lektsia_2_kurs_ITF
.pdfnpn const .
Отсюда pn n .
Исходя из формулы Бернулли, для вероятности появления события A в n-й серии ровно m раз имеем выражение
P |
m C |
m |
p |
m |
1 p |
|
n m |
C |
m |
m |
n m |
||
|
|
|
|
|
|
1 |
. |
||||||
n |
|
n |
|
n |
|
|
|
n |
|
|
n n |
n |
|
При фиксированном m имеем: |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
lim P |
m |
m e . |
|
|||||
|
|
|
|
|
n |
n |
|
|
m! |
|
|
|
Отсюда при больших n для искомой вероятности Pn m имеем приближенную формулу Пуассона
Pn m mm! e , где npn .
Пример. Завод отправил на базу 500 доброкачественных изделий. Вероятность того, что в пути изделие повредится, равна 0,002. Найти вероятность того, что на базу прибудут 3 негодных изделия.
Решение. По условию n 500, pn 0,002, m 3. Поэтому
500 0,002 1.
Тогда искомая вероятность равна
P500 3 31!e 1 0,06.
Определение. Говорят, что случайная величина X распределена по закону Пуассона, если эта величина задана таблицей
X |
|
0 |
1 |
|
2 |
|
|
3 |
… |
|
|
|
|
|
|
|
|
|
|
p |
|
e |
e |
2 |
e |
|
3 |
e |
… |
|
|
|
|
2! |
|
|
3! |
|
|
|
|
|
|
|
|
|
|
|
|
где |
|
- фиксированное положительное число. |
|
|
|
Математическое ожидание и дисперсия определяются соответственно
M X , D X .
81
ЛОКАЛЬНАЯ И ИНТЕГРАЛЬНАЯ ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ ЛАПЛАСА
Если число испытаний n велико, то вычисления по формуле Бернулли становятся затруднительными. Лаплас получил важную приближенную формулу для вероятности Pn m появление события A точно m раз, если n достаточно большое число.
Локальная предельная |
теорема |
Лапласа. Пусть p p A - |
вероятность события A, причем |
0 p 1. |
Тогда вероятность того, что в |
условиях схемы Бернулли событие A при n испытаниях появится точно m раз, выражается приближенной формулой Лапласа:
|
|
|
|
|
|
|
|
|
1 |
|
|
np |
|
|
|
|
|
P |
m |
|
|
|
m |
|
, |
(2) |
|||||
|
|
|
|
|
|||||||||||
|
|
|
n |
|
|
|
|
npq |
|
|
npq |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
где |
q 1 P, x |
1 |
|
|
e 2x2 . |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
||||||
|
2 |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Для функции x имеется таблица ее значении для положительных |
||||||||||||||
значений x. Функция x четная. |
|
|
|
|
|
|
|||||||||
|
Пример. Вероятность |
поражения |
цели стрелком при |
одиночном |
выстреле равна p 0,2. Какова вероятность того, что при 100 выстрелах цель будет поражена ровно 20 раз?
Решение. Здесь p 0,2, q 0,8, n 100, m 20.
Отсюда |
|
|
|
|
|
|
4, |
m np |
|
20 100 0,2 |
0. |
||||
npq |
100 0,2 0,8 |
||||||||||||||
|
|
npq |
|
4 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
Учитывая 0 |
1 |
|
0,4 из формулы (2) получаем: |
|
|||||||||||
|
|
|
|
|
|||||||||||
|
|
2 |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P100 20 0,40 1/4 0,1.
Интегральная предельная теорема Лапласа. Поставим следующий вопрос: какова вероятность того, что в условиях схемы Бернулли событие A, имеющее вероятность p A p 0 p 1 , при n испытаниях появится
82
не менее k раз и не более l раз? Эту искомую вероятность обозначим через
Pn k,l .
Введем функцию
x |
|
1 |
|
|
t2 |
|
|
|
|
e 2 dt |
(3) |
||||
|
|
|
|||||
2 |
|||||||
|
|
0 |
|
|
называемую функцией Лапласа или интегралом вероятностей. Очевидно,x есть первообразная для функции x . Т.к. x 0 в ; , то x - возрастающая функция в этом интервале. Поэтому на основании формулы Ньютона-Лейбница имеем:
|
|
|
|
|
|
|
|
|
|
|
Pn k,l xl xk , |
(4) |
||
где |
x |
|
|
k |
np |
|
, |
x |
|
l |
np |
|
. |
|
|
|
|
|
|
|
|
|
|||||||
|
|
k |
|
|
nPq |
|
l |
|
|
npq |
|
(4) называется интегральной формулой Лапласа.
Как известно, интеграл e |
x2 |
2 dx не берется в элементарных функциях. |
Поэтому для функции (3) составлена специальная таблица ее специальных значений x, функция x нечетная и 0 0.
Пример. Вероятность того, что изделие не прошло проверку ОТК, равно 0,2. Найти вероятность того, что среди 400 случайно отобранных изделий окажутся непроверенными от 70 до 100 изделий.
