- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез. ( Формула Байеса )
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения
- •15. Функция распределения
- •16. Общие свойства функции распределения
- •17. Плотность распределения
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •30. Корреляционный момент случайных величин и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •Виды статистических наблюдений:
- •51. Виды измерений
- •Количественные измерения
- •Порядковые (ранговые) измерения
- •Номинальные измерения
- •Статистические таблицы
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации
- •57. Ассиметрия и эксцесс
- •58. Эмпирическая функция распределения
- •59. Точечные интервальные оценки
- •60. Доверительные интервалы
33. Наивероятнейшее число наступления события
Число наступлений события , которому отвечает наибольшая вероятность, называют наивероятнейшим числом наступления события .
Пусть - наивероятнейшее число наступлений события , тогда , . Отсюда или , следовательно, . С другой стороны, , тогда , т.е. .
Итак, определяется двойным неравенством . Отметим, что разность , следовательно, всегда существует целое число , удовлетворяющее двойному неравенству выше. При этом если - целое число, то наивероятнейших чисел будет два: и .
Пример 1. Доля изделий высшего сорта на данном предприятии составляет 31%. Чему равно наивероятнейшее число изделий высшего сорта в случайно отобранной партии из 75 изделий?
Решение. В данном случае , , . Составляем неравенство или , следовательно, .
Пример 1. Сколько раз надо подбросить игральную кость, чтобы наивероятнейшее число выпадений «двойки» было равно 32?
Решение. Здесь , . Требуется найти - число независимых испытаний. Воспользуемся неравенством . Откуда и , получаем, что с одной стороны , а с другой - . Таким образом, необходимо провести от 191 до 197 независимых испытаний.
34. Асимптотические формулы вычисления вероятностей
При больших и на практике пользоваться формулой Бернулли затруднительно. В этом случае пользуются локальной теоремой Лапласа, которую приведем без доказательства.
Теорема. Если вероятность наступления события в каждом из испытаний отлична от 0 или 1, то - вероятность того, что событие при этом наступит раз, при удовлетворяет предельному неравенству
,
где , .
При сделанных предположениях относительно , если достаточно большое, имеет место приближенное равенство
.
Пример. Вероятность изготовления детали высшего сорта на данном станке равна 0.4 . Найти вероятность того, что среди наудачу взятых 26 деталей половина окажется высшего сорта.
Решение. Требуется найти вероятность , используя теорему Лапласа. Имеем
=0.4
=26
=13
;
.
Таким образом, вероятность того, что среди наудачу взятых 26 деталей половина окажется высшего сорта, равна .
Формула эффективнее, когда близко к 0.5 . Если - мало, пользуются асимптотической формулой Пуассона, которая вытекает из следующей теоремы Пуассона.
Теорема. Пусть проводится независимых испытаний, в каждом из которых событие наступает с вероятностью . Тогда, если число испытаний неограниченно возрастает, а , причем - величина постоянная, то
.
35. Биномиальный закон распределения
Случайная величина , которая принимает значение с вероятностью , называется распределенной по биномиальному закону.
Если проводятся независимые испытания, в каждом из которых событие может наступить с одной и той же вероятностью , то число наступлений события в испытаниях и есть случайная величина .
Приведем таблицу распределения биномиальной случайной величины
Значения |
0 |
1 |
2 |
… |
|
Вероятности |
… |
Проверим корректность определения случайной величины , т.е. выполнения требования
.
Здесь - вероятность того, что событие не наступит ни разу; - наступит один раз; - два раза и т.д. или, наконец, раз. Но это вероятность достоверного события и поэтому равна единице.
Найдем математическое ожидание и дисперсию биномиальной случайной величины . Пусть - это число наступлений события в ом испытании. Тогда распределение случайной величины задается таблицей
Значения |
0 |
1 |
Вероятности |
Очевидно, что , - независимые случайные величины и их сумма - это случайная величина . Найдем математическое ожидание и дисперсию случайной величины :
, , .
Тогда
,
.
Итак,
, , .