Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Основы теории вероятностей. Что следует знать студенту-математику
.pdf
3.1. Биномиальное и гипергеометрическое распределения
7
7
æ
ö
kk
-
PX
() ,, ,.>=
2
005095 00038
ç
÷
å
k
è
ø
k
=
3
7
=
81
С помощью биномиального распределения можно решить зна
менитую задачу разделения ставок. В 1654 году эту задачу перед
Паскалем и Ферма поставил азартный игрок шевалье де Мере.
Историки считают, что шевалье сформулировал задачу так: «Два
игрока играют в азартную игру “три очка”, и каждый игрок поста
вил на кон 32 пистоля. Как следует разделить эту сумму между иг
роками, если игра будет преждевременно закончена, когда у одно
го игрока на счету два очка, а у второго одно очко?» Аналогичную
задачу в 1494 году сформулировал итальянский математик Лука
Пачоли, вызвав горячие дискуссии среди итальянских математи
ков 16-го века, однако никто из них не смог дать на нее удовлетворительного ответа. Паскаль и Ферма пришли к выводу, что важно не столько количество очков, выигранных каждым игроком
к моменту прекращения игры, сколько вероятности победить
в игре для обоих игроков, если бы игра продолжилась с момента
остановки. Ставки следовало разделить в соответствии с этими вероятностями выигрыша. В настоящее время решение этой задачи
очевидно, но вовсе не было очевидно, как решить такую задачу,
в те времена, когда теория вероятностей только зарождалась.
В следующем примере задача о разделении ставок анализируется
с современной точки зрения.
Пример 3.2. В Чемпионате мира по бейсболу две команды, вы
шедшие в финал, играют серию матчей, состоящую из не более
чем семи игр, до тех пор, пока одна из команд не выиграет четы
ре игры. Победитель забирает весь призовой фонд в $1 000 000.
В одном из таких финалов противостоят друг другу две команды,
причем сильнейшая команда выигрывает любую заданную игру
с вероятностью 0,55. Внезапно соревнование должно быть оста
новлено, когда слабейшая команда ведет со счетом два к одному.
Как следует разделить призовые деньги, если сыграть оставшиеся
матчи невозможно?
-
-
-
-
-
-
-
-
Решение. К моменту остановки чемпионата слабейшая коман
да должна набрать еще 2 очка, чтобы получить требуемые 4 выиг
рыша, а сильнейшая команда должна набрать еще 3 очка. В реаль
ной игре требуется провести еще максимум
2314+-=
матча,
-
-
-

82
Глава 3. Полезные распределения вероятностей
чтобы наверняка определить победителя. Ключ к решению задачи
состоит в том, чтобы представить себе, что будут сыграны четыре
дополнительных матча. Вероятность того, что слабейшая команда
окажется победителем, если чемпионат продолжится, такая же,
как вероятность того, что слабейшая команда выиграет два или
более матча из четырех дополнительных матчей (объясните, поче
му!). Вторая вероятность равна биномиальной вероятности
4
4
æ
ö
045055 0609019
,, , .
ç
÷
å
k
è
ø
2
k
=
4
kk
-
=
Слабейшая команда должна получить $609 019, а сильнейшая
$390 981.
Менее известная, но тоже интересная задача из истории тео
рии вероятностей — задача Ньютона—Пипса об игральных костях.
Исаака Ньютона не очень интересовали вероятности. Тем не менее, он решил следующую задачу об азартных играх, которую поставил Самюэль Пипс, президент Лондонского королевского общества и, очевидно, азартный игрок. В какой игре более вероятно
победить: по крайней мере, одна шестерка при одном броске шести костей, по крайней мере, две шестерки при одном броске двенадцати костей или, по крайней мере, три шестерки при одном
броске восемнадцати костей? (А как вы считаете?) Пипс считал
наиболее выигрышным последний вариант.
-
-
Гипергеометрическое распределение
Гипергеометрическое распределение — это дискретное распреде
ление, которое тесно связано с биномиальным распределением.
Их различие состоит в том, что испытания в гипергеометрическом
контексте не являются независимыми. Гипергеометрическое рас
пределение описывает вероятностное распределение числа успе
хов, когда происходит выборка без замещения из конечной популя
ции, состоящей из элементов двух видов. Представьте себе урну,
в которой лежат красные и белые шары, или груз, содержащий хо
рошие и бракованные товары. Предположим, в популяции есть
элементов первого типа (для удобства назовем их успехами) и
элементов второго типа (назовем их неудачами). Пустьn—за
данное число элементов, которые случайным образом изымают из
популяции без замещения. Обозначим случайной величиной
W
X
-
-
-
-
-
R
-

3.1. Биномиальное и гипергеометрическое распределения
83
число выбранных элементов типа «успех». ТогдаXимеет гипергео
метрическое распределение вероятности
RrW
æ
ö
æ
÷
ç
÷
ç
nr
ø
è
+
n
при
ö
÷
÷
-
ø
для r = 0,1,...,R
ö
÷
÷
ø
. Вывод этого распреления
ba>
PX r
()==
с соглашением, что
ç
ç
è
RW
æ
ç
ç
è
a
æ
ö
= 0
ç
÷
b
è
ø
уже был дан в разделе 1.1. Он выглядит так. Представьте себе,
что все элементы пронумерованы и поэтому различны. Тогда
общее количество возможных комбинаций из
RW
+
элементов равно
R
æ
ç
ç
è
W
ö
æ
ç
ç
nr
-
è
ö
÷
комбинаций сrэлементами первого типа и
÷
ø
÷
´
÷
r
ø
æ
ç
ç
è
ö
÷
и среди этих комбинаций есть
÷
n
ø
различимых
n
nr-
эле-
ментами второго типа. Все комбинации равновероятны, поэтому
PX r()=
— отношение
æ
ç
ç
è
W
ö
æ
÷
ç
´
÷
ç
r
nr
-
ø
è
ö
÷
÷
ø
æ
ç
и
ç
è
RW
+
n
ö
÷
.
÷
ø
R
Математическое ожидание и стандартное отклонение для
равны
-
X
RWn
+-
RW
+-11
.
где
p
=
EX np()=
R
. Вывод этих формул требует громоздких вычисле
RW
+
и
s() ( )Xnpp
=-
ний, и здесь опущен. Гипергеометрическое распределение мож
но аппроксимировать биномиальным распределением с парамет
рамиnи
p
=
R
,еслиnгораздо меньше
RW
+
RW+
.
Самый лучший пример гипергеометрического распределе
ния — лотерея, см. раздел 1.1. Гипергеометрическое распределе
ние имеет множество приложений и возникает в разных обличьях,
которые, на первый взгляд, имеют мало общего с классической
моделью урны с красными и белыми шарами.
-
-
-
-
-

84
Глава 3. Полезные распределения вероятностей
Пример 3.3. На выборах между кандидатамиAиBвнеболь
шом городке перевес кандидатаAсоставляет 1 422 к 1 405 голо
сов. При этом 101 голос признан незаконным и должен быть уда
лен из подсчетов. Нет данных о том, как незаконные голоса разде
лились между кандидатами. Если предположить, что в распределе
нии незаконных голосов нет какого-либо конкретного перекоса
и в остальном подсчет голосов вполне надежен, какова вероят
ность того, что удаление незаконных голосов изменит результат
выборов?
Решение. Задачу можно представить в виде урновой модели
с 1 422 красными и 1 405 белыми шарами. Еслиa— количество
голосов, незаконно отданных за кандидатаA,иb— количество го
лосов, незаконно отданных за кандидатаB, то кандидат A не будет
больше иметь большинство голосов, только если
ab+=101
, из неравенства
ab-³17
следует
210117a ³+
ab-³17
.Таккак
,или
a ³ 59
Вероятность того, что удаление незаконных голосов изменит результаты выборов, это та же самая вероятность, что и вероятность
получить 59 или больше красных шаров, случайно взяв 101 шар из
урны с 1 422 красными и 1 405 белыми шарами. Эта вероятность
равна
1422 1405
æ
ö
æ
ç
ç
101
è
ö
÷
÷
-
ø
ö
÷
÷
ø
00592
= ,.
ç
÷
ç
÷
aa
è
ø
2827
æ
59
ç
ç
101
è
a
1
å
01
=
-
-
-
-
-
-
-
.
Задача 3.1. Симметричную монетку подбрасывают шесть раз.
Вы выигрываете два доллара, если орел выпадет ровно три раза
(математическое ожидание), в противном случае вы проигрываете
доллар. Выгодна ли вам эта игра? (Ответ: нет, вероятность вашего
5
выигрыша равна
.)
16
Задача 3.2. Каждый день учитель случайным образом выбирает
имена четырех учеников из класса в 25 человек и проверяет у этих
учеников домашнюю работу. Чему равна вероятность того, что
ваше имя будет выбрано три или более раза в следующие пять
дней? (Ответ: 0,0318.)
Задача 3.3. Авиакомпания Daily Airlines летает из Амстердама
в Лондон ежедневно. Ее самолет вмещает 150 пассажиров. Руко
-

3.1. Биномиальное и гипергеометрическое распределения
85
водство авиакомпании ввело правило продавать на каждый рейс
157 билетов, чтобы защитить себя от неявившихся пассажиров.
Опыт показывает, что вероятность неявки пассажира, купившего
билет, равна 0,08. Все пассажиры ведут себя независимо друг от
друга. Чему равна вероятность того, что некоторые купившие би
лет и приехавшие в аэропорт пассажиры не попадут на рейс из-за
овербукинга? (Ответ: 0,0285.)
Задача 3.4. «Chuck-a-Luck» — азартная игра, в которую играли
на ярмарках и народных гуляньях. В ней ведущий предлагает иг
року выбрать одно число из
. Затем ведущий бросает три кос
16,,K
ти. Если выбранное число не выпадает ни на одной, проигрыш
игрока составляет 10 долларов. Если выбранное число выпало
один, два или три раза, выигрыш игрока составляет $10, $20 или
$30 соответственно. Чему равны математическое ожидание и стандартное отклонение выигрыша за одну партию для ведущего? (Ответ: $0,787 и $11,13.)
Задача 3.5. Предположим, в некотором районе украдено 500
дебетовых карт. На каждую карту у воров есть три попытки, чтобы
угадать ее четырехзначный пин-код. После трех неудачных попыток ввести пин-код карта блокируется. Чему равна вероятность
того, что пин-коды двух или более дебетовых карт будут угаданы
верно, если все четырехзначные пин-коды равновозможны? (Ответ: 0,01017.)
-
-
-
Задача 3.6. В финале Мирового чемпионата по бейсболу две не
равносильных команды играют серию матчей, состоящую из не бо
лее чем семи игр, до тех пор, пока одна из команд не выиграет че
тыре матча. Вероятность того, что более слабая команда выиграет
любой произвольно взятый матч, равна 0,45. Все исходы матчей не
зависимы. Чему равна вероятность для более слабой команды выиг
рать финал после шести матчей? (Ответ:
027565 045 01240,,,´=
.)
Задача 3.7. Чему равно математическое ожидание числа очков,
выпавших два или более раза при броске шести симметричных ко
стей? (Ответ: 1,579.) Подсказка: используйте линейность матема
тического ожидания. Можете ли вы доказать, что вероятность
того, что некоторое количество очков выпадет три или более раза,
равна примерно 0,37?
-
-
-
-
-
-
-

Глава 3. Полезные распределения вероятностей
86
Задача 3.8. В эксперименте по исследованию экстрасенсорного
восприятия медиум должен правильно угадать символ на каждой
из 250 карт Зенера. На каждой карте нарисован один из пяти воз
можных символов Зенера, и вероятности появления каждого сим
вола одинаковы. Медиум получит $100 000 долларов, если 82 или
более из данных им ответов окажутся правильными. Чему рав
на вероятность того, что медиум получит вознаграждение? (Ответ:
136 10
, ´
6
-
.)
-
-
-
Задача 3.9. Вы входите в казино (на фондовый рынок) с сум
мой в $100 и собираетесь сыграть в игру с 10 последовательными
ставками (инвестициями). Каждый раз вы ставите всю сумму, ко
торая у вас есть в данный момент. Дальше бросается симметрич
ная монетка, и ваш счет увеличивается на 70%, если выпадет орел,
и уменьшается на 50%, если выпадет решка (математическое ожидание выигрыша 10% за каждую ставку!) ПустьG— сумма на вашем счету после 10 ставок. Чему равна
PG()> 100
? (Ответ: 0,3770.)
Можете ли вы объяснить, почему эта вероятность такая маленькая?
Задача 3.10. В азартной игре «Счастливая десятка» случайным
образом выбираются двадцать чисел в диапазоне от 1 до 80. Вы зачеркиваете десять чисел на игровом листке. Чему равна вероятность того, что5или больше из 20 случайно выбранных чисел
совпадут с вашими? (Ответ: 0,0647.)
Задача 3.11. В урне лежат 10 красных и 15 белых шаров. Вы
случайным образом берете по одному шару без возвращения их
в урну, пока у вас не окажется 5 красных шаров. Чему равна веро
ятность того, что вам понадобится для этого вынуть из урны более
10 шаров? (Ответ: 0,6626.)
Задача 3.12. Ваш преподаватель дает вам список из 15 вопро
сов, которые, возможно, будут на экзамене. Он говорит, что для
экзамена выберет восемь из них. Чтобы сдать экзамен, вам нужно
будет правильно ответить на не менее пяти экзаменационных во
просов. Вы решаете выучить 10 из 15 вопросов. Чему равна веро
ятность того, что вы сдадите экзамен? (Ответ:
9
.)
11
-
-
-
-
-
-
-

3.2. Пуассоновское распределение
3.2. Пуассоновское распределение
87
Случайная величинаX, принимающая значения
01, ,...
, имеет пу
ассоновское распределение или распределение Пуассона с параметром
,если
l>0
k
l
-l
где
e = 271828, K
PX k e
()
==
k
!
для
k = 01,,K
— число Эйлера. Математическое ожидание
,
и стандартное отклонение дляXравны
EX()=lиsl()X =
.
Доказательство этих формул приводится в приложении в конце главы.
Распределение Пуассона тесно связано с биномиальным распределением. Оно является хорошей аппроксимацией для распределения вероятности общего количества успехов при очень боль-
шом числе независимых испытаний, каждое из которых имеет
очень маленькую вероятность успеха. Это легко увидеть для вероят-
ности нуля успехов. Вnфизически не зависящих друг от друга испытаниях, в каждом из которых вероятность успеха равнаp,вероятность полного отсутствия успехов равна
()() ()().11 1 1-´-´´-=-pp p p
Используя приближение
n
ние
()1 - p
можно аппроксимировать выражением
L
x-
ex
дляx,близкихк0,выраже
»-1
n
pn np--
()ee
=
еслиpочень мало. Поэтому вероятность не получить ни одного
успеха заnнезависимых испытаний при условии, что вероятность
успеха в каждом испытании равнаpи очень мала, оказывается
примерно равной
зать, что биномиальная вероятность
ноkуспехов заnнезависимых испытаний стремится к
когдаnстановится очень большим, аpмало настолько, что
стремится к константе
e
-l
,где
l>0
. Более обобщенно, можно дока
l=np
n
æ
ö
knk
()1
pp
ç
÷
k
è
ø
-
-
получить ров
(см. приложение к этой главе).
k-l
l /!
ek
np
Очень важный факт состоит в том, что только значение произ
ведения
l=np
используется для пуассоновской аппроксимации
-
,
-
-
,
-

Глава 3. Полезные распределения вероятностей
88
биномиального распределения с параметрамиnиp. Вам не нужно
знать сами значения числа испытаний и вероятности успеха. До
статочно знать, чему равно ожидаемое (или среднее) значение
числа успешных испытаний. Это свойство оказывается чрезвычай
но полезным при рассмотрении практических приложений. Физи
ческое происхождение распределения Пуассона как распределе
ния общего числа успехов при большом числе испытаний с малой
вероятностью успеха в каждом испытании объясняет, почему это
распределение имеет столько практических приложений: по нему
распределены ежегодное количество претензий по возмещению
ущерба в страховых компаниях, ежегодное количество тяжелых
дорожно-транспортных происшествий в данном регионе, ежегод
ное количество украденных кредитных карт, ежегодное количест
во укусов акул со смертельным исходом по всему миру и т. д.
Также распределение Пуассона часто дает хорошее описание для
многих ситуаций, в которых точки случайным образом распределяются в ограниченной области плоскости или трехмерного пространства.
Математический вывод распределения Пуассона предполагает,
что испытания физически не зависят друг от друга, но во многих
практических ситуациях распределение Пуассона также дает хорошую аппроксимацию в случаях, когда существует «слабая» зависимость между исходами испытаний. Пуассоновская эвристика особенно полезна для быстрого подбора хорошей аппроксимации
в случае задач, точное решение которых получить трудно.
-
-
-
-
-
-
1
Пример 3.4. На собрании будут присутствовать 500 человек. Для
оживления обстановки организаторы решили, что все присутствую
щие, у которых день рождения выпал на день собрания, получат
подарок. Сколько нужно заготовить подарков, чтобы вероятность
того, что подарков окажется недостаточно, была меньше 1%?
Решение. Пусть случайная величинаX— число людей, у кото
рых день рождения совпал с днем собрания. Исключим из рас
смотрения 29 февраля високосного года. Кроме того, будем счи
тать, что каждый день года является чьим-то днем рождения
с одинаковой вероятностью. Тогда можно смоделировать распре
1
При довольно слабых дополнительных условиях распределение Пуас
сона применимо также и в случае неодинаковых вероятностей успеха в ис
пытаниях.
-
-
-
-
-
-
-

3.2. Пуассоновское распределение
89
делениеXкак биномиальное распределение с параметрами
1
и
p =
.Вычислив
PX k()>
,получим,что
n = 500
365
PX PX(). ().,>= >=4 00130 5 00028и
поэтому достаточно приготовить пять подарков.
В этом примереnдостаточно велико, аpдостаточно мало, по
этому биномиальное распределение
пуассоновским с математическим ожиданием
можно аппроксимировать
X
500
l= =np
. В табл. 1
365
приведены биномиальная вероятность и пуассоновская вероятность
того, что ровно уkчеловек день рождения совпадает с днем собра
ния для
k = 01 6,, ,K
. Значения пуассоновских вероятностей очень
близки к значениям биномиальных.
Таблица 1. Биномиальные и пуассоновские вероятности
k
Бином 0,2537 0,3484 0,2388 0,1089 0,0372 0,0101 0,0023
Пуассон 0,2541 0,3481 0,2385 0,1089 0,0373 0,0102 0,0023
0123456
-оценка
Z
Вот очень полезное на практике свойство случайной величины
с пуассоновским распределением: вероятность того, что значение
случайной величины отстоит от ее математического ожидания бо
лее чем на три стандартных отклонения, очень мала (
10
3-
или ме
ньше), если математическое ожиданиеlдостаточно велико. На
практике «достаточно» — это
. Это правило очень полезно
l³25
для определения степени важности всевозможных статистических
фактов, о которых сообщают средства массовой информации.
Чтобы оценить, насколько исключительным является некоторый
случайный результат, измерьте, на сколько стандартных отклоне
ний он отстоит от своего математического ожидания. В статистике
эта разность называетсяz-оценкой. Например, предположим, что
в этом году количество краж со взломом в некотором районе вы
росло на более чем 15% по сравнению со средним ежегодным зна
чением 64 и составило 75 таких преступлений. Поскольку в дан
-
-
-
-
-
-
-
-

Глава 3. Полезные распределения вероятностей
90
ном случаеz-оценка равна
()/ .75 11 64 138-=
1
, такое возрастание
можно объяснить случайной флуктуацией, поэтому нет оснований
требовать отставки главы полиции этого района.
Пример 3.5. Страховая компания «Пегас» предлагает полис,
который покрывает некоторые виды телесных повреждений со
стандартной выплатой в размере $100 000. В среднем 100 стра
ховых претензий в год приводят к страховым выплатам. Число
владельцев таких полисов составляет десятки тысяч. Что можно
сказать о вероятности того, что «Пегасу» придется выплатить бо
лее 15 миллионов долларов в течение года?
Решение. Фактически каждый страхователь проводит личный
вероятностный эксперимент, который окажется «успешным», если
страхователь подаст правомерный иск в течение последующего
года. Поскольку страхователей большое количество, проводится большое число независимых вероятностных экспериментов, у каждого из которых вероятность успеха очень мала. Поэтому можно использовать пуассоновскую вероятностную модель. Эта модель полностью определяется ожидаемым средним значением в 100 правомерных исков. Пусть случайная величинаX— общее количество
исков, по которым будет произведена выплата в течение года страхового покрытия, тогда случайную величинуXможно смоделировать распределением Пуассона с параметром
l=100
. Вероятность
того, что компании придется выплатить больше 15 миллионов долларов — это
PX()>150
. Поскольку
EX()=100иs()X = 10
, выплата
за 150 исков лежит на пять стандартных отклонений выше мате
матического ожидания. Поэтому, не производя дальнейших вычис
лений, вы можете сделать вывод, что вероятность выплатить боль
ше 15 миллионов долларов в течение года должна быть чрезвы
чайно мала. Точное значение вероятности
k
150
1
-=´
å
k
=
100
100
-
e
0
k
!
123 10
.
6
-
. Это не та вероятность, о которой
PX()>150
равно
следует беспокоиться руководителям страховых компаний.
Для биномиально распределенной случайной величины
с параметрамиnиpтакже верно то, что почти все ее значения от
-
-
-
-
-
-
X
-
1
В оригинале в левой стороне равенства опечатка, должно быть (75 64)/
/
64 1 38= ,
и математическим ожиданием. — Прим. перев.
, т.к. в числителе считается разница между текущим значением
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]
