Теория вероятностей и математическая статистика. Ч. 1 (90
.pdf5. Формула Бернулли. Формулы Лапласа и Пуассона
Схема Бернулли. Проводится n независимых опытов (независимые опыты такие, при которых вероятность появления события в каждом опыте не зависит от результатов предыдущих опытов). Каждый опыт имеет только два исхода: «успех» – событиеA и «неуспех» – противоположное событие. Вероятность наступления события A (вероятность «успеха») в каждом опыте равна р, вероятность наступления события A (вероятность «неуспеха») в каждом опыте равна q 1 p . Вероятность того, что в n незави-
симых опытах событие A наступит m раз, вычисляется по фор-
муле Бернулли
Pn (m) Cnm pmqn m .
В этой формуле m может принимать значения 0, 1, 2…n : m 0– событие A в n независимых опытах наступило 0 раз, т. е. не наступило ни разу; m 1– событие A в n независимых опытах наступило один раз; m 2 – событие A в n независимых опытах наступило два раза; …; m n – событие A в n независимых опытах наступило n раз, т. е. наступило во всех опытах.
Число M0 , при котором значение вероятности будет
наибольшим, называется наивероятнейшим числом наступления события A и вычисляется по формуле np q M0 np p , если
np q – дробное число. Если np q – целое число, то M0 np q . Нахождение вероятностей Pn (m) по формуле Бернулли при
достаточно больших значениях n сопряжено с большим числом вычислений. В этом случае используется приближенная локаль-
ная формула Лапласа
|
|
|
|
P |
m |
1 |
m np |
, |
|||
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|||||||
|
|
|
|
n |
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
npq |
|
|||
где x |
1 |
e |
x2 |
|
|
|
|
|
|
||
2 |
– функция Гаусса, |
значения которой приво- |
|||||||||
2 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
дятся в таблице.
Если m1 m m2 , то используется приближенная интеграль-
ная формула Лапласа
11
P |
m |
;m |
|
|
m |
|
np |
m np |
, |
|||||
|
2 |
|
|
1 |
|
|||||||||
n |
1 |
2 |
|
|
|
|
|
npq |
|
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
1 |
|
x |
|
t2 |
|
|
|
|
|
|
где x |
|
|
|
e |
|
2 dt |
– |
функция |
|
Лапласа, значения которой |
||||
|
2 |
|
|
|
||||||||||
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
также приводятся в таблице. |
|
|
|
|||||||||||
Формулы |
Лапласа |
дают |
удовлетворительное приближение |
при npq 9 . Чем ближе значения p,q к 0,5 и чем больше n, m, тем
точнее данные формулы.
Если n велико, а p мало, то используется приближенная
формула Пуассона
Pn (m) m e , m!
где np – среднее число появления события A в n опытах. Этой формулой можно пользоваться, если p 0,1 npq 9 . Cобытия, для
которых применима формула Пуассона, называют редкими, так как вероятность их осуществления мала.
Интенсивность потока – это среднее число событий, которые наступают в единицу времени. Если постоянная интенсивность потока известна, то вероятность того, что за время t событие наступит m раз, вычисляется по формуле
Pt (m) ( t)m e t . m!
Задача 1. Среди 12 договоров, проверяемых ревизором, 7 договоров оформлены неправильно. Найти вероятность того, что среди 5 договоров, произвольно отобранных ревизором для проверки, окажутся неправильно оформленными ровно три.
Решение. Проверка договора – это испытание, в котором может появиться событие A ={договор оформлен неправильно}:
p P A 127 . Проведено n 5 проверок. По формуле Бернулли
находим вероятность того, что в 5 испытаниях событие A наступит 3 раза:
P (3) C3 |
|
|
7 |
3 |
|
|
5 |
2 |
|
42875 0,345. |
|||
|
|
|
|
|
|
|
|
||||||
5 |
5 |
|
12 |
|
12 |
|
124416 |
||||||
|
|
|
|
|
|
|
|
|
12
Задача 2. В продукции некоторого производства брак составляет 20%. Изделия отправляются потребителям (без проверки) в коробках по 100 штук. Найти вероятность того, что
1)наудачу взятая коробка содержит 15 бракованных изделий;
2)число бракованных изделий в коробке не больше 25. Решение. Производство изделия – это испытание, в котором
может |
появиться |
событие |
A |
= {изделие бракованное}: |
|||||
p P A 0,2. |
|
|
|
|
|
|
|
||
Тогда np 100 0,2 20 , npq 100 0,2 0,8 16 , |
|||||||||
P |
15 |
1 |
|
15 20 |
0,25 1,25 0,25 1,25 |
||||
|
|
|
|
||||||
100 |
16 |
|
16 |
|
|
|
|
||
|
|
|
|
|
|
|
|||
0,25 0,1826 0,046, |
|
|
|
|
|||||
P |
0;25 |
|
25 20 |
0 |
20 |
1,25 5 |
|||
100 |
|
|
|
|
16 |
|
|
|
|
|
|
|
|
|
|
|
16 |
|
1,25 5 0,39 0,5 0,89.
Таким образом, приблизительно 5% всех коробок содержит 15 бракованных изделий и в 89% коробок число бракованных изделий не больше 25.
Задача 3. На завод прибыла партия деталей в количестве 1000 шт. Вероятность того, что деталь окажется бракованной, равна 0,001. Какова вероятность того, что среди прибывших деталей будет 5 бракованных?
Решение. Здесь np 1000 0,001 1. По формуле Пуассона находим
P1000 5 15 e 1 0,003. 5!
6. Дискретная случайная величина Х (ДСВХ)
Ряд распределения ДСВХ имеет вид:
X |
x1 |
X2 |
….. xn |
p |
p1 |
p2 |
….. pn |
x1, x2 , ..., xn – значения ДСВХ, |
p1, p2,..., pn – соответствующие веро- |
ятности, т. е. p1 – это вероятность того, что СВХ примет значение
13
x1 : p1 P(X x1); p2 |
– это вероятность того, что СВХ примет зна- |
|
чение |
x2 ; p2 P(X x2 ); … pn – это вероятность того, что СВХ |
|
примет |
значение |
xn : pn P(X xn ) . Сумма всех вероятностей |
n
p1 p2 ... pn 1, или коротко pi 1.
i 1
Функция распределения СВХ – это вероятность того, что СВХ примет значение меньшее, чем конкретное числовое значе-
ние x : F(x) P(X x) .
Числовые характеристики дискретных случайных величин
Математическое ожидание ДСВ – это сумма произведений всех её возможных значений на их вероятности:
n
M (X ) x1 p1 x2 p2 ... xn pn , или коротко M (X ) xi pi
i 1
Математическое ожидание – это число, вокруг которого сосредоточены значения СВ.
Свойства математического ожидания.
1.Математическое ожидание постоянной величины равно самой величине: M (C) C .
2.Постоянный множитель можно выносить за знак математического ожидания: M (CX ) CM (X ) .
3.Математическое ожидание суммы СВ равно сумме мате-
матических |
ожиданий |
слагаемых: |
M (X1 X2 ... Xn ) |
n
M (X1) M (X2 ) ... M (Xn ) , или коротко, M (
i 1
n
Xi ) M (Xi ) .
i 1
4. Математическое ожидание произведения взаимно независимых СВ равно произведению математических ожиданий со-
множителей M (X1 X2 ... Xn ) M (X1) M (X2 ) ...M (Xn ).
Дисперсия СВ есть математическое ожидание квадрата от-
клонения |
СВ |
от |
её |
математического |
ожидания: |
D(X ) M (X M (X ))2 . |
Дисперсия |
характеризует меру разброса |
значений СВ около ее математического ожидания.
Свойства дисперсии:
1.Дисперсия постоянной величины равна нулю: D(C) 0 .
14
2.Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат: D(CX ) C2 D(X ) .
3.Дисперсия суммы (разности) независимых СВ равна сумме дисперсий слагаемых:
D(X1 X2 ... |
Xn ) D(X1) D(X2 ) ... |
D(Xn ) . |
4.D(X ) M (X 2 ) M 2 (X ) .
Среднее квадратичное отклонение СВ (X ) |
D(X ) . |
Мода СВ – это ее значение M0 , имеющее наибольшую веро- |
|
ятность. |
|
Медиана СВ – это ее значение Ml |
такое, что |
P X Ml P X Ml 12 . Для ДСВ Х это число может не совпа-
дать ни с одним из значений Х. Поэтому медиану ДСВ Х определяют как любое число, лежащее между двумя соседними воз-
можными значениями x |
и x |
такими, что P x |
1 |
; P x |
1 . |
i |
i 1 |
i |
2 |
i 1 |
2 |
Начальным моментом k -го порядка называется математи- |
|||||
ческое ожидание k -й степени СВ: k M X k . |
Очевидно, что |
||||
1 M X . |
|
|
|
|
|
Центральным моментом k -го порядка называется матема-
тическое ожидание k -й степени отклонения СВ от ее математи-
ческого ожидания: k M (X M (X ))k . Очевидно, что
2 M (X M (X ))2 D X .
Асимметрия (коэффициент асимметрии) СВ AS X – вели-
чина, характеризующая степень асимметрии («скошенности») распределения относительно математического ожидания. Коэффициент асимметрии вычисляется по формуле:
AS(X ) M (X M (X ))3 / 3 , т. е. AS(X ) 33 .
Для симметричных распределений AS(X ) 0 . Если AS(X ) 0 ,
то либо большая часть значений случайной величины, либо мода находятся левее математического ожидания («скошенность влево»); если AS(X ) 0 , то либо большая часть значений случайной
величины, либо мода находятся правее математического ожидания («скошенность вправо»).
15
Эксцесс (коэффициент эксцесса) СВ EX (X ) – величина, ха-
рактеризующая степень островершинности или плосковершинности распределения. Коэффициент эксцесса вычисляется по формуле:
EX (X ) M (X M (X ))4 / 4 3 , т. е. ES(X ) 44 3.
Задача 1. В связке из пяти ключей только один подходит к двери. Ключи перебирают до тех пор, пока не отыщется подходящий ключ (если ключ не подошел, то его в связку не возвращают). СВ Х – число опробованных ключей. Построить ряд распределения этой СВ. Сколько ключей в среднем придется перебрать, пока не найдется подходящий.
Решение. СВ Х принимает значения 1, 2, 3, 4, 5. Если первый опробованный ключ подошел, то X 1. P X 1 15 . Если опробованных ключей было два, то X 2 , т. е. первый ключ не подошел, а второй подошел. P X 2 54 14 15 . Если опробованных ключей было три, то X 3, т. е. первый ключ не подошел, второй ключ не подошел, а третий подошел. P X 3 54 34 13 15 . Аналогично вы-
числяются P X 4 54 43 32 12 15 и P X 5 54 43 32 12 11 15 .
Ряд распределения СВ Х имеет вид:
Х 1 2 3 4 5
р0,2 0,2 0,2 0,2 0,2
Вычислим математическое ожидание СВ Х:
M X 1 0,2 2 0,2 3 0,2 4 0,2 5 0,2 3 . Таким образом, в
среднем придется перебрать три ключа, пока не будет найден подходящий.
Задача 2. Дан ряд распределения ДСВ Х:
X |
–2 |
–1 |
0 |
1 |
2 |
p |
0,1 |
0,2 |
0,5 |
0,1 |
a |
16
1.Найти параметр a ;
2.Построить многоугольник распределения;
3.Найти функцию распределения F(X ) ;
4.Построить график функции распределения F(X ) ;
5.Найти моду M0 (X ) ;
6.Найти математическое ожиданиеM (X ) ;
7.Найти дисперсию D(X ) и среднее квадратичное отклонение (X ) ;
8.Найти коэффициент асимметрии AS(X ) ;
9.Найти коэффициент эксцесса EX (X ) ;
10.Найти вероятность того, что СВ X примет значение меньше M (X ) ;
11.Найти вероятность того, что СВ X примет значение больше 0,5 M (X ) .
Решение.
1. Так как сумма всех вероятностей должна быть равна 1, то a 0,1. Таким образом, ряд распределения СВХ имеет вид:
X |
–2 |
–1 |
0 |
1 |
2 |
p |
0,1 |
0,2 |
0,5 |
0,1 |
0,1 |
2. Многоугольник распределения:
17
3. Функции распределения F(X ) имеет вид:
0
0,10,3 F(X ) 0,8
0,9
1
при |
X 2, |
при |
2 X 1, |
при |
1 X 0, |
при |
0 X 1, |
при |
1 X 2, |
при |
X 2. |
4. График функции распределенияF(X ) :
5.Мода M0 (X ) 0 .
6.Математическое ожидание:
M X 2 0,1 1 0,2 0 0,5 1 0,1 2 0,1 0,1.
Для вычисления дисперсии, коэффициентов асимметрии и эксцесса составим таблицу для отклонений значений СВХ от ма-
тематического ожидания M (X ) : X M (X ), их |
квадратов |
|||||
(X M (X ))2 , |
кубов (X M (X ))3 , |
четвертой степени (X M (X ))4 и |
||||
соответствующих вероятностей: |
|
|
|
|
||
|
|
|
|
|
|
|
X M X |
–1,9 |
–0,9 |
|
0,1 |
1,1 |
2,1 |
X M X 2 |
3,61 |
0,81 |
|
0,01 |
1,21 |
4,41 |
X M X 3 |
–6,859 |
–0,729 |
|
0,001 |
1,331 |
9,261 |
X M X 4 |
13,0321 |
0,6561 |
|
0,0001 |
1,4641 |
19,4481 |
18
7. Вычислим |
дисперсию как математическое ожидание |
(X M (X ))2 : |
|
D(X ) M (X M (X ))2 |
( 1,9)2 0,1 ( 0,9)2 0,2 (0,1)2 0,5 |
(1,1)2 0,1 (2,1)2 0,1 1,09 . Отметим, что дисперсию можно вычис- |
лить по формуле D(X ) M (X 2 ) M 2 (X ) . Ряд распределения СВX 2 имеет вид:
X |
0 |
1 |
4 |
p |
0,5 |
0,3 |
0,2 |
Математическое ожидание M (X 2 ) 0 0,5 1 0,3 4 0,2 1,1. Тогда D(X ) 1,1 ( 0,1)2 1,09 . Среднее квадратичное откло-
нение (X ) 1,09 1,044 .
8. Вычислим математическое ожидание M (X M (X ))3 :
M (X M (X ))3 ( 1,9)3 0,1 ( 0,9)3 0,2 (0,1)3 0,5(1,1)3 0,1 (2,1)3 0,1 0,228.
Тогда коэффициент асимметрии AS(X ) 10,228.0443 0,200353.
9. Вычислим математическое ожидание M (X M (X ))4 :
M (X M (X ))4 ( 1,9)4 0,1 ( 0,9)4 0,2(0,1)4 0,5 (1,1)4 0,1 (2,1)4 0,1 3,36039 .
Тогда коэффициент эксцесса EX (X ) 3,360391,0444 0,1713 .
10.P(X 0,1) P(X 2) P(X 1) 0,1 0,2 0,3.
11.P(X 0.05) P(X 0) P(X 1) P(X 2) 0,5 0,1 0,1 0,7 .
7. Распределения ДСВ Х
Биномиальное распределение
ДСВ Х имеет распределение Бернулли: B 1, p , если ряд рас-
пределения имеет вид:
X |
0 |
1 |
p |
q |
p |
19
СВХ имеет два значения 0 и 1, которые она принимает с вероятностями q 1 p и p соответственно.
|
M (X ) p, |
D(X ) pq . |
|
||
ДСВХ имеет биномиальное распределение: B n, p , если ряд |
|||||
распределения имеет вид: |
|
|
|
|
|
X |
0 |
1 |
2 |
….. |
n |
p |
p0 |
p1 |
p2 |
….. |
pn |
СВХ – число m наступлений события А в n независимых испытаниях, т. е. СВХ принимает значения 0, 1, 2 …, n , с вероятностями, которые вычисляются по формуле Бернулли pm P(X m) Pn (m) Cnm pmqn m . Математическое ожидание и дис-
персия |
для этой СВ вычисляются по формулам |
M (X ) np, |
D(X ) npq (доказать!). |
Задача 1. Бросают три игральных кубика. СВ Х – число выпавших шестерок. Составить ряд распределения СВХ. Сделать вывод о наиболее вероятном значении СВ Х.
Решение. Отметим, что бросить три кубика – это все равно, что бросить один кубик три раза, т. е. n = 3. Событие
А={выпадение шестерки на кубике}; |
p P A 1 |
; q 1 1 |
5 . |
||
СВ Х – число выпадений шестерок, |
6 |
6 |
6 |
||
распределена по биноми- |
|||||
альному закону B 3, |
1 |
и принимает значения 0, 1, 2, 3 с вероят- |
|||
|
6 |
|
|
|
|
ностями, которые вычисляются по формуле Бернулли:
p P X 0 |
P |
0 |
C0 |
|
|
1 |
0 |
|
|
5 |
3 |
125 . |
||||||||||
0 |
3 |
|
3 |
|
|
|
6 |
|
|
|
|
6 |
|
|
216 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
p P X 1 P 1 |
C1 |
1 |
1 |
5 |
2 |
75 |
. |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||
1 |
3 |
|
3 |
6 |
|
|
6 |
|
|
|
216 |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
p P X 2 |
P |
2 C2 |
|
|
1 2 |
|
5 1 |
|
15 |
|
. |
|||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||
2 |
3 |
|
3 |
|
|
|
|
|
|
|
|
216 |
|
|||||||||
|
|
|
|
|
|
|
6 |
|
|
|
6 |
|
|
|||||||||
p P X 3 P |
3 C3 |
1 3 |
|
5 0 |
|
1 |
. |
|||||||||||||||
|
|
|||||||||||||||||||||
3 |
3 |
|
3 |
|
6 |
|
|
|
6 |
|
|
216 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Ряд распределения СВ Х |
|
~ B |
3, |
1 |
|
имеет вид: |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
20