- •1.3. Операции над событиями
- •1.5. Классический метод определения вероятностей
- •1.7. Свойства вероятности (основные теоремы)
- •1.9. Формула полной вероятности
- •1.10. Формула Байеса
- •2.3. Функция распределения
- •2.4. Плотность распределения непрерывной случайной величины
- •3.2. Закон распределения многомерной случайной величины
- •3.5. Условные законы распределения
- •4.1.1. Математическое ожидание
- •4.1.5. Моменты распределения случайных величин
- •5.1. Одномерное приближение
- •5.2. Двумерное приближение
- •5.4. Характеристические функции
- •6.1. Биномиальный закон распределения
- •6.3. Равномерный закон распределения
- •6.5.1. Функция Лапласа
- •7.1. Неравенство Чебышева
- •7.2. Теорема Чебышева
- •8.1. Выборка, вариационный ряд, гистограмма
- •8.2. Оценки и методы их получения
- •8.2.2. Метод наибольшего правдоподобия
- •8.3. Свойства оценок
- •9.3. Распределение Стьюдента (t – распределение)
- •9.4. Распределение Фишера (F-распределение)
- •11.3. Проверка гипотезы о равенстве дисперсий (критерий Фишера)
- •11.5. Критерий Романовского
- •12.3. Коэффициент корреляции (оценки)
- •13.2. Числовые характеристики случайного процесса
- •13.8. Теорема Винера-Хинчина
- •13.10. Разложение случайного процесса в ряд Котельникова
- •13.12.1. Марковские процессы с непрерывным временем
Практически все возможные значения случайной величины, распределенной по нормальному закону, лежат в пределах от 3 до 3 относительно m.
Коэффициент асимметрии A |
3 |
0; эксцесс Э |
4 |
3 0. |
|
|
3 |
|
|
4 |
|
|
|
|
|
|
Нормальное распределение имеет исключительно важное значение в теории вероятностей и часто встречается на практике в самых различных областях. Например: отклонения в величине параметров полупроводниковых приборов при массовом производстве, вес и размер деталей, вес и рост людей имеют нормальное распределение.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6.5.1. Функция Лапласа |
|
|
|
|
|
|
|
|
|
|
|
Р |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Определим вероятность того, что случайная величина, распределенная по |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
нормальному закону, попадет в интервал [ , ]. |
|
|
|
|
|
|
|
|
|
И |
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x m |
t |
|
|
|
|
|
|
|
|
У |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m) |
2 |
|
|
dx dt |
|
|
|
|
|
|
|
m |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
2 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
P( x ) |
1 |
|
|
|
e 2 2 |
|
dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Б1 |
|
e 2 dt |
|
1 |
|
|
|
|
|
e 2 dt |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
t |
m |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
к |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
е |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
1 |
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
Ф |
|
|
|
|
Ф |
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(6.3) |
|||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Функция Ф(x) |
о |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
называется интегралом вероятностей или функцией Лап- |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ласа (рис. 6.12). |
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
л |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
x |
t2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Ф(x) |
|
|
|
e |
|
2 dt . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(6.4) |
||||||||||||||||||||
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
иСвойства функции Лапласа |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
1. |
|
|
|
|
|
Функция |
|
|
|
|
|
нечетная |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
БФ( x) Ф(x). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
2. x2 |
x1 |
|
=> Ф(x2) Ф(x1) |
– свой- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
ство монотонности. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-1 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
3. limФ(x) 1, |
|
|
lim Ф(x) 1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
x |
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 6.12 |
|
|
|
|
|
|
|
|
|
|
|
91
4. Значения Ф(x), применяющиеся наиболее часто:
Ф(0) 0, Ф(1) 0,6827, |
Ф(2) 0,9545, |
Ф(3) 0,9373, |
Ф(4) 0,99994, |
|
x 4, |
Ф(x) 1. |
|
|
|
Пример.
