- •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
Исходные данные к задаче 2.51.
№ |
a |
b |
c |
x1 |
x2 |
№ |
a |
b |
c |
x1 |
x2 |
1 |
–1 |
2 |
3 |
–1/3 |
4/3 |
16 |
–3 |
–4 |
2 |
1/3 |
1 |
2 |
–2 |
8 |
–1 |
1 |
3 |
17 |
–2 |
–4/3 |
2/3 |
–1/3 |
2/3 |
3 |
–4 |
–6 |
0 |
–3/4 |
1/4 |
18 |
–3 |
3 |
0 |
1/2 |
3/2 |
4 |
–2 |
8 |
–2 |
1 |
3 |
19 |
–2 |
4/3 |
0 |
1/3 |
1 |
5 |
–2 |
4/3 |
–2/3 |
1/3 |
2/3 |
20 |
–3 |
4 |
–2 |
–1/3 |
2/3 |
6 |
–3 |
3 |
–2 |
1/2 |
3/2 |
21 |
–2 |
–8 |
0 |
–3/2 |
–1/3 |
7 |
–2 |
–8 |
2 |
–3/2 |
–1 |
22 |
–2 |
–4/3 |
0 |
–1/3 |
2/3 |
8 |
–4 |
6 |
2 |
1/4 |
3/4 |
23 |
–3 |
–4 |
1 |
1/3 |
1 |
9 |
–2 |
4/3 |
–1/3 |
0 |
2/3 |
24 |
–4 |
6 |
0 |
0 |
3/4 |
10 |
–3 |
4 |
–1 |
1/3 |
4/3 |
25 |
–3 |
4 |
0 |
–1/3 |
4/3 |
11 |
–3 |
–3 |
1 |
1/2 |
3/2 |
26 |
–2 |
8 |
–1 |
1 |
2 |
12 |
–2 |
8 |
0 |
1 |
3 |
27 |
–4 |
6 |
1 |
0 |
3/4 |
13 |
–4 |
–6 |
–2 |
–1/2 |
1/4 |
28 |
–2 |
–8 |
1 |
–3/2 |
–1 |
14 |
–3 |
–4 |
0 |
1/3 |
4/3 |
29 |
–3 |
3 |
0 |
1/2 |
3/2 |
15 |
–3 |
–3 |
2 |
–1/2 |
1/3 |
30 |
–4 |
–6 |
–1 |
–1/2 |
1/4 |
2.10.Асимптотика схемы независимых испытаний
2.10.1.Локальная и интегральная теоремы Муавра–Лапласа
При большом числе опытовn формула Бернулли (2.6.1) приводит к большому объему вычислений. Существуют приближенные формулы для вычисления вероятностей Pn (k), которые дают тем большую точность, чем больше число n.
Пусть k –– число появлений события A в n независимых опытах, в каждом из которых P( A) = p (0 < р <1). Тогда при достаточно большихn
(хотя бы несколько десятков) вероятность того, |
что |
в n независимых |
||||||
опытах событие A ровно k раз, определяется формулой |
|
|||||||
|
|
1 |
ì |
(k - np) |
2 ü |
|
||
Pn (k) » |
|
ï |
ï |
|
||||
|
|
|
exp í- |
2npq |
ý . |
(2.10.1) |
||
|
|
|
||||||
2pnpq |
||||||||
|
|
ï |
ï |
|
||||
|
|
|
î |
|
þ |
|
Эта формула составляет содержаниелокальной теоремы Муавра– |
|
||||||||||||||||
Лапласа. Для |
вычисления |
вероятностей |
|
|
по формуле(2.10.1) удобно |
|
|||||||||||
пользоваться |
таблицей |
функцииj(t) |
|
|
|
1 |
|
|
|
exp{= -t2 / 2} (см. |
прил., табл. |
|
|||||
|
|
|
|
|
|
|
|
||||||||||
|
|
|
2p |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
П1). Использование |
этой |
|
|
функции |
|
|
позволяет |
записать |
искомую |
||||||||
вероятность в виде |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P (k) » |
|
1 |
|
æ k - np ö |
|
|
|||||||||
|
|
|
|
j ç |
|
|
|
|
|
|
|
÷ . |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
n |
|
|
npq |
ç |
|
|
|
|
|
÷ |
|
|
|||
|
|
|
|
|
è |
|
|
npq ø |
|
|
93
Вероятность того, |
что в n независимых опытах событиеA появится |
|||||||||||||
от k1 до k2 раз, определяется формулой |
|
|
|
|
|
|
|
|
||||||
|
P (k £ k £ k |
æ k |
2 |
- np ö |
æ k - np ö |
|
||||||||
|
) » Fç |
|
|
|
÷ |
- Fç |
1 |
|
|
÷ . |
(2.10.2) |
|||
|
|
|
|
|
|
|
|
|||||||
|
n 1 |
2 |
ç |
|
|
npq |
÷ |
ç |
|
÷ |
|
|||
|
|
|
è |
|
|
ø |
è |
|
npq ø |
|
||||
Эта |
формула |
составляет |
|
|
содержаниеинтегральной |
теоремы |
||||||||
Муавра–Лапласа. |
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание. Правая часть формулы(2.10.1) соответствует функции плотности вероятности нормального закона распределенияN (np;npq). Формула (2.10.2) является формулой (2.9.2), записанной для нормального закона распределения N (np;npq).
Пример 2.52. Восемьдесят процентов приборов после сборки |
|||||||||||
нуждаются в регулировке. Какова вероятность |
того, что среди 400 |
||||||||||
собранных за смену приборов в регулировке нуждаются: а) не менее 310; б) |
|||||||||||
не более 350; в) от 304 до 336? |
|
|
|
|
|
|
|
|
|||
Решение. Сборку каждого прибора можно считать независимым |
|||||||||||
испытанием с вероятностью появления события |
равной = 0,8. Так как |
||||||||||
число опытов велико, то можно воспользоваться интегральной теоремой |
|||||||||||
Муавра–Лапласа (2.10.2): |
|
|
|
|
|
|
|
|
|||
æ 400 - 400 ×0,8 ö |
æ 310 - 400 ×0,8 ×0, 2 ö |
||||||||||
а) Р400 (310;400) = Fç |
|
|
|
÷ |
- Fç |
|
|
|
|
÷ = |
|
|
|
|
|
|
|
|
|||||
400 ×0,8 ×0, 2 |
400 ×0,8 |
×0, 2 |
|||||||||
è |
|
ø |
è |
|
ø |
|
= F(10) + F(1, 25) =0,5 + 0,3944 = 0,8944 » 0,9; |
|
|||||||||||||||||||||||
б) Р |
(0;350) = F |
æ |
350 - 400 ×0,8 |
ö |
- F |
æ |
|
0 - 400 ×0,8 |
ö |
= |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
400 |
|
ç |
|
400 ×0,8 ×0, 2 |
÷ |
|
|
|
|
ç |
|
400 ×0,8 ×0,2 |
÷ |
|
|
|
|
||||||||
|
|
è |
|
ø |
|
|
|
|
è |
|
ø |
|
|
|
|
||||||||||
|
= F(3,75) + F(40) |
|
|
0,=4999 + 0,5 |
0,9999= |
|
|
»1; |
|
|
|||||||||||||||
в) Р |
(304;336) = F |
æ |
336 - 400 × 0,8 |
|
ö |
- F |
æ 304 - 400 ×0,8 ×0,2 |
ö |
= |
||||||||||||||||
ç |
|
|
|
|
|
÷ |
ç |
|
|
|
|
|
|
|
÷ |
||||||||||
400 |
|
|
|
400 ×0,8 × 0,2 |
|
|
|
|
400 |
× 0,8 |
× 0,2 |
|
|
||||||||||||
|
|
|
|
è |
ø |
|
|
|
è |
|
|
ø |
|
= F(2) + F(2) = 2F(2) = 0,9545.
Ответ. а) 0,8944 » 0,9 ; б) 0,9999 »1; в) 0,9545.
Задача 2.52.1. Вероятность того, что передаче по каналу связи сигнал из-за помех будет искажен, равна p. Оцените вероятность того, что
при независимой передаче n сигналов: а) от k1 до k2 |
из них будут искажены; |
|||||||||||||||||||
б) не |
менее k1 |
из |
них будут |
искажены; в) |
не |
более k2 |
из |
них |
будут |
|||||||||||
искажены. (См. пример 2.52 и исходные данные.) |
|
|
|
|
|
|
|
|||||||||||||
|
Исходные данные к задаче 2.52.1. |
|
|
|
|
|
|
|
|
|
|
|
||||||||
№ |
p |
|
n |
|
k1 |
k2 |
№ |
p |
n |
k1 |
|
k2 |
|
№ |
p |
n |
|
k1 |
k2 |
|
94
1 |
0,02 |
500 |
5 |
12 |
11 |
0,03 |
700 |
16 |
24 |
21 |
0,01 |
500 |
10 |
16 |
2 |
0,02 |
400 |
6 |
20 |
12 |
0,03 |
800 |
18 |
26 |
22 |
0,02 |
500 |
8 |
12 |
3 |
0,02 |
600 |
9 |
14 |
13 |
0,01 |
800 |
6 |
12 |
23 |
0,02 |
400 |
6 |
15 |
4 |
0,02 |
700 |
10 |
16 |
14 |
0,01 |
900 |
6 |
13 |
24 |
0,02 |
600 |
8 |
12 |
5 |
0.02 |
800 |
12 |
20 |
15 |
0,01 |
1000 |
8 |
14 |
25 |
0,01 |
900 |
7 |
10 |
6 |
0,02 |
900 |
14 |
20 |
16 |
0,01 |
1500 |
12 |
20 |
26 |
0,03 |
400 |
8 |
13 |
7 |
0,02 |
1000 |
15 |
22 |
17 |
0,01 |
2000 |
14 |
22 |
27 |
0,02 |
400 |
7 |
12 |
8 |
0,01 |
1000 |
8 |
14 |
18 |
0,01 |
1200 |
8 |
14 |
28 |
0,01 |
700 |
4 |
10 |
9 |
0,03 |
500 |
10 |
15 |
19 |
0,01 |
400 |
10 |
16 |
29 |
0,02 |
200 |
3 |
9 |
10 |
0,03 |
600 |
14 |
16 |
20 |
0,01 |
1600 |
12 |
18 |
30 |
0,01 |
300 |
3 |
8 |
Задача 2.52.2. Известно, что p процентов жителей нашего города поддерживают некоторое мероприятие. Какова вероятность того, что при опросе наугад n жителей не менее k из них выскажутся в поддержку мероприятия. (См. пример 2.52 и исходные данные.)
Исходные данные к задаче 2.52.2.
№ |
p |
n |
k |
№ |
p |
n |
k |
№ |
p |
n |
k |
1 |
15 |
200 |
25 |
11 |
10 |
400 |
35 |
21 |
70 |
100 |
65 |
2 |
35 |
200 |
65 |
12 |
20 |
150 |
35 |
22 |
50 |
200 |
110 |
3 |
20 |
150 |
25 |
13 |
20 |
200 |
45 |
23 |
50 |
200 |
95 |
4 |
25 |
200 |
55 |
14 |
60 |
200 |
115 |
24 |
35 |
200 |
75 |
5 |
30 |
100 |
25 |
15 |
50 |
150 |
70 |
25 |
20 |
300 |
55 |
6 |
40 |
100 |
45 |
16 |
60 |
200 |
125 |
26 |
20 |
300 |
65 |
7 |
25 |
200 |
45 |
17 |
50 |
150 |
80 |
27 |
20 |
300 |
70 |
8 |
15 |
200 |
35 |
18 |
50 |
300 |
140 |
28 |
25 |
300 |
80 |
9 |
45 |
100 |
50 |
19 |
50 |
200 |
90 |
29 |
25 |
400 |
90 |
10 |
50 |
100 |
45 |
20 |
50 |
200 |
105 |
30 |
25 |
400 |
105 |
Пример |
2.53. |
В |
страховой |
компании |
застраховано10000 |
автомобилей. |
Вероятность |
поломки любого автомобиля в результате |
|||
дорожно-транспортного |
происшествия равна0,02. Каждый владелец |
||||
застрахованного автомобиля платит в год24 у.е. страховых и в случае |
|||||
поломки автомобиля в результате аварии получает от компании1000 у.е. |
|||||
Найдите вероятность |
того, |
что по истечении года работы компания |
|||
потерпит убытки от этого вида страховой деятельности. |
|
||||
Решение. |
Страховой |
сбор 10000с |
владельцев |
автомобилей |
|
составляет 24 ×10000 = 240000 |
у.е. Компания потерпит убытки, если будет |
||||
предъявлено |
более 240 исков по 1000 |
у.е. каждый. |
Вероятность |
поступления страхового иска от каждого автовладельца 0,02равна. Эксплуатацию каждого автомобиля в течение страхового срока можно считать независимым испытанием. Так как число испытаний велико
95
( n =10000 ), то можно воспользоваться интегральной |
|
теоремой Муавра- |
||||||
Лапласа. По формуле (2.10.2) |
|
|
|
|
|
|||
|
|
Р10000 (240 £ k £10000)= |
æ10000 -10000 ×0,02 ö |
|||||
|
|
Fç |
|
|
|
÷ –– |
||
|
|
|
|
|||||
|
10000 × 0,02 × 0,98 |
|||||||
|
|
|
|
è |
ø |
|||
æ |
240 -10 000 × 0,02 |
ö |
|
|
|
|
|
|
-Fç |
|
= |
÷ F(700) – F(2,86) 0,5 –=0, 4979 0, 0021= . |
|||||
ç |
10 000 ×0,02 ×0,98 |
÷ |
|
|
|
|
|
|
è |
ø |
|
|
|
|
|
Ответ. 0,0021. |
|
|
|
Задача 2.53. Медицинская страховка туриста стоит300 |
рублей. При |
||
наступлении страхового |
случая(травма, заболевание |
и |
т.).д турист |
получает страховку m тыс. |
рублей. Страховая компания |
застраховалаn |
туристов. Вероятность наступления страхового случая для каждого туриста равна p. Какова вероятность того, что страховая компания потерпит убытки
от этого вида страховой деятельности? |
|
|
|
|
|
|
|
||||||||||
|
|
Какова вероятность того, что доход компании |
от |
этого |
вида |
||||||||||||
страховой |
деятельности |
превысит10k тыс. рублей в |
вариантах 1–15, |
и |
|||||||||||||
превысит 5k в вариантах 16–30, где k –– номер варианта? (См. пример 2.53 |
|||||||||||||||||
и исходные данные.) |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
Исходные данные к задаче 2.53. |
|
|
|
|
|
|
|
|
|||||||
|
№ |
m |
|
n |
p |
№ |
m |
|
n |
p |
№ |
m |
n |
p |
|
||
|
1 |
|
20 |
|
2000 |
0,01 |
11 |
2000 |
|
0,025 |
4 |
21 |
|
20 |
4000 |
0,015 |
|
|
2 |
|
20 |
|
3000 |
0,015 |
12 |
3000 |
|
0,01 |
4 |
22 |
|
25 |
4000 |
0,025 |
|
|
3 |
|
25 |
|
2000 |
0,02 |
13 |
4000 |
|
0,015 |
2 |
23 |
|
20 |
5000 |
0,015 |
|
|
4 |
|
25 |
|
3000 |
0,025 |
14 |
4000 |
|
0,02 |
1 |
24 |
|
25 |
5000 |
0,015 |
|
|
5 |
|
20 |
|
4000 |
0,01 |
15 |
5000 |
|
0,025 |
4 |
25 |
|
20 |
2000 |
0,025 |
|
|
6 |
|
25 |
|
4000 |
0,015 |
16 |
5000 |
|
0,01 |
4 |
26 |
|
20 |
3000 |
0,025 |
|
|
7 |
|
20 |
|
5000 |
0,02 |
17 |
2000 |
|
0,02 |
4 |
27 |
|
25 |
2000 |
0,01 |
|
|
8 |
|
25 |
|
5000 |
0,025 |
18 |
3000 |
|
0,01 |
5 |
28 |
|
25 |
3000 |
0,02 |
|
|
9 |
|
20 |
|
2000 |
0,015 |
19 |
2000 |
|
0,02 |
5 |
29 |
|
20 |
4000 |
0,025 |
|
|
10 |
|
20 |
|
3000 |
0,02 |
20 |
3000 |
|
0,015 |
5 |
30 |
|
25 |
4000 |
0,01 |
|
Пример 2.54. Вероятность попадания в цель при выстреле равна0,8. Сколько нужно запланировать выстрелов, чтобы с вероятностью большей 0,9 можно было получить не менее 30 попаданий.
Решение. Каждый выстрел считаем независимым опытом. Из условий задачи легко видеть, что число выстреловn должно быть
достаточно |
большим ( n > 30 ). Поэтому |
можно |
воспользоваться |
интегральной формулой Муавра–Лапласа (2.10.2): |
|
|
96
æ |
n - n ×0,8 |
ö |
æ |
30 - n ×0,8 |
ö |
|
|
||||
Pn (30 £ k £ n) » Fç |
|
|
|
÷ |
- Fç |
|
|
|
÷ |
> 0,9. |
(2.10.3) |
|
|
|
|
|
|
||||||
|
n ×0,8 ×0, 2 |
|
n ×0,8 ×0, 2 |
||||||||
è |
|
ø |
è |
|
ø |
|
|
|
|
Заметим, что |
|
n - n ×0,8 |
|
|
= |
n ×0, 2 |
|
|
= |
|
/ 2 |
и при n > 30 |
величина |
|||||||||||
|
|
|
|
|
n |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
n × 0,8 × 0, 2 |
0, 4 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
æ |
n - n × 0,8 |
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
n / 2 > 2,74. Поэтому Fç |
|
|
|
|
|
|
|
|
÷ > 0, 4969 » 0,5. |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
n ×0,8 ×0, 2 |
|
|
||||||||||||||||||||||
|
|
|
|
|
è |
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
В итоге неравенство (2.10.3) можно переписать в виде |
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
æ n × 0,8 - 30 |
ö |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
Fç |
|
|
|
|
|
|
|
|
|
÷ > 0, 4. |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
n ×0,8 × |
0, 2 |
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
è |
|
ø |
|
|
F(1, 28) = 0, 4. |
|
|
|||||||||||||
|
|
По таблице функции Лапласа находим, что |
Так |
как |
||||||||||||||||||||||
функция |
Лапласа |
|
строго |
|
|
возрас, таето |
n ×0,8 - |
30 |
>1, 28 |
или |
||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0, 4 n |
|
|
n – 0,64n -37,5 > 0. Откуда n > 6,4538, т.е. n > 41,65. Итак, n ³42.
Ответ. 42.
Задача 2.54. При разливе выплавленного металла вероятность получить годную отливку равнаp. Сколько нужно запланировать отливок, чтобы с вероятностью большеP после проверки получить не менееk годных отливок? (См. пример 2.54 и исходные данные.)
Исходные данные к задаче 2.54.
№ |
p |
P |
k |
№ |
p |
P |
k |
№ |
p |
|
P |
k |
№ |
p |
P |
k |
|
||
1 |
0,9 |
0,9 |
25 |
9 |
|
0,6 |
0,9 |
40 |
17 |
0,8 |
|
0,8 |
50 |
|
25 |
0,5 |
0,9 |
35 |
|
2 |
0,9 |
0,95 |
40 |
10 |
|
0,9 |
0,9 |
35 |
18 |
0,5 |
|
0,9 |
30 |
|
26 |
0,6 |
0,9 |
30 |
|
3 |
0,6 |
0,9 |
35 |
11 |
|
0,7 |
0,9 |
35 |
19 |
0,8 |
|
0,9 |
45 |
|
27 |
0,9 |
0,95 |
25 |
|
4 |
0,9 |
0,9 |
30 |
12 |
|
0,6 |
0,8 |
40 |
20 |
0,6 |
|
0,9 |
45 |
|
28 |
0,6 |
0,95 |
35 |
|
5 |
0,7 |
0,9 |
30 |
13 |
|
0,9 |
0,95 |
35 |
21 |
0,7 |
|
0,9 |
40 |
|
29 |
0,8 |
0,9 |
40 |
|
6 |
0,6 |
0,8 |
30 |
14 |
|
0,6 |
0,9 |
25 |
22 |
0,5 |
|
0,9 |
40 |
|
30 |
0,9 |
0,95 |
30 |
|
7 |
0,8 |
0,9 |
35 |
15 |
|
0,5 |
0,9 |
45 |
23 |
0,9 |
|
0,95 |
50 |
|
31 |
0,8 |
0,9 |
35 |
|
8 |
0,5 |
0,9 |
25 |
16 |
|
0,9 |
0,9 |
40 |
24 |
0,8 |
|
0,9 |
30 |
|
32 |
0,6 |
0,8 |
40 |
|
|
Замечание. |
При |
значениях0,1 < p < 0,9 |
формула |
Муавра–Лапласа |
(2.10.2) дает приближение приемлемой точности, так как многоугольник распределения при большом числе опытов напоминает по форме функцию плотности вероятности нормального закона распределения (см. рис. 2.10.1, на котором указаны вероятности P8 (k) = C8k pk q8-k при разных значениях p).
97