- •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
5. НЕКОТОРЫЕ ИНТЕРЕСНЫЕ ЗАДАЧИ
Поток требований называется простейшим, если интервалы времени между последовательными моментами прихода требований независимы и имеют показательный закон распределения.
Заметим, что в показательном законе распределения наиболее вероятны малые значения случайной величины. Это означает, что часто будут реализовываться малые интервалы между требованиями и редко–– большие. Для наблюдателя это будет выглядеть как локальные сгущения
требований |
и |
локальные |
разряжения. Тем |
самым |
подтверждается |
бытующее |
представление о«полосе везения» |
и «полосе |
невезения». |
Действительно, случайные события, даже будучи независимыми, имеют свойство группироваться во времени.
Задача 5.1 (о времени ожидания). Отметим одну особенность простейшего потока, связанную с «парадоксом времени ожидания». Предположим сначала, что к остановке с равными интервалами подходят автобусы (поток автобусов детерминированный). Пассажир в случайный момент времени приходит на остановку и ожидает ближайшего по времени автобуса. Каково среднее время ожидания пассажира?
Решение. Пусть интервал между автобусами равенt. Так как равновозможно любое значение времени ожиданияХ в пределах от 0 до t, то среднее время ожидания равно
|
|
t |
1 |
|
1 x2 |
|
t |
t |
|
|
|
|||
|
|
|
|
|
|
|
||||||||
|
|
М ( X ) = òx |
dx= |
|
= |
. |
|
(5.1) |
||||||
|
|
|
t |
|
2 |
|
|
2 |
|
|||||
|
|
0 |
t |
|
|
0 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Пусть теперь моменты прибытия автобусов на остановку образуют |
||||||||||||||
простейший |
поток |
интенсивностиl. |
|
|
Так |
|
как |
интервалы |
между |
последовательно приходящими автобусами имеют показательный закон
распределения, то средний интервал |
между |
|
прибытиями автобусов будет |
|||||||||||
равен |
¥ |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|||
M ( X ) = òxlexp(-lx)dx. |
|
|
|
|
|
|
|
|||||||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
||
Интеграл можно взять по частям. Поэтому |
|
|
|
|
|
|
|
|
|
|||||
|
¥ |
|
|
1 |
|
|
|
|
1 |
|
|
|||
|
-lx |
|
¥ |
-lx |
|
|
-lx |
|
¥ |
|
|
|||
|
|
|
|
|
||||||||||
M ( X ) = -x e |
|
|
0 + òe |
|
dx = - |
|
e |
|
|
|
= |
|
. |
(5.2) |
|
|
|
l |
|
|
0 |
l |
|||||||
|
|
|
|
|
|
|||||||||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
||
Плотность вероятности того, что момент |
|
прихода |
пассажира |
|||||||||||
придется на интервал между автобусами длины х, имеет вид |
|
357
|
|
|
|
xle-lx |
xle-lx |
2 |
|
|
-lx |
|
|
|
|||||
|
|
|
|
|
= |
= |
1 |
|
xl |
e |
|
. |
|
|
|||
|
|
¥ |
|
|
|
|
|
|
|||||||||
|
|
|
òxle-lxdx |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
l |
|
|
|
|
|
|
|
|
||||
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Согласно (5.1) при интервале между автобусами длинойх среднее |
|
|||||||||||||||
время |
ожидания равно x / 2 . Поэтому среднее |
|
время ожидания в |
случае |
|
||||||||||||
простейшего потока равно |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
¥ |
x |
|
|
|
|
1 |
|
|
|
|
|||
|
|
|
|
M ( X ) = ò |
xl2e-lxdx = |
|
|
|
|
||||||||
|
|
|
|
2 |
|
l |
|
|
|
|
|||||||
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
||||
(последний интеграл дважды берется по частям). Итак, при регулярном |
|
||||||||||||||||
потоке среднее время ожидания равно |
|
половине интервала |
между |
||||||||||||||
прибытиями автобусов. При чисто случайном потоке автобусов среднее |
|
||||||||||||||||
время ожидания совпадает со средним интервалом между автобусами. |
|
|
|||||||||||||||
|
Заметим, что среднее время ожидания пассажира может быть |
||||||||||||||||
значительно больше среднего интервала между автобусами. Например, |
|
||||||||||||||||
пусть автобусы приходят по расписанию, но такому, что сначала подряд с |
|
||||||||||||||||
интервалами в две минуты проходят пять автобусов, шестой приходит |
|
||||||||||||||||
через |
50 |
минут. |
Тогда |
|
|
средний |
|
|
|
|
интервал |
будет |
раве |
||||
(2 ×5 + 50) / 6 =10 мин. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пассажир может с вероятностью1/5 попасть на череду коротких интервалов между автобусами и среднее время ожидания для него будет равно 1 мин. На большой интервал можно попасть с вероятностью5/6 и тогда среднее время ожидания будет25 мин. Поэтому среднее время ожидания равно 1×1 / 6 + 25 ×5 / 6 126= / 6 21= мин. Минимальным среднее
время ожидания будет при регулярном потоке автобусов при равных интервалах между ними.