Цех на заводе выпускает транзисторы с емкостью коллекторного перехода Ck =1,5 пФ. Сколько транзисторов попадет в группу «Б», если в нее попадают транзисторы с емкостью коллекторного перехода от 1,80 до 2,00 пФ. Цех
выпустил партию в 1000 штук. |
|
|
|
Р |
Решение. |
|
|
И |
|
Статистическими исследованиями в цеху установлено, что Ck можно |
||||
|
|
У |
|
|
трактовать как случайную величину, подчиняющуюся нормальному закону. |
||||
Чтобы вычислить количество транзисторов, попадающих в группу «Б», |
||||
|
Г |
|
|
|
необходимо учитывать, что вся партия транзисторов имеет разброс параметров, |
||||
|
Б |
|
|
|
накрывающий всю (условно говоря) числовую ось. То есть кривая Гаусса охватывает всю числовую ось, центр ее совпадает с X = m = 1,5 пФ (т. к. все установки в цеху настроены на выпуск транзисторов именно с этой емкостью). Вероятность попадания отклонений параметров всех транзисторов на всю числовую ось равна 1. Поэтому нам необходимо ф ктически определить вероятность
попадания случайной величины Х в интерв л [1,8; 2,0], а затем пересчитать ко- |
||
личество пропорциональной вероятности.а |
||
Для расчета этой вероятности надо построить математическую модель. |
||
Экспериментальные |
данные |
к |
о том, что нормальное распределение |
||
можно принять в |
качес ве ма |
ической модели. Эмпирическая оценка |
|
|
ема |
(установлена статистическими исследованиями в цеху) среднего значения Ck
дает m x |
|
1,5 пФ, |
|
ценка среднего квадратического отклонения = 0,15 пФ. |
||||||||||||||
ср |
|
|
|
|
говорят |
|
|
|
|
|
|
|||||||
Обозначая =1,8 пФ, = 2,0 пФ, подставим приведенные значения в (6.3): |
||||||||||||||||||
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
и |
|
1 |
2,0 1,5 |
1,8 1,5 |
|||||||||||
|
|
P(1,8 X |
2,0) |
|
|
Ф |
|
|
|
Ф |
|
|
|
|
||||
|
|
|
|
0,15 |
0,15 |
|||||||||||||
|
|
|
л |
|
|
2 |
|
|
|
|
||||||||
|
|
1 |
|
|
|
|
1 |
|
|
|
|
|
|
1 |
|
|
||
|
бФ 3,3 Ф 2 |
|
|
0,998 0,9545 |
|
0,044 0,022. |
||||||||||||
|
2 |
|
2 |
|||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Тогда количество транзисторов n, попавших в интервал [1,8; 2,0] пФ, можно найти так: n = 1000 0,022 = 22 шт. Таким образом можно планировать и рассчитывать количество транзисторов, попадающих в ту или иную группу.
