- •Тема 1 випадкові величини
- •Поняття випадкової величини. Закон розподілу дискретної випадкової величини. Математичні операції над випадковими величинами 4
- •Тема 2 основні закони розподілу
- •Тема 3 елементи математичної статистики
- •Тема 4 розв’язування задач засобами mathcad 150
- •Тема 1 випадкові величини
- •Поняття випадкової величини. Закон розподілу дискретної випадкової величини. Математичні операції над випадковими величинами
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Математичне сподівання дискретної випадкової величини та його властивості
- •Розв’язування
- •Доведення
- •Доведення
- •Доведення
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Функція розподілу випадкової величини
- •Розв’язування
- •Доведення
- •Доведення
- •Неперервні випадкові величини. Щільність ймовірності
- •Доведення
- •Розв’язування
- •Доведення
- •Розв’язування
- •Мода, медіана, квантилі, моменти випадкових величин. Асиметрія та ексцес (надвишок)
- •Розв’язування
- •Розв’язування
- •1.7 Приклади розв’язування задач
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Питання для самоперевірки
- •Завдання для самостійної роботи
- •Тема 2 основні закони розподілу
- •2.1 Біноміальний закон розподілу
- •Доведення
- •2.2 Закон розподілу Пуассона
- •Розв’язування
- •2.3 Рівномірний закон розподілу
- •Доведення
- •Розв’язування
- •Розв’язування
- •2.4 Показниковий закон розподілу
- •Доведення
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •2.5 Нормальний закон розподілу
- •Доведення
- •Доведення
- •Доведення
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •2.6 Розподіл
- •2.7 Розподіл Ст’юдента
- •2.8 Розподіл Фішера-Снедекора
- •Питання для самоперевірки
- •Завдання для самостійної роботи
- •Тема 3 елементи математичної статистики
- •3.1 Варіаційні ряди, їх графічне представлення та характеристики
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •3.2 Поняття оцінки параметрів. Методи знаходження оцінок
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •3.3 Статистична гіпотеза та загальна схема її перевірки
- •Розв’язування
- •1. Перевірка гіпотез про рівність середніх.
- •Розв’язування
- •2. Перевірка гіпотез про рівність дисперсій двох сукупностей.
- •Розв’язування
- •3. Побудова теоретичного закону розподілу за експериментальними даними. Перевірка гіпотез про закон розподілу
- •Розв’язування
- •Питання для самоперевірки
- •Завдання для самостійної роботи
- •Тема 4 розв’язування задач засобами MathCad
- •Розв’язання
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Розв’язування
- •Словник основних математичних термінів, що зустрічаються в тексті
- •21021, М. Вінниця, Хмельницьке шосе, 95, внту
- •21021, М. Вінниця, Хмельницьке шосе, 95, внту
Розв’язування
Дослідимо для вказаних значень параметрів біноміального розподілу точність асимптотичної формули Муавра–Лапласа.
Перший випадок.
n:= 10
PB1:= dbinom (k, n, 0.7)
PB2:= dbinom (k, n, 0.5)
PB3:= dbinom (k, n, 0.2)
PB1 = 0.103 PB2 = 0.246 PB3 = 0.026
PM1 = 0.106 PM2 = 0.252 PM3 = 0.019
Другий випадок
n:= 30
PB1:= dbinom (k, n, 0.7)
PB2:= dbinom (k, n, 0.5)
PB3:= dbinom (k, n, 0.2)
PB1 = 0.011 PB2 = 0.144 PB3 = 1.788
PM1 = 9.128 PM2 = 0.146 PM3 = 3.944
Третій випадок
n:= 50
PB1:= dbinom (k, n, 0.7)
PB2:= dbinom (k, n, 0.5)
PB3:= dbinom (k, n, 0.2)
PB1 =1.436 PB2 = 0.112 PB3 = 1.602
PM1 = 1.053 PM2 = 0.113 PM3 = 1.102
Висновок: Наведені обчислення повністю підтверджують теоретичні твердження: похибка апроксимації зменшується із зростанням і по мірі наближення і до 0,5.
Інтегральна теорема Муавра –Лапласа
Нехай , тоді для випадкової величини, яка має біноміальний розподіл з параметром коли для довільних а і в справедлива формула
.
Це означає наступне. Для обчислення ймовірності того, що число успіхів в випробуваннях Бернулі належить проміжку ( ; ) можна використовувати формулу
,
де – функція Лапласа; ; .
Точність цієї формули зростає із зростанням . Якщо порівняно невелике, то краще наближення дає формула
,
Тобто для обчислення ймовірності того, що число успіхів в випробуваннях Бернулі належить проміжку ( ; ), можна використовувати формулу
, де
; .
Зауваження: В
MathСad
для обчислення значень Ф(х) призначена
функція pnorm(x,0,1).
Функція
pnorm(x,0,1)
обчислює значення нормальної функції
розподілу з нульовим математичним
сподіванням і одиничним середнім
квадратичним відхиленням
Приклад 4.7 Ймовірність народження хлопчика , дівчинки – . Знайти ймовірність того, що серед 10000 новонароджених хлопчиків буде не менше 3800 і не більше 5100.
Розв’язування
p:= 0.51
q: =1– p
n: = 10000
k1: =38000
k2: = 5100
PB: = pbinom (k2, n, p) – pbinom (k1, n, p)
PB: =0.504
PM: = pnorm (x2, 0, 1) – pnorm (x1, 0, 1)
PM = 0.5
Наведені обчислення повністю підтверджують теоретичні твердження: наближені значення ймовірностей співпадають з ймовірностями, які обчислені за формулою Бернулі.
Теорема Бернулі
Деякі важливі задачі, які пов’язані зі схемою Бернулі, розв’язуються за теоремою Бернулі. Так, якщо – число успіхів в випробуваннях з ймовірністю успіху в одному випробуванні , , для довільного
Це означає, що із зростанням числа випробувань відносна частота успіхів наближається до ймовірності успіху в одному випробуванні.
Визначимо, скільки потрібно провести випробувань, щоб відхилення частоти успіхів від ймовірності було меншим з ймовірністю, більшою або рівною , тобто знайдемо , для якого виконується нерівність
.
Доведено, що число забезпечує виконання цієї нерівності якщо воно задовольняє відношення , де – розв’язок рівняння .
Необхідно звернути особливу увагу на факт – шукане значення не залежить від і тому формулою необхідно користуватися для оцінки мінімального необхідного числа випробувань за умови, що ймовірність - невідома. Якщо ймовірність відома спочатку, необхідне число випробувань визначається формулою .
В Mathcad значення кореня для рівняння дає функція .
Приклад 4.8 Виробник стверджує, що негативне відношення покупця до нового товару невелика. Скільки потрібно опитати людей, щоб з ймовірністю не менше 0.8 можна було стверджувати, що відносна частота негативного відношення до нового товару відрізняється від заявленої виробником не більше ніж на 0.01.