Проведем |
рассмотрение в общем случае. Момент, начиная с |
которого мы |
начинаем наблюдать поток событий, можно считать |
случайной точкой t на оси времени t. Пусть в потоке событий интервалы между соседними событиями независимы и имеют одинаковые функции плотности вероятности f (t) (такие потоки называют потоками Пальма).
Найдем плотность вероятности f * (t) длины того интервалаТ * , на
который попала случайная точкаt. Понятно, что шансы точкой попасть в длинный интервал больше, чем в короткий. Поэтому сам факт попадания случайной точки t на интервал меняет его распределение. Рассмотрим
P{T * Î[t,t + dt)} » f * (t)dt. |
(5.3) |
Чтобы вычислить эту вероятность, предположим, что имеем |
дело с |
большой серией изn интервалов. Среднее число интервалов, имеющих длину в пределах отt до t + dt , равно n f (t)dt , а средняя длина суммы
358
таких интервалов равнаtn f (t)dt. Средняя же длина всехn интервалов
¥
равна nmt = nòt f (t)dt . Поэтому
0 |
|
|
|
|
|
|
nt f (t) dt |
|
|
t f (t) |
|
|
|
|||||
f * (t)dt » |
= |
dt . |
|
|||||||||||||||
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
n mt |
|
mt |
|
|
|
|
||||
При n ® ¥ получается точное равенство, из которого следует: |
||||||||||||||||||
|
|
|
|
|
f * (t) = |
t f (t) |
. |
|
|
|
|
|
|
(5.4) |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
mt |
|
|
|
|
|
|
|
||
Средняя длина интервала, в который попала точка, равна |
||||||||||||||||||
|
|
|
* |
|
1 |
¥ |
|
|
|
|
M (T 2 ) |
|
|
|||||
M (T |
|
) = |
|
òtt f (t) dt = |
|
|
. |
|
||||||||||
|
m |
|
m |
|
||||||||||||||
|
|
|
|
|
|
|
t |
0 |
|
|
|
|
|
|
|
t |
|
|
Так как D(T ) = M (T 2 ) – (m )2 , то |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
D(T ) + (m )2 |
|
|
|
D(T ) |
|
||||||||
M (T ) = |
= |
|
t |
mt |
+ |
|
|
|
. |
|||||||||
mt |
|
mt |
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Например, для показательного закона распределения интервалов(для
простейшего |
потока |
событий |
|
|
интенсивностиl) mt |
= M =(T ) 1 / l, |
|||||||
D(T ) =1 / l |
2 |
, |
поэтому f |
* |
(t) = |
tle-l t |
2 |
te |
-lt |
и M (T |
* |
) = 2 / l . |
|
|
|
= |
l |
|
|
|
|||||||
|
|
|
|
|
|
1 / l |
|
|
|
вероятностиf * (t) |
|
||
График |
этой функции плотности |
изображен на |
рис. 5.1. Если для показательного закона распределения наиболее вероятны малые значения, то для f * (t) вероятности смещены в сторону больших значений.
Рис. 5.1
Пусть F (x) и f (x) соответственно функция распределения и функция плотности вероятности интервала X между моментами появления соседних событий. Предположим, что с момента появления последнего события уже прошло времяt. Найдем распределения оставшейся части интервала, которую обозначим через R:
359
P(R < r) F (r / t) |
F (r=/ X ³ t) |
|
P( X < t + r, X ³ t) |
P(t £ X < t + r) |
||||||
|
= |
|
= |
|||||||
|
|
|
|
|
|
|
|
P( X ³ t) |
P( X ³ t) |
|
|
|
= |
F (r + t) - F (t) |
, |
|
|||||
|
|
|
|
|
||||||
|
|
|
|
|
1 - F (t) |
|
||||
откуда f (r / t) = |
dF (r, t) |
= |
f (r + t) |
. |
|
|
|
|||
|
|
|
|
|
||||||
|
dr |
|
|
1 - F (t) |
|
|
|
Задача 5.2 (о наилучшем выборе). Имеется n однородных предметов различного качества, причем заранее о предметах ничего не известно. Предметы можно выбирать наугад по одному и обследовать. Если качество предмета нас не устраивает, о выбираем очередной предмет, но к отвергнутому предмету вернуться нельзя. Какой стратегии следовать, чтобы вероятность выбрать наилучший предмет была наибольшей? (Эту
задачу называют еще |
задачей о |
разборчивой . невестеКневесте |
последовательно сватаются n женихов. |
Жених, получивший отказ, |
|
повторно не сватается.) |
|
|
Решение. Поскольку качество этих предметов нам неизвестно, то для |
начала необходимо получить представление о том, чего следует |
ожидать. |
Рассмотрим следующий порядок действий: Просмотрим m |
( m < n ) |
предметов и отвергнем их, не взирая на качество. Затем остановим свой
выбор на первом предмете, который окажется лучше всех |
ранее |
||
просмотренных. |
|
|
|
Вычислим |
вероятность выбрать наилучший |
предмет при |
таком |
образе действий, а затем определим оптимальное значение m. |
|
||
Обозначим |
через Ak –– событие, состоящее в том, |
что наилучшим |
|
является (k +1) -й предмет и при этом наилучший из первыхk предметов |
|
находится среди первых m предметов (последнее условие гарантирует нам, что дело дойдет до выбора (k +1) -го предмета.). Тогда
n-1
P(выбрать наилучший предмет) = åP( Ak ) =
|
|
|
|
|
|
|
k =m |
|
|
||||
n-1 |
æ того, что наилучшим окажется ö |
|
æ того, что наилучший среди |
ö |
|
||||||||
ç |
первых k предметов находится |
÷ |
= |
||||||||||
= åP ç |
÷ |
× P ç |
÷ |
||||||||||
k =m |
è(k -1)-й по счету предмет |
ø |
ç |
среди первых m предметов |
÷ |
|
|||||||
|
|
|
|
|
|
è |
ø |
|
|||||
|
n -1 |
|
m |
|
|
m |
|
n-1 |
|
|
|||
|
= å |
1 |
× |
= |
|
å |
1 |
. |
|
|
|||
|
|
|
|
|
|
|
|||||||
|
k =m n |
|
k |
|
n k =m k |
|
|
||||||
|
Выберем число s между 0 и 1 и пусть m = [ns] –– наибольшее целое |
||||||||||||
число, меньшее, чем ns. Определим |
|
при n ® ¥ наилучшее значениеs |
|||||||||||
(наилучшее в смысле максимизации исследуемой вероятности). Заметим: |
|
360
|
m n-1 1 [ns] |
n-1 1 |
n 1 |
|
|
||||||||||||
|
P(s) = = å |
|
|
|
|
|
å |
|
|
» =s |
|
dx -s ln s. |
|
||||
|
|
|
|
|
|
|
|
||||||||||
|
n k =m k |
n |
k =[ns ] k |
nsò x |
функцииP(s) = -s ln s . По |
||||||||||||
Найдем |
максимальное |
|
|
значение |
|||||||||||||
необходимому |
условию |
|
|
|
|
|
|
|
¢ |
|
= – ln=s – 1 |
0 Þ ln s= –1 Þ |
|||||
экстремумаP (s) |
|||||||||||||||||
Þ s =1 / e –– критическая точка. В этой |
точке функция |
имеет максимум |
|||||||||||||||
|
¢¢ |
|
s=1/e = -1 /=s |
|
s=1/e |
-e < 0. |
|
||||||||||
|
|
|
|
||||||||||||||
так как в этой точке P (s) |
|
|
|
Итак, оптимальная стратегия рекомендует просмотреть примерно треть предметов (точнее, [n / e]) и затем остановить свой выбор на первом предмете лучшем, чем все ранее просмотренные. Не исключено, что
лучший предмет уже был просмотрен в первой |
трети предметов, и |
отвергнут. Тогда придется остановиться на последнем из предметов. Еще |
|
раз подчеркнем, что предлагаемая стратегия не |
гарантирует выбор |
наилучшего предмета, но делает его выбор наиболее вероятным. |
Задача 5.3. Вы принимаете участие в телеигре, и Вам предлагают выбрать одну из трех шкатулок, в одной из которых лежат деньги. Вы выбрали некоторую шкатулку (например, шкатулку № 1). Ведущий после этого открывает одну из двух других шкатулок(например, шкатулку № 3), показывает, что она пуста, и спрашивает: не желаете ли Вы изменить свое решение и выбрать шкатулку №2? Следует ли Вам менять свое решение или нет?