92
ГЛАВА 7. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ. ЗАКОН БОЛЬШИХ ЧИСЕЛ
Группа теорем, устанавливающих соответствие между теоретическими и экспериментальными характеристиками случайных величин и случайных событий при большом числе повторения эксперимента в одинаковых условиях, а также касающихся предельных законов распределения, под общим названием
предельных теорем. |
Р |
Закон больших чисел занимает важнейшее место в теории вероятностей. |
|
Он устанавливает связь между математическими моделями эксперимента и |
|
|
И |
практикой. Этот закон выражается рядом теорем (Чебышева, Бернулли, Ляпу- |
нова и др.). В этих теоремах указывают условия, при выполнении которых со- |
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
У |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Б |
|
|
|
|
|
||
вокупное действие многих случайных причин |
приводят к устойчивым резуль- |
|||||||||||||||||||||||||||||||||||||
татам, практически независящим от случая. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
7.1. Неравенство Чебышева |
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
|
|
|||||||
|
Пусть Х произвольная случайнаякв личина и – любое число 0, тогда |
|||||||||||||||||||||||||||||||||||||
справедливо следующее нерав нство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
е |
M[x2 |
] |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P( |
|
x |
|
) |
. |
|
|
|
|
(7.1) |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
Докажем это для непрерывной случайной величины Х с f(x). |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
т.к. подынтегральная функция |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
положительная,то уменьшение |
|
|
||||||||||||||||
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
M[x |
|
|
|
|
|
|
|
|
|
|
f (x)dx |
|
|
|||||||||||||||||||||||||
|
] лx f (x)dx x |
|
пределовинтегрирования ведет |
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
к уменьшению значения интеграла |
|
|
|||||||||||||||||
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
т.к. |
x |
е,тоположим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
х = minзначению, т.е. |
|
|
|
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|||||||||||||
Б |
|
|
|
|
|
|
|
|
|
|
|
|
f (x)dx |
|
|
|
|
f (x)dx P( |
x |
) |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
х = е этотакже не |
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
увеличивает интеграл |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
P( |
|
x |
|
) |
M[x2 |
] |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
93 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для дискретной случайной величины доказательство аналогично. Полагая в (7.1) вместо X X M X (т. к. X – была произвольна) и пе-
реходя к противоположному событию, получим
P( |
|
X M[X] |
|
) 1 |
D[X] |
. |
(7.2) |
|
|
||||||
|
|
|
|||||
|
|
|
|
|
2 |
|
|
|
|
|
|
Это и есть неравенство Чебышева. Оно имеет большое теоретическое значение, т. к. позволяет оценить вероятность отклонения случайной величины от ее среднего значения, когда неизвестен закон распределения, но извест-
деленных на одном и том же в роятностном пространстве ( ,F,P). Тогда по-
ны только первые два начальных момента. |
|
|
|
|
|
|
|
|
|
Р |
|||||||
Пример. |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Полагая в (2) 3 , получим |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
2 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
где 2 |
P( |
X M X |
3 ) 1 |
9 2 |
1 |
9 |
0,899, |
|
|
|
|
И |
|||||
D[X]. |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
Если Х – нормальная случайная величина, то P( |
X M X |
|
3 ) 0,997, |
||||||||||||||
т. к. |
|
|
|
|
|
|
|
|
|
|
|
|
У |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
0,899 << 0,997 (с вероятностной точки зрения), видно, что неравенство |
|||||||||||||||||
Чебышева дает грубую оценку. |
|
|
|
|
|
|
Г |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Все же неравенство Чебышева имеет большое значение в практике, т. к. |
|||||||||||||||||
позволяет действовать с неизвестными з |
|
|
Б |
|
|
|
|
|
|||||||||
|
ми р спределения. |
|
|
||||||||||||||
Пусть дана последовательность случ йных величин X |
1,X2 ,...,Xn ,..., опре- |
||||||||||||||||
|
|
|
|
|
|
|
а |
|
|
|
|
|
|
|
|||
|
|
|
|
|
кон |
|
|
|
|
|
|
|
|
|
|
следовательность случайных величин Xn |
, n 1, сходится к случайной или не |
случайной величине X по вероя носеи, если для 0выполняется соотно- |
|
шение |
|
|
|
|
|
|
|
|
|
|
|
limP{ |
X |
X |
} 1. |
(7.3) |
|||
|
|
|
|
|
|
|
|
|
|
т |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
В обычном ана |
о |
|
Xn X |
|
всегда выполняется, начиная |
||||||||||||
зе неравенство |
|
|
|||||||||||||||
|
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
с какого-то значения |
n0 . Если же Xn X при n по вероятности, то это не- |
||||||||||||||||
равенство для |
отдельных |
n может и не выполняться. |
|
||||||||||||||
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
и |
|
|
|
|
|
|
|
7.2. Теорема Чебышева |
|
||||||||
Пусть X |
,X |
2 |
,...,X |
n |
,... последовательность независимых случайных вели- |
||||||||||||
Б |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
||
чин с ограниченной D X , т. е. |
|
|
|
|
|
|
|||||||||||
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(lim |
cov(Xi,X j ) 0, D Xi c, т.е. ограничена )* . |
|
|||||||||||||||
2 |
|
||||||||||||||||
n n |
i, j 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
94
Тогда среднее арифметическое этих величин сходится по вероятности к среднему арифметическому их математических ожиданий:
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
|
|
|
|
|
|
1 |
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
limP |
|
|
Xi |
|
|
|
M[Xi ] |
|
|
1. |
|
|
|
|
|
|
(7.4) |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
n i 1 |
|
|
|
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
где – любое, сколь угодно малое положительное число. |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
Доказательство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р |
||||||||
Используем неравенство Чебышева (7.2). Положим вместо X |
|
1 |
Xi . |
|||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n i 1 |
||
|
|
|
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
|
|
|
|
|
Определим M[X] |
M[Xi] (применили свойство аддитивности). |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
У |
|
|
|
|
|
|
|
||||
Вычислим дисперсию для |
|
1 |
Xi : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
1 |
|
|
1 |
|
|
n |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Б |
|
|
|
|
|
cn |
|
c |
|||||||||||||||
n |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
с учетом условия(*) |
|
|
|||||||||||||||||||||||||||||
D |
|
Xi |
|
|
|
D Xi |
|
|
|
|
D Xi |
|
|
D |
|
X |
i |
c |
|
|
|
|
|
|
|
|
|
|
. |
|||||||||||||||||||||||
n |
n |
2 |
|
n |
2 |
|
|
|
|
|
|
n |
2 |
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
||||||||||||||||
|
i 1 |
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
i |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Подставляем полученные выражения в (7.2): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
к |
|
|
|
|
|
|
|
|
|
|
|
|
c |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
P |
|
1 |
Xi |
|
1 |
M Xi |
|
1 |
|
. |
|
|
|
|
(7.5) |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n i 1 |
е |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Переходя к пределу и учитывая, что lim |
1 |
n |
2 |
|
1, а также то, что ве- |
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
роятность не может быть больше 1, получаем: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
limP |
|
1 |
|
|
n |
|
X |
|
|
1 |
|
n |
M X |
|
|
|
1. |
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
i 1 |
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
n |
|
|
i |
|
|
n |
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
На практике нередко используется следующий частный случай теоремы |
||||||||||||||||||||||||||||||||||||||||||||||||||||
Чебышева. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Если |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
x ,лx ,...,x ,... – независимые случайные величины с одинаковым ма- |
||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
1 |
2 |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
темат ческ м ожиданием, равным a, и равномерно ограниченной дисперсией
(т. е. M[xi ] a , |
D[Xi] c const, i 1,n), |
то среднее арифметическое этих |
|||||||||
случайных величин сходится по вероятности к a. |
|
|
|||||||||
Б |
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|||||||
|
limP |
|
|
Xi |
a |
|
|
1. |
(7.6) |
||
|
|
||||||||||
|
n |
|
|
|
n i 1 |
|
|
|
|
|
95
Доказательство: |
|
|
na |
|
|||
Это следует из (7.5), где |
1 |
M[Xi |
] |
a. Тогда правая часть в преде- |
|||
n |
|
||||||
|
c |
|
|
|
n |
||
ле равна lim(1 |
) 1. |
|
|
|
|
||
n 2 |
|
|
|
|
|||
n |
|
|
|
|
|
|
|
Таким образом, согласно |
теореме Чебышева, среднее арифметическое |
большого числа слабозависимых или независимых (условие *) случайных величин является практически неслучайной величиной, т. е. постоянной, обладающей сколь угодно малой дисперсией. Причина этого явления – взаимное погашение ошибок. Если прогноз каждого отдельного значения случайной величины ненадежен, то прогноз среднего рифметического является достаточно на-
дежным. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р |
||
|
