01_02_Сл_соб_Часть_1_2005
.pdfСлучайные события |
17 |
Пример:
Из урны, содержащей 4 белых и 3 черных шара, вынимают 2 шара. Найти вероятность того, что оба шара будут белыми.
Событие С={ оба шара белые}; представим С как произведение 2-х событий С = A B , где А={первый шар белый}, В={второй шар белый}.
P (AB)= P (A) P (B A); Р(А) = 74 .
Предположим , что событие А произошло, т.е. в урне осталось 6 шаров, 3 из
них белые, тогда P (B |
|
A)= |
3 |
= |
1 |
|
P (C )= |
4 |
|
1 |
= |
2 |
|
6 |
2 . |
7 |
2 |
7 . |
|||||||
|
|
|
|
|
ОСобытие А называется независимым от события В, если его вероятность не зависит от того, произошло событие В или нет, т.е. P (A B)= P (A). В
противоположном случае, если P (A B)≠ P (A), событие А зависит от В.
Пример:
В урне 5 белых и 2 черных шара. Из нее вынимают один за другим 2 шара. Найти вероятность того, что они будут разных цветов.
Решение: Событие С ={шары разных цветов} распадается на сумму 2-х несовместных событий: С1={белый, черный}, С2{черный, белый}; С=С1+С2. Вычислим вероятность события С1:
Р(С1) - вероятность того, что 1-й шар белый, умноженная на условную вероятность того, что второй черный, при условии, что первый белый:
P (C1 )= 75 62 = 215 .
Вычислим вероятность события С2: P (C2 )= 72 56 = 215 .
По правилу сложения вероятностейP (C )= P (C1 )+ P (C2 )= 1021 .
Для произвольного числа событий вероятность произведения нескольких событий равна произведению вероятностей этих событий, причем вероятность каждого последующего события вычисляется при условии, что все предыдущие имели место.
P (A1 A2 ... An )= P (A1 ) P (A2 A1 ) P (A3 A1 A2 ) ... P ( An A1 A2 ... An−1 )
Пример:
В ящике 6 белых, 8 красных и 4 синих шара. На удачу извлекают 1 шар без возвращения. Чему равна вероятность того, что на первом шаге появится белый, на 2-м – красный и на 3-м – синий шар?
Решение: Событие А ={на первом шаге появится белый шар}, событие В={на втором шаге появится красный шар}, событие С={на третьем шаге появится синий шар}.
P (A)= |
|
6 |
= |
1 |
; P (B |
|
A)= |
|
8 |
; P (C |
|
AB)= |
|
4 |
= |
1 |
; P (ABC )= |
1 |
|
|
8 |
|
1 |
= 0, 039 . |
|
|
|||||||||||||||||||||||
18 |
3 |
|
17 |
|
16 |
4 |
3 |
17 |
4 |
|||||||||||||||
|
|
|
|
|
|
|
18 |
Лекции 1-2 |
Пример:
Среди продаваемых телевизоров 95% стандартных, из них 86% высшего качества. Чему равна вероятность покупки телевизора высшего качества? Решение: А={телевизор стандартный} Р(А)=0,95; В={телевизор высшего качества, при условии, что он стандартный} Р(В/А)=0,86; Р(А·В)=Р(А) ·Р(В/А)=0,95·0,86=0,82.
Для независимых событий правило умножения вероятностей принимает простой вид: Р(А·В)=Р(А)·Р(В), т.е. вероятность произведения двух независимых событий равна произведению вероятностей этих событий.
Для нескольких независимых событий Р(А1·А2·…·Аn)=Р(А1)·Р(А2)·…·Р(Аn)
или P |
n |
|
n |
∏Ai |
= ∏P (Ai ), т.е. вероятность произведения нескольких незави- |
||
|
i =1 |
|
i =1 |
симых событий равна произведению вероятностей этих событий.
2.3. Вероятность появления хотя бы одного события
Пусть в результате опыта могут появиться n независимых в совокупности событий А1,А2 ,…,Аn , вероятности которых Р(А1), Р(А2),…,Р(Аn) – известны.
А - событие, заключающееся в появлении хотя бы одного из событий
А1, А2,…, Аn, А=А1+А2 + …+Аn .
A - событие, заключающееся в том, что ни одно из событий A1, A2 ,..., An
не наступило: A = A1 A2 … An .
A + A = Ω, P(A + A)= P(Ω)=1, P(A)+ P(A)=1 P(A)=1− P(A),
P(A)=1− P(A1 A2 … An ), P(A)=1− P(A1 ) P(A2 ) … P(An ),
P(A1 )=1− P(A1 )= q1 ; P(A2 )=1− P(A2 )= q2 ; P(An )=1− P(An )= qn ;
P(A) =1−q1q2...qn .
Пример:
Вероятность поражения цели 1-м стрелком равна 0,9; 2-м - 0,8; 3-м - 0,6; 4-м - 0,7. Какова вероятность попадания при залпе?
Решение: Проще всего решить задачу через вероятность, противоположного события. Найдём q1, q2 , q3 , q4 – вероятности промахов 1, 2, 3, 4-го стрелка со-
ответственно.
q1=0,1; q2=0,2; q3=0,4; q4=0,3; P=1- q1q2q3q4 ; P=1-0,1·0,2·0,4·0,3=0,9976.
Случайные события |
19 |
2.4. Формула полной вероятности
Следствием правил сложения и умножения вероятностей является формула полной вероятности.
Пусть проведен опыт, об условиях которого можно сделать n взаимоисключающих предположений (гипотез) H1 ,H2 ,...,Hn , образующих полную
группу:
H1 + H2 +...+ Hn = Ω, Hi H j = (i ≠ j).
Каждая гипотеза представляет собой некоторое событие. Вероятности реализации гипотез известны: Р(H1), Р(H2),…,Р(Hn).
Результат опыта – событие А, которое может появиться только вместе с одной из гипотез, условные вероятности события А при каждой из гипотез заданы: P(A/H1), P(A/H2),…,P(A/Hn). Найдем вероятность события А, для чего представим А как сумму n несовместных событий:
|
|
|
|
|
|
n |
||
|
|
A = H1 A + H2 A +…+ Hn A = ∑Hi A. |
||||||
|
|
|
|
|
|
i |
||
По правилу сложения вероятностей |
||||||||
P(A) |
|
n |
|
n |
|
Hi ) . |
||
|
||||||||
= P |
∑Hi |
A |
= ∑P(Hi A), P(Hi A) = P(Hi ) P( A |
|
||||
|
|
i |
|
i |
||||
|
|
|
|
n |
||||
Следовательно, |
|
|
|
P (A)= ∑P (Hi ) P (A |
|
Hi ). |
||
|
|
|
|
i
Таким образом, вероятность события А в опыте с гипотетическими условиями равна сумме произведений вероятности каждой гипотезы на условную вероятность события при условии гипотезе.
Пример:
имеются три одинаковые на вид урны; в первой 2 белых шара и 3 черных, во второй – 4 белых и 1 черный, в третьей – 3 белых шара. Некто подходит наугад к одной из урн и вынимает из нее один шар. Найти вероятность того, что этот шар будет белым.
Решение: А={появление белого шара}.
Выдвигаем 3 гипотезы: Н1={выбрана первая урна}; Н2={выбрана вторая урна}; Н3={выбрана третья урна}.
P (H1 )= P (H2 )= P (H3 )= 1 |
; |
Р(А/Н1) = |
2 |
; |
Р(А/Н2) = |
4 |
; Р(А/Н3)=1; |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
5 |
|
|
5 |
|
P (A)= |
1 |
|
2 |
+ |
1 |
|
4 |
+ |
1 |
1 = |
11 . |
|
|
|
|
|
|
|
|
3 |
|
5 |
|
3 |
|
5 |
|
3 |
|
15 |
|
|
|
|
|
|
|
Пример:
Партия деталей на 20% изготовлена на заводе №1, на 30% - на заводе №2, на 50% - на заводе №3. Вероятности выпуска нестандартных деталей:
Завод №1 – 0,01, завод №2 – 0,005, завод №3 – 0,006.
