- •Глава 2. Теорема сложения и умножения вероятностей
- •§2. Теорема умножения вероятностей
- •§3. Независимые события. Теорема умножения для независимых событий
- •Искомая вероятность
- •§4. Вероятность появления хотя бы одного события
- •Следствие. Если событие а1, а2, … , Аn имеют одинаковую вероятность, равную p, то вероятность появления хотя бы одного из этих событий:
- •§5. Теорема сложения вероятностей совместных событий
- •§6. Формула полной вероятности
- •§7. Вероятность гипотез. Формулы Бейса
- •Ответ: вероятнее всего студент принадлежит второй группе. Глава 3. Повторение испытаний
- •§1. Формула Бернулли
- •Решение.
- •§2. Локальная теорема Лапласа
- •§3. Интегральная теорема Лапласа
- •§4. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
- •Глава 4. Случайные величины
- •§ 1. Случайная величина. Дискретные и непрерывные случайные величины
- •§ 2. Закон распределения вероятностей дискретной случайной величины
- •§ 3. Биноминальное распределение
- •§ 4. Распределение Пуассона
- •Глава. 5. Математическое ожидание дискретной случайной величины
- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Свойства математического ожидания
- •Глава 6. Дисперсия дискретной случайной величины
- •§1. Отклонение случайной величины от её математического ожидания. Дисперсия дискретной, случайной величины
- •§2. Свойства дисперсии
- •§3. Среднее квадратическое отклонение
- •Глава 7. Функция распределения вероятностей случайной величины
- •§1. Определение функции распределения
- •§2. Свойства функции распределения
- •§3. График функции распределения
- •§4. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства плотности распределения
- •§5. Числовые характеристики непрерывных случайных величин
§4. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях
Найдем вероятность того, что отклонения относительной частоты m/nот постоянной вероятностиpпо абсолютной величине не превышает заданного числа> 0, т.е. найдем вероятность того, что осуществляется неравенство:.
Раскроем модуль или. Умножим эти неравенства на множитель:.
Используя теорему Лапласа, получим:
.
Пример. Вероятность появления события в каждом из 10000 независимых испытаний p= 0,75. Найти вероятность того, что относительная частота появления события отклонится от его вероятности по абсолютной величине не более чем на 0,001.
Решение. = 0,001, p = 0,75,
.
Пример. Сколько раз надо бросить монету, чтобы с вероятностью 0,6 можно было ожидать, что отклонение относительной частоты появлений герба от вероятности p= 0,5 окажется по абсолютной величине не более 0,01?
Решение.
, ,. По таблице находим
, ,n1764 раза.
Глава 4. Случайные величины
§ 1. Случайная величина. Дискретные и непрерывные случайные величины
Случайнойназывают величину, которая в результате испытания примет одно и только одно возможное значение, неизвестное заранее какое именно.
Будем обозначать случайные величины прописными буквами X,Y,Z, и их возможные значения – соответствующими строчным буквами –x,y,z.
Дискретной называют случайную величину, которая принимает отдельные, возможные значения с определенной вероятностью. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.
Пример.
1). Число появлений герба при трех бросаниях монеты: возможно 0; 1; 2; 3
2). Число самолетов, сбитых в воздушном бою: 0; 1; 2; …. N, гдеN– общее число самолетов.
Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка.
Число возможных значений непрерывной случайной величины бесконечно.
Пример.
1) Абсцисса точки попадания при выстреле.
2) Время безотказной работы лампы.
§ 2. Закон распределения вероятностей дискретной случайной величины
Законом распределения дискретной случайной величиныназывают соответствие между возможными значениями и их вероятностями.
Способы задания: таблично, аналитически, графически.
1). |
X |
x1 |
x2 |
… |
xn |
- возможные значения |
P |
p1 |
p2 |
… |
pn |
- вероятность возможных значений |
События x1,x2, …,xn- образуют полную группу, т.е.р1 +р2 + … +рn= 1.
Такую таблицу называют рядом распределенияслучайной величиныX.
2). Графическое изображение.
Для наглядности точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения.
Пример. Игральная кость брошена 3 раза. Написать закон распределения числа появлений шестерки.
Решение. Вероятность появления шестерки при одном бросании p= 1/6, вероятность непоявления шестеркиq= 1 –p= 5/6.
При трех бросаниях игральной кости шестерка может появиться либо 3 раза, либо 2 раза, либо 1 раз, либо совсем не появиться. Таким образом, возможные значения Xтаковы:x1= 0,x2= 1, x3= 2, x4= 3. Найдем вероятности этих возможных значений по формуле Бернулли:.
, ,
, .
Искомый закон распределения:
X |
x1 |
x2 |
x2 |
x3 |
P |
125/216 |
75/216 |
15/216 |
1/216 |