- •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
По формуле (2.12.6) q ( y) = |
y4 |
, q |
( y) = |
y5 |
|
|
|
и т..дПо методу |
|||
|
|
||||
4 |
4! |
5 |
|
5! |
|
|
|
|
|
математической индукции предполагаем, что qk-1 ( y) = |
|
yk -1 |
|||||||||||||||
|
|
|
|
, откуда |
|||||||||||||
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
(k -1)! |
|||||
|
|
|
y |
( y - u)k -1 |
|
yk |
|
|
|
|
|||||||
|
|
q ( y) = |
ò0 |
|
|
du = |
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
k |
|
(k -1)! |
|
k ! |
|
|
|
|
|||||||
В итоге получаем, что |
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
1 |
|
1 |
|
1 |
|
|
||||||
|
¥ |
|
|
|
¥ |
|
|
|
|
|
|
||||||
M (Z ) =1 + |
å |
P(Z ³ k=) 1 + |
= q (1) |
1 +1 + |
+ |
+ |
+ . .=. e. |
||||||||||
|
|
|
|||||||||||||||
|
|
|
|
å k |
|
2! 3! |
4! |
|
|||||||||
|
k=2 |
|
|
|
k =1 |
|
|
Ответ. e » 2,7.
Задача 2.78. Пусть X1, X 2 ,¼, X n –– последовательность независимых случайных величин, каждая из которых имеет равномерное распределение в интервале (0,a).
Пусть в нечетных вариантахZ = min{n : X1 + X 2 +K+ X n ³ 2a}. В четных вариантах Z = min{n : X1 + X 2 +K+ X n ³ 3a}.
Найдите M (Z ). (См. пример 2.78, a –– номер варианта.)
2.13. Центральная предельная теорема
Формулировка центральной предельной теоремы(для одинаково распределенных слагаемых).
Пусть X1, X 2 ,¼, X n –– последовательность независимых одинаково распределенных случайных величин. Если дисперсии случайных величин конечны и отличны от ,нулято при достаточно большихn закон распределения суммы
X1 + X 2 +¼+ X n
сколь угодно близок к нормальному закону распределения.
В условиях теоремы имеет место предельное соотношение
æ |
n |
ö |
|
|
|
|
|
|
||
ç |
åХ i - nm |
÷ |
|
|
1 |
|
x |
e-t2 /2dx |
||
P ç |
i=1 |
|
|
< x ÷ ¾¾¾® |
|
|
|
|||
|
|
|
|
|
|
|
||||
ç |
s n |
÷ |
n®¥ |
2p -ò¥ |
|
|||||
ç |
|
|
|
÷ |
|
|
|
|
|
|
è |
|
|
|
ø |
|
|
|
|
|
|
где m = M ( Х i ), D( Хi ) = s2 .
Пример 2.79. Стрелок в десятку попадает с вероятностью0,4, в девятку –– с вероятностью 0,3, в восьмерку –– с вероятностью 0,2, в
133
семерку –– с |
вероятностью 0,1. |
Какова |
вероятность того, что |
при 25 |
||||||
выстрелах стрелок наберет от 220 до 240 очков? |
|
|
|
|||||||
Решение. |
Пусть |
при i-м |
выстреле стрелок выбиваетXi |
очков. |
||||||
Величины Xi независимы и имеют одно и то же распределение |
|
|||||||||
|
|
X |
|
7 |
8 |
|
9 |
10 |
|
|
|
|
P |
|
0,1 |
0,2 |
|
0,3 |
0,4 |
|
|
Заметим, |
что M ( X i ) = 7 ×0,1 + 8 ×0, 2 + 9 ×0,3 +10 ×0,4 = 9, |
а |
D( X i ) = |
||||||||||||||||
= (7 - 9)2 ×0,1 + (8 - 9)2 ×0, 2 + (9 - 9)2 ×0,3 + (10 - 9)2 ×0, 4= 1. |
|
|
|
|
|||||||||||||||
|
25 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Сумма очков Y = åX i |
, будучи суммой большого числа независимых |
||||||||||||||||||
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
одинаково распределенных |
слагаемых |
|
с |
ограниченными |
дисперсиями, |
||||||||||||||
имеет закон распределения близкий к нормальному с параметрами |
|
|
|||||||||||||||||
|
M (Y ) = M=( |
|
25 |
|
|
) |
|
25 |
М (X |
) |
25 ×9 = 225 |
|
|
|
|
||||
|
|
|
=X |
|
|
å |
|
|
|
|
|||||||||
|
|
å |
i |
|
|
|
|
i |
|
|
|
|
|
|
|
|
|||
и |
|
|
i=1 |
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
25 |
|
|
|
|
25 |
|
|
|
|
|
|
|
|
|
|
|
|
D(Y ) = D=( |
|
|
|
) |
|
D( X |
|
) |
25 ×1 = 25. |
|
|
|
|
|||||
|
|
= X |
i |
|
å |
i |
|
|
|
|
|||||||||
|
|
|
å |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
i=1 |
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
В итоге Y ~ N (225;25). Поэтому по формуле (2.9.2) |
|
|
|
|
|
||||||||||||||
P(220 < Y < 240) |
|
|
æ 240 - 225 |
ö |
æ 220 - 225 ö |
|
|
|
|||||||||||
|
F |
ç |
|
= |
|
÷ - Fç |
|
|
÷ = |
|
|
|
|||||||
|
|
|
|
5 |
|
|
|
||||||||||||
|
|
|
|
|
|
è |
|
5 |
ø |
è |
|
ø |
|
|
|
||||
= F(3) + F(1)= |
|
|
0, 4986 + 0,3413= |
0,8399 » 0,84. |
|
|
|
||||||||||||
Ответ. 0,8399 » 0,84. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Задача 2.79. Игральный |
|
|
|
кубик |
|
подбрасываютn |
|
раз. |
Оценить |
||||||||||
вероятность того, что суммарное |
число |
|
очков |
превзойдет3n +10. |
(См. |
||||||||||||||
пример 2.79, n –– номер варианта плюс 50.) |
|
|
|
|
|
|
|
|
|
||||||||||
Пример 2.80. Регулировка прибора занимает время от4 до 10 мин. |
|||||||||||||||||||
Регулировщику |
предстоит |
|
отрегулировать50 |
приборов. |
Считая |
для |
каждого прибора равновозможными все значения времени регулировки в
указанных |
пределах, |
оценить |
вероятность |
того, что |
|
регулировщик |
|||
справится с работой за шесть часов. |
|
|
|
|
|
||||
Решение. Пусть |
Xi |
–– |
время |
регулировки i-го |
прибора, а |
||||
Y = X1 + X 2 + X 3 +¼+ X 50 |
–– |
время |
выполнения |
работы |
рабочим. |
||||
Требуется найти Р(Y < 360). |
Величина Y является суммой большого числа |
одинаково распределенных независимых случайных величин, каждая из которых ограничена. По центральной предельной теоремеY имеет закон распределения близкий к нормальному закону распределения. Найдем
134
параметры этого закона, т.е. математическое ожидание и дисперсию величины Y. Так как случайные величины Xi независимы, то
М (Y ) = М ( X1 ) + M ( X 2 ) +¼+ М ( X 50 )
и
D(Y ) = D( X1 ) + D( X 2 ) +¼+ D( X 50 ).
Вычислим М ( X i ) и D( Xi ). По условию все значения случайной величины Xi равновозможны в отрезке [4,10]. Поэтому функция плотности вероятности этой случайной величины в указанном отрезке постоянна.
Чтобы площадь, |
заключенная |
|
между |
графиком |
|
|
функции |
плотности |
||||||
вероятности |
и |
осью |
абсцисс, равнялась |
единице, |
следует |
положить |
||||||||
f (x) =1 / 6 |
при х Î[4,10] |
и |
f (x) = 0 |
при |
остальныхх. |
С учетом этого |
||||||||
имеем |
|
10 |
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
М ( X i ) = ò х ×1 / 6dx = 7, D(=X i ) ò(х - 7)2 ×1 / 6dx = 3. |
|
|
||||||||||||
|
|
4 |
|
|
|
|
4 |
|
|
|
|
|
|
|
Поэтому М (Y ) = 50 ×7 = 350, |
D(Y ) = 50 ×3 =150, s(Y ) »12, 25. |
|
|
|||||||||||
Итак, |
Y ~ N (350;150). |
Для |
вычисления |
|
|
искомой |
вероятности |
|||||||
воспользуемся формулой (2.9.2) |
и |
таблицей |
функции |
|
Лапласа(см. прил., |
|||||||||
табл. П2): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P(Y < |
360) |
Р(200=< Y < 360) |
æ |
360 - 350 ö |
æ 200 - 350 ö |
|
||||||||
Fç |
= |
|
÷ - F |
ç |
|
|
÷ |
= |
||||||
|
|
12, 25 |
||||||||||||
|
|
|
|
|
|
è |
12, 25 |
ø |
è |
|
ø |
|
||
|
|
= F(0,82) + F(12,24)= |
0,294 + 0,5 » 0,8. |
|
|
|
Ответ. 0,794 » 0,8.
Задача 2.80.1. Регулировка каждого механизма занимает время отa до b минут. Считая все значения времени регулировки в этом интервале равновозможными, оценить вероятность того, что для регулировкиn
механизмов |
рабочему |
хватитm часов. |
(См. пример |
2.80 |
и |
исходные |
||||||||||||
данные.) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Исходные данные к задаче 2.80.1. |
|
|
|
|
|
|
|
|
|
||||||||
№ |
a |
b |
|
n |
m |
№ |
a |
b |
|
n |
m |
№ |
a |
|
b |
n |
m |
|
1 |
2 |
8 |
|
60 |
5 |
11 |
2 |
6 |
|
100 |
7 |
21 |
|
3 |
|
9 |
60 |
5 |
2 |
2 |
10 |
|
50 |
6 |
12 |
3 |
7 |
|
50 |
4 |
22 |
|
4 |
|
8 |
60 |
7 |
3 |
3 |
9 |
|
50 |
6 |
13 |
3 |
7 |
|
70 |
6 |
23 |
|
4 |
|
8 |
70 |
6,5 |
4 |
4 |
8 |
|
40 |
4 |
14 |
3 |
7 |
|
35 |
3 |
24 |
|
3 |
|
9 |
55 |
6 |
5 |
2 |
8 |
|
50 |
4 |
15 |
4 |
6 |
|
100 |
8 |
25 |
|
4 |
|
10 |
60 |
7 |
6 |
2 |
8 |
|
70 |
6 |
16 |
4 |
6 |
|
35 |
3 |
26 |
|
5 |
|
9 |
50 |
6 |
7 |
4 |
10 |
|
70 |
8 |
17 |
1 |
5 |
|
60 |
3 |
27 |
|
5 |
|
9 |
70 |
8 |
8 |
2 |
6 |
|
50 |
3 |
18 |
3 |
5 |
|
50 |
3 |
28 |
|
4 |
|
10 |
70 |
8 |
9 |
2 |
8 |
|
80 |
6,5 |
19 |
3 |
7 |
|
80 |
6,5 |
29 |
|
1 |
|
9 |
50 |
4 |
10 |
2 |
12 |
|
50 |
6 |
20 |
3 |
5 |
|
45 |
3 |
30 |
|
1 |
|
9 |
70 |
6 |
135
Задача |
2.80.2. Время службы (в часах) каждого предохранителя |
случайно и |
имеет плотность вероятностиf (x) =1 – exp{-lx}, x ³ 0. |
Перегоревший предохранитель практически мгновенно заменяется новым. Оценить вероятность того, что запаса n предохранителей хватит на m часов работы ( l = 0, 01 в вариантах 1–10; l = 0, 02 в вариантах 11–19; l = 0, 03 в вариантах 20–23; l = 0, 04 в вариантах 24–30). (См. пример 2.80 и исходные данные.)
Исходные данные к задаче 2.80.2.
№ n m № n m № n m № n m № n m
1 |
25 |
3000 |
7 |
55 |
6000 |
13 |
40 |
2500 |
19 |
70 |
3500 |
25 |
35 |
1000 |
2 |
30 |
3000 |
8 |
60 |
6000 |
14 |
45 |
2500 |
20 |
30 |
1000 |
26 |
40 |
1000 |
3 |
35 |
4000 |
9 |
65 |
7000 |
15 |
50 |
2500 |
21 |
45 |
1500 |
27 |
50 |
1300 |
4 |
40 |
4000 |
10 |
70 |
7000 |
16 |
55 |
3000 |
22 |
65 |
1750 |
28 |
55 |
1500 |
5 |
45 |
5000 |
11 |
25 |
1500 |
17 |
60 |
3000 |
23 |
75 |
2000 |
29 |
60 |
1500 |
6 |
50 |
5000 |
12 |
30 |
1500 |
18 |
65 |
3500 |
24 |
25 |
700 |
30 |
70 |
750 |
Пример 2.81. Жетон для игрального автомата стоит10 рублей. При использовании одного жетона (в отдельной игре) вероятность не получить ничего равна 0,8, вероятность получить 20 рублей равна 0,15, вероятность получения 50 рублей равна 0,04 и вероятность получения 100 рублей равна 0,01. Игрок купил жетонов на1000 рублей. Какова вероятность того, что игрок не окажется в проигрыше?
Решение. Игрок купил 1000 :10 =100 жетонов. Результат каждой игры (использование одного жетона) является случайной величиной Xi с законом распределения
|
|
Xi |
|
–10 |
|
10 |
40 |
|
|
90 |
|
|
|
Выигрыш |
P |
|
0,8 |
|
0,15 |
0,04 |
|
0,01 |
|
|
|
|
указан с |
учетом |
стоимости |
жетона |
. |
|
|
|
|
|||
Y |
Результат 100 игр обозначим через Y = X1 + X 2 +K+ X100 . Величина |
|||||||||||
является |
суммой |
|
большого |
числа |
одинаково |
распределенны |
независимых случайных величин, каждая из которых ограничена. По центральной предельной теореме Y имеет закон распределения близкий к нормальному закону распределения. Найдем параметры этого закона, т.е. математическое ожидание и дисперсию величиныY. Так как случайные величины Xi независимы, то
М (Y ) = М ( X1 ) + М ( X 2 ) +¼+=М ( X100 ) и D(Y ) D( X1 ) + D( X 2 ) +¼+ D( X100 ).
Так как |
|
М ( X i ) = -10 ×0,8 +10 × 0,15 + 40 ×0,04 + 90 ×0,01= |
-2, |
а D( Xi ) = (-10 + 2)2 × 0,8 + (10 + 2)2 ×0,15 + (40 + 2)2 ×0,04 + (90 + 2)2 ×0, 01= 228,
то М (Y ) = -2 ×100= -200, D(Y ) = s2 (Y )= 228 ×100 = 22800, s(Y ) »151.
136
Итак, Y |
имеет |
примерно |
нормальный |
закон |
|
распределения |
||||
N (-200; 22800). Игрок не окажется в проигрыше, |
если Y ³ 0. По формуле |
|||||||||
(2.9.2) имеем |
|
|
9000 - (-200) |
|
æ 0 - (-200) |
|
|
|||
|
|
æ |
ö |
ö |
|
|||||
P(Y ³ 0) |
P(0 £ Y £=9000) Fç |
= |
|
÷ |
- Fç |
|
|
÷ |
= |
|
151 |
|
151 |
||||||||
|
|
è |
|
ø |
è |
|
ø |
|
||
|
= F(61) - F(1,32) |
0,5 – =0, 4066 » 0,09. |
|
|
|
Ответ. » 0,09.
Задача 2.81. Лотерейный билет стоит 20 рублей. С вероятностью p1 билет окажется без выигрыша, с вероятностью p2 на билет выпадет выигрыш ценой 100 рублей и с вероятностьюp3 билет выиграет выигрыш ценой 200 рублей. Какова вероятность остаться в проигрыше, если приобрести n билетов? (См. пример 2.81 и исходные данные.)
Исходные данные к задаче 2.81.
№ |
p1 |
p2 |
p3 |
n |
№ |
p1 |
p2 |
p3 |
n |
№ |
p1 |
p2 |
p3 |
n |
1 |
0,9 |
0,08 |
0,02 |
20 |
11 |
0,9 |
0,06 |
0,04 |
25 |
21 |
0,9 |
0,08 |
0,02 |
45 |
2 |
0,9 |
0,07 |
0,03 |
60 |
12 |
0,9 |
0,09 |
0,01 |
40 |
22 |
0,9 |
0,07 |
0,03 |
30 |
3 |
0,9 |
0,06 |
0,04 |
20 |
13 |
0,9 |
0,08 |
0,02 |
35 |
23 |
0,9 |
0,06 |
0,04 |
45 |
4 |
0,9 |
0,09 |
0,01 |
50 |
14 |
0,9 |
0,07 |
0,03 |
40 |
24 |
0,9 |
0,09 |
0,01 |
35 |
5 |
0,9 |
0,08 |
0,02 |
30 |
15 |
0,9 |
0,06 |
0,04 |
35 |
25 |
0,9 |
0,08 |
0,02 |
50 |
6 |
0,9 |
0,07 |
0,03 |
50 |
16 |
0,9 |
0,09 |
0,01 |
20 |
26 |
0,9 |
0,07 |
0,03 |
25 |
7 |
0,9 |
0,06 |
0,04 |
30 |
17 |
0,9 |
0,08 |
0,02 |
40 |
27 |
0,9 |
0,06 |
0,04 |
50 |
8 |
0,9 |
0,09 |
0,01 |
45 |
18 |
0,9 |
0,07 |
0,03 |
35 |
28 |
0,9 |
0,09 |
0,01 |
30 |
9 |
0,9 |
0,08 |
0,02 |
25 |
19 |
0,9 |
0,06 |
0,04 |
40 |
29 |
0,9 |
0,08 |
0,02 |
60 |
10 |
0,9 |
0,07 |
0,03 |
45 |
20 |
0,9 |
0,09 |
0,01 |
25 |
30 |
0,9 |
0,07 |
0,03 |
20 |
Пусть k / n –– частота появлений события в n независимых опытах, в каждом из которых вероятность появления события равна( 0 < р <1). Тогда при достаточно большихn (порядка десятков, сотен и т..д) для любого 0 < a имеют место следующая формула
æ
ç
P(| k / n – р |< a) » 2Fç
ç
ç
è
где Ф –– функция Лапласа.
|
|
ö |
|
|
|
a |
÷ |
|
|
|
|
|
÷, |
(2.13.1) |
|
|
|
||
|
|
pq ÷
÷
n ø
Пример 2.82.1. Вероятность рождения мальчика равна0,514. Определить вероятность ,тогочто доля мальчиков среди400 новорожденных будет отличаться от вероятности рождения мальчика не более чем на 0,05 в ту или другую сторону.
137
Решение. Рождение ребенка можно рассматривать как независимый опыт с вероятностью «успеха» p = 0,514 (по данным статистики на каждую тысячу новорожденных приходится514 мальчиков). Тогда по формуле
(2.13.1)
æ |
|
0, 05 |
ö |
|
Р(| k / n – 0,514| < 0,=05) 2Fç |
= |
|
÷ 2F(2,=0004) 0,9545. |
|
0,514 ×0, 486 / 400 |
||||
è |
|
ø |
Ответ. 0,9545.
Пример 2.82.2. Вероятность событияP( A) = p = 0,9. Сколько независимых опытов нужно проделать, чтобы с вероятностью0,95 быть уверенным, что частота появления события в этих опытах будет отличаться от вероятности события не более чем на 0,05 в ту или другую сторону?
Решение. Запишем формулу (2.13.1) для нашего случая:
æ |
|
k |
|
|
ö |
æ |
|
|
0,05 |
ö |
|
|
|
|
|
|
|||||||
P ç |
|
|
- 0,9 |
< 0,05 |
÷ |
2F ç |
|
= |
|
÷ |
= 0,95. |
n |
|
|
|||||||||
|
|
|
|||||||||
è |
|
|
|
ø |
è |
|
0,9 ×0,1 / n ø |
|
|||
|
|
|
|
По таблице функции Лапласа находим, что 2F(1,96) = 0,95. Поэтому
0,05×0,05 × n / 0,3 =1,96. Откуда n »138,3. Условия задачи выполняются при n ³139.
Ответ. n ³139.
Задача 2.82. Монету подбрасывают n раз. Какова вероятность того, что частота выпадения гербабудет отличаться от вероятности выпадения герба не более, чем на a в ту или другую сторону. Сколько раз нужно подбросить монету, чтобы с вероятностью P можно было утверждать, что частота выпадения герба будет отличается от вероятности выпадения герба не более чем на a в ту или другую сторону? (См. примеры 2.82.1, 2.82.2 и исходные данные.)
Исходные данные к задаче 2.82.
№ |
n |
a |
P |
№ |
n |
a |
P |
№ |
n |
a |
P |
1 |
256 |
0,02 |
0,9 |
11 |
841 |
0,03 |
0,97 |
21 |
400 |
0,03 |
0,95 |
2 |
289 |
0,01 |
0,95 |
12 |
900 |
0,05 |
0,98 |
22 |
441 |
0,06 |
0,96 |
3 |
324 |
0,03 |
0,96 |
13 |
961 |
0,10 |
0,99 |
23 |
484 |
0,10 |
0,97 |
4 |
361 |
0,05 |
0,97 |
14 |
1024 |
0,03 |
0,90 |
24 |
576 |
0,10 |
0,99 |
5 |
400 |
0,04 |
0,98 |
15 |
1225 |
0,04 |
0,95 |
25 |
676 |
0,04 |
0,95 |
6 |
484 |
0,03 |
0,99 |
16 |
1600 |
0,02 |
0,96 |
26 |
729 |
0,10 |
0,96 |
7 |
576 |
0,05 |
0,90 |
17 |
256 |
0,04 |
0,97 |
27 |
641 |
0,10 |
0,98 |
8 |
676 |
0,02 |
0,95 |
18 |
289 |
0,03 |
0,98 |
28 |
900 |
0,10 |
0,95 |
9 |
729 |
0,05 |
0,96 |
19 |
324 |
0,02 |
0,99 |
29 |
961 |
0,10 |
0,999 |
10 |
784 |
0,02 |
0,97 |
20 |
361 |
0,04 |
0,90 |
30 |
1024 |
0,04 |
0,99 |
138