Какова вероятность, что взятая наугад деталь нестандартная? Решение:
20 |
Лекции 1-2 |
Гипотезы:Н1={деталь изготовлена на заводе №1}; Н2={деталь изготовлена на заводе №2}; Н3={деталь изготовлена на заводе №3 }
Р(Н1)=0,2; Р(Н2)=0,3; Р(Н3)=0,5; Р(А/Н1)=0,01; Р(А/Н2)=0,005; Р(А/Н3)=0,006; Р(А)=0,2·0,01+0,3·0,005+0,5·0,006=0,0065.
2.5. Формула Бейеса (теорема гипотез)
Формула Бейеса позволяет переоценить вероятности гипотез на основании результатов опыта. Пусть до опыта об его условиях сделан ряд предположений (гипотез) H1,H2,…,Hn, гипотезы образуют полную группу:
n
∑Hi = Ω, Hi H j = ,i ≠ j , и известны «априорные» (доопытные, от латин-
i=1
n
ского «a priori») вероятности: P(H1), P(H2 ),..., P(Hn ) , ∑P(Hi ) =1. В резуль-
i=1
тате проведения опыта произошло событие А. Найдем «апостериорные» (послеопытные, от латинского «a posteriori») вероятности гипотез: Р(Н1/А),
Р(Н2/А),…, Р(Нn/А).
Решение: т.к. событие А может появиться только вместе с одной из гипотез, то:
P(Hi A)= P(Hi )P(A Hi )= P(A)P(Hi A), P (Hi )P (A Hi )= P (A)P (Hi A).
Разделим на Р(А): |
|
P(Hi |
|
A) = |
P(Hi )P( A |
|
Hi ) |
. |
||||||||
|
||||||||||||||||
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|||||||||
По формуле полной вероятности |
|
|
|
P( A) |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
P(A) = ∑P(Hi )P(A |
|
Hi ) , |
||||||||||||
|
|
|||||||||||||||
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
P (Hi |
|
A)= |
P (Hi )P (A |
|
Hi ) |
, |
|
i =1,2...,n . |
||||||||
|
|
|
||||||||||||||
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||
|
n |
|
|
|
|
|
|
|
|
|||||||
|
|
|
∑P (Hi )P (A |
|
Hi ) |
|
|
|
|
|||||||
|
|
|
|
|
|
|
i=1
Спомощью этой формулы возможен пересчет вероятностей гипотез после получения дополнительной информации, что опыт дал результат A.
Пример:
Среди людей 5% мужчин и 0,25% женщин дальтоники. Наугад избранное лицо из группы, состоящей из 100 мужчин и 100 женщин, оказалось дальтоником. Какова вероятность, что это мужчина?
Решение: Гипотезы: Н1={выбран мужчина}; Н2={выбрана женщина} Априорные вероятности гипотез:
Случайные события |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
21 |
|
|
P (H1 )= 100 |
= |
1 |
; P (H2 )= |
100 = |
1 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
200 |
|
2 |
|
|
|
|
|
|
200 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В результате опыта появилось событие А: А={выбранный человек - дальто- |
|||||||||||||||||||||||||
|
ник}. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Условные вероятности события А при гипотезах Н1, Н2 |
|
|
|
||||||||||||||||||||||
|
|
|
|
|
P (A |
|
H1 )= 0, 05, P (A |
|
H2 )= 0, 0025 . |
|
||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||
|
Апостериорная вероятность гипотезы |
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
P(H1 |
|
A) = |
|
|
P(H1 ) P( A |
|
H1 ) |
|
|
= |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
P(H1 )P( A |
|
H1 ) + P(H2 )P( A |
|
H |
2 ) |
|
||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
= |
|
|
2 0,05 |
0,05 |
|
|
500 |
|
|
20 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
= |
|
= 525 = |
21 . |
||||||||||||
|
|
|
|
1 |
|
|
|
|
1 |
|
0,0525 |
|||||||||||||||
|
|
|
|
|
2 |
0,05 + 2 0,0025 |
|
|
|
|
|
|
Пример:
имеются три урны; в первой 1 черный и 3 белых шара, во второй – 2 белых и 3 черных, в третьей – 3 белых шара. Некто подходит наугад к одной из урн и вынимает из нее один шар. Этот шар оказался белым. Найти апостериорные («послеопытные») вероятности того, что шар вынут из 1-й, 2-й, 3-й урны.
