |
5 |
27 |
55 |
5 |
3 |
40 |
6 |
8 |
30 |
6 |
13 |
55 |
6 |
18 |
45 |
6 |
23 |
35 |
6 |
28 |
60 |
6 |
4 |
45 |
7 |
9 |
35 |
7 |
14 |
60 |
7 |
19 |
50 |
7 |
24 |
40 |
7 |
29 |
30 |
7 |
5 |
50 |
8 |
10 |
40 |
8 |
15 |
30 |
8 |
20 |
55 |
8 |
25 |
45 |
8 |
30 |
35 |
8 |
2.6.2. Обобщенная формула Бернулли
Формулу Бернулли (2.6.1) можно обобщить на случай независимых
опытов, каждый из которых имеет более двух возможных исходов. |
|
||||||||||||
Пусть |
в |
результате |
опыта |
|
|
происходит |
одноm |
попарноиз |
|||||
несовместных |
|
событий A1, A2 ,¼, Am |
|
с |
|
вероятностями р1, р2 ,¼, рm |
|||||||
соответственно |
|
( р1 + p2 +¼+ pm =1). |
Тогда вероятность того, что в |
||||||||||
результате независимых опытов событиеА1 |
наступит k1 |
раз, событие A2 |
|||||||||||
наступит k2 |
раза, …, событие |
Am |
|
наступит |
km |
раз, |
причем |
||||||
k1 + k2 +¼+ km = n , равна: |
|
|
n! |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
k |
k |
k |
|
|
|
|
Pn (k1,k2 ,¼, km=) |
|
|
|
|
|
p1 1 p22 ×K× pk m . |
|
(2.6.2) |
||||
|
k !k |
2 |
!×K× k |
m |
! |
|
|||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
Пример 2.33. В крупной партии изделий 60% изделий первого сорта, 30% –– второго, 10% –– третьего сорта. Для проверки взяли наугад шесть изделий. Какова вероятность того, что среди них три изделия первого сорта, два изделия второго сорта и одно изделие третьего сорта?
Решение. Так как партия изделий велика, то последовательный выбор из нее нескольких изделий практически не меняет пропорции в партии, и значит, не меняет вероятности выбора изделия данного сорта. Поэтому
можно |
в |
качестве |
математической |
модели |
взять |
схему |
независимых |
||
опытов. Будем считать, что производится шесть независимых опытов, в |
|||||||||
каждом |
из |
которых |
вероятность выбора |
изделия |
первого |
сорта равна |
|||
р1 = 0,6 , второго –– 0,3, третьего –– 0,1. В соответствии с формулой (2.6.2) |
|||||||||
|
|
Р (3,2,1) = |
6 ! |
(0,6)= 3 (0,3)2 (0,1) |
0,11664 » 0,12. |
|
|||
|
|
|
|
||||||
|
|
6 |
3! 2!1! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ответ. 0,11664 » 0,12. |
|
|
|
|
|
|
|||
Задача 2.33.1. В урне находится m1 |
белых, m2 |
черных и m3 красных |
|||||||
шаров. |
Из |
урны повторным способом |
выбирают в |
нечетных |
вариантах |
60
шесть шаров, в четных –– семь шаров. Какова вероятность того, что в k1 раз будет выбран белый шар, в k2 –– черный шар и вk3 –– красный? (См. пример 2.33 и исходные данные.)
Исходные данные к задаче 2.33.1.
№ |
m1 |
m2 |
m3 |
k1 |
k2 |
k3 |
1 |
3 |
5 |
2 |
2 |
2 |
2 |
2 |
4 |
5 |
3 |
2 |
3 |
2 |
3 |
3 |
5 |
2 |
2 |
3 |
1 |
4 |
4 |
5 |
3 |
3 |
2 |
2 |
5 |
4 |
5 |
3 |
2 |
3 |
1 |
6 |
4 |
5 |
3 |
2 |
3 |
2 |
7 |
4 |
5 |
3 |
3 |
2 |
1 |
8 |
5 |
4 |
3 |
2 |
2 |
3 |
9 |
5 |
4 |
3 |
3 |
2 |
1 |
10 |
4 |
5 |
3 |
3 |
2 |
2 |
11 |
3 |
5 |
4 |
2 |
3 |
1 |
12 |
3 |
5 |
4 |
2 |
3 |
2 |
13 |
3 |
4 |
3 |
3 |
1 |
2 |
14 |
3 |
5 |
4 |
2 |
4 |
1 |
15 |
3 |
5 |
4 |
2 |
2 |
2 |
№ |
m1 |
m2 |
m3 |
k1 |
k2 |
k3 |
16 |
4 |
4 |
2 |
3 |
3 |
1 |
17 |
3 |
4 |
2 |
2 |
2 |
2 |
18 |
4 |
4 |
3 |
3 |
3 |
1 |
19 |
3 |
5 |
3 |
2 |
2 |
2 |
20 |
4 |
4 |
3 |
3 |
2 |
2 |
21 |
4 |
4 |
3 |
3 |
2 |
1 |
22 |
3 |
4 |
4 |
1 |
3 |
3 |
23 |
3 |
4 |
4 |
1 |
2 |
3 |
24 |
3 |
4 |
4 |
2 |
2 |
3 |
25 |
4 |
4 |
3 |
1 |
3 |
2 |
26 |
4 |
3 |
4 |
3 |
2 |
2 |
27 |
4 |
4 |
2 |
2 |
2 |
2 |
28 |
2 |
4 |
4 |
2 |
2 |
3 |
29 |
4 |
4 |
2 |
3 |
2 |
1 |
30 |
2 |
4 |
4 |
1 |
3 |
3 |
Задача 2.33.2. В урне находитсяm1 белых шаров иm2 черных. Из урны наугад выбирают два шара, затем шары возвращают в урну, перемешивают и опыт повторяют. Предполагается проделать n таких опытов. Какова вероятность того, что в k1 раз будут выбраны оба белых шара, в k2 раз –– оба черных шара и вk3 раз –– шары разного цвета? (См. пример 2.33; величины m1, m2, n, k1, k2, k3 возьмите из исходных данных к задаче 2.33.1.)
Пример 2.34. Вероятность попадания в цель при одном выстреле равна p = 0, 2. Подбрасывают игральный кубик. Если выпадает m очков, то стрелок получает право на m выстрелов. Какова вероятность поражения цели?
Решение. При m выстрелах вероятность поражений цели (вероятность хотя бы одного попадания) равна 1 – (0,8)m . Так как вероятность выпадения каждой грани равна 1/6, то полная вероятность поражения цели равна
P = [(1 - 0,8) + (1 – 0,8 |
2 |
3 |
4 |
5 |
6 |
1 |
|
) + (1 – 0,8 ) + (1 – 0,8 |
|
) + (1 – 0,8 ) + (1 – 0,8 )]= |
6
= 0,508096 » 0,51.
Ответ. 0,508096 » 0,51.
Задача 2.34. Вероятность поражения цели при одном выстреле равна p. Монету подбрасывают n раз. Если герб выпадаетm раз, то стрелок
61