
- •1. Элементы комбинаторики.
- •1.1. Перестановки
- •1.2. Перестановки с повторениями
- •1.3. Размещения
- •1.4. Размещения с повторениями (с возвратом)
- •1.5. Сочетания
- •1.6. Сочетания с повторениями (с возвратом)
- •1.7. Обобщение
- •2. Случайные события
- •2.1. Испытания и события
- •2.2. Виды случайных событий
- •2.3. Пространство элементарных событий
- •2.4. Операции над событиями
- •Событие
- •9. Полная группа событий. Совокупность событий называется полной группой событий, если:
- •2.5. Свойства операций над событиями
- •3.1 Относительная частота событий
- •3.2. Свойства относительной частоты
- •3.3. Статистическая устойчивость частот
- •3.4. Формулировка аксиом Колмогорова.
- •3.5. Следствия из аксиом
- •4.1. Вычисление вероятностей событий
- •4.2. Задача о выборке
- •4.3. Геометрический подход к вероятности
- •5. Сложение и умножение вероятностей
- •5.1. Сложение вероятностей
- •5.2. Независимые и зависимые события
- •5.3. Условная вероятность
- •5.4. Умножение вероятностей
- •5.5. Свойства условных вероятностей
- •5.6. Независимость нескольких событий
- •5.7. Независимость противоположных событий
- •5.8. Вероятность появления хотя бы одного события
- •5.9. Применение теорем сложения и умножения для решения задач
- •6. Вероятность гипотез
- •6.1.Формула полной вероятности
- •6.2. Переоценка вероятности гипотез. Формула Байеса (Бейеса)
- •7. Серии независимых испытаний
- •7.1. Формула Бернулли
- •7.2. Локальная теорема Муавра – Лапласа
- •7.3. Свойства функции (х).
- •7.3. Функция Лапласа
- •7.4. Интегральная теорема Лапласа
- •7.5. Закон больших чисел в форме Бернулли
- •7.6. Формула Пуассона
- •8. Случайные величины
- •8.1. Дискретные случайные величины
- •8.2. Характеристическая случайная величина (индикатор события)
- •8.3. Биномиальное распределение (распределение Бернулли)
- •8.4. Распределение Пуассона
- •8.5. Гипергеометрическое распределение
- •9. Непрерывные случайные величины
- •9.1. Функция распределения (интегральная функция распределения)
- •9.2. Свойства функции распределения
- •9.3. Примеры функций распределения
- •10. Плотность распределения
- •10.1. Свойства плотности распределения
- •Вероятностный смысл плотности распределения.
- •10.3. Связь между плотностью и функцией распределения
- •10.4. Примеры непрерывных случайных величин, заданных плотностью
- •11. Числовые характеристики случайной величины
- •11.1. Определение математического ожидания
- •11.2. Определение математического ожидания
- •11.3. Смысл математического ожидания
- •11.4. Арифметические операции со случайными величинами
- •11.4.1. Постоянная случайная величина
- •11.4.2. Произведение случайных величин
- •11.4.3. Сумма случайных величин
- •11.4.4. Разность случайных величин
- •11.5. Свойства математического ожидания
- •11.6. Отклонение случайной величины
- •12.1. Дисперсия Для общего представления о распределении случайной величины важное значение имеет не только её математическое ожидание, но и разброс её возможных значений.
- •12.2. Определение дисперсии
- •12.3. Механический смысл дисперсии
- •12.4. Сокращённая формула для вычисления дисперсии
- •12.5. Свойства дисперсии
- •12.6. Среднее квадратическое отклонение (стандарт)
- •12.7. Числовые характеристики основных дискретных распределений
- •12.7.1. Индикатор события
- •12.7.2. Биномиальное распределение
- •12.7.3. Распределение Пуассона
- •12.7.4. Гипергеометрическое распределение
- •Гипергеометрическое распределение.
- •13.1. Равномерное распределение
- •13.2. Показательное (экспоненциальное) распределение
- •13.2.1. Функция надёжности
7. Серии независимых испытаний
Пусть проводится n испытаний, причем вероятность события А в каждом испытании не зависит от исходов других испытаний. Такие испытания называются независимыми относительно события А.
Будем рассматривать только такие независимые испытания, в которых событие А имеет одну и ту же вероятность р: Р(А)=р. (Тогда говорят, что испытания проводятся по схеме Бернулли относительно события А). Вероятность противоположного события обозначим q: P( )=q; q=1p.
Примеры. 1) Бросание монеты. p=1/2; q=1/2.
2) Покупка билета в лотерее, где из 100 билетов 10 выигрышных. р=1/10; q=9/10.
3) Несколько выстрелов в цель в случае, когда прицеливание производится каждый раз перед выстрелом.
В данной главе
будем вычислять вероятность того, что
событие А
появится в серии из п
испытаний ровно k
раз. Такую вероятность будем обозначать
.
7.1. Формула Бернулли
Пример 1. Пусть серия испытаний представляет собой трехкратное бросание игральной кости. Найти вероятность выпадения 1 очка ровно 2 раза.
Здесь р=1/6, q=5/6; А выпадение одного очка при одном бросании, В выпадение одного очка ровно два раза при трех бросаниях. Тогда
. (7.1.1)
Можно записать так:
.
Цифры в скобках
это номера испытаний (бросаний), в которых
выпало одно очко, т.е. произошло событие
А.
Каждая скобка представляет собой выборку
двух цифр из трёх без учёта порядка,
т.е. сочетание. В данном случае число
сочетаний равно
.
Т.к. все слагаемые в формуле (7.1.1)
попарно несовместные события, а множители
в них
независимые события, вероятность события
В
можно вычислить следующим образом:
Если бросать кость
4 раза, получим
слагаемых.
Рассмотрим теперь общий случай. Пусть проводится серия из n испытаний. Вычислим вероятность того, что при n испытаниях событие А осуществится ровно k раз, а значит, не осуществится nk раз. При этом не требуется, чтобы событие А повторилось k раз в определенной последовательности.
Теорема. (Формула Бернулли).
При n испытаниях по схеме Бернулли относительно события А вероятность наступления события А ровно k раз определяется формулой
Pn(k)=
(7.1.1)
Решим задачу примера 1 с использованием этой формулы:
Пример 2. Определить вероятность того, что в семье, имеющей 5 детей, 3 девочки и 2 мальчика.
Решим относительно девочек. Тогда п=5, k=3, р=1/2, q=1/2;
В условиях этой же задачи определить вероятность того, что в семье не больше двух девочек.
Пример 3. Какова вероятность того, что при пяти испытаниях комплекса оборудования произойдет не менее трёх отказов, если вероятность отказа в каждом испытании равна 0,1? В данной задаче n=5, p=0,1, q=0,9. Искомое событие А состоит в том, что произойдут события А3 – ровно 3 отказа – или А4 – ровно 4 отказа – или А5 – ровно 5 отказов, тогда
А=А3+А4+А5;
Т.к. события несовместны, то
Р(А)=Р(А3)+Р(А4)+Р(А5)=Р5(3)+Р5(4)+Р5(5)=
=
Замечание. Формулу Бернулли применяют при небольшом числе испытаний (меньше 30) и достаточно большой вероятности р (р 1/10). В других случаях пользуются приближёнными формулами для вычисления этих вероятностей, как будет показано ниже.