
- •Содержание
- •Предисловие
- •1) Теория вероятностей;
- •I. Теория вероятностей
- •1.1. Случайные события
- •1.1.1. Предмет теории вероятностей
- •1.1.2. Классификация событий
- •1.1.3. Вычисление вероятности
- •1.1.3.1. Классическая вероятность
- •1.1.3.2. Элементы комбинаторики
- •1.1.4. Геометрическая вероятность
- •1.1.5. Частота события. Статистическое определение вероятности
- •1.1.6. Основные теоремы теории вероятностей
- •1.1.6.1. Операции над событиями
- •1.1.6.2. Условная вероятность. Теорема умножения вероятностей
- •1.1.6.3. Независимые события. Теорема умножения для независимых событий
- •1.1.6.4. События, независимые в совокупности. Вероятность появления хотя бы одного события
- •1.1.6.5. Теорема сложения вероятностей совместных событий
- •1.1.7. Формула полной вероятности
- •1.1.8. Вероятности гипотез. Формула Байеса
- •1.1.9. Схема независимых последовательных испытаний
- •1.1.9.1. Схема Бернулли. Формула Бернулли
- •1.1.9.2. Локальная теорема Муавра-Лапласа
- •1.1.9.3. Интегральная теорема Лапласа
- •1.2. Случайные величины
- •1.2.1. Дискретная случайная величина и ее закон распределения
- •1.2.2. Биномиальное распределение
- •1.2.3. Распределение Пуассона (пуассоновское приближение биномиального распределения)
- •1.3. Математическое ожидание дискретной случайной величины
- •1.4. Дисперсия дискретной случайной величины
- •1.5. Математические ожидания и дисперсии некоторых случайных величин
- •1.6. Непрерывные случайные величины
- •1.6.1. Функция распределения случайной величины
- •1.6.2. Плотность распределения вероятностей непрерывной случайной величины
- •1.6.3. Математическое ожидание, дисперсия и среднеквадратическое отклонение непрерывной случайной величины
- •1.6.4. Наиболее распространенные распределения непрерывных случайных величин
- •1.7. Закон больших чисел. Теорема Ляпунова
- •1.7.1. Неравенство Чебышева
- •1.7.2. Теорема Чебышева
- •1.7.3. Теорема Бернулли
- •1.7.4. Понятие о центральной предельной теореме (о теореме Ляпунова)
- •1.8. Понятие о случайном векторе и законе распределения его координат
- •1.8.1. Примеры случайных векторов
- •1.8.2. Закон распределения и функция распределения двумерной случайной величины
- •1.8.3. Функция распределения двумерной случайной величины и ее свойства
- •1.8.4. Плотность распределения двумерной случайной величины и ее свойства
- •1.8.5. Корреляционный момент и коэффициент корреляции
- •1.8.6. Двумерное нормальное распределение
- •1.8.7. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •1.9. Элементы теории массового обслуживания
- •II. Математическая статистика
- •Список литературы
1.2.2. Биномиальное распределение
Рассмотрим схему Бернулли: нас интересует последовательность n независимых испытаний, в каждом из которых с одинаковой вероятностью р может произойти событие А. Рассмотрим случайную величину Х – число появлений события А в этой серии испытаний. Наша задача – найти закон распределения величины Х. Для этого мы должны ответить на два вопроса: 1) каково множество возможных значений Х? и 2) каковы их вероятности?
Очевидно, х1=0, х2=1, …, хn+1=n, т.е. величина Х может принимать дискретные значения 0, 1, …, n. На второй вопрос ответ дает формула Бернулли:
Рn(m)= pmqn–m, (1.2.2.1)
где m=0, 1, …, n.
Формула (1.2.2.1) и является аналитическим выражением, определяющим закон распределения. Этот закон носит название биномиального закона распределения. Название связано с формулой бинома Ньютона:
.
Биномиальный закон можно изобразить и в виде таблицы:
Х |
N |
n–1 |
… |
m |
… |
0 |
Р |
pn |
npn–1q |
… |
pmqn–m |
… |
qn |
Пример. Монета брошена 2 раза. Написать в виде таблицы закон распределения случайной величины Х – числа выпадений герба.
Решение.
Вероятность появления герба в одном
бросании
,
вероятность того, что герб не появится,
.
При двух бросаниях герб может появиться
либо 0, либо 1, либо 2 раза.
Вероятности этих значений подсчитаем по формуле Бернулли:
Р1=Р2(0)=
q2=q2=
,
P2=P2(1)=
pq=2
,
P3=P2(2)=
p2=p2=
.
Как и следовало ожидать, Р1+Р2+Р3=1. Таблица закона распределения имеет вид:
Х |
0 |
1 |
2 |
Р |
0,25 |
0,5 |
0,25 |
1.2.3. Распределение Пуассона (пуассоновское приближение биномиального распределения)
Еще раз обратимся к схеме n независимых испытаний, в каждом из которых вероятность появления события А равна р, а вероятность события равна q=1–p. В общем случае для определения вероятности m появлений события А справедлива формула Бернулли. Если n велико (n50), то для расчетов справедлива асимптотическая формула Лапласа. Однако эта асимптотическая формула дает плохие результаты, если вероятность р мала (р0,1), т.е. в ситуации, когда изучаются довольно "редкие" события.
В области n, p0 существует еще одна асимптотическая формула, которая носит название формулы Пуассона или распределения Пуассона. Она выводится в предположении, что при n и р0 величина =np является константой.
Распределение Пуассона имеет вид:
,
m=0, 1, 2, …
. (1.2.3.1)
Им обычно пользуются вместо биномиального в ситуации, когда n>>1, а р<<1. Имеются специальные таблицы распределения Пуассона, которые позволяют по известным n и m найти Рn(m).
Пример. Завод отправил на базу 5000 доброкачественных изделий. Вероятность того, что при перевозке изделие повредится, равна 0,0002. Найти вероятность того, что на базу привезут 3 негодных изделия.
Решение. n=5000; p=0,0002; m=3. Сначала найдем =np=50000,0002=1. По формуле Пуассона
Р5000(3)=