Решение. Здесь n 400, k 70, l 100, |
p 0,2, q 0.8. |
||||||||||
Поэтому |
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
70 400 0,2 |
|
1,25, |
x |
100 |
400 0,2 |
2,5. |
||
|
|
|
|
|
|
|
|||||
|
k |
|
|
400 0,2 0,8 |
|
|
l |
400 |
0,2 0,8 |
|
Тогда
P400 70,100 2,5 1,25 2,5 1,250,4938 0,3944 0,8882.
83
НЕПРЕРЫВНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ ИНТЕГРАЛЬНАЯ ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ
Для непрерывной случайной величины, в отличие от дискретной, нельзя построить таблицу распределения. Поэтому непрерывные случайные величины изучаются другим способом.
Пусть X - непрерывная случайная величина с возможными значениями из некоторого интервала a;b и x - действительное число. Под выражением X x понимается событие «случайная величина X приняла значение, меньшее x». Вероятность этого события P X x есть некоторая функция переменной x:
|
F x P X x . |
|
|
|
Определение. |
Интегральной |
функцией |
распределения |
или |
интегральным законом распределения непрерывной случайной величины X |
||||
называется функция |
F x , равная |
вероятности |
того, что X приняла |
|
значение, меньшее x: |
|
|
|
|
|
F x P X x . |
|
(1) |
Интегральная функция распределения совершенно также определяется и для дискретных случайных величин.
Свойства. 1) 0 F x 1.
2)F x - неубывающая функция, т.е. если x1 x2, то F x1 F x2 .
3)Вероятность попадания случайной величины X в полуинтервал
a,b равна разности между значениями интегральной функции распределения в правом и левом концах интервала a,b :
P a X b F b F a . |
(2) |
Пример. Случайная величина X задана интегральной функцией распределения:
84
0, |
|
|
x 1, |
||
|
|
|
|
1 |
|
x |
|
|
|||
F x |
|
|
|
|
, 1 x 3,. |
4 |
|
4 |
|||
|
|
|
x 3. |
||
1, |
|
|
|||
|
|
|
|
|
|
Найти вероятность того, что в результате испытания |
X |
примет значение, |
||||||
принадлежащее полуинтервалу 0,2 . |
|
|
|
|
|
|
|
|
Решение. Так как на полуинтервале 0,2 |
F x |
x |
|
1 |
, то |
|||
|
||||||||
|
|
|
|
4 |
|
4 |
|
|
P 0 X 2 F 2 F 0 |
1 |
1 |
1 |
1. |
|
|||
|
|
2 |
4 |
4 |
|
|
2 |
|
Случайную величину X |
будем |
называть |
непрерывной, если |
|||||
непрерывна ее интегральная функция распределения F x . |
|
|||||||
4) Вероятность того, что непрерывная случайная величина X примет |
||||||||
какое-либо заранее заданное значение, равна нулю: |
|
|
|
|
|
|||
P X x1 0. |
|
|
|
|
|
(3) |
||
5) Вероятность попадания |
непрерывной |
случайной величины в |
интервал, сегмент и полуинтервал с одними и теми же концами одинаковы:
P a X b P a X b P a X b P a X b . |
(4) |
6) Если возможные значения случайной величины X принадлежат интервалу a;b , то:
1)F x 0, при x a;
2)F x 1, при x b.
Следствие. Если возможные значения непрерывной случайной величины расположены на всей числовой оси, то справедливы следующие предельные соотношения:
F lim F x 0,
x
F lim F x 1.
x
85
ДИФФЕРЕНЦИАЛЬНАЯ ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ Определение. Дифференциальной функцией распределения
непрерывной случайной величины X (или ее плотностью распределения) называется функция f x , равная производной интегральной функции распределения:
|
|
|
f x F x . |
|
|
Так как F x - неубывающая функция, то |
f x 0. |
|
Теорема. Вероятность попадания непрерывной случайной величины |
||
X в интервал a,b равна определенному |
интегралу от ее |
плотности |
вероятности, взятому в пределах от a до b: |
|
|
b |
|
|
P a X b f x dx . |
(5) |
a
Следствие. В частности, если f x - четная функция и концы интервала симметричны относительно начала координат, то
|
|
|
|
a |
|
P a X a P |
|
x |
|
a 2 f x dx. |
(6) |
|
|
||||
0 |
|
Пример. Задана плотность вероятности случайной величины X
0, |
x 0, |
|
0 x 1, |
f x 2x, |
|
|
x 1. |
0, |
Найти вероятность того, что в результате испытание X примет значение, принадлежащее интервалу (0,5;1).
Решение. Согласно формуле (5) имеем:
1
P 0,5 X 1 2xdx x2 10,5 0,75.
0,5
Если заменить a на , b на x , то получим
x
F x F f x dx.
Откуда в силу F 0, имеем:
86
x |
|
F x f x dx. |
(7) |
|
|
Формула (7) дает возможность отыскать интегральную функцию распределения F x по ее плотности вероятности.
Из формулы (7) вытекает, что
|
|
f x dx 1. |
(8) |
МО И ДИСПЕРСИЯ НЕПРЕРЫВНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ Определение 1. Математическим ожиданием непрерывной случайной
величины X с плотностью вероятности f x |
называется величина |
несобственного интеграла (если он сходится): |
|
|
|
M x xf x dx. |
(9) |
|
|
Определение 2. Дисперсией непрерывной случайной величины X , математическое ожидание которой M x a и функция f x является ее плотностью вероятности, называется величина несобственного интеграла (если он сходится):
|
|
D x x a 2 f x dx. |
(10) |
|
|
Математическое ожидание и дисперсия непрерывной |
случайной |
величины имеют те же свойства, что и математическое ожидание и дисперсия дискретной случайной величины.
Для непрерывной случайной величины X среднее квадратическое отклонение определяется, так же как и для ДСВ, формулой x D x .
Пример. Случайная величина X задана плотностью вероятности
87
0, |
x 0, |
||
|
|
|
|
x |
|
||
f x |
|
|
, 0 x 2, |
2 |
|
||
|
|
x 2. |
|
0, |
|||
|
|
|
|
Найти M x , D x и x .
Решение.
|
2 x |
1 |
2 |
2 |
|
|
|
x3 |
|
|
4 |
|
||||||
|
|
|
|
2 |
|
|
||||||||||||
M x xf x dx |
|
|
xdx |
2 |
x |
|
dx |
|
|
|
|
0 |
|
3. |
||||
2 |
|
6 |
|
|||||||||||||||
|
0 |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
2 |
|
|
|
2 |
|
|
|
4 |
2 |
x |
|
|
|
|
2 |
|
|
D x |
x M x |
f x dx |
x |
|
|
|
|
|
dx |
|
. |
|||||||
3 |
2 |
|
9 |
|||||||||||||||
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
x D x 92 32 0,47.
РАВНОМЕРНОЕ РАСПРЕДЕЛЕНИЕ
Распределение вероятностей непрерывной случайной величины X , принимающей все свои значения из отрезка a,b , называется равномерным, если ее плотность вероятности f x на этом отрезке постоянна, а вне его равна нулю, т.е.
|
|
0, |
x a, |
|
|
|
|
f x |
c, |
a x b, |
|
|
|
|
|
|
|
|
|
|
|
|
|
x b. |
|
|
|
|
|
0, |
|
|
||
Отсюда |
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
f x dx cdx c b a , |
|
(11) |
|||
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
но как известно f x dx 1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
Сравнивая последние два интеграла, получаем что c |
1 |
. |
||||
b a |
||||||
|
|
|
|
|
График функции f x выглядит следующим образом
88
|
Найдем интегральную функцию F x . |
||||||||||
1) |
Если x a, то |
f x 0, следовательно, F x 0. |
|||||||||
2) |
Если a x b, то |
f x 1/ b a , и, следовательно, |
|||||||||
|
|
|
x |
|
1 |
|
|
|
x a |
|
|
|
|
|
F x |
|
|
dx |
. |
||||
|
|
|
b a |
|
|||||||
|
|
|
a |
|
|
b a |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
3) |
Если b x, то |
f x 0,, и, следовательно, |
|||||||||
|
|
|
|
b |
1 |
|
|
|
|
||
|
|
|
F x |
|
dx 1. |
||||||
|
|
|
|
b a |
|||||||
|
|
|
|
a |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
Тогда графиком F x является
МО равномерно распределенной непрерывной случайной величины находится по формуле
M X 12 a b ,
а дисперсия по формуле
D x b12a 2 .
89
НОРМАЛЬНЫЙ ЗАКОН РАСПРЕДЕЛЕНИЯ
Закон распределения вероятностей непрерывной случайной величины X называется нормальным или законом Гаусса, если ее плотность вероятности есть
f x |
|
1 |
|
e |
x a 2 |
|
|
|
|
2 2 , |
(12) |
||||
|
|
|
|
||||
|
|
2 |
|||||
|
|
|
|
|
|
где и a - постоянные числа, причем 0.
Математическое ожидание нормального закона распределения равна
M x a,
а дисперсия
D x 2.
Графиком (12) является
Нормальное распределение с параметрами a 0, 1 называется нормированным. Плотность вероятности в случае такого распределения будет
x |
1 |
|
|
|
e |
x2 |
|
|||||
|
|
|
2 |
. |
|
|||||||
|
|
|
|
|
|
|
||||||
|
|
2 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||
Пусть случайная величина X |
|
распределена по нормальному закону. |
||||||||||
Тогда вероятность того, что X примет значение, принадлежащее интервалу |
||||||||||||
; будет равна |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
x a 2 |
||
P x |
|
|
|
|
|
|
|
e |
2 2 dx |
|||
|
|
|
|
|
|
|
|
|
||||
|
|
2 |
||||||||||
|
|
|
|
90