theory
.pdfЛабораторная работа 1 |
33 |
1)расстояние от точки A до фиксированной стороны квадрата не превосходит x, x R;
2)расстояние от точки A до ближайшей стороны квадрата не превосхо-
дит x;
3)расстояние от точки A до центра квадрата не превосходит x;
4)расстояние от точки A до фиксированной вершины квадрата не превосходит x.
72. В прямоугольнике со сторонами 1 и 2 выбирается случайная точка A. Найти вероятности следующих событий:
1)расстояние от точки A до ближайшей стороны прямоугольника не
превосходит x, x R;
2)расстояние от точки A до любой стороны прямоугольника не превосходит x, x R;
3)расстояние от точки A до диагонали прямоугольника не превосходит x, x R.
73. На паркет, составленныйиз правильных k-угольниковсо сторонойa, случайно бросается монета радиусом r. Найти вероятность того, что монета не за- денетграницуниодногоизk-угольниковпаркетадля: 1) k = 3; 2) k = 4; 3) k = 6.
74.* На отрезке [0;1] случайным образом выбирается точка A, которая
делит этот отрезок на две части. Пусть ξ1 – длина меньшей части, |
ξ2 – дли- |
|
на большей части. Найти P(ξ1 ≤ x), P(ξ2 ≤ x) при любых x . |
|
|
75.* На плоскости проведено n окружностей S1, S2 , …, |
Sn |
с общим |
центром O; радиус окружности Sk равен k, где k =1, 2, …, n. |
В круге Sn |
случайным образом выбирается точка A; ABC – правильный треугольник, одной из вершин которого является точка A, а центром – точка O. Найти
вероятность Pm того, что граница треугольника ABC пересекает ровно m окружностей, m = 0, 1, …, n.
76.Из множества {1, 2, …, 1000} наудачу выбирается число a. Известно, что P{сумма цифр числа a равна S} = 1/100. Найти S.
77.Имеется прямоугольный параллелепипед Π1. В нем случайным образом выбирается сначала точка P, а затем две точки, которые являются вер-
шинами некоторого параллелепипеда Π2, все ребра которого параллельны ребрам Π1. Найти вероятность того, что P Π2 .
78. Во множестве квадратных матриц порядка n с элементами из поля Fp = Z / pZ (p – простое число) наудачу выбирается матрица A. Какова ве-
роятность Pn |
того, что уравнение X 2 + X = det A не имеет корней в Fp? |
||
Верно ли, что |
lim P = 0 или lim P =1 ? |
|
|
|
n→∞ n |
n→∞ n |
|
79. В урне содержится |
p s шаров, занумерованных числами от 1 до p s, |
||
где p – нечетное простое, |
s ≥ 2. Извлекаются |
p шаров. Пусть a1, a2 , ..., ap – |
|
их номера. Рассмотрим события |
j = 0,1, ..., p −1. |
||
|
Aj ={a1 + a2 +...+ ap ≡ j(mod p)}, |
34 |
Глава 1. Вероятностные пространства |
Доказать, что P(A0 ) > P(Aj ) для |
j =1, 2, ..., p −1 и P(Ai ) = P(Aj ) для лю- |
бых i, j ≠ 0 . |
|
80. Двое, честный и шулер, играют в кости. Игра заключается в одновременном выбрасывании каждым игроком пары костей. Проигравшим объявляется тот, кто первым выбросит дубль. Честный игрок использует обычные кости, шулер же может изготовить кости с любым распределением
вероятностей pi , qi , где pi , qi – вероятность выпадения i очков на первой и второй кости соответственно: p1 +... + p6 =1 , q1 +... + q6 =1. Что следует
предпринять шулеру, чтобы максимизировать свои шансы на выигрыш? 81.* Задача о замкнутости множества значений вероятности.
Пусть (Ω, A , P) – вероятностное пространство. Доказать, что множество {P(A) : A A } [0; 1] замкнуто, если:
1)вероятностное пространство дискретно;
2)вероятностное пространство неатомично или непрерывно, т. е. для вся-
кого события A A , где P(A) > 0, |
существует событие |
B A , |
B A та- |
кое, что 0 < P(B) < P( A); |
|
|
|
3) вероятностное пространство произвольно. |
|
|
|
82.* Показать, что если имеет |
место сходимость |
событий |
An → A, |
n → ∞, то P(An ) → P( A), n → ∞ . |
|
|
|
83.* Пусть A – σ-алгебра на множестве натуральных чисел, P – вероятностная мера на A. Можно ли продолжить P до вероятностной меры на
σ-алгебре всех подмножеств натуральных чисел?
84.* Пусть K – единичная окружность, P – вероятностная мера на K такая, что для всех α имеем P ϕα−1 = P, где ϕα обозначает поворот
окружности K на угол α , а P ϕα−1 – образ меры P при отображении ϕα , т. е.
(P ϕα−1)( A) = P(ϕα−1( A)). Доказать, что P совпадает с нормированной мерой Лебега. Доказать то же самое, предполагая только, что существует α
такое, что α / π |
и P ϕα−1 = P . |
|
|
|
85.* Из чисел 1, |
2, …, N, где N ≥1, по схеме случайного выбора с воз- |
|||
вращением выбираем пару чисел a, b. Обозначим через PN |
вероятность того, |
|||
что числав пареявляются взаимно простыми, т. е. (a; b) =1. |
Найти lim P . |
|||
86.* Рассмотрим последовательность Фибоначчи Fk , |
N→∞ N |
|
||
k = 0,1, 2, ..., |
где |
|||
F0 = 0, |
F1 =1, F2 =1, Fi = Fi−1 + Fi−2 , i =1, 2, 3, ... . Из чисел 1, 2,…, N, |
где |
||
N ≥1, |
по схеме случайного выбора с возвращением выбираем пару чисел |
|||
a, b. Обозначим через QN вероятность того, что Fa и Fb |
взаимно просты. |
Найти lim QN .
N →∞
Указание. Доказать сначала для последовательности Фибоначчи свойство Люка: (Fa ; Fb ) = F(a;b).
36 |
Глава 2. Независимость |
|
|
ОСНОВНЫЕ ПОНЯТИЯ И ТЕОРЕМЫ
В этой главе изложены понятия независимости случайных событий, классов случайных событий, испытаний со случайными исходами и некоторые вопросы, связанные с ними. Отметим, что независимость является одним из важнейших понятий теории вероятностей: именно это понятие определило то своеобразие, которое выделяет теорию вероятностей из общей теории, занимающейся исследованием измеримых пространств с мерой.
Далее будем рассматривать события, заданные на одном и том же вероятностном пространстве (Ω, A , P).
Изучение независимости случайных событий начнем с обсуждения понятия условной вероятности.
Определение 1 . Пусть вероятность события B – положительная величина, т. е. Ρ(B) > 0. Условной вероятностью события A при усло-
вии, что произошло событие B, называется число
Ρ(A | B) = Ρ(A ∩B) . Ρ(B)
Условная вероятность оценивает то изменение в степени уверенности о наступлении некоторого события, которое происходит после получения дополнительной информации.
Пример 1 . Пусть дважды брошена симметричная игральная кость,
A– событие, состоящее в том, что при первом бросании выпала единица, а
B– событие, состоящее в том, что сумма появившихся очков строго меньше четырех.
Вычислим условную вероятность события A, если известно, что про-
изошло событие B. Имеем
Ω ={(i, j) : i =1,6, j =1,6}, A ={(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)},
B ={(1, 1), (1, 2), (2, 1)}, |
|
A ∩B ={(1, 1), (1, 2)}. |
|||||||||||||
Следовательно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ρ(A) = |
6 |
= |
1 |
, Ρ(B) = |
3 |
|
= |
|
1 |
, Ρ(A ∩B) = |
2 |
= |
|
1 |
. |
36 |
6 |
36 |
|
12 |
36 |
18 |
|||||||||
|
|
|
|
|
|
|
|
Основные понятия и теоремы |
|
|
37 |
|
По определению условной вероятности имеем |
|
|||
Ρ( A | B) = Ρ( A ∩B) |
= 2 . |
|
||
|
Ρ(B) |
3 |
|
|
Пример 2 . Внутрь области Ω случайным об- |
Ω |
|||
разом бросается точка. Пусть событие |
A заключается |
|||
|
||||
в том, что точка попала в треугольную область A, а |
A |
|||
событие B – в том, что точка попала в пятиугольную |
|
|||
область B (рис. 5). |
A при условии, |
B |
||
Определим вероятность события |
||||
|
||||
что произошло событие B. Обозначим S(X ) |
площадь |
|
||
области X , тогда |
|
|
Рис. 5 |
|
|
S( A ∩B) |
|
||
Ρ(A | B) = Ρ(A ∩B) = |
S(Ω) |
= S(A ∩B) . |
||
Ρ(B) |
S(B) |
S(B) |
||
|
S(Ω) |
|
|
|
На практике часто бывает так, что известны или достаточно просто опре- |
||||
деляются именно условные вероятности, и с их помощью необходимо вы- |
||||
числить безусловную вероятность некоторого случайного события. Про- |
||||
стейшей формулой для решения задач такого типа является формула умно- |
||||
жения вероятностей. |
|
|
|
|
Теорема 1 (теорема умножения). Пусть Ρ(A) > 0, |
Ρ(B) > 0. |
|||
Тогда |
|
|
|
|
Ρ(A ∩B) = Ρ(A) Ρ(B | A) = Ρ(B) Ρ( A | B). |
||||
Для n событий справедлива следующая формула. |
|
|||
Теорема 2 (теорема умножения). Пусть случайные события A1, A2 , ..., |
||||
An−1, An такие, что |
|
|
|
|
Ρ(A1 ∩ A2 ∩…∩ An−1) > 0. |
|
|||
Тогда |
|
|
|
|
Ρ(A1 ∩ A2 ∩…∩ An ) = |
|
|||
= Ρ(A1) Ρ(A2 | A1) Ρ(A3 | A1 ∩ A2 ) … Ρ( An | A1 ∩…∩ An−1). |
||||
Пример 3 . Студент знает 20 вопросов из 25. Экзаменатор задал ему |
||||
три вопроса. Какова вероятность того, что студент ответит на все вопросы? |
||||
Решение. Введем следующие события: |
|
|||
A1 ={студент ответил на первый вопрос}; |
||||
A2 ={студент ответил на второй вопрос}; |
||||
A3 ={студент ответил на третий вопрос}. |
38 |
|
|
Глава 2. Независимость |
||
Найдем числовые значения вероятностей Ρ(A1), |
Ρ(A2 | A1), Ρ(A3 | A1 ∩ A2 ): |
||||
Ρ(A ) = 20 |
, так как всего вопросов – 25, а «хороших» – 20; Ρ(A | A ) = 19 , |
||||
1 |
25 |
|
2 |
1 |
24 |
|
|
|
|
так как при подсчете этой вероятности необходимо учесть, что на первый
вопрос уже дан ответ, Ρ(A | A ∩ A ) = 18 . |
|
|
|
|
|
||||||
|
|
|
3 |
1 |
2 |
23 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Искомую вероятность Ρ(A1 ∩ A2 ∩ A3 ) |
находим по теореме 2: |
||||||||||
Ρ(A ∩ A ∩ A ) = Ρ(A ) Ρ(A | A ) Ρ( A | A ∩ A ) = 20 |
19 |
18 ≈ 0,496. |
|||||||||
1 |
2 |
3 |
1 |
2 |
1 |
3 |
1 |
2 |
25 |
24 |
23 |
|
|
|
|
|
|
|
|
|
|||
Определение 2 . Конечное или счетное число случайных событий |
|||||||||||
A1, A2 , …, An , … образует полную группу событий (разбиение), если: |
|||||||||||
1) Ρ(Ai ) > 0, i =1, 2, …; |
|
|
|
|
|
|
|
|
|||
2) Ai ∩ Aj = , |
i ≠ j; |
|
|
|
|
|
|
|
|
3) ∑Ak = Ω.
k
Теорема 3 (формула полной вероятности). Пусть случайные события
A1, …, An образуют полную группу событий. Тогда для произвольного события B, рассматриваемого на том же вероятностном пространстве,
n
Ρ(B) = ∑Ρ(Ak ) Ρ(B | Ak ).
k=1
Формула полной вероятности верна и при выполнении следующих условий на события Ai :
1)Ρ(Ai ) > 0;
2)Ai ∩ Aj = , i ≠ j;
3)B ∑Ai .
i
Пример 4 . Студент выучил 20 билетов из 25 и идет отвечать вторым. Какова вероятность, что он вытянет «счастливый» билет?
Решение. Введем случайные события:
A1 = {первый отвечающий выбрал «счастливый» билет}, A2 = A1. Тогда
Ρ(A1) = 2025 , Ρ( A2 ) = 255 , Ρ(B | A1) = 1924 , Ρ(B | A2 ) = 2420 ,
где событие B = {второй отвечающий выбрал «счастливый» билет},
Ρ(B) = 2025 1924 + 255 2024 = 54 .
Таким образом, вероятность выбрать «счастливый» билет такая же, как если бы студент отвечал первым.
Основные понятия и теоремы |
|
|
39 |
Теорема 4 (формулы Байеса). Пусть выполнены условия теоремы 3 и |
|||
Ρ(B) > 0. Тогда для любых значений k =1, |
2, …, n имеют место формулы |
||
Ρ(Ak | B) = |
Ρ(Ak ) Ρ(B | Ak ) |
. |
|
n |
|
||
|
∑Ρ( Aj ) Ρ(B | Aj ) |
|
j=1
Пример 5 . В урне находятся два шара (оба белые, или оба черные, или один черный и один белый – все три исхода равновероятны). Из урны достали один шар, он оказался белым. Какова вероятность того, что и второй шар белый?
Решение. Введем следующие события: A1 = {в урне находятся два белых шара}, A2 = {в урне находятся два черных шара}, A3 = {в урне находятся белый и черный шары}, B = {вынутый из урны шар оказался белым}. Тогда
Ρ(A1) = Ρ(A2 ) = Ρ(A3 ) =13
и
Ρ(A1 |
| B) = |
|
|
|
|
|
|
Ρ(A1) Ρ(B | |
A1) |
= |
||||||||
Ρ(A1) Ρ(B |
| A1) |
+ Ρ( A2 ) Ρ(B | |
A2 ) + Ρ( A3 ) Ρ (B | A3 ) |
|||||||||||||||
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
1 |
1 |
|
|
|
|
|
2 |
|
|||
|
|
= |
|
|
|
|
3 |
|
|
|
|
= |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
3 . |
|
|||||
|
|
1 |
1 |
+ |
1 |
0 |
+ |
1 |
|
1 |
|
|||||||
|
|
|
3 |
3 |
3 |
2 |
|
|
|
Определение 3 . События A и B называются независимыми, если
Ρ(A ∩B) = Ρ(A) Ρ(B).
Часто используется следующий принцип: причинно-независимые физические события моделируются независимыми событиями из вероятностного пространства. Однако наличие зависимости между событиями из вероятностного пространства далеко не означает, что моделируемые физические события связаны причинно-следственной связью.
Пример 6 . Из колоды в 52 |
карты случайно вынимается одна. Рас- |
||||||
смотрим следующие случайные события: A – вынута карта бубновой мас- |
|||||||
ти, B – вынута дама. Являются ли события A и B независимыми? |
|||||||
Найдем вероятности событий A, |
B и A ∩B. Всего в колоде 13 карт буб- |
||||||
новой масти, поэтому Ρ(A) = |
13 |
= 1 |
. В колоде четыре дамы, значит, вероят- |
||||
|
|
|
52 |
4 |
|
||
ность вынуть даму Ρ(B) = |
4 |
|
= |
|
1 |
. Произведением событий A и B является |
|
|
|
|
|||||
52 |
|
13 |
|
|
случайное событие – {вынута бубновая дама}, поэтому Ρ(A ∩B) = 521 . Про-
40 |
Глава 2. Независимость |
||||||||
верим выполнение равенства P(A ∩B) = P(A)P(B), |
получим |
1 |
= |
|
1 |
|
1 |
. Та- |
|
52 |
13 |
4 |
|||||||
|
|
|
|
|
ким образом, A и B независимы в теоретико-вероятностном смысле. Решим такую же задачу при условии, что в колоду добавлен джокер.
Очевидно, что при подсчете вероятностей изменятся лишь знаменатели, так как карт теперь стало 53. Следовательно, проверка равенства (1) дает следующий результат:
|
1 |
≠ |
13 |
4 |
. |
|
|
|
|
|
|
|
|||
53 |
53 |
53 |
|
|
|||
Значит, если в колоде есть джокер, то события |
A и B становятся зави- |
||||||
симыми. |
|
|
|
|
|
||
Определение 4 . Случайные события A1, …, An |
называются по- |
||||||
парно независимыми, если для любых i ≠ j, i, j =1, |
2, …, n, |
|
|||||
Ρ(Ai ∩ Aj ) = Ρ(Ai ) Ρ(Aj ). |
|
|
|||||
Определение 5 . Случайные события A1, …, An |
называются не- |
||||||
зависимыми в совокупности, если |
для |
любого подмножества индексов |
|||||
{i1, ..., ik } {1, 2, ..., n} |
|
|
|
|
|
k
Ρ(Ai1 ∩ Ai2 ∩...∩ Aik ) = ∏Ρ( Aij ).
j=1
Пусть даны события A, B, C. Запишем, что означают попарная неза-
висимость случайных событий и независимость случайных событий в совокупности:
1) Ρ(A ∩B) = Ρ(A) Ρ(B); |
3) Ρ(B ∩C) = Ρ(B) Ρ(C); |
2) Ρ(A ∩C) = Ρ(A) Ρ(C); |
4) Ρ(A ∩B ∩C) = Ρ(A) Ρ(B) Ρ(C). |
Попарная независимость – это выполнение первых трех условий. Если к тому же выполняется и условие 4, то это означает, что события независимы в совокупности. Очевидно, что независимость в совокупности сильнее, т. е. из нее вытекает попарная независимость. Обратное, вообще говоря, неверно. Это показывает следующий пример.
Пример 7 ( пример Бернштейна). На плоскость бросают тетраэдр, три грани которого окрашены соответственно в красный, зеленый и синий, а на четвертой есть все цвета. Рассмотрим следующие события:
A ={выпала грань, содержащая красный цвет};
B={выпала грань, содержащая зеленый цвет};
С={выпала грань, содержащая синий цвет}.
Основные понятия и теоремы |
|
|
41 |
||
Покажем, что события A, B, C независимы попарно, но зависимы в со- |
|||||
вокупности. |
|
|
|
|
|
Имеем |
|
|
|
|
|
Ρ(A ∩B) = Ρ(A ∩C) |
= Ρ(B ∩C) = 1 , |
Ρ( A) = Ρ(B) = Ρ(C) = |
1 , |
||
|
|
|
4 |
|
2 |
|
|
|
Ρ(A ∩B ∩C) = |
1 . |
|
|
|
|
|
4 |
|
Тогда P(A ∩B) =P(A)P(B), |
P(A ∩C) =P(A)P(C), P(B ∩C) =P(B)P(C), т. е. |
||||
события |
A, |
B и C попарно независимы. Но P(A ∩B ∩C) ≠ P(A)P(B)P(C), |
|||
а значит, |
A, |
B, C не являются независимыми в совокупности. |
|
Пусть имеется два класса событий. Под независимостью этих классов событий по определению будем понимать, что любой представитель одного класса независим с любым представителем из другого. По аналогии для n классов случайных событий можем ввести определения попарной незави-
симости и независимости в совокупности. |
, …, An называются независи- |
Определение 6 . Сигма-алгебры A1 |
|
мыми, если для любых Ak Ak , k =1, 2, …, |
n, |
|
n |
Ρ(A1 ∩ A2 ∩...∩ An ) = ∏Ρ(Ak ). |
|
k=1 |
Далее описывается математическая модель n независимых испытаний, каждое из которых имеет конечное число исходов. Напомним, что под испытанием мы понимаем эксперимент со случайными исходами.
Поскольку математическая модель любого испытания с конечным числом исходов– конечноевероятностноепространство, товслучае n испытанийимеем
n вероятностных пространств. Пусть (Ωi , Ai , Ρi ), |
i = |
1,n |
, – конечные вероят- |
||||||||
ностные пространства, где |
Ω |
i |
={ω1, ω2 |
, …, ωni }, |
A |
i |
= P (Ω |
), |
P (ωk ) = pk , |
||
|
|
i i |
i |
|
|
i |
|
i i |
i |
k =1,ni , i =1, n .
Вложим все эти пространства в следующее пространство:
Ω ={ω = (ω1, …, ωn ) : ωi Ωi , i =1, n}, A = P (Ω), Ρ(ω) = P1(ω1) … Pn (ωn ),
для любого A A положим
P(A) = ∑P(ω).
ω A
Заданная таким образом вероятность Ρ называется прямым произведением вероятностей Ρi и обозначается Ρ = Ρ1 × Ρ 2 ×…× Ρ n . Аналогично в
этом случае A = A1 × A2 ×…× An есть прямое произведение σ-алгебр.
42 |
Глава 2. Независимость |
Каждому событию |
Ai из вероятностного пространства (Ωi , Ai , Ρi ) по- |
ставим в соответствие событие Ai′ = Ω1 ×Ω2 ×…×Ωi−1 × Ai ×Ωi+1 ×…× Ωn
из вероятностного пространства (Ω, A , |
Ρ). Через Ai′ |
обозначим подалгеб- |
|
ру алгебры A , состоящую из всех таких |
событий |
Ai′ . Очевидно, что |
|
Ρ(Ai′) = Ρi (Ai ) и сигма-алгебры A1′, A2′, |
…, |
An′ независимы. Поэтому, рас- |
сматривая вместо событий Ai из вероятностного пространства (Ωi , Ai , Ρi ) изоморфные события Ai′ из подалгебры Ai′ вероятностного пространства (Ω, A , Ρ), мыполучимматематическую модель n независимых испытаний.
Схема Бернулли ( биномиальная схема) . Пусть проводятся n независимых испытаний. Известно, что в каждом испытании возможны два исхода: либо происходит событие A (успех), либо событие A не происходит (неуспех). Данная схема называется схемой Бернулли. При этом предполагается, что вероятности р успеха и q =1− p неуспеха не из-
менятся при переходе от испытания к испытанию. Простейший пример такой схемы – следующий эксперимент.
Пример 8 . Монета бросается n раз. Очевидно, что в любом испытании возможны два исхода – выпадение орла или решки.
Опишем математическую модель схемы Бернулли, т. е. построим соответствующее вероятностное пространство:
Ωi ={0,1}, Ai ={ ,{0},{1},Ωi}, Ρi (1) = p, Ρi (0) = q, p + q =1.
Тогдапрямоепроизведениевероятностных пространств (Ωi , Ai , Pi ) имеет вид
Ω ={(ω1, ω2 , ..., ωn ) = ω : ωi {0, 1}}, A = P (Ω),
n
Ρ(ω) = ∏pωi q1−ωi .
i=1
Для любого события А из A
P(A) = ∑P(ω).
ω A
Пусть событие В состоит в том, что при n независимых испытаниях в схеме Бернулли произошло ровно k успехов, т. е.
B ={ω = (ω1, ..., ωn ) Ω : ω1 +... +ωn = k, ωi = 0, 1, i =1, n}.
Тогда
Ρ(B) = Cnk pk qn−k = Pn (k), k = 0,n.
Вероятности Pn (k), k = 0, n, называются биномиальнымивероятностями.
Основные понятия и теоремы |
43 |
Пример 9. Известно, что левши составляют 1 %. Найти вероятность того, что среди 200 человек найдется хотя бы трое левшей.
Для решения этой задачи используется схема Бернулли, в которой проводятся 200 независимых испытаний с вероятностью успеха в отдельном
испытании, равной 1 100 . Тогда |
P200 (0) |
– вероятность того, что среди 200 |
|||||||||||||||||||
человек нет левшей, |
P200 (1) |
– есть один левша, P200 (2) |
– есть двое левшей. |
||||||||||||||||||
Искомая вероятность равна |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
1− P200 (0) − P200 (1) − P200 (2) = |
|
|
|
|
|
|
||||||||
0 |
1 |
0 |
|
99 |
200 |
1 |
1 |
1 |
99 |
199 |
2 |
1 |
2 |
99 |
198 |
||||||
=1−C200 |
|
|
|
|
|
|
|
−C200 |
|
|
|
|
|
|
−C200 |
|
|
|
|
. |
|
|
|
|
|
|
|
|
|||||||||||||||
|
100 |
|
100 |
|
|
100 |
|
100 |
|
|
100 |
|
100 |
|
Полиномиальная схема. Более сложная схема n независимых испытаний получается, когда при каждом испытании возможно появление
одного из k попарно несовместных исходов A1, A2 , ..., Ak . Такая схема на- |
||||||||
зывается полиномиальной схемой. При k = 2 она превращается в схему |
||||||||
Бернулли. |
|
|
|
|
|
|
||
|
Пусть i-е испытание связано с вероятностным пространством (Ωi , Ai , Ρi ), |
|||||||
i = |
|
, где Ωi ={1, 2, ..., k}, |
состоитизномеров исходов A1, ..., Ak , Ai =P (Ω), |
|||||
1, n |
||||||||
Ρi ( j) = p j , |
p j ≥ 0, j = |
|
, |
p1 +... + pk =1. |
||||
1, k |
||||||||
|
Тогда, |
согласно общей схеме, прямое произведение (Ω, A , P) может |
||||||
быть представлено следующим образом: |
||||||||
|
|
|
Ω ={ω = (ω1, ..., ωn ) : ωi = |
|
}, A = P (Ω), |
|||
|
|
|
1,k |
|||||
|
|
|
P(ω) = P1(ω1) P2 (ω2 ) ... Pn (ωn ). |
|||||
|
Пусть событие B состоит в том, что в n испытаниях полиномиальной схе- |
|||||||
мы событие A1 произойдет ровно m1 раз, A2 – ровно m2 раз, ..., Ak – ровно |
mk раз, m1 +... + mk = n. Вероятность события Вобозначается Pn (m1, ..., mk ) и называется полиномиальной вероятностью:
P (m , ..., m ) = n! pm1 ... pmk . n 1 k m1! ... mk ! 1 k
Пример 10. В некотором обществе блондины составляют 40 %, брюнеты – 30 %, шатены – 20 %, рыжие – 10 %. Случайно выбираются шесть человек. Найти вероятность того, что количество блондинов и шатенов среди них одинаково.
Очевидно, что возможны только четыре выборки, при которых число блондинов и шатенов одинаково: среди шести выбранных нет блондинов и