Пример. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Пусть xk – результат k-го измерения длины, например комнаты. |
|||||||||||||||||||||||||||
|
1. Случайные величины x1,x2,...xn – независимы. |
|
|
И |
||||||||||||||||||||||||
|
У |
|
||||||||||||||||||||||||||
|
2.M[xi ] a – т. к. длина комнаты – существует. |
|
||||||||||||||||||||||||||
|
3. |
D xi c – т. к. ошибка не накапливается. |
Г |
|
|
|||||||||||||||||||||||
|
Тогда вероятность при n , P 1для |
|
x1 ... xn |
a |
. |
|
||||||||||||||||||||||
|
Бn |
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
7.3. Т ор |
|
Бернулли |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ма |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
к |
|
|
|
|
|
|
|||||||
|
Пусть производится n независимых опытов, в каждом из которых на- |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
е |
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
ступает событие А или A и Р(А) = p. Событие А происходит в n опытах m |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
о |
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|||||
раз. Тогда относительная час |
а |
|
|
|
события А сходится по вероятности к |
|||||||||||||||||||||||
вероятности p: |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
л |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
б |
|
|
|
|
|
p |
1. |
|
|
|
|
(7.7) |
||||||||||||||
|
|
|
|
|
|
и limP |
n |
|
|
|
|
|
||||||||||||||||
|
события |
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
Доказательство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Рассмотр м двоичную случайную величин Xk , равную числу наступле- |
|||||||||||||||||||||||||||
ний |
|
|
А в каждом опыте. Закон распределения ее задан в виде таблицы. |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
Xk |
x1 = 0 |
|
x2 = 1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
Р |
|
1– p |
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Покажем, что для случайной величины Xk выполняются условия частного случая теоремы Чебышева:
96
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M[Xk ] xi pi |
0 (1 p) 1 p p, |
|
|
|
|
||||||||||
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M[Xk2] xi2 pi 02 (1 p) 12 p p, |
|
|
|
||||||||||||
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D[Xk ] M[Xk2] M[X] 2 p p2 p(1 p). |
|
|
|||||||||||||
Таким образом, случайные величины X1,X2,...,Xn независимы, имеют |
|||||||||||||||||||
одинаковое математическое ожидание, равное p, и ограниченную дисперсию. |
|||||||||||||||||||
Можно |
применить |
частный |
случай |
теоремы |
|
Чебышева. |
Учитывая, |
что |
|||||||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
M[Xk ] p a, |
D[Xk ] p(1 p) c, |
1 |
Xk m , |
т. к. в n опытах событие А на- |
|||||||||||||||
|
|
|
|
|
|
|
|
|
n k 1 |
|
n |
|
|
|
|
Р |
|
||
ступает m раз, тогда из (7.6) получим |
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
И |
|
|||||||||||
|
|
|
|
|
|
|
|
m |
p |
|
1. |
|
|
|
|||||
|
|
|
|
|
|
limP |
n |
|
|
У |
|
|
|||||||
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Формула (7.7) объясняется свойство устойчивости относительной часто- |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
|
|
ты, состоящей в том, что в разных опытах, проведенных в одинаковых условиях, |
|||||||||||||||||||
она колеблется около некоторого числа, которое есть не что иное, как вероят- |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Б |
|
|
|
|
||
ность; (7.7) позволяет вместо неизвестной вероятности использовать известную |
|||||||||||||||||||
относительную частоту. |
|
|
|
|
|
а |
|
|
|
|
|
|
|||||||
Пример. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
к |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Пусть проводится эксперим нт с броском монеты. Обозначим через со- |
|||||||||||||||||||
бытие А появление герба. Пу ь при n бросках герб появится m раз. Найдем от- |
|||||||||||||||||||
|
|
|
|
|
|
|
е |
|
|
|
|
|
|
|
|
|
|||
носительную частоту п явления герба: m . Повторяя такой опыт много раз, |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
будем откладывать результатытна графике. (рис. 7.1). |
|
|
|
|
|||||||||||||||
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
и |
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
л |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
0,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 7.1 |
|
|
|
|
|
|
|
|
|
Мы увидим, что относительная частота будет колебаться около некоторо- |
|||||||||||||||||||
го постоянного числа (в случае с симметричной монетой это 0,5). И это значе- |
|||||||||||||||||||
ние можно принимать за неизвестную вероятность события А. Но надо огово- |
97
рить, что m p при n по вероятности, т. к. возможность отклонения n
всегда остается.
7.4. Центральная предельная теорема (Теорема Ляпунова)
Эта теорема указывает условия, при которых закон распределения суммы большого числа независимых случайных величин близок к нормальному закону.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р |
|||||
Впервые она была сформулирована и доказана великим русским математиком |
||||||||||||||||||||||||||||||||||||||||||||||||
академиком А. М. Ляпуновым (1857 – 1918). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
Xn,... , |
|||||||||||||||||||||||||||||
Распределение суммы независимых случайных величин X1,X2,..., |
||||||||||||||||||||||||||||||||||||||||||||||||
имеющих произвольный, но одинаковый закон распределения при |
n , |
стре- |
||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
У |
|
|
|
|
|
|
|||||
мится к нормальному распределению. (Эти ограничения существенно упроща- |
||||||||||||||||||||||||||||||||||||||||||||||||
ют доказательство). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Г n |
|
|
|
|
|
|
||||||||||||||||||||
Доказательство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
Основная идея – найдем характеристическую функцию, a она окажется |
||||||||||||||||||||||||||||||||||||||||||||||||
характеристической функцией нормальной случайной величины. |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
Рассмотрим случайную величину Y |
а |
... Xn |
Xk . |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
X1 X2 |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
Пусть случайные величины Xk |
к |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
||||||||||||||||||||||||||
|
имеют следующие числовые характери- |
|||||||||||||||||||||||||||||||||||||||||||||||
стики: |
|
|
|
|
|
|
|
|
|
|
|
|
|
е |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
M[X |
k |
], 2 |
|
D[X |
k |
]. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Нормируем случайную величину Y: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
о |
|
|
|
|
D Xk nD[Xk ] n , |
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
Y M[Y] |
|
|
D[Y] D[ Xk ] |
|
n |
|
|
|
|
||||||||||||||||||||||||||||||||||||||
Y0 |
|
|
|
|
и |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
Xk |
|
. |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
D[Y] |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
n |
|
|
||||||||
|
|
|
|
|
|
M[Y] M |
Xk n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
л |
|
|
i 1 |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Найдем характеристическую функцию g(t) вспомогательной величины Y0 . |
||||||||||||||||||||||||||||||||||||||||||||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
бg(t) M |
|
|
|
|
|
it |
|
|
|
|
|
|
n |
it |
xk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
itY0 |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
Б |
|
|
|
e |
k 1 |
|
|
M |
e |
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
e |
|
M |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
т.к.случайныевеличиныXk |
|
|
|
|
|
|
|
|
|
xk |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
независимы,тоиспользуем |
|
|
|
|
|
|
n |
|
|
|
|
it |
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
свойствомультипликативности |
|
M e |
|
n |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
математического ожидания |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
98
|
разложим ex |
в ряд: |
n |
|
|
|
|
x |
|
2 2 |
xk |
2 |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
M |
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
x3 |
1 it |
|
|
|
|
|
i t |
|
|
|
|
|
... |
|
||||||
|
x |
|
|
|
|
|
|
|
|
|
|
|
2 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
2! |
|
n |
||||||||||||||||
|
e |
|
1 x |
|
|
3! |
... |
k 1 |
|
|
|
|
|
|
n |
|
|
|
|
|||||||
|
|
|
2! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M (M)n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
ограничимся 3-мя |
|
|
t2 2 |
|
|
c |
|
|
|
n |
|
|
|
|
|
|
|
||||||||
|
членами разложения |
1 |
|
|
|
|
|
|
... . |
|
|
|
|
|
|
|
||||||||||
2 2n |
n |
32 |
|
|
|
|
|
|
Р |
|||||||||||||||||
|
и учтём, что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
||||||
|
M[X mx] 0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
M[(X m )2] 2, |
|
|
|
|
|
|
|
|
|
|
|
|
У |
|
|
||||||||||
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Здесь с – некоторая постоянная, которая не зависит от n и содержит факториалы.
Переходя к логарифмам и используя формулу ln(1 ) , получаем |
|||||||||||||||||||||||
|
|
|
|
|
t2 |
|
c |
|
|
|
|
Б |
c |
c |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
t2 |
|
|
|
|
||||||||||
|
lng(t) nln |
|
1 |
|
|
|
3 |
... |
|
|
|
Г |
... . |
|
|
|
|
||||||
|
|
|
|
|
2n |
|
|
а |
2 |
|
|
|
n 2 |
|
|
|
|
||||||
|
|
|
|
|
n 2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
к |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Найдем предел этого выражения при n и увидим, что lim |
|
|
|
0, |
|||||||||||||||||||
тогда |
|
|
|
е |
|
|
|
|
|
|
|
|
t2 |
|
n |
|
|
n |
|||||
|
|
|
|
|
t2 |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
о |
|
lng(t) |
2 |
. |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
что ха- |
||||||
Потенцируя это выражение, получаем g(t) e 2 . Отсюда следует, |
|||||||||||||||||||||||
функция |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
рактеристическая |
|
н рмированной последовательности Y0 сходится к |
характеристической функции нормированной нормальной случайной величины. |
|||
|
|
л |
|
Таким образом, при достаточно большом n распределение суммы случай- |
|||
|
б |
|
|
ных величин пр б женно совпадает с нормальным распределением с матема- |
|||
тическим ожиданием n и дисперсией n . |
n |
||
и |
|
||
Доказанная теорема, как установил Ляпунов, справедлива также и для слу- |
|||
чая, когда случайные величины X1,X2,...,Xk |
слабо зависимы и имеют произволь- |
||
Б |
|
|
|
ные разные законы распределения. При этом требуется, чтобы никакое Xk не до-
минировало над остальными слагаемыми в Xk . Этим и объясняется широкое
k 1
распространение в природе и технике нормального закона распределения.
Пример.
t2
Показать, что характеристическая функция g(t) e 2 имеет плотность распределения нормированной нормальной случайной величины.
99
Решение.
Используем обратное преобразование Фурье:
|
1 |
ity |
|
1 |
ity |
|
t2 |
|
1 |
|
t2 |
ity |
|
для краткости |
|
|||
|
|
|
|
|
|
|
||||||||||||
f (y0) |
|
e |
|
0 g(t)dt |
|
e |
|
0e 2 dt |
|
e |
2 |
|
dt |
записываем y |
|
|||
2 |
|
2 |
|
2 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вместо y0 |
|
t2 ity
2
|
1 |
(t |
2 |
2ity |
(iy) |
2 |
|
1 |
|
|
1 |
|
|
|
1 |
|
|
U t iy |
|
e |
y2 |
|
|
U2 |
|
||||||||||||||||||
2 |
|
|
|
|
|
|
(iy)2 |
|
(t iy)2 |
|
|
2 |
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e 2 |
e 2 |
dt |
dU dt |
|
|
|
|
e 2 dU |
||||||||||||||
2 |
|
|
|
|
|
|
1 |
|
|
|
|
2 |
|
2 |
|
2 |
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
(iy) |
|
) |
|
|
|
|
(t |
iy) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ИР |
||||||||||||||||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
(iy)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ГУ |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
1 |
|
|
|
|
e |
y02 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
= |
|
|
|
|
|
|
2 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
– ЛБпласа |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7.5. Формулы Му |
|
|
|
|
|
|
|
|
|
|||||||||||||||
Рассмотрим частный случай центральной предельной теоремы, когда сла- |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вра |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
дискр ктными |
|
|
|
|
|
|
|
|
|
|
|||||||||||
гаемые |
в Y Xk являются |
случайными |
величинами. Пусть |
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
е |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
тn |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
производится n независимых испы аний по схеме Бернулли, в каждом из кото- |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
рых событие А появляется с вер я нос ью p: P(A) p, P(A) 1 p q. Тогда |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
л |
|
|
|
|
|
|
|
P (k) Ck pkqn k . |
|
|
|
(*) |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
равную числу наступлений событий А в |
|||||||||||||||||||
Введем с учайную величину Xk , |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
k-м опыте. Рассмотримислучайную величину Y X1 X2 ... Xn , т. е. равную |
|||||||||||||||||||||||||||||||||||||||||||
|
числу |
наступлений события А в n опытах. Случайные величины Xk не- |
|||||||||||||||||||||||||||||||||||||||||
общему |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
завис мы |
|
|
|
|
|
меют одинаковый закон распределения. |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xk |
|
0 |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pk |
|
|
q |
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
Ранее мы показали (см. раздел 7.3), что M[Xk ] p, D[Xk ] p q.
Сформируем центрированную случайную величину Zn Y np . npq
Тогда при n распределение суммы случайных величин стремится к нормальному распределению с параметрами M[Z] = 0 и D[Z] = 1. Обозначим
100
функцию распределения Fn(z) P(Zn z). Тогда последовательность функции распределения Fn(z) сходится по распределению к функции распределения нормированного нормального закона N(0,1):
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y np 2 |
1 |
|
|
|
|
|
|
|
|||||
|
|
1 |
|
|
Z |
|
Z |
|
|
|
|
|
1 |
|
|
|
|
Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2dY . |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
limF (z) |
|
|
|
|
e |
2 dz |
|
|
|
|
|
|
e |
npq |
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
n n |
2 |
|
|
|
|
|
|
|
|
2 npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Вероятность попадания случайной величины Y в интервал [a,b] (на осно- |
||||||||||||||||||||||||||||||||||||
вании свойства 2 функции распределения): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р |
|
|
|||||||||||||||
P(a Y b) |
1 |
b np |
|
a np |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
И |
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
У |
2 |
|
z |
z2 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Это интегральная теорема Муавра – Лапласа, где (z) |
|
e |
2 dz – |
|||||||||||||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||||||||||||
функция Лапласа. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
|
|
|
|
|
2 0 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вероятность того, что при n независимых испытаниях события А насту-
пают ровно k раз (при больших n), удобно считать на основании локальной |
|||||||||||||||||||||||||||
теоремы Лапласа: |
|
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
к |
2 |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
1 |
|
|
|
k |
np |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
npq |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
P(Y |
k) |
|
|
|
|
|
|
|
|
e |
|
|
|
|
|
|
|
(x), |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
npq |
2 |
|
|
|
npq |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
где x |
k |
np |
|
. |
|
|
|
е |
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Вероятность успешнойработы телевизора после сборки равна 0,75. Найти |
|||||||||||||||||||||||||||
|
|
|
npq |
|
|
т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Пример: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
10 |
|
л |
з 10 телевизоров 8 заработают. Используем локальную |
||||||||||||||||||||||
вероятность того, что |
|||||||||||||||||||||||||||
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
теорему Лап аса ипо учаем P10(Y 8) 0,27 – по таблицам, а по формуле Бер- |
|||||||||||||||||||||||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
нулли – P |
(8) 0,28. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
101