
- •Часть I. Теория вероятностей
- •Тема 1. Классическое определение вероятности…………………………………………............................4
- •Тема 2. Геометрическое и статистическое определения вероятности……………………………………8
- •Тема 3. Алгебра событий....................................................................................................................................12
- •Тема 4. Формула полной вероятности и формула Байеса………………………………………………...15
- •Тема 5. Схема Бернулли……………………………………………………………………………………….19
- •Тема 6. Дискретные случайные величины....................................................................................................25
- •Тема 12. Системы случайных величин……………………………………………………………………63
- •Тема 13. Функции случайных величин……………………………………………………………………82
- •Тема 14. Предельные теоремы теории вероятностей………………………………………………….100
- •Тема 15. Случайные функции…………………………………………………………………………….108
- •Тема 16. Вероятностные основы теории информации…………………………………………………116
- •Тема 1. Классическое определение вероятности
- •Случайные события.
- •Классификация событий
- •Классическое определение вероятности.
- •1.4. Контрольные вопросы
- •Тема 2. Геометрическое и статистическое определения вероятности
- •2.1. Геометрическая вероятность
- •2.2. Статистическая вероятность. Закон больших чисел.
- •Число бросаний Относит. Частота появления герба
- •2.3. Условная вероятность
- •2.4. Контрольные вопросы
- •2.5. Задачи для самостоятельно решения
- •Тема 3. Алгебра событий
- •3.1. Произведение событий
- •3.2. Сумма событий. Свойства операций сложения и умножения событий.
- •3.3. Вероятность появления хотя бы одного из событий.
- •3.4. Принцип практической невозможности.
- •3.5. Контрольные вопросы
- •Тема 4. Формула полной вероятности события и формула Байеса
- •4.1. Формула полной вероятности события
- •4.2. Формула Байеса
- •4.3. Контрольные вопросы
- •4.4. Задачи для самостоятельно решения
- •Тема 5. Повторение опытов.
- •5.1. Частная задача о повторении опытов (схема Бернулли)
- •5.2. Независимые испытания с несколькими исходами.
- •5.3. Формулы Муавра-Лапласа
- •5.3.1. Локальная теорема Муавра-Лапласа. Функция Гаусса.
- •5.3.2. Интегральная теорема Муавра-Лапласа. Функция Лапласа.
- •Тема 6. Дискретные случайные величины
- •6.1. Классификация случайных величин
- •6.2. Законы распределения дискретных случайных величин
- •6.2.1. Ряд распределения. Многоугольник распределения
- •6.2.2. Функция распределения
- •Тема 7. Числовые характеристики дискретных случайных величин
- •7.1. Характеристики положения. Математическое ожидание. Мода. Медиана.
- •7.2. Дисперсия. Среднеквадратическое отклонение.
- •7.3. Контрольные вопросы.
- •Тема 8. Законы распределения дискретных случайных величин
- •8.1. Биномиальное распределение (закон Бернулли).
- •8.2. Закон Пуассона
- •8.3. Контрольные вопросы.
- •8.4. Задачи для самостоятельного решения.
- •Тема 9. Непрерывные случайные величины
- •9.1. Законы распределения непрерывных случайных величин.
- •9.1.1. Интегральный закон распределения
- •9.1.2. Плотность распределения
- •10.1. Математическое ожидание. Мода. Медиана.
- •10.2. Дисперсия. Среднее квадратичное отклонение.
- •10.3. Моменты распределения.
- •10.4. Контрольные вопросы.
- •Тема 11. Законы распределения непрерывных случайных величин
- •11.1. Закон равномерной плотности.
- •11.2. Задачи для самостоятельного решения.
- •11.3. Экспоненциальное (показательное) распределение.
- •11.4. Задачи для самостоятельного решения.
- •11.5. Нормальный закон распределения.
- •11.5.1. Плотность нормального распределения вероятностей.
- •11.5.2. Нормальная функция распределения.
- •11.6. Контрольные вопросы
- •11.7. Задачи для самостоятельного решения.
- •Тема 12. Системы случайных величин
- •12.1. Функция распределения системы двух случайных величин.
- •12.2. Плотность распределения системы двух непрерывных случайных величин.
- •12.3. Таблица распределения системы двух дискретных случайных величин.
- •12.4. Условные законы распределения и их числовые характеристики.
- •12.5. Зависимые и независимые случайные величины
- •12.6. Числовые характеристики системы двух случайных величин.
- •Тема 13. Функции случайных величин
- •13.1. Числовые характеристики функций случайных величин.
- •13.2. Теоремы о числовых характеристиках функций случайных величин.
- •13.3. Законы распределения функций случайных величин.
- •13.3.1. Закон распределения функции одного случайного аргумента.
- •Функция на участке (а, b) монотонно возрастает или убывает.
- •2. Функция на участке (а, b) не является монотонной.
- •13.3.2. Закон распределения функции двух случайных аргументов.
- •13.3.3. Закон распределения суммы двух непрерывных случайных аргументов. Композиция законов распределения.
- •Тема 14. Предельные теоремы теории вероятностей
- •14.1. Закон больших чисел. Центральная предельная теорема.
- •14.1.1. Неравенство Чебышёва.
- •14.1.2. Теорема Чебышёва.
- •14.1.3. Теорема Бернулли
- •14.2. Центральная предельная теорема.
- •Тема 15. Случайные функции
- •15.1. Понятие о случайной функции.
- •15.2. Закон распределения случайной функции.
- •15.3. Вероятностные характеристики случайных функций.
- •15.4. Стационарные случайные функции.
- •Тема 16. Вероятностные основы теории информации
- •16.1. Энтропия как мера степени неопределенности состояния физической системы.
- •16.2. Энтропия и информация.
- •Приложение. Приближённые значения функции стандартного нормального распределения
5.3.2. Интегральная теорема Муавра-Лапласа. Функция Лапласа.
Теорема. Пусть произведено n повторных независимых испытаний, в каждом из которых некоторое событие А наступает с вероятностью p, причем число испытаний достаточно велико
(n
>100). Тогда
вероятность того, что число m
наступлений события А
в этих n
испытаниях будет заключено в границах
от
до
,
вычисляется по следующей приближенной
формуле
где
функция
Лапласа,
.
Формула дает удовлетворительную для практики точность при условии
Свойства функции Лапласа:
1. Ф (0) = 0
2. Ф (
)
=
.
3. Ф (
)
=
.
4. Ф (х) — неубывающая функция.
5. Ф (
)
=
Ф(
)
— нечетная
функция.
Практически можно
считать, что уже при x
> 4
,
в чем можно убедиться по
таблице значений
функции Лапласа
,
которая приводится во многих работах
по теории вероятностей, в частности в
книге [2].
Пример. Каждая из 1000 деталей партии стандартна с вероятностью 0,9. Найти вероятность того, что число стандартных деталей этой партии будет не меньше 880.
Решение. Число n
повторных
независимых испытаний в данном случае
равно числу деталей в партии (каждая из
деталей партии будет проверяться на
предмет качества, а в этой проверке и
состоит испытание). По условию задачи
поэтому интегральная теорема Муавра-Лапласа
применима; неравенство
,
где m
число стандартных деталей в партии,
здесь равносильно условию
поэтому
Тогда
По свойствам функции
Лапласа:
По таблице функции Лапласа [2] находим
Тогда окончательно имеем
Следствия из интегральной теоремы Муавра-Лапласа.
Пусть выполнены условия применимости интегральной теоремы Муавра-Лапласа.
Следствие 1.
Вероятность
того, что число
наступлений
события А
в n
повторных независимых испытаниях будет
отличаться от величины
не
более чем на
(по
абсолютной величине), вычисляется по
формуле
Следствие 2.
Вероятность
того, что доля
наступлений
события А
в n
повторных независимых испытаниях будет
отличаться от вероятности p
наступления этого события в одном
испытании не более чем на
(по абсолютной величине), вычисляется
по формуле
Пример. Подлежат исследованию 1000 проб руды. Вероятность промышленного содержания металла в каждой пробе равна 0,15. Найти границы, в которых с вероятностью 0,9973 будет заключено число проб руды с промышленным содержанием металла.
Решение. Искомые
границы для числа
проб руды с промышленным содержанием
металла (из данных 1000 проб) определяются
величинами
и
(см. интегральную теорему Муавра-Лапласа).
Будем предполагать, что искомые границы
симметричны относительно величины
,
где
и
.
Тогда
,
для некоторого
,
и, тем самым, единственной определяющей
неизвестной в данной задаче становится
величина
.
Из следствия 1 и условия задачи следует,
что
По таблице значений
функции Лапласа найдем такое x
,
что
Тогда
и
.
Окончательно получаем искомые границы:
т.е. с вероятностью 0,9973 число проб руды
с промышленным содержанием металла (из
данных 1000 проб) попадет в интервал (116;
184).
Пример. В лесхозе приживается в среднем 80 саженцев. Сколько саженцев надо посадить, чтобы с вероятностью 0,9981 можно было утверждать, что доля прижившихся саженцев будет находиться в границах от 0,75 до 0,85.
Решение.
– вероятность прижиться для каждого
из саженцев,
.
Пусть
–
необходимое число саженцев (искомая
величина данной задачи) и
–
число прижившихся из них, тогда
–
доля прижившихся саженцев. По условию,
Данные границы для
доли
симметричны относительно величины
,
поэтому неравенство
равносильно неравенству
Следовательно,
вероятность 0,9981 – это та самая вероятность,
которая вычисляется по следствию 2 из
интегральной теоремы Муавра-Лапласа
при
,
:
По таблице функции
Лапласа найдем такое значение x
,
что
Это значение:
Тогда
и
Заметим, что значение округлено до целых в большую сторону, чтобы обеспечить, как говорят, “запас по вероятности”. Кроме того, видно, что полученное значение достаточно велико (более 100), поэтому применение интегральной теоремы Муавра-Лапласа для решения данной задачи было возможно.