- •Тема 7 Законы распределения
- •§ 7.1 Характерные черты варьирования
- •§ 7.2 Случайные события. Вероятность события и ее свойства.
- •§ 7.3 Закон больших чисел.
- •§ 7.4 Биномиальное распределение.
- •§ 7.5 Распределение Пуассона. Параметры дискретных распределений.
- •§ 7.6 Нормальное распределение .
- •1 2 3
- •§ 7.7 Распределение Максвелла.
- •§ 7.8 Измерение асимметрии и эксцесса.
- •§ 7.9 Распределение Шарлье
§ 7.3 Закон больших чисел.
Многочисленные опыты и наблюдения показали, что встречаемость ожидаемых событий приближаются к их вероятности по мере увеличения числа испытаний n.
Теоретическое обоснование закона больших чисел было дано Я. Бернулли (1713), а также П.Л. Чебышевым и другими математиками ХІХ столетия. Закон больших чисел утверждает, что частность событияА будет сколь угодно близкой к его вероятности p, если число испытаний неограниченно возрастает. В опытах с подбрасывания монеты было доказано, что частность события и его вероятность не совпадают.
Разница между ними уменьшается при увеличении числа испытаний. Можно взять сколь угодно малое число ε и сравнивать его с разницей между частностью и вероятностью события. Вероятность того, что эта разница превысит числа ε, будет стремиться к нулю при стремлении числа испытаний n к бесконечности, т.е.
§ 7.4 Биномиальное распределение.
Представим, что в отношении некоторого случайного события А производят n независимых испытаний при условии, что в каждом испытании вероятность p появления этого события постоянна. Будем учитывать только два исхода: появление события А либо противоположного ему события , тоже имеющего постоянную вероятностьq, причем .
При этих условиях, если событие А в n испытаниях появляется m раз, события будет встречатьсяраз. Вероятность любого исходанезависимо от того, в каком порядке эти события чередуются, выразится следующим уравнением Бернулли:
где – биномиальный коэффициент, определяемый по выражению:
Формула Бернулли позволяет находить вероятность того, что из n взятых наугад элементов окажется m ожидаемых.
Можно убедиться, что . Точно так же можно вычислить вероятность осуществленияm любых событий в n независимых испытаниях при условии постоянства вероятности появления события
Совокупность этих вероятностей – Pn(0), Pn(1), …, Pn(m) – называется биномиальным распределением. Можно показать, что
, (37)
Так, при n=2 возможны следующие исходы:
результаты испытаний ;
вероятность исходов p2 pq qp q2 или
При трех независимых испытаниях возможно исходов, вероятности которых распределяются следующим образом:
и т.д.
Следовательно, закон биномиального распределения выражается не только формулой Бернулли, но и формулой бинома Ньютона:
Так, например, при n = 10 возможно исхода, которые распределяются следующим образом:
Если этот ряд представить в виде графика, как показано на рис. 7, получается полином биномиального распределения, где ординаты соответствуют членам разложения бинома . Из рис. 7 видно, что биномиальная кривая строго симметрична относительно максимальной ординаты, являющейся центром биномиального распределения.
Рис. 7. Распределение вероятностей двучлена (1/2+1/2)10
Из приведенного примера также следует, что распределение вероятностей соответствует коэффициентам разложения бинома Ньютона, отнесенным к одному и тому же знаменателю, равному 2n. Биномиальные коэффициенты легко вычислить при помощи арифметического треугольника Паскаля, в котором каждая цифра находится суммированием двух цифр, стоящих над ней (табл. 22).
Сумма биномиальных коэффициентов для любой степени бинома, как это видно из табл. 22, равна 2n.
Таблиця 22
n |
Биномиальные коэффициенты |
2n |
0 |
1 |
1 |
1 |
1 1 |
2 |
2 |
1 2 1 |
4 |
3 |
1 3 3 1 |
8 |
4 |
1 4 6 4 1 |
16 |
5 |
1 5 10 10 5 1 |
32 |
6 |
1 6 15 20 15 6 1 |
64 |
7 |
1 7 21 35 35 21 7 1 |
128 |
8 |
1 8 28 56 70 56 28 8 1 |
256 |
9 |
1 9 36 84 126 126 84 36 9 1 |
512 |
10 |
1 10 45 120 210 252 210 120 45 10 1 |
1024 |
Характер биномиального распределения не изменится от способа выражения исходов испытаний – в значениях вероятности или в абсолютных значениях частоты ожидаемого результата. В том и другом случае биномиальный закон выражает зависимость между частотой ожидаемого результата и числом независимых испытаний, проведенных в отношении случайного события А. Причем частота m появления ожидаемого события А в n независимых испытаний определяется его вероятностью p, которая остается постоянной в каждом отдельном испытании.
Для расчета теоретических (выравнивающих) частот вариационного ряда в формулу (37) вводят множитель:
, (39)
где p –вероятность ожидания события; ;.
Пример. Существует следующее распределение численности самок в 113 пометах лабораторных мышей:
Число самок в помете m |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Число пометов с таки количеством самок, fi |
0 |
1 |
10 |
17 |
46 |
28 |
8 |
3 |
0 |
В данном случае ожидаемое и противоположное события имеют одну и ту же вероятность . Число классов (без нулевых) равно семи. Сумма частот ряда, а. По треугольнику Паскаля (см .табл. 22) подбираем ряд биномиальных коэффициентовK, численно равный 1 6 15 20 15 6 1 для случая ; сумма членов рядаK равна 64. Подставляем известные величины в формулу (39):
Округляя числа, получаем теоретически ожидаемые частоты ряда:
m |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
f/i |
2 |
11 |
26 |
35 |
26 |
11 |
2 |
На моделях с известной вероятностью () ожидаемые частоты биномиального ряда легко рассчитываются по следующей формуле:
В моделях с неизвестной вероятностью значения p в формуле (39) приходится определять по средней величине полученных в опыте данных, т.е. исходить из статистической вероятности данного события. В таких случаях расчет теоретических (выравнивающих) частот биномиального ряда производят с помощью следующей формулы:
,
где N и K имеют те же значения, что и в предыдущих формулах, а p – статистическая вероятность события, определяемая отношением m/n, т.е. по средней взвешенной и.