Решение: Н1={выбрана 1-я урна}; Н2={выбрана 2-я урна}; Н3={выбрана 3-я
урна}. Априорные вероятности гипотез: Р(H1) = Р(H2) = Р(H3) = 13 .
В результате опыта появляется событие А={вынут белый шар}. Условные вероятности события А при гипотезах Н1, Н2, Н3
P (A |
|
H1 )= |
3 |
; |
P (A |
|
H2 ) |
= |
2 |
|
|
; P (A |
|
H3 )=1. |
|||||||||||||
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
||
Апостериорные вероятности гипотез: |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
||
P (H1 |
|
|
A)= |
|
|
|
|
|
3 |
4 |
|
|
|
|
|
= |
15 |
; |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
1 |
|
3 |
+ |
1 |
|
|
|
2 |
+ |
1 |
1 |
|
43 |
|
|
|
|||||
|
|
|
|
|
|
3 |
|
4 |
|
3 |
|
|
|
5 |
|
3 |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
2 |
|
|
|
|
|
|
8 |
|
|
|
|||
P (H2 |
|
|
A)= |
|
|
|
|
|
|
3 |
|
5 |
|
|
|
|
|
= |
; |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
1 |
|
3 |
+ |
1 |
|
|
2 |
+ |
1 |
1 |
|
43 |
|
|
|
||||||
|
|
|
|
|
|
3 |
|
4 |
|
3 |
|
|
|
5 |
|
3 |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|
|
|
20 . |
|
|
||||
P (H3 |
|
|
A)= |
|
|
|
|
|
|
3 |
|
|
|
|
|
|
= |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
1 |
|
3 |
|
1 |
|
|
|
2 |
|
1 |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
+ |
|
|
+ |
1 |
|
43 |
|
|
|
|||||||||||
|
|
|
|
|
|
3 |
|
4 |
|
3 |
|
|
|
5 |
|
3 |
|
|
|
|
|
|
|
|
|
Таким образом, после свершения опыта и появления события А вероятности гипотез изменились. Самой вероятной оказалась гипотеза H3, наименее вероятной гипотеза H2.
22 |
Лекции 1-2 |
2.6. Повторение опытов. Формула Бернулли
Рассмотрим сложный опыт, состоящий из нескольких более простых. В каждом из них может появиться или не появиться событие А.
Пример:
Пример:
Пример:
Произведена серия из n выстрелов. Событие А – поражение цели. Опыты называются независимыми, если вероятность события А в каждом опыте не зависит от результатов других опытов.
Найдем вероятность появления события А m раз в серии из n опытов. Обозначим соответствующую вероятность Pn(m). Вероятность появления события А при единичном испытании равна p, вероятность наступления проти-
воположного события A при единичном испытании q = 1 - p. Исход серии испытаний, состоящий в том, что событие А наступило m раз и не наступило n - m раз, может реализоваться несколькими способами. Вероятность каждо-
го такого исхода серии равна pmq(n−m) .
Поскольку порядок, в котором в серии появляются события А и A не существенен, число различных способов реализации m успехов в серии из n опы-
тов есть число сочетаний из n по m: Cnm = |
n ! |
. |
|
m !( n − m )! |
|||
|
|
Произведено 4 выстрела, из них 2 в цель. Решение:
Обозначим попадание ↑, промах 0.
Исходы: 0↑↑0, ↑00↑, ↑↑00, 00↑↑, ↑0↑0, 0↑0↑, C42 = 24! 2! ! = 22324 = 6 .
Таким образом, вероятность того, что в результате n опытов событие А произойдет m раз, равна:
P (m) =Cm pmq(n−m) = |
n! |
pm (1− p)n−m . |
||
|
|
|||
n |
n |
m!(n −m)! |
|
|
|
|
|
Это соотношение носит название формулы Бернулли. С ее помощью можно выразить вероятности более сложных событий.
Вероятность того, что в n испытаниях событие А наступит
менее m раз: |
Pn (0) +Pn (1) +...+Pn (m −1) , |
более m раз: |
Pn (m +1) +Pn (m +2) +... +Pn (n) , |
не менее m раз: |
Pn (m) +Pn (m +1) +... +Pn (n) , |
не более m раз: |
Pn (0) +Pn (1) +... +Pn (m) . |
В мастерской 4 мотора. Вероятность нормальной работы каждого 0,9. Чему равна вероятность нормальной работы в данный момент только: a) 4-х моторов; b )3-х моторов; с) 2-х моторов?
Решение:
a) P4 (4)= C44 p4q4−4 = 4!4!0! 0,94 0,10 = 0,6561,
Случайные события |
23 |
b) P4 (3)= C43 p3q4−3 = 3!4!1! 0,93 0,11 = 0,2916 , c) P4 (2)= C42 p2q4−2 = 2!4!2! 0,92 0,12 = 0,0486 .
Пример:
Какова вероятность того, что при 10 бросаниях игральной кости два раза выпадут два очка?
Решение:
p = 16 , n=10, m=2, q = 1- p = 56 .
P |
(2)= C2 |
|
1 2 |
|
5 10−2 |
= |
10! |
|
58 |
= 0,29 . |
||
|
|
|
|
|
|
|
10 |
|||||
10 |
10 |
6 |
6 |
|
|
|
|
|||||
|
|
|
|
|
|
|
8! 2! 6 |
|
Пример:
На самолете установлены 4 турбины.
Вероятность исправности каждой из них – 0,99. Какова вероятность нормального полета, если он обеспечивается при 2-х работающих турбинах?
Решение: Р=Р4(2)+Р4(3)+Р4(4)=0,9963.
!Если рассмотреть разложение по степеням x функции (px +q)n ,то, по
формуле бинома Ньютона,
n
(px + q)n = ∑Cnm pmqn−m xm = qn +Cn1 pqn−1x +Cn2 p2qn−2 x2 +...+ pn xn ,
m=0
т.е., вероятности Pn(m) являются коэффициентами при xm в разложении бинома (px +q)n . В связи с этим совокупность вероятностей Pn(m) назы-
вают биномиальным законом распределения вероятностей (это понятие будет обсуждаться при рассмотрении случайных величин).
!Формула Бернулли допускает следующее обобщение. Пусть в результате единичного опыта возможны элементарные исходы A1, A2 ,…, Ak , обра-
зующие полную группу событий и происходящие с вероятностями p1, p2 ,…, pk , p1 + p2 +…+ pk =1. Вероятность того, что в серии из n не-
зависимых испытаний событие A1 |
произойдет m1 раз, событие A2 – m2 |
|||||||||
раз,…, событие Ak |
– mk |
раз, m1 + m2 +…+ mk = n , равна |
||||||||
P (m ,m ,...m ) = |
|
n! |
|
|
p m1 |
p m2 |
...p mk . |
|||
m !m !... m ! |
||||||||||
n |
1 2 |
k |
1 |
2 |
k |
|||||
|
|
|
1 |
2 |
k |
|
|
|
Совокупность величин Pn (m1,m2 ,...mk ) называют полиномиальным рас-
пределением.
24 |
Лекции 1-2 |
2.7. Предельные случаи формулы Бернулли
Если серия состоит из большого числа испытаний, пользоваться формулой Бернулли достаточно трудно, отношение факториалов сложно вычислить с достаточной точностью. Для упрощения вычислений используются формулы, полученные из формулы Бернулли в результате предельных переходов.
2.7.1. Локальная предельная теорема Муавра-Лапласа
ТЕсли вероятность p появления события А в каждом испытании отлична от нуля и единицы (0<p<1), то вероятность P n (m) того, что при n неза-
висимых испытаниях событие А появляется m раз при n →∞ удовлетворяет соотношению
|
|
Pn (m) |
→1, где |
x = |
m −np |
, |
ϕ(x) = |
1 |
|
е |
− |
x2 |
– функция Гаусса. |
|||||
|
|
|
|
|
|
|
|
|
2 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
1 |
|
|
|
|
|
|
|
|||||||||||
ϕ(x) |
n→∞ |
|
|
npq |
|
|
|
|
2π |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, при больших n |
P |
|
(m)≈ |
|
1 |
ϕ(x). |
|
|
|
|
||||||||
n |
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
npq |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
График функции Гаусса приведен на рисунке. Функция достаточно быстро убывает по мере удаления от начала координат –
ϕ (5)≈10−6 .
На практике локальную теорему Муавра- |
|
|
|||||||||
Лапласа используют, если |
p и q не малы, |
|
|
||||||||
а npq > 9 |
|
Так, |
при |
n = 40 , m = 20 , |
|
|
|||||
p = q = 0,5 |
|
погрешность приближения со- |
|
|
|||||||
ставляет 0,6%. |
|
|
|
|
|
|
|
|
|||
Пример: |
Найти вероятность того, что при 10 выстрелах мишень будет поражена 8 раз, |
||||||||||
|
|
||||||||||
|
|
если вероятность попадания при одном выстреле p =0,75. |
|
||||||||
|
|
Решение: P (8)≈ |
|
1 |
|
ϕ(x) , n =10, p = 0, 75, q =1−0, 75 = 0, 25, m = 8 , |
|||||
|
|
|
|
||||||||
|
|
|
|
|
10 |
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
= |
1 |
|
|
|
= 0,730 ; x = m −np = |
8 −10 0, 75 |
= 0,360; |
|
|
|
|
npq |
10 0,75 0,25 |
|
10 0, 75 0, 25 |
|||||
|
|
|
|
|
npq |
|
|||||
|
|
ϕ(0,360) = 0,374 ; P10 (8) = 0,730 0,374 = 0, 273 . Отметим, что даже в таких |
условиях (npq<2) ошибка приближения около 3 %.
2.7.2. Интегральная предельная теорема Муавра - Лапласа
ТЕсли вероятность p события А в каждом испытании отлична от 0 и 1 (0<p<1), то при n → ∞ вероятность того, что событие А наступит в n ис-
Случайные события |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
25 |
||
пытаниях не менее m1 |
раз, но не более m2 |
раз, удовлетворяет соотношению: |
||||||||||||||||
|
|
|
|
|
|
|
|
1 |
|
x2 |
e− |
z2 |
|
|
|
|
||
|
|
P |
(m ,m )→ |
|
|
x∫ |
|
dz =Ф(x )−Ф(x ), |
||||||||||
|
|
|
|
2 |
||||||||||||||
|
|
|
|
|
||||||||||||||
|
|
n |
|
1 2 |
|
|
|
2π |
|
|
|
|
|
|
2 |
1 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
= m2 −np |
|
|||
|
|
|
|
где |
x = m1 −np , x |
|
, |
|||||||||||
|
|
|
|
|
|
1 |
|
npq |
2 |
|
npq |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
1 |
|
x |
z2 |
|
|
|
|
|
|
|
||
|
|
а Ф(x)= |
|
|
∫e− |
|
|
dz – функция Лапласа. |
||||||||||
|
|
|
|
|
2 |
|||||||||||||
|
|
|
2π |
|
||||||||||||||
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
||
График функции Лапласа приведен на |
|
|
||||||||||||||||
рисунке. Функция достаточно быстро |
|
|
||||||||||||||||
приближается |
к |
своим |
асимптотам |
|
|
|||||||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y = ± |
2 |
по мере удаления от начала |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
координат – 12 −Ф(5)≈10−6 .
В приложении приведены таблицы значений функций Гаусса и Лапласа. Так как первая – четная, а вторая – нечетная, значения приведены только для неотрицательных значений аргумента.
Пример:
Вероятность поражения мишени при одном выстреле 0,75. Чему равна вероятность того, что при 100 выстрелах мишень будет поражена не менее 70 и не более 80 раз?
Решение:
x = |
70 −100 0,75 |
= −1,15 ; x |
= |
80 −100 0,75 |
=1,15. |
||
|
|
||||||
1 |
100 |
0,75 0,25 |
2 |
100 |
0,75 0,25 |
|
|
|
|
|
|
Ф(x1 ) =Ф(−1,15) = −Ф(1,15) = −0,3749 (функция Лапласа нечётна).
Ф(x2 ) =Ф(1,15) = 0,3749 .
P100 (70,80)≈Ф(1,15) −Ф(−1,15) = 2Ф(1,15) = 0,7498 .
2.7.3. Формула Пуассона
Если n велико, а p мало, мы имеем дело с редкими событиями, та же вероятность P n (m) вычисляется приближенно по формуле Пуассона:
P n (m)≈ |
λme−λ |
, где λ = np . Эти значения |
Pn (m) приведены в таблицах, для |
|
m! |
|
|
применения которых надо лишь вычислить λ и знать m. Формула Пуассона получается из формулы Бернулли при n →∞.
P |
(m)=Cm pmqn−m = |
n! |
|
λ m 1− |
λ n−m |
, |
|
|
|
|
|||||
n |
n |
|
|
|
|
||
|
|
m!(n −m)! n |
|
n |
|
26 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Лекции 1-2 |
|
сократив на n! и (n −m)! , получим: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
P (m) |
P |
(m)= (n −m +1) (n −m +2) |
... n |
|
λ m 1 |
− λ n |
1− |
λ −m |
= |
||||||||||||||||||
n |
n |
|
|
|
|
|
m! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
n |
n |
|
||||||||
|
|
|
λm (n −m +1)(n −m + 2)...n |
|
|
λ n |
|
|
|
λ |
−m |
|
|
|
|||||||||||||
|
|
= |
|
|
|
|
|
|
|
|
|
|
1 − |
|
1 − |
|
|
= |
|
|
|||||||
|
|
|
m! n |
m |
|
|
|
|
|
|
n |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|||||
|
|
= |
λm |
n −m +1 |
|
n −m +2 |
... |
n |
|
|
λ |
|
−m |
1 − |
λ n |
|
|
||||||||||
|
|
m! |
n |
|
n |
|
|
n |
1 − |
n |
|
|
|
|
. |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|||||||||
При n →∞ каждая из дробей |
|
n −m +1 ,n −m +2 |
|
,...,n |
стремится к 1, |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
n |
|
λ n |
|
n |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
− |
= e |
−λ |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
lim 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
n→∞ |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
(применяем |
второй замечательный предел), |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
− |
λ −m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
lim 1 |
|
|
|
=1. |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
n→∞ |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, получаем формулу Пуассона:
P |
n |
(m)≈ λme−λ |
, где λ = np . |
|
m! |
|
|
|
|
|
На рисунке приведены значения вероятности, вычисленные по формуле Пуассона для p = 0,001 и различных значений n. Смысл имеют значения только при целых m.