
- •Глава 1. Теория вероятностей 3
- •1.2 Перестановки, размещения и сочетания
- •§2. Классическое определение вероятности
- •2.1 Определение и примеры
- •2.2 Критика классического определения
- •§3. Дискретное вероятностное пространство
- •§4. Геометрическая вероятность
- •§5. Парадоксы Бертрана
- •§6. Аксиоматика Колмогорова
- •6.1 Аксиомы событий
- •6.2 Аксиомы вероятности
- •6.3 Свойства вероятности
- •§7. Условная вероятность. Независимость
- •§8. Формула полной вероятности. Формула Байеса
- •§9. Схема Бернулли
- •9.1 Основные определения и примеры
- •9.2 Предельные теоремы в схеме Бернулли
- •§10. Случайные величины и их распределения
- •10.1 Введение
- •10.2 Функция распределения случайной величины
- •10.3 Наиболее употребительные распределения. Замена переменных
- •§11. Распределение случайного вектора (совместное распределение)
- •11.1 Основные определения
- •11.2 Плотность распределения случайного вектора при замене переменных
- •§12. Математическое ожидание случайной величины
- •12.1 Основные определения
- •12.2 Интеграл Лебега (интеграл по вероятностной мере)
- •12.3 Свойства математического ожидания
- •§13. Дисперсия случайной величины
- •§14. Примеры вычисления математического ожидания и дисперсии
- •§15. Производящие функции
- •15.1 Основные определения
- •15.2 Свойства
- •15.3 Примеры задач
- •§15. Коэффициент корреляции
- •§16. Многомерное нормальное распределение
- •16.1 Основные определения
- •16.2 Плотность распределения двумерного нормального вектора
- •16.3 Примеры задач
- •§17. Неравенство Чебышева
- •19.2 Закон больших чисел Бернулли
- •§20. Характеристические функции
- •20.1 Определение и свойства
- •20.2 Примеры
- •§21. Центральная предельная теорема
- •21.1 Доказательство цпт
- •21.2 Усиление закона больших чисел (збч Хинчина)
- •§22. Типичные задачи
- •§23. Условное математическое ожидание
- •23.1 Основные определения
- •23.2 Методы вычисления. Примеры
- •23.2.1 Дискретный случай
- •23.2.2 Непрерывный случай
- •23.3 Свойства
- •23.4 Исследование нормального случайного вектора
- •§24 Цепи Маркова
- •24.1 Основные определения. Формула Чепмена–Колмогорова
- •24.2 Классификация состояний
- •24.3 Период марковской цепи
- •24.4 Предельная теорема для переходных вероятностей марковских цепей
- •24.5 Возвратность цепей Маркова
- •§25 Типичные задачи, 2
9.2 Предельные теоремы в схеме Бернулли
1) Теорема Пуассона8
Пусть pn
— вероятность успеха в одном
испытании, и.
Тогда вероятностьmуспехов при каждом фиксированномm
,m= 0, 1, 2, …
Доказательство.
Пример. Машинистка печатает текст в 20 тысяч знаков. Каждый из знаков может быть напечатан неверно с вероятностьюp= 0,0004. Найти вероятность того, что в тексте не менее 3 опечаток.
Решение. Проверим возможность применения теоремы:λ=np= 8 < 10.
.
Замечание: часто применяется в задачах на радиоактивный распад.
2) Локальная теорема Муавра–Лапласа
Введем величину
.
Пусть
.
Тогда
.
и можно использовать приближение
.
Доказательство. Воспользуемся формулой Стирлинга:
.
Выразим mчерезx:
. (*)
Поскольку величина xограничена, в условиях теоремы
, (**)
т.е., формулу Стирлинга можно применять для приближения m! и (n−m)!
Теперь выпишем
.
Рассмотрим произведение
($)
Теперь применим (*) и (**), тогда при n→ ∞
,
.
Отсюда,
.
Продолжаем преобразования:
.
Приближенно разложим ln(1 +z) в ряд Тейлора:
,
и воспользуемся этим разложением в ($).
.
Однако
,
.
Отсюда
,
т.е.,
.
Теорема доказана.
Пример. Симметричная монета бросается 100 раз. Найти приближенную вероятность того, что герб выпадет 40 раз.
Решение. Из условия задачиp=q= 0,5;m= 40,n= 100. Согласно теореме Муавра–Лапласа,
,
.
3) Интегральная теорема Муавра–Лапласа (без доказательства)
Введем в рассмотрение интегральную функцию Лапласа(функцию нормального распределения)
. (%)
Интеграл (%) аналитически неберущийся, но стремится к 1/2 при x→ ∞. Составлены таблицы значений Φ(x). Также известно, что Φ(−x) = −Φ(x).
Иногда при составлении таблиц рассматривают функцию
. (%%)
Поскольку
,
получим
,
где знак «+» берется при x> 0, а знак «−» — приx< 0.
Кроме того, при составлении таблиц может быть использована функция («функция ошибок»)
, (%%%)
для которой справедиво равенство
.
Будем интересоваться вероятностью попадания числа успехов mв заданный интервал.Теоремаформулируется следующим образом (p, q фиксированы):
.
Задачи
Город ежедневно посещает n= 1000 туристов, которые днем идут обедать в один из двух городских ресторанов. Выбор ресторана независимый и равновероятный. Владелец одного из ресторанов желает, чтобы все пришедшие с вероятностьюp= 0,99 могли бы там пообедать. Сколько мест должно быть в ресторане?
Решение. Обозначим заAiсобытие: турист с номеромiобедает в данном ресторане (i= 1..1000). Наступление этого события считаем
успехом, ненаступление — неудачей. Из
условия задачи.
Общее число успехов равноm,
число мест в ресторане равноk.
Переполнение ресторана соответствует
событию
.
Его вероятность по условиюp
= 0,01.
Воспользуемся интегральной теоремой М.–Л., чтобы найти вероятность переполнения:
Решая уравнение
с использованием таблиц нормального
распределения, получаемk536,783. То есть,
требуется 537 мест.
Известно, что при рождении ребенка мальчик рождается с вероятностью p1= 0,512. Найти вероятность того, что средиn= 1000 новорожденных число мальчиков превышает число девочек.
Решение. Будем считать рождение мальчика успехом. Тогда
.