- •§ 1. Испытания и события
- •§ 2. Виды случайных событий
- •§ 3. Классическое определение вероятности
- •§ 4. Основные формулы комбинаторики
- •§ 5. Примеры непосредственного вычисления вероятностей
- •§ 6. Относительная частота. Устойчивость относительной частоты
- •§ 7. Ограниченность классического определения вероятности. Статистическая вероятность
- •§ 8. Геометрические вероятности
- •§ 1. Теорема сложения вероятностей несовместных событий
- •§ 2. Полная группа событий
- •§ 4. Принцип практической невозможности маловероятных событий *
- •§ 1. Произведение событий
- •§ 2. Условная вероятность
- •§ 3. Теорема умножения вероятностей
- •§ 4. Независимые события. Теорема умножения для независимых событий
- •§ 5. Вероятность появления хотя бы одного события
- •§ 1. Теорема сложения вероятностей совместных событий
- •§ 2. Формула полной вероятности
- •§ 3. Вероятность гипотез. Формулы Бейеса
- •§ 1. Формула Бернулли
- •§ 2. Локальная теорема Лапласа
- •§ 3. Интегральная теорема Лапласа
- •§ 4. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
- •§ 1. Случайная величина
- •§ 2. Дискретные и непрерывные случайные величины
- •§ 3. Закон распределения вероятностей дискретной случайной величины
- •§ 4. Биномиальное распределение
- •§ 5. Распределение Пуассона
- •§ 6. Простейший поток событий
- •§ 7. Геометрическое распределение
- •§ 8. Ги пер геометрическое распределение
- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлг I события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •3. Дискретная случайная величина X задана законом распрс. Деления
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательно,, закона надежности
- •§ 1. Понятие о системе нескольких случайных величин
- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7F Плотность совместного распределения вероятностей непрерывной, двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •1. Найти законы распределения составляющих дискретной двумерной случайной величины, заданной законом распределения
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4. Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельны оценки е
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 7. Отклонение от общей средней и его свойств
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутри групповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсии по исправленной выборочной
- •§ 14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном о
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном о
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения а нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения Прямой линии среднеквадратичной регрессии по несгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных
- •"Набл — ,...-. .....» . — 1 fV/o#
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
- •§ 19. Сравнение двух вероятностей биномиальных распределений
- •§ 20. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объема. Критерий Бартлетта
- •§ 21. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена
- •§ 22. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •§ 24. Методика вычисления теоретических частот нормального распределения
- •§ 25. Выборочный коэффициент ранговой корреляции Спирмена и проверка гипотезы о его значимости
- •§ 26. Выборочный коэффициент ранговой корреляции Кендалла и проверка гипотезы о его значимости
- •§ 27. Критерий Вилкоксона и проверка гипотезы об однородности двух выборок
- •§ 1. Сравнение нескольких средних. Понятие о дисперсионном анализе
- •§ 2. Общая факторная и остаточная суммы квадратов отклонений
- •§ 3. Связь между общей, факторной и остаточной суммами
- •§ 4. Общая, факторная и остаточная дисперсии
- •§ 5. Сравнение нескольких средних методом дисперсионного анализа
- •§ 1. Предмет метода Монте — Карло
- •§ 2. Оценка погрешности метода Монте — Карло
- •§ 3. Случайные числа
- •§ 4. Разыгрывание дискретной случайной величины
- •§ 5. Разыгрывание противоположных событий
- •§ 6. Разыгрывание полной группы событий
- •§ 7. Разыгрывание непрерывной случайной величины. Метод обратных функций
- •§ 8. Метод суперпозиции
- •§ 9. Приближенное разыгрывание нормальной случайной величины
- •§ 1. Цепь Маркова
- •§ 2. Однородная цепь Маркова. Переходные вероятности. Матрица перехода
- •§ 3. Равенство Маркова
- •§ 1. Основные задачи
- •§ 2, Определение случайной функции
- •§ 3. Корреляционная теория случайных функций
- •§ 4. Математическое ожидание случайной функции
- •§ 5. Свойства математического ожидания случайной функции
- •§ 6. Дисперсия случайной функции
- •§ 7. Свойства дисперсии случайной функции
- •§ 8. Целесообразность введения корреляционной функции
- •§ 9. Корреляционная функция случайной Функции
- •§11. Нормированная корреляционная функция
- •§ 12. Взаимная корреляционная функция
- •§ 13. Свойства взаимной корреляционной функции
- •§ 14. Нормированная взаимная корреляционная функция
- •§ 15. Характеристики суммы случайных функций
- •§ 16. Производная случайной функции и ее характеристики
- •§ 17. Интеграл от случайной функции и его характеристики
- •§ 18. Комплексные случайные величины и их числовые характеристики
- •§ 19. Комплексные случайные функции и их характеристики
- •§ 1. Определение стационарной случайной функции
- •§ 2. Свойства корреляционной функции стационарной случайной функции
- •§ 3. Нормированная корреляционная функция стационарной случайной функции
- •§ 4, Стационарно связанные случайные функции
- •§ 5. Корреляционная функция производной стационарной случайной функции
- •§ 6. Взаимная корреляционная функция стационарной случайной функции и ее производной
- •§ 7. Корреляционная функция интеграла от стационарной случайной функции
- •§ 8. Определение характеристик эргодическмх стационарных случайных функций из опыта
- •§ 1. Представление стационарной случайной функции в виде гармонических колебаний со случайными амплитудами и случайными фазами
- •§ 2. Дискретный спектр стационарной случайной функции
- •§ 3. Непрерывный спектр стационарной случайной функции. Спектральная плотность
- •§ 4. Нормированная спектральная плотность
- •§ 5. Взаимная спектральная плотность стационарных и стационарно связанных случайных функций
- •§ 7. Стационарный белый шум
- •§ 8. Преобразование стационарной случайной функции стационарной линейной динамической системой
- •1Истику,
- •1Сч счсчсмсчсчсчсчсм c4c4c4cococjco сосососососо сососососо сосоч-ч- ч1
- •Гмурман Владимир Ефимович теория вероятностей и математическая статистика
§ 3. Интегральная теорема Лапласа
Вновь предположим, что производится я испытаний, в каждом" из которых вероятность появления события А постоянна и равна р (0 < р < 1). Как вычислить вероятность Р„ {ku кг) того, что событие А появится в п испытаниях не менее kt и не более k% раз (для краткости будем говорить «от kt до ka раз»)? На этот вопрос отвечает интегральная теорема Лапласа, которую мы приводим ниже, опустив доказательство.
Теорема. Если вероятность р наступления события А в каждом испытании постоянна и отлична от нуля и единицы, то вероятность Рп (kv kt) того, что событие А появится в п испытаниях от kt до k% раз, приближенно равна определенному интегралу
где х' —{kt—np)lVnpq и х*^=(Л^—np^fynpq.
При решении задач, требующих применения интегральной теоремы Лапласа, пользуются специальными таблицами, так как неопределенный интеграл ^ е~2'" dz не выражается через элементарные функции. Таблица для
X
^=- \
интеграла Ф (х)=—^=- \z-*'/adz приведена в конце книги
(см. приложение 2). В таблице даны значения функции Ф(х) для положительных значений х и для х = 0; для *<0 пользуются той же таблицей [функция Ф(х) не-
69
четна, т. е. Ф(— х) — — Ф (х)]. В таблице приведены значения интеграла лишь до х = 5, так как для х > 5 можно принять Ф(#) = 0,5. Функцию Ф(л:) часто называют функцией Лапласа.
Для того чтобы можно было пользоваться таблицей функции Лапласа, преобразуем соотношение (*) так:
о
Итак, вероятность того, что событие А появится в п независимых испытаниях от kx до k2 раз,
Рп(К, к,)~
где х' = (k1—np)jy npq и х" {zp)\pq
Приведем примеры, иллюстрирующие применение интегральной теоремы Лапласа.
Пример. Вероятность того, что деталь не прошла проверку ОТК, равна р = 0,2. Найти вероятность того, что среди 400 случайно отобранных деталей окажется непроверенных от 70 до 100 деталей.
Решение. По условию, р = 0,2; q = 0,8; n = 400; ^ = 70; ks = 100. Воспользуемся интегральной теоремой Лапласа:
Р4оо(7О, 100) »Ф (*")-Ф(*')-
Вычислим нижний и верхний пределы интегрирования: Y,_fei — np_ 70 —400-0,2 ^ j 25- V"npq ^400 0,2-0,8 ' '
д.»— k2~пр _ 100—400-0,2 ^„ 5
У"пРЯ }/"4(Ю.0,2.0,8 Таким образом, имеем
Я4оо(7О, 100) = Ф(2,5)-Ф(-1,25) = Ф(2,5) + Ф(1,25). ' По таблице приложения 2 находим:
Ф (2,5) =0,4938; Ф (1,25) =0,3944. Искомая вероятность
^400 (70, 100)=0,4938 + 0,3944 = 0,8882.
Замечание. Обозначим через т число появлений события А при п независимых испытаниях, в каждом из которых вероятность наступления события А постоянна и равна р. Если число т изме няется от ki до fe2, то дробь (т — пр)/ У npq изменяется от
(Лг — пр)/ У"npq = х'' до (ka — np)/y~npq — x". Следовательно, интег-
60
ральную теорему Лапласа можно записать и так:
■pWJe
Эта форма записи используется ниже.
§ 4. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
Вновь будем считать, что производится п независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна р (О < р < 1). Поставим перед собой задачу найти вероятность того, что отклонение относительной частоты т/п от постоянной вероятности р по абсолютной величине не превышает заданного числа е > 0. Другими словами, найдем вероятность осуществления неравенства
\т/п—р|^е. (*•)
Эту вероятность будем обозначать так: Р(\т/п — />|^е). Заменим неравенство (*) ему равносильными:
^ р^е или —
Умножая эти неравенства на положительный множитель Vn/(pq), получим неравенства, равносильные исходному:
— el^n/ipq)^ (т — np)\Ynpq<C e\^n/(pq).
Воспользуемся интегральной теоремой Лапласа в форме, указанной в замечании (см. § 3)^Г1оложив х' =
- еу n/(pq) и х" = ej/n/{pq), имеем Р (- 8VKJ(p~q)<:(т-np)lVJri<*VJi(M)) «
eVn/(pq) /' eVn/(pq)
1
С /1С
V2n
-BV n/(pq)
J V~2n J
Наконец, заменив неравенства, заключенные в скобках, равносильным им исходным неравенством, окончательно получим
Р
(|
m/rt
—
р
К
е) ~ 2Ф (е У
nl(pq)).
61
Итак, вероятность осуществления неравенства \т/п—| приближенно равна значению удвоенной функции Лапласа 2Ф (х) при х — еУ n/(pq).
Пример 1. Вероятность того, что деталь не стандартна, р==0,\. Найти вероятность того, что среди случайно отобранных 400 деталей относительная частота появления нестандартных деталей отклонится от вероятности /71=0,1 по абсолютной величине не более чем на 0,03.
Решение. По условию, я = 400; р = 0,1; ^=0,9; е=0,03. Требуется на'йти вероятность Р (| /п/400—0,11 < 0,03). Пользуясь форму, лой Р(|т/п—р|<е)»2Ф(е Vnl(pq)), имеем
Р (| /п/400—0,1 \ < 0,03) » 2Ф (0,03 1^400/(0,1 0,9)) = 2Ф (2).
По таблице приложения 2 находим Ф (2) = 0,4772. Следовательно, 2Ф (2) = 0,9544.
Итак, искомая вероятность приближенно равна 0,9544.
Смысл полученного результата таков: если взять достаточно большое число проб по 400 деталей в каждой, то примерно в 95,44% этих проб отклонение относительной частоты от постоянной вероятности р=0,1 по абсолютной величине не превысит 0,03.
Пример 2. Вероятность того, что деталь не стандартна, р —0,1. Найти, сколько деталей надо отобрать, чтобы с вероятностью, равной 0,9544, можно было утверждать, что относительная частота появления нестандартных деталей (среди отобранных) отклонится от постоянной вероятности р по абсолютной величине не более чем на 0,03. -
Решение. По условию, р=* 0,1; ?=0,9; е=0,03; Р(\т/п—0,11< < 0,03) = 0,9544. Требуется найти п.
Воспользуемся формулой
Р (| т/п—р |< е) к 2Ф (е У В силу условия
2Ф (0,03 Уп/(0,1-0,9))=2Ф (0,1 V~Z) =;0.9544.
Следовательно, Ф(0,1 V~h) — Q.ATI2.
По таблице приложения 2 находим Ф (2) = 0,4772.
Для отыскания числа л получаем уравнение 0,1 У~п=а2. Отсюда искомое число деталей п=400.
Смысл полученного результата таков: если взять достаточно большое число проб по 400 деталей, то в 95,44% этих проб относительная частота появления нестандартных деталей будет отличаться от постоянной вероятности р=0,1 по абсолютной величине ве более чем на 0,03, т. е. относительная частота заключена в границах от 0,07(0,1—0,03=0,07) до 0,13(0.1+0,03=0,13). Другими словами, число нестандартных деталей в 95,44% проб будет заключено между 28(7% от 400) и 52(13% от 400).
если взять лишь одну пробу из 400 деталей, то с большой уверенностью можно ожидать, что в этой пробе будет нестандартных деталей не менее 28 н не более 52. Возможно, хотя и маловероятно, что нестандартных деталей окажется меньше 28 либо больше 52.
Задачи
1. В цехе б моторов. Для каждого мотора вероятность оГО что он в данный момент включен, равна 0,8. Найти вероятность
того! что в данный момент: а) включено 4 мотора; б) включены все лто'оы; в) выключены все моторы.
М Отв. а) Рв(4) = 0,246; б) Рв(6) = 0,26; в) Р6 (0) = 0,000064.
2. Найти вероятность того, что событие А появится в пяти не зависимых испытаниях не менее двух раз, если в каждом испытании пеооятность появления события А равна 0,3.
v отв. Р=1-[Р5(0) + Р5(1)] = 0,472.
3. Событие В появится в случае, если событие А появится не менее двух раз. Найти вероятность того, что наступит событие В, если будет произведено 6 независимых испытаний, в каждом из которых вероятность появления события А равна 0,4.
Ьтв. Р=1-[Рв(0)+Рв(1)] =0,767.
4. Произведено 8 независимых испытаний, в каждом из которых вероятность появления события А равна 0,1. Найти вероятность того, что событие А появится хотя бы 2 раза.
Отв. Р=1_[Р8(0) + Р8 (1)] = 0,19.
5. Монету бросают 6 раз. Найти вероятность того, что герб вы падет: а) менее двух раз; б) не менее двух раз.
Отв. a)P = Pe(0) + Pe(l) = 7/64;6)Q = l-[Pe(0)+Pe(l)]=57/64.
6. Вероятность попадания в цель при одном выстреле из орудия р = 0,9. Вероятность поражения цели при k попаданиях (k^l) равна 1—qk. Найти вероятность того, что цель будет поражена, если сде лано два выстрела.
Указание. Воспользоваться формулами Бернулли и полной вероятности. Отв. 0,9639.
7. Найти приближенно вероятность того, что при 400 испытаниях событие наступит ровно 104 раза, если вероятность его появления в каждом испытании равна 0,2.
Отв. Р400 (104) =0,0006.
8. Вероятность поражения мишени стрелком при одном выстреле равна 0,75. Найти вероятность того, что при 100 выстрелах мишень. будет поражена: а) не менее 70 и не более 80 раз; б) не более 70 раз.
Отв. а) Р100 (70,80) = 2Ф (1,16) =0,7498;
б) Рюо(О; 70)=—Ф(1,15) + 0,5 = 0,1251.
9. Вероятность появления события в^каждом из 10 000 независи мых испытаний р = 0,75. Найти вероятность-того^чт о относительная частота появления события отклонится от его вероятностл_по абсо лютной величине не более чем на 0,001.
Отв. Р = 2Ф(0,23) = 0,182.
10. Вероятность появления события в каждом из независимых испытаний равна 0,2. Найти, какое отклонение относительной частоты появления события от его вероятности можно ожидать с вероятностью 0,9128 при 5000 испытаниях.
Отв. е = 0,00967.
11. Сколько раз надо бросить монету, чтобы с вероятностью 0,6 можно было ожидать, что отклонение относительной частоты появле ний герба от вероятности р = 0,5 окажется по абсолютной величине не более 0,01?
Отв. л =1764.
ЧАСТЬ ВТОРАЯ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
Глава шестая
ВИДЫ СЛУЧАЙНЫХ ВЕЛИЧИН. ЗАДАНИЕ ДИСКРЕТНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ
