- •ВВЕДЕНИЕ
- •Глава XIV ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •Раздел I
- •Виды случайных событий
- •Классическое определение вероятности
- •Основные формулы комбинаторики
- •Статистическое определение вероятности
- •Непосредственное вычисление вероятностей
- •§ 2. Теорема сложения вероятностей несовместных событий
- •§ 3. Условная вероятность. Теорема умножения вероятностей
- •§ 4. Теорема сложения вероятностей совместных событий
- •§ 5. Формула полной вероятности
- •§ 6. Формула Бейеса
- •§ 7. Схема Бернулли
- •Раздел II
- •§ 2. Математическое ожидание, дисперсия и среднеквадратическое отклонение случайной величины, их свойства
- •Свойства математического ожидания
- •Свойства дисперсии
- •Примеры решения задач
- •§ 3. Примеры распределения случайных величин
- •3.1 Биномиальное распределение
- •3.2 Распределение Пуассона
- •3.3 Нормальное распределение
- •3.4. Равномерное распределение
- •3.5 Показательное (экспоненциальное) распределение
- •§ 4. Система случайных величин
- •§ 5. Ковариация и коэффициент корреляции
- •Свойства коэффициента корреляции
- •§ 6. Закон больших чисел. Теорема Чебышева
- •§ 7. Центральная предельная теорема Ляпунова
- •Глава XV МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •§ 1. Задачи математической статистики
- •§ 2. Выборочный метод
- •2.1 Генеральная и выборочная совокупности
- •2.2 Статистическое распределение выборки
- •2.3 Эмпирическая функция распределения
- •2.4 Полигон и гистограмма
- •2.5 Оценки математического ожидания
- •2.6 Оценки дисперсии
- •§ 3. О статистической проверке гипотез
- •ПЕРЕЧЕНЬ КОНТРОЛЬНЫХ ВОПРОСОВ
- •КОНТРОЛЬНЫЕ ЗАДАНИЯ
- •Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •ПРИЛОЖЕНИЕ
- •Список рекомендуемой литературы
9
II способ.
|
|
челюсть |
|
|
|
|
|
1 |
2 |
|
32 |
2 способа заполнения каждой ячейки. Всю челюсть можно заполнить
2 2 ... 2 = 232 = 4,29496 109 .
32 раза
Статистическое определение вероятности
Относительной частотой события называют отношение числа испытаний, в которых событие появилось, к общему числу фактически произведенных испытаний:
W ( A) = mn ,
m– число появлений события,
n– общее число испытаний.
Сопоставляя определения вероятности и относительной частоты, заключаем: определение вероятности не требует, чтобы испытания проводились в действительности; определение же относительной частоты предполагает, что испытания были произведены фактически.
Пример 13. ОТК обнаружил 3 нестандартных детали в партии из 100 случайно отобранных деталей. Относительная частота появления нестандартных деталей: W ( A) = 0,03 .
Длительные наблюдения показали, что если в одинаковых условиях производят опыты, в каждом из которых число испытаний велико, то относительная частота обнаруживает свойство устойчивости. Это свойство состоит в том, что в различных опытах относительная частота изменяется мало (или меньше, чем больше произведено испытаний), колеблясь около некоторого постоянного числа. Оказалось, что это постоянное число есть вероятность события.
Таким образом, если опытным путем установлена относительная частота, то полученное число можно принять за приближенное значение вероятности.
Недостатки классического определения вероятности
1)Количество элементарных исходов конечно.
2)Невозможность в большинстве случаев представления результата в виде совокупности элементарных событий.
10
3)Трудность обоснования равновозможности элементарных исходов.
Недостатки статистического определения вероятности
Неоднозначность статистической вероятности.
Кроме того должна быть в наличии хотя бы принципиальная возможность проведения неограниченного числа испытаний с наличием A и A , и устойчивость W в различных сериях испытаний.
Непосредственное вычисление вероятностей
Пример 14.
В лотерее 1000 билетов. Из них 500 выигрышные и 500 – невыигрышные. Куплено 2 билета. Какова вероятность, что оба билета выигрышные?
Решение.
P( A) = mn .
|
|
|
|
|
C5002 |
500! |
|
|
|
|
|
|
||
m = C2 |
, |
n = C2 |
, |
P( A) = |
= |
|
2! 498! |
|
= |
500 499 |
= |
499 |
≈ 0,23 . |
|
|
|
|
|
|
|
|||||||||
500 |
|
1000 |
|
|
C10002 |
|
|
1000! |
|
1000 999 |
1998 |
|
||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
2! 998! |
|
|
|
Пример 15.
В лотерее 2000 билетов. На один билет падает выигрыш 100 тыс. рублей, на четыре – по 50 тыс. рублей, на десять – по 20 тыс. рублей, на 20 билетов – выигрыш по 10 тыс. рублей, на 105 билетов – по 5 тыс. рублей и 400 билетов – по 1 тыс. рублей. Остальные билеты невыигрышные. Какова вероятность выиграть по билету не менее 10 тыс. рублей?
Решение.
P( A) = mn .
m =1 + 4 +10 + 20 = 35 , n = 2000 . P( A) = 200035 = 0,0175 .
Пример 16.
Вычислить вероятность максимального выигрыша в спортлото 6 из 49.
Решение.
P( A) = mn .