
- •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
7.2. Локальная теорема Муавра – Лапласа
При больших значениях n пользоваться формулой Бернулли трудно, т.к. требуется выполнять действия над очень большими числами. Например, требуется вычислить вероятность ровно 30 выигрышей при покупке 50 лотерейных билетов, если из 1000 билетов 100 счастливых. Здесь n=50, m=30, p=0,1, q=0,9:
При достаточно больших n удобнее вычислять такие вероятности с помощью асимптотических формул.
Этот вопрос решён с помощью локальной теоремы Муавра – Лапласа. Муавр решил эту задачу в 1730 г. для р=1/2, Лаплас – в 1783 г. для общего случая.
Локальная теорема Муавра–Лапласа. Пусть проводится серия из n испытаний по схеме Бернулли. Если вероятность появления события А в каждом испытании р отлична от 0 и 1, то вероятность Рn(k) того, что событие А появится в n испытаниях ровно k раз, приближённо равна значению функции
(7.2.2)
где q=1–p;
(7.2.3)
(7.2.4)
Функция (х) называется дифференциальной функцией Лапласа.
7.3. Свойства функции (х).
1.
.
Это видно из формулы (7.2.3). Экспонента
всегда положительна.
2.
Функция (х)
– чётная: (-х)=(х).
Это легко проверить, подставив в формулу
(7.2.3) (-х)
вместо х.
График (х)
симметричен относительно оси ординат
(см. рис.7.2.1).
3. (х)0,
когда
,
т.е.
Это означает, что для одной и той же
серии испытаний большие по абсолютной
величине х
менее вероятны, чем меньшие.
4. При
Для
,
т.е. порядка одной миллионной.
После вычисления х по формуле (7.2.3) значения функции (х) находят по таблице в приложении к учебникам, другим книгам по теории вероятностей, в справочниках. Таблица дана для положительных х, для отрицательных х пользуются свойством чётности функции (х).
Замечание. Асимптотические формулы применяют, если npq 10.
Пример 1. Вероятность поражения цели стрелком при одиночном выстреле р=0,2. Какова вероятность того, что при 100 выстрелах цель будет поражена ровно 20 раз?
Здесь р=0,2; q=0,8; n=100; k=20. npq=1000,20,8=16>10,
Не следует удивляться,
что значение вероятности мало: попадание
точно 20 раз при 100 выстрелах есть событие
сравнительно редкое! Почти достоверным
событием является попадание около
20 раз. Например,
вероятность р
неравенства
,
включающего 11 значений k
=15, 16,…,24, 25 близка к единице, т.к. каждая
из этих вероятностей немногим меньше
0,1. Это можно проверить, вычисляя эту
вероятность по формуле
Пример 2. При производстве шестерёнок вероятность брака при штамповке равна 0,1. Какова вероятность того, что из 400 наугад взятых шестеренок 50 будут бракованными?
Здесь n=400, k =50, p=0,1, q=0,9. По формуле Бернулли:
P400(50)=
Подсчёт по этой формуле неудобен. Т.к. npq=4000,10,9=36>10, то здесь целесообразно использовать локальную теорему Муавра–Лапласа.
Пример 3. Вероятность поражения мишени стрелком при одном выстреле р=0,75. Найти вероятность того, что при 10 выстрелах стрелок поразит мишень 8 раз.
n=10, k=8; p=0,75; q=0,25.
По формуле Бернулли Р10(8)=0,282. Большое расхождение объясняется тем, что формула Муавра-Лапласа дает хорошее приближение только при достаточно больших n и малых р. А в данной задаче npq=100,750,25=1,875<10.