- •Ю.Я. Кацман Теория вероятностей, математическая статистика и случайные процессы
- •Теория вероятностей, математическая статистика и случайные процессы
- •Издано в авторской редакции
- •Отпечатано в Издательстве тпу в полном соответствии с качеством предоставленного оригинал-макета
- •Введение
- •Раздел 1. Теория вероятностей Глава 1. Основные понятия теории вероятностей
- •1.1. Элементы комбинаторики
- •1.2. Пространство элементарных событий. Случайные события
- •1.3. Статистическое определение вероятности
- •1.4 Классическая вероятностная схема
- •1.5. Аксиоматическое построение теории вероятностей
- •1.6. Геометрическое определение вероятности
- •Глава 2. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей несовместных событий
- •2.2. Теорема сложения вероятностей совместных событий
- •2.3. Независимость событий
- •2.4. Теорема умножения вероятностей
- •2.5. Формула полной вероятности
- •2.6. Теорема гипотез (Формула Байеса)
- •Глава 3. Повторение испытаний
- •3.1. Схема Бернулли
- •3.1.1. Обобщение схемы Бернулли
- •3.2. Теорема Пуассона (Закон редких событий)
- •3.3. Локальная теорема Муавра-Лапласа
- •3.4. Интегральная теорема Муавра-Лапласа
- •Глава 4. Случайные величины
- •4.1. Классификация случайных величин. Закон распределения дискретной случайной величины
- •4.1.1. Интегральная функция распределения
- •4.2. Непрерывная случайная величина, плотность распределения
- •4.2.1. Основные свойства плотности распределения
- •4.3. Характеристики положения случайной величины
- •4.4. Числовые характеристики одномерной случайной величины
- •4.4.1. Свойства математического ожидания
- •4.5. Моменты случайной величины
- •4.5.1. Свойства дисперсии
- •4.5.2. Асимметрия и эксцесс
- •Глава 5. Многомерные случайные величины
- •5.1. Многомерная случайная величина и закон ее распределения
- •5.1.1. Свойства двумерной функции распределения
- •5.2. Плотность вероятности двумерной случайной величины
- •5.2.1. Условная плотность распределения
- •5.3. Числовые характеристики системы случайных величин
- •5.3.1. Свойства коэффициента корреляции
- •Глава 6. Основные законы распределения
- •6.1. Нормальный (гауссов) закон распределения
- •6.1.1. Вероятность попадания на интервал
- •6.1.2. Свойства нормальной функции распределения
- •6.2. Распределение ("хи–квадрат")
- •6.3. Показательный (экспоненциальный) закон распределения
- •6.3.1 Числовые характеристики показательного распределения
- •6.3.2. Функция надежности
- •6.4. Распределение Парето
- •Глава 7. Закон больших чисел
- •7.1. Неравенство Чебышева
- •7.2. Теорема Чебышева
- •7.3. Обобщенная теорема Чебышева
- •7.4. Теорема Маркова
- •7.5. Теорема Бернулли
- •7.6. Центральная предельная теорема
- •Раздел 2. Математическая статистика Глава 8. Основные понятия и задачи математической статистики
- •8.1. Выборочные распределения
- •8.1.1. Группирование данных, гистограмма, полигон
- •8.2. Статистическая (эмпирическая) функция распределения
- •8.3. Выборочные значения и оценка параметров.
- •8.3.1. Требования "хороших оценок"
- •Несмещённость.
- •Эффективность.
- •Состоятельность.
- •Глава 9. Интервальное оценивание
- •9.1. Интервальная оценка математического ожидания при известной дисперсии
- •9.2 Интервальная оценка математического ожидания при неизвестной дисперсии
- •9.3. Интервальная оценка выборочной дисперсии
- •Глава 10. Статистические критерии
- •10.1. Проверка гипотез
- •10.2. Ошибки проверки гипотез
- •Раздел 3. Случайные процессы Глава 11. Основные понятия и модели случайных процессов
- •11.1. Классификация случайных процессов
- •11.2. Основные характеристики случайного процесса
- •Свойства математического ожидания сп
- •Свойства дисперсии сп
- •Свойства корреляционной (автоковариационной) функции сп
- •Свойства нормированной корреляционной функции сп
- •11.2. Стационарные случайные процессы
- •11.3. Марковские случайные процессы
- •11.4. Потоки событий (Пуассоновские потоки)
- •11.5. Непрерывный марковский процесс. Уравнения Колмогорова
- •Заключение
- •Список литературы Основная
- •Дополнительная
Глава 3. Повторение испытаний
3.1. Схема Бернулли
Если производится несколько испытаний (опытов), причем вероятность события в каждом испытании не зависит от исходов других испытаний, то такие испытания называются независимыми относительно события .
В
схеме Я. Бернулли рассматривается серия,
состоящая из
независимых испытаний, каждое из которых
имеет лишь две исхода: наступление
какого-то события
(успех) или его не наступление
(неудача).
Причем вероятность успеха при одном
испытании равна
– постоянна и не зависит от номера
испытания. Следовательно, вероятность
неуспеха
тоже постоянна.
Сформулируем
задачу – вычислить вероятность того,
что при
испытаниях событие
осуществится
ровно
раз и, следовательно, не осуществится
раз (см. рис.):
По теореме умножения вероятностей независимых событий искомая вероятность будет равна:
(3.1)
Однако
интересующее нас событие (
успехов при
опытах) может произойти не только одним
способом. Число возможных вариантов
(комбинаций) выборки
элементов из
вычисляется по формуле (1.5):
Окончательно получим:
(3.2)
Это и есть формула Бернулли (биномиальное распределение). Вспомним формулу бинома Ньютона:
(3.3)
Отсюда, и непосредственно из формулы Бернулли (3.2) следует:
(3.4)
Очевидно
этот же результат получится, если учтем,
что для
получим полную группу событий, вероятность
которых равна 1.
ПРИМЕР 1: В семье 10 детей. Считая, что вероятность рождения мальчика равна 0.5, найдем вероятность того, что в семье имеются 0, 1, ..., 10 мальчиков.
РЕШЕНИЕ: Отметим, что всилу
предположения
и равенства
имеют место равенства:
Отсюда получим:
В многодетной семье с десятью детьми мальчиков и девочек будет поровну с вероятностью ~ 0.25. Вероятность того, что в семье будут дети одного пола (мальчики или девочки) – чуть меньше одной пятисотой.
Введем
следующее обозначение, пусть
означает вероятность того, что в
испытаниях схемы Бернулли успех наступит
не менее чем
раз, и не более чем
раз
.
Так как события, соответствующие
различному числу успехов попарно
несовместны, то имеет место формула:
(3.5)
Вероятность
того, что в результате
испытаний, успех наступит хотя бы один
раз, вычисляется по формуле:
(3.6)
Типичный
график биномиального распределения
приведен на рис.3.1 для
Сформулируем
задачу: необходимо найти
наивероятнейшее число успехов, то есть
такое
,
вероятность которого максимальна.
Запишем условия максимума вероятности:
Запишем
неравенства
и
в явном виде:
;
;
Рис. 3.1. График вероятностей биномиального распределения (p=0.5; n=20)
Учитывая оба неравенства, окончательно получим:
.
(3.7)
В
испытаниях
схемы Бернулли с вероятностью успеха
наиболее вероятным числом успехов
является
единственное число
если число
не целое;два числа
и
,
если число
целое;
При
достаточно большом числе испытаний
из выражения (3.7) получим
– (статистическое определение
вероятности).
При больших значениях наиболее вероятная относительная частота успеха совпадает (равна) вероятности успеха при одном испытании.
ПРИМЕР
2: Вероятность
того, что расход электроэнергии на
продолжении одних суток не превышает
установленной нормы, равна
.
Найти вероятность того, что в ближайшие
6 суток расход электроэнергии в течение
4 суток не превысит нормы.
РЕШЕНИЕ: Вероятность
нормального расхода
.
Вероятность перерасхода
.
Искомая вероятность по формуле Бернулли:
