
- •Теорія ймовірності та математична статистика історія виникнення та розвитку теорії ймовірностей
- •Основні поняття теорії ймовірностей
- •Перестановки, розміщення, комбінації
- •Геометрична ймовірність
- •Сума і добуток подій
- •Теорема додавання ймовірностей
- •Теорема множення ймовірностей
- •Теорема додавання сумісних подій
- •Формула повної ймовірності
- •Формула Байєса
- •Послідовності незалежних випробувань
- •Локальна теорема лапласа
- •Інтегральна теорема Лапласа
- •Формула Пуассона (теорема Пуассона)
- •Випадкова величина
- •Закон розподілу ймовірностей дискретної випадкової величини
- •Функція розподілу випадкової величини
- •Властивості функції розподілу:
- •Щільність розподілу випадкової величини
- •Властивості функції щільності розподілу:
- •Числові характеристики випадкової величини
- •Властивості математичного сподівання:
- •Властивості дисперсії:
- •Розподіл Пуассона
- •