Решение. Будем полагать, что ведущий знает, где деньги лежат, и поэтому открывает именно пустую шкатулку. Насчет шкатулки с деньгами есть три одинаково вероятных предположения: Bi –– деньги находятся в i-й шкатулке, P(Bi ) =1 / 3, ( i = 1, 2,3).
Событие A состоит в том, что Вы выбрали шкатулку № 1, а ведущий открыл шкатулку №3. При пустой третьей шкатулке в силу симметрии
Ваши шансы на выигрыш равны 1/2. |
|
|
|||||
|
Если деньги действительно находятся в первой шкатулке, то ведущий |
||||||
с |
вероятностью 1/2 |
откроет |
именно |
шкатулку 3.№ Поэтому |
|||
P( A / B1 ) =1 / 2. |
|
|
|
|
|||
|
Если |
деньги |
находятся |
во второй шкатулке, то ведущий с |
|||
вероятностью 1 откроет именно шкатулку № 3 ( P( A / B2 ) =1). |
|
||||||
|
Если деньги в третьей шкатулке, то вероятность выбора ведущим |
||||||
третьей шкатулки нулевая ( P( A / B3 ) = 0 ). |
|
|
|||||
|
По формулам Байеса |
P(B1 ) P( A / |
B1 ) |
|
|||
|
P(B1 |
/ A) = |
|
|
= |
||
|
P(B1 )P( A / B1 ) + P(B2 )P( A / B2 ) + P(B3 )P( A / B3 ) |
||||||
|
|
|
|
361
|
|
|
= |
|
|
1 / 3 ×1 / 2 |
|
=1 / 3, |
|
|||
|
|
|
1 / 3 ×1 / 2 +1 / 3 ×1 +1 / 3 ×0 |
|
|
|||||||
|
|
|
|
|
|
|
|
|||||
P(B2 |
/ A) = |
|
|
|
|
|
P(B2 ) P( A / B2 ) |
= |
||||
P(B1 )P( A / B1 ) + P(B2 )P( A / B2 ) + P(B3 )P( A / B3 ) |
||||||||||||
|
|
|
||||||||||
|
|
|
|
= |
|
1 / 3 ×1 |
|
|
= 2 / 3, |
|
||
P(B3 / A) = 0. |
|
1 / 3 ×1 / 2 +1 / 3 ×1 +1 / 3 × 0 |
|
|||||||||
|
|
|
|
|
||||||||
|
|
|
|
|
|
то P(B2 / A) = 1 / 2 и тогда |
||||||
Если ведущий не знает где деньги лежат, |
P(B1 / A) = P(B2 / A) =1 / 2.
Итак, игроку предварительно следует осведомиться у ведущего, знает ли он где деньги лежат. При положительном ответе следует изменить свой выбор. Если ведущий не знает, в какой шкатулке деньги, то менять выбор смысла нет.
Задача 5.4. Производитель некоторой продукции затеял рекламную
акцию. Объявлено, что в |
каждый |
пакет |
продукта заложен одинn из |
||
различных типов |
жетонов. Покупатель, собравший все n типов |
жетонов, |
|||
получает дисконтную карту для длительных скидок на |
этот продукт. |
||||
Сколько в среднем пакетов продукта придется купи, чтобыь |
собрать |
||||
полный комплект из n различных жетонов? |
|
|
|||
Решение. Понятно, что по мере накопления жетонов, шансы найти |
|||||
новый жетон в очередном пакете убывают. Обозначим через Xj |
–– число |
||||
пакетов, которые |
придется |
купить |
после |
обретения( j – 1) -го |
жетона, |
чтобы найти j-й жетон. Тогда общее число купленных пакетов
N=1 + X 2 +X 3 +K+ X n ,
Аматематическое ожидание этого числа равно
M (N ) =1 + M ( X 2 ) + M ( X 3 ) +K+ M ( X n ).
Вероятность того, что для поиска второго жетона придется вскрыть k пакетов, равна
|
|
n -1 |
æ 1 |
ök -1 |
|||
P( X 2 |
= k) |
|
|
×ç= |
÷ |
, k =1, 2,3,K |
|
n |
|||||||
|
|
è n |
ø |
|
(имеется в виду, что (k -1) |
раз |
|
попадутся пакеты с уже обретенным |
||
жетоном и k-й по счету жетон с вероятностью(n -1) / n будет содержать |
|||||
жетон нового типа). Соответственно |
ök -1 |
||||
|
n - 2 |
æ 2 |
|||
P( X 3 = k) |
|
×ç= |
÷ |
, k =1, 2,3,K; |
|
n |
|||||
|
è n |
ø |
|
KKKKKKKKK
362
P( X r = k)
P( X n = k)
n - r +1 |
|
æ r -1 |
ök -1 |
|||||
|
|
|
|
×ç= |
|
|
÷ , k =1, 2,3,K; |
|
|
n |
|
||||||
|
|
è n |
ø |
|||||
KKKKKKKKK |
||||||||
1 |
æ n -1 ök -1 |
k =1, 2,3,K. |
||||||
|
×ç |
|
|
|
÷= , |
|
||
n |
|
|
|
|
||||
è n |
ø |
|
|
|
|
Известно, что это геометрический закон распределения. Но для |
||||||||||||||||
геометрического закона |
|
распределения: P( X = k) = pqk -1 , |
k = 1, 2,3,K, |
||||||||||||||
q = 1 – p, среднее значение равно |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
¥ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M ( X ) = åk pqk -1 = |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
k =1 |
|
|
|
|
|
|
= p + 2pq + 3pq2 + 4pq3 + 5pq4 +K p=(1 + 2q + 3q2 + 4q3 +5q4 +K) |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
= p(1 + q + q2 +q3 +q4 +K |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
+q + q2 + q3 + q4 +K |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
+q2 + q3 + q4 +K |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
+q3 + q4 +K |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
+q4 +K) = |
|
|
|
|
|
||
æ |
2 |
|
|
|
3 |
ö |
|
|
|
|
|
|
|
||||
1 |
|
q |
|
q |
|
|
q |
|
= p |
(1 + q + q2 + q3 +K) |
|
= p |
|
1 |
|
||
= p ç |
+ |
+ |
+ |
|
|
+K÷ |
|
2= |
. |
||||||||
|
|
|
|
|
|
|
|||||||||||
è |
1 - q 1 - q 1 - q 1 - q |
ø |
1 - q |
|
(1 - q) |
|
p |
В нашем случае для Xr вероятность p = |
n - r +1 |
. Поэтому M ( X r ) = |
n |
. |
|
|
|||
|
n |
n - r +1 |
||
В итоге |
|
|
M (N ) = 1 + M ( X 2 ) + M ( X 3 ) +K+ M=( X n ) 1 + |
n |
+ |
n |
+ |
n |
+K+ n |
||
|
|
|
||||||
или |
|
|
n -1 n - 2 n - 3 |
|||||
1 |
|
|
|
|
|
|
|
|
n -1 |
|
|
|
|
|
|
|
|
M (N ) = nå |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
j =0 |
n - j |
Например, при n = 5 имеем M (N ) =137 / 12 »11, 4.
В заключение можно заметить, что при большихn можно воспользоваться асимптотической формулой
n-1 |
1 |
|
|
M (N ) = n å |
» n ln n. |
||
|
|||
j =0 |
n - j |
363