Лекция Независимые повторные испытания
Схемой независимых повторных испытаний Бернулли называется схема испытаний, удовлетворяющая условиям:
-
число испытаний n конечно;
-
каждое испытание имеет только два исхода:
а) событие А осуществилось;
б) событие А не осуществилось;
3) все испытания независимы;
4) вероятность р появления события А в каждом испытании постоянна.
Примером повторных испытаний описываемых схемой Бернулли, является многократное подбрасывание монеты.
Теорема: Вероятность появления k раз события А в серии из n независимых повторных испытаний вычисляется по формуле Бернулли:
P n(k)=C P kq n-k q=1-P
Частные случаи:
1. Вероятность осуществления события А в n испытаниях равно n раз
P n (n) =CP n q n-n=P n q 0 =P n.
2. Вероятность осуществления события А в n испытаниях равно 0 раз
P n (0) =CP 0 q n-0=q n=q n
13
3. Вероятность осуществления события А в n испытаниях не более m раз.
-
Вероятность осуществления события А в n испытаниях не менее m раз .
Пример. Монету подбрасывают n=10 раз . Определить вероятность выпадения “Орла”:
а) ровно 5 раз;
б) не более 5 раз;
в) хотя бы 1 раз.
Решение.
а)
б)
в)
При большом числе испытаний использование формулы Бернулли затруднительно в вычислительном плане. Здесь существенную помощь могут оказать приближённые формулы.
Локальная теорема Муавра-Лапласа.
Если вероятность p осуществления события А в каждом испытании постоянна и отлична от 0 и1, то вероятность того, что событие А появится в n испытаниях равно к раз приближённо равно (тем точнее , чем больше n ) значению функции
при .
Значения функции , соответствующие положительным значениям аргумента x, находятся по таблице. Функция - чётная, т. е.
Пример. Вероятность попадания в цель при одном выстреле равна 0,8 . Определить вероятность того , что при 400 выстрелах произойдёт ровно 300 попаданий .
Решение.
n=400 ; k=300 ; p=0,8 ; q=0,2 ;
Интегральная теорема Муавра-Лапласа.
Если вероятность p наступления события A в каждом испытании постоянна и отлична от 0 и 1, то вероятность того, что событие A появится в n испытаниях от до раз, приближённо равна определённому интегралу.
где
- функция Лапласа. Её значения находятся по таблице. Функция - нечётная, т. е. Для x>5
Пример. Найти вероятность
-15-
Решение.
Вероятность того, что день рождения студента 1 сентября, равна р=1/365.
N=365, k=4, n=1825; =np=1825/365=5.
P1825(4)54/4!*e-5=p(4, 5)=0, 17547.
Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях.
P(-p)2Ф().
Пример. Вероятность того, что деталь нестандартна, р=0,1.Найти вероятность того, что среди случайно отобранных 400 деталей относительная частота появления нестандартных деталей отклонится от вероятности р=0,1 по модулю не более, чем на 0, 03.
Решение. n=400; p=0, 1; =0, 03; q=0, 9.
P( m/400 – 0, 1 0, 03)2Ф(0, 03)= 2Ф(0, 03*20/0,3)=2Ф(2)=2*0, 47725=
=0, 9545.
Смысл полученного результата таков: если взять достаточное число проб по 400 деталей в каждой, то примерно в 95, 45% этих проб отклонение относительной частоты от постоянной вероятности р=0, 1 по модулю не превысит 0, 03.
Случайные величины.
Случайной величиной называется переменная, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее только от случайных причин, которые заранее не могут быть учтены.
Случайные величины обозначаются прописными буквами-X,Y,Z,…, а их возможные значения - соответствующими строчными буквами-x, y, z,…
Функция распределения случайной величины. Х-функция F(X), определяющая вероятность того, что случайная величина Х в результате испытания примет значение,
меньшее х, т.е.
F(x)=P(X x).
Свойства функции распределения.
-
0 F(x)1;
-
F(x)- неубывающая функция,F(x1) F(x2) при х1<x2
-
limx-F(x)=0; limx+F(x)=1.
-
P(x1Xx2)=F(x2)-F(x1).
Функцию F(x) называют также интегральной функцией распределения .
Геометрический смысл функции распределения.
F(x) есть вероятность того, что случайная величина Х примет значение, которое изображается на числовой оси точкой, лежащей левее точки х.
Х<x
х
График функции распределения называется кумулятой.
Дискретная (прерывная) случайная величина - случайная величина, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.
Пример - бросание игральной кости. Случайная величина Х – число выпавших очков.
Способы описания дискретной случайной величины.
1)Закон распределения.
2)Функция --------------
3)Многоугольник ------------.
Закон распределения. дискретной случайной величины – соответствие между ее возможными значениями и их вероятностями.
Обычно задается в виде таблицы, 1-ая строка которой содержит возможные значения дискретной случайной величины, а 2-ая их вероятности.
Х |
X1 |
X2 |
………………. |
хn |
Р |
P1 |
P2 |
………………… |
pn |
Т.к. в одном испытании случайная величина принимает одно и только одно возможное значение, то события X=x1, X=x2, …….,X=xn образуют полную группу сумма вероятностей этих событий, т.е. сумма вероятностей 2-ой строки таблицы равна 1:
=1.
ПРИМЕР: Вероятности того, что студент сдаст экзамен в летнюю сессию по математике и психологии, соответственно равны 0.7 и 0,9 . Составить закон распределения числа экзаменов, которые сдаст студент, функцию распределения и построить её график.
РЕШЕНИЕ: Ai-событие, состоящее в том, что студент сдаст i-ый экзамен, i=1,2
Х |
0 |
1 |
2 |
Y |
P1 |
P2 |
P3 |
P1=P(X=0) =P (=P(
P2=P(X=1)=P(A1A2)=P(A1)P(
P3=P(X=2)=P(A1A2)=P(A1)P(A2)=0,7*0,9=0,63
X |
0 |
1 |
2 |
p |
0,03 |
0,34 |
0,63 |
0 1 2
0, x 0
0.03, 0 < x 1
F(x)= 0,37, 1< x 2
1, x> 2.
Многоугольник распределения - ломаная, соединяющая точки с координатами (Хi; Рi), i=.
Для предыдущего примера: