14-es_1 / Высшая математика (РТФ) / умк_Пальчик_Теория вероятностей
.pdfСвойства f(x)
4.12. f(x) ³ 0 (следует из 4.8(3°).
4.13.
∞ |
|
∫ f (x) dx =1. |
(4.10) |
−∞ |
|
О. Ввиду (4.9) несобственный интеграл |
∞ |
∫ f (x) dx выражает вероят- |
|
|
−∞ |
ность попадания значений СВ Х в интервал (– |
¥, + ¥), что, конечно, равно |
100 % = 1. Ä.
4.14. Теорема. Вероятность попадания значений СВ Х в интервал ]a, b[ вычисляется формулой
|
β |
|
P(a < X < b) = ∫ f (x) dx . |
(4.11) |
|
|
α |
|
О. Из (4.5) и (4.6) получаем: P(a < X < b) = F(b) – F (a) = (по форму- |
||
β |
β |
|
ле Лейбница – Ньютона) = ∫ F '(x )dx =∫ f (x )dx . Ä . |
|
|
α |
α |
|
4.15. Следствие. |
|
|
x |
|
|
F (x) = ∫ |
f (t) dt. |
(4.12) |
−∞
Таким образом, тройки (WX, FX, F(x)) и (WX, FX, f(x)) являются экви- валентными моделями эксперимента Е, описываемого СВ Х. Эти модели также иногда называются законами распределения СВ Х.
4.16. Пример. СВ Х задана плотностью распределения вероятностей
f (x) = |
1- | x |, " | x | £1 |
||
|
|
|
0, " | x | >1. |
Найти F(x) и P( X > |
1 |
). |
|
|
|
||
2 |
|
|
31
О. Разобьем интервал ]– ¥, + ¥[ на 4 интервала: ] – ¥, – 1] È ]– 1, 0] È ]0, 1] È]1, + ¥[. Тогда график f(x) на каждом из этих интервалов имеет вид, изображенный на рис. 4.2.
f (x)
x
-1 |
0 |
1 |
|
Рис. 4.2 |
|
Далее по 4.15: |
|
|
|
x |
|
|
F (x) = ∫ f (t) dt. |
|
|
−∞ |
|
|
x |
|
Поэтому для "x £ – 1 |
имеем: ∫ 0 × dt = 0. |
|
−∞
Для "x Î ]– 1, 0] |
имеем: |
|
|
|
|
|||
−1 |
x |
|
(1 + t)2 |
x |
|
1 + 2x + x2 |
||
∫ |
0 × dt + ∫ (1 + t)dt = |
|
|−1 |
= |
|
|
||
2 |
2 |
|||||||
−∞ |
−1 |
|
|
|
||||
|
|
|
|
|
|
Для "x Î ]0, 1] имеем:
−1 |
0 |
|
|
x |
|
|
|
|
(1 + t)2 |
||||||
∫ 0 × dt + ∫ |
(1 + t) dt + ∫(1 - t) dt = 0 + |
|
|
|
|||||||||||
2 |
|||||||||||||||
−∞ |
|
−1 |
|
0 |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|||||||
= |
1 |
+ |
- |
1 - 2x + x2 |
+ |
1 |
|
= - |
1 |
x2 + x + |
1 |
. |
|||
|
|
|
|
|
|||||||||||
|
2 |
|
|
2 |
2 |
|
2 |
|
2 |
|
- 0 = 1 x2 + x + 1 . 2 2
|0−1 - (1 - t)2 |x0 = 2
32
Для "x Î ]1, +¥[ имеем:
−1 0 1 x
∫ 0 × dt + ∫ (1 + t) dt + ∫(1 - t) dt + ∫0 × dt =
−∞ |
|
|
|
−1 |
|
|
|
0 |
|
|
|
|
1 |
|
|
|
|
|
1 |
|
|
1 - 2t + t 2 |
|
1 |
|
|
1 |
|
|
|
|
1 |
|
||
= |
|
+ |
- |
|
|
| |
0 |
|
= - |
|
- |
|
0 |
- |
|
|
=1. |
|
|
|
|
|
|||||||||||||
|
2 |
|
|
2 |
|
|
|
2 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
График F(x) изображен на рис. 4.3.
F(x)
|
|
|
|
1 |
|
|
y = |
1 |
x2 + x + |
1 |
|
1 |
|
|
|
|
||||
2 |
2 |
2 |
|
|||
|
|
|
|
|
||
|
|
∙ |
|
|
∙ |
|
|
|
-1 |
|
1 |
Рис. 4.3
1+ (1 - t)2 |10 =
22
y = - 1 x2 + x + 1 2 2
x
Далее, по 4.13:
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
∞ |
|
|
|||||||
P( X > |
) = P( |
< X < ¥) = ∫ f (t) dt = ∫(1 - t) dt + ∫ 0 × dt = |
||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||
= - |
(1 - t)2 |
| 11 |
+ 0 = 0 - (- |
1 |
)2 / 2 = |
|
1 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Другим способом, по 4.9: P( X > |
1 |
) = P( |
1 |
< X < ¥) = P( |
1 |
< X <1) = |
||||||||||||||||||||||||||||||||||
|
|
2 |
2 |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
= F (1) - F ( |
1 |
) = - |
1 |
+1 + |
1 |
|
- |
- |
1 |
+ |
1 |
+ |
1 |
|
=1 + |
1 |
-1 = |
1 |
. |
Ä |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
2 |
|
2 |
|
2 |
|
|
|
8 2 |
|
|
2 |
8 |
8 |
|
|
|
33
5. Схема испытаний Бернулли. Биномиальный закон распределения дискретной СВ.
Наивероятнейшее число появлений события. Предельные случаи в схеме Бернулли:
закон распределения Пуассона; локальная теорема Муавра-Лапласа; интегральная теорема Муавра-Лапласа. Равномерное и показательное распределения
Пусть производится n независимых испытаний, в каждом из которых вероятность появления события A постоянна и равна p. Требуется вычис- лить вероятность
Рn (k)
того, что при этих n испытаниях событие A появится точно k раз. |
|
||
5.1. |
Теорема Бернулли. |
|
|
|
P (k) = C k × pk × (1 - p)n−k . |
(5.1) |
|
|
n |
n |
|
О. |
Пусть вероятность ненаступления A в единичном опыте равна |
q = 1 – p. Вероятность сложного события B «в n опытах A наступит k раз и
не наступит n – k |
раз» вычислим по теореме умножения независимых со- |
||||||||||||||||||||||||||||||||||||||||
бытий. P(B) = pk qn-k. Таких сложных событий B может быть Cnk |
штук. (На- |
||||||||||||||||||||||||||||||||||||||||
пример, если n = 4, k = 3, то для B имеются следующие возможности: |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
A, A |
|
AA, |
|
|
|
|
|
|
3 ). Эти сложные события (вида B) не- |
|||||||||||||||||||||||||
AAA |
A |
, AA |
A |
A |
A AAA. Их C |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
совместимы. Поэтому число P(B) нужно сложить Cnk раз. |
Ä. |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
5.2. Пример. Два равносильных шахматиста играют. Что вероят- |
||||||||||||||||||||||||||||||||||||||||
нее, выиграть 2 партии из 4-х, или 1 из 2-х? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
О. P (2) = C 2 |
× ( |
1 |
)2 ( |
1 |
)2 ; |
P (1) = С1 |
× |
1 |
× |
1 |
; |
P (2) = |
4 ×3 |
× |
1 |
× |
1 |
= |
|
6 |
; |
|||||||||||||||||||
|
|
|
|
|
|
|
|
4 |
4 |
16 |
|||||||||||||||||||||||||||||||
|
4 |
|
|
|
|
|
|
4 |
|
2 |
|
2 |
|
2 |
2 |
2 |
2 |
|
4 |
|
2 |
|
|
|
|
||||||||||||||||
P (1) = 2 × |
1 |
|
× |
1 |
= |
1 |
; |
|
|
1 |
> |
3 |
. Ä. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
2 |
2 |
|
2 |
2 |
|
|
2 |
|
|
8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
34
5.3.Биномиальный закон распределения дискретной ДСВ
|
X |
0 |
|
1 |
... |
k |
... |
n |
|
|
|
|
|
|
|
|
|
|
|
|
P(X = k) |
Pn(0) |
|
Pn(1) |
|
Pn(k) |
... |
Pn(n) |
(5.2) |
|
О. Если произвели n опытов, то A может появиться 0 раз, 1 раз, 2,..., |
||||||||
k раз, ... , n раз. Если СВ X – |
появление A k раз в n опытах (P(A) = const = p), то |
(5.2) и дает нам закон распределения СВ X. То, что во второй строке таб- лицы (5.2) сумма чисел равна 1, следует из того, что p + q = 1, и из форму- лы бинома Ньютона и из (5.1):
(q + p)n = qn + Cn1 pqn−1 +K + Cnk pk qn−k +K + pn
(поэтому и закон назвали биномиальным). Ä.
Закон (5.2) позволяет также вычислять возможность того, что A поя- вится от k до l раз, где
0 £ k < l £ n.
В самом деле, в силу несовместимости событий в схеме Бернулли
Pn(k ≤ m ≤ l) = Pn(k) + Pn(k + 1)+ …+ P n(l). |
(5.3) |
5.4. Пример. По каналу связи передается 5 сообщений. Каждое со- общение независимо от остальных искажается помехами с вероятностью 0,3. Найти вероятности событий: а) не более 2-х сообщений искажены; б) все сообщения без искажений; в) не менее 2-х сообщений искажены.
О.
а) P5 (0 £ m £ 2) = 0,30 × 0,75 + C51 × 0,3 × 0,74 + C52 × 0,32 × 0,73 » 0,84;
б) q =1 - p = 0,7; P5 (5) = C55 × 0,75 = 0,168;
в) P5 (2 £ m £ 5) = C52 × 0,32 × 0,73 + C53 × 0,33 × 0,72 + C54 × 0,34 × 0,71 +
+C55 × 0,35 = 0,3143. Ä.
Функция Pn(k) из (5.1) при некотором k0 достигает наибольшего зна- чения. Тогда число k0 называют наиболее вероятным числом появления события A при n испытаниях.
35
Заметим, что
|
|
Pn (k + 1) |
= (5.1) = |
n − k |
× |
p |
|
|||||||||
|
|
|
|
|
|
|
. |
(5.4) |
||||||||
|
|
P (k ) |
k +1 |
q |
||||||||||||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
||
Откуда P (k +1) > P (k ) Û |
n − k |
× |
p |
>1~k < n p-q, |
|
|||||||||||
|
|
|
|
|||||||||||||
n |
|
n |
|
|
k +1 q |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
а P (k +1) < P (k) Û |
n − k |
|
× |
p |
<1~k > n p-q. |
|
||||||||||
|
|
|
||||||||||||||
n |
n |
|
k +1 |
|
|
q |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
Итак, при k < np - q функция Pn (k) возрастает, а при k > np - q эта функция убывает. Но тогда существует точка k0 , в которой Pn (k) достигает максимума. То есть Pn (k0 ) больше значений Pn (k) в соседних точках. В ча- стности,
Pn (k0 ) ³ Pn (k0 -1) |
(5.5) |
Pn (k0 ) ³ Pn (k0 +1) |
Применяя формулу (5.1) и решая неравенства (5.5) (относительно k0), получим
np – q £ k0 £ np + p. |
(5.6) |
5.5. Пример. Завод допускает брак в 1/45 своей продукции. Изго- товлено 4500 единиц продукции. Найти наиболее вероятное число единиц продукции, удовлетворяющее стандарту.
О. q = 1 , для стандарта p =1 - q = 44 .
45 |
|
|
|
|
45 |
|
|
||
По (5.6) 4500 × |
44 |
- |
1 |
£ k0 |
£ 4500 × |
44 |
+ |
44 |
. Откуда k0 @ 4400. Ä. |
|
|
|
|
||||||
45 |
45 |
|
45 |
45 |
|
Формулой (5.1) пользоваться неудобно при больших n. Существует ряд приближенных более простых формул для случаев, когда n ® ¥.
5.6. Теорема (Пуассона). Пусть вероятность события A при каж- дом из n независимых испытаний равна l /n, где l = const, l > 0. Тогда
lim P (k ) = lk |
e−λ |
; |
(5.7) |
|||
n→∞ |
n |
k ! |
|
|
|
|
|
|
|
|
|||
P (k ) » lk |
e−λ . |
|
(5.7¢) |
|||
n |
|
k ! |
|
|
|
|
|
|
|
|
|
|
36
О.
|
|
lim P (k ) = (5.1) = lim |
|
n! |
|
pk (1 - p)n−k = |
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
n→∞ |
n |
|
|
|
|
|
|
k !(n - k )! |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
= lim |
|
|
n! |
|
|
(l)k (1 - l)n−k = lk |
× lim ( |
n(n -1)K(n - k +1) |
× (1 - l)n−k ) = |
|||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
k !(n - k )! n |
n |
|
|
k ! n→∞ |
|
|
|
nk |
|
|
|
|
|
n |
||||||||||||
= lk |
× lim (1× (1 - |
1 |
)(1 - |
2 |
)K(1 - |
k -1 |
)(1 - l)n (1 - l)−k ) = |
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||
k ! |
|
n |
→∞ |
|
|
|
n |
n |
|
|
n |
|
|
|
|
|
n |
|
n |
|
|
|
|
|
|
|||
= lk |
×1× lim (1 - l)n ×1 = lk |
× e−λ . |
Ä. |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
k ! |
n→∞ |
n |
|
k ! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
Формулы (5.7) называются формулами Пуассона, или законом рас- |
||||||||||||||||||||||||||
пределения редких ( p = λ ® 0!) явлений. |
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Заметим, что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
lk |
= e |
λ |
. |
|
|
|
|
|
(5.8) |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ |
k ! |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
k =0 |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
Поэтому |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
∞ |
lk |
|
−λ |
= e |
−λ |
∞ |
lk |
= (5.8) = e |
−λ |
e |
λ |
=1. |
(5.9) |
|||||||
|
|
|
|
|
|
|
|
∑ |
|
= e |
|
|
|
∑ |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
k =0 |
k ! |
|
|
|
|
|
|
k =0 |
|
k ! |
|
|
|
|
|
|
|
|
Рассмотрим дискретную ДСВ – число появлений события A в n неза- висимых испытаний, которая принимает значение k с вероятностью (5.7).
Говорят, что X распределена по закону Пуассона (5.10)
X |
0 |
1 |
... |
k |
|
... |
|
|
P(X=k) |
e−λ |
λ |
−λ |
... |
lk |
−λ |
... |
(5.10) |
|
|
e |
|
|
e |
|
|
|
|
|
1! |
|
|
k ! |
|
|
|
|
|
|
|
|
|
|
|
|
Ввиду (5.9) сумма чисел во второй строке таблицы (5.10) равна 1. Поэтому закон (5.10) является полным (корректным) ввиду (4.4).
Функция распределения закона (5.10) имеет вид:
F (x) = P( X < x) = ∑ |
lxi |
e−λ . |
(5.11) |
x < x |
xi ! |
|
|
i |
|
|
|
37
Формула (5.7') является удобной математической моделью простей- шего потока событий. К СВ, подчиненным закону (5.7'), приводят практи- ческие задачи, относящиеся к вопросам массового обслуживания.
Введем необходимые понятия.
Потоком событий называется последовательность событий, кото- рые наступают в случайные моменты времени (поступление вызовов на АТС; испускание числа электронов катодом электронной лампы в течение времени t; распад радиоактивного вещества за время t и т.д.).
Интенсивностью потока называют среднее число событий, появ- ляющихся в единицу времени.
Свойство ординарности потока состоит в том, что вероятность появ- ления двух и более событий за промежуток времени t → 0 является бес- конечно малой величиной по сравнению с вероятностью появления одного события:
Pt, t +Δ t (1) >> Pt,t +Δ t (i), i > 1. |
(5.12) |
Свойство отсутствия последействия состоит в том, что вероятность появления k событий на непересекающихся интервалах времени
]t, t + t[, ]t + t, t +2 t [ |
(5.13) |
не зависит от номера интервала в (5.13).
Если λ(t) = λ = const на любом интервале времени из (5.13), то поток называют стационарным.
Среднее число (МО) событий в потоке от момента времени t до мо- мента времени t + τ можно вычислить по формуле
t +τ |
|
(t, t + τ) = ∫ λ(z) dz. |
(5.14) |
t |
|
Для стационарного потока очевидно: |
|
(t, t + τ) = λ τ. |
(5.15) |
5.7. Определение. Поток событий называется пуассоновским (про- стейшим), если он обладает свойствами стационарности, ординарности, отсутствия последействия.
38
Для простейшего потока с интенсивностью l легко найти вероят- ность Pt,t +τ (m) появления события m раз на интервале времени [t, t + t].
Для этого |
разобьем |
интервал |
[t, t |
+ t] на n равных частей: |
|||||||||||||||||
k = [t + |
t(k −1); t + Dt × k ], k = |
|
|
|
; |
Dt = |
τ |
. |
|
||||||||||||
1, n |
|||||||||||||||||||||
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|||
Пусть Xk |
– |
число событий, появившихся за интервал времени k . Тогда из |
|||||||||||||||||||
условия ординарности и D(t, t + |
τ |
|
) = l × |
τ |
|
получаем закон распределения |
|||||||||||||||
|
n |
||||||||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
||||||||
СВ Xk (так как M(Xk ) = D(t, t + |
τ |
) = l |
τ |
): |
|
|
|||||||||||||||
|
|
|
|
||||||||||||||||||
|
|
|
|
|
n |
|
n |
|
|
||||||||||||
|
|
|
Xk |
|
|
|
|
|
|
|
|
1 |
|
|
|
||||||
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
P |
1 - λτ |
|
|
|
λτ |
(5.16) |
||||||||||||
|
|
|
|
n |
|
|
|
|
n |
|
|
Из свойства отсутствия последействия вытекает, что вероятность по-
явления события на интервалах Dk и De постоянна и равна λτ . n
Поэтому по теореме Бернулли
P |
(m) = C |
m |
( |
λτ |
m |
(1 |
- |
λτ |
n−m |
. |
(5.17) |
n |
) |
|
) |
|
|||||||
t, t +τ |
|
|
n |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Повторив преобразования после (5.7¢), получаем
|
(m) » |
(lt)m e−λτ |
|
|
P |
|
. |
(5.18) |
|
|
||||
t, t +τ |
|
m! |
|
|
|
|
|
Этими рассуждениями доказана
5.8.Теорема. Пусть поток событий является пуассоновским с ин- тенсивностью l Тогда вероятность появления m событий за время t вы- числяется по формуле (5.18).
5.9.Пример. Среднее число вызовов, поступающих на АТС за 1 мин., равно 2. Найти вероятность того, что за 5 мин. поступит а) 2 вызо- ва; б) менее 2-х вызовов. Поток вызовов – простейший.
39
О. l = 2, t = 5, k = 2.
P (2) = |
(10)2 × e−10 |
» 0,000025. |
|
|
||
|
|
|
||||
5 |
2! |
|
|
|
|
|
|
|
|
10 × e−10 |
|
||
P (k < 2) = P (0) + P (1) = e−10 |
+ |
» 0,000495. Ä. |
||||
|
||||||
5 |
5 |
5 |
1! |
|
||
|
|
|
|
5.10. Теорема (локальная, Муавра – Лапласа). Если вероятность по- явления события A в каждом опыте постоянна и равна p, а n ® ¥, то
где x = k − n p . n p q
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
× e− |
x2 |
|
|
|||||
lim P (k ) = |
|
|
|
|
× |
|
|
|
|
|
|||||||||||
|
|
|
|
2 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
n→∞ |
n |
|
|
n p q |
|
|
|
|
|
2p |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
(5.19) |
|
|
|
|
1 |
|
|
|
|
1 |
|
|
× e− |
|
, |
||||||||
(P (k ) » |
|
|
|
× |
|
|
|
2 |
) |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||
n |
|
|
n p q |
2p |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Æ.
5.11. Замечание. Для функции j(x) = |
|
1 |
|
× e |
|
|
|
|
|||
2p |
|||||
|
|
|
|
− x2
2 имеются спе-
циальные таблицы значений при положительных значениях аргумента x. Так как функция j(x) – четная, то j(x) = j(– x ).
|
5.12. Пример. Вероятность поражения мишени стрелком при силь- |
|||||||
ном ветре – 0,2. |
Найти вероятность того, что при 400 выстрелах он поразит |
|||||||
цель 80 раз. |
|
|
|
|
|
|||
|
О. По (5.19) |
|
|
|
|
|||
P (80) » |
|
|
1 |
|
× j( |
80 - 400 × 0, 2 |
) =1/ 8 × j(0) =1/ 8 × 0,3989 = 0,04986. |
|
|
|
|
|
|
||||
400 |
400 |
× 0, 2 × 0,8 |
20 × 0, 4 |
|
||||
|
|
Вычисления по формуле (5.1) дают Р400 (80) = 0,0498, но очень громоздки. 5.13. Теорема (интегральная, Муавра – Лапласа). Если вероятность появления события A в каждом опыте постоянна и равна p, а n ® ¥, то ве- роятность Pn (k1, k2) того, что в этих n опытах A появится не менее k1 раз и
не более k2 раз, вычисляется по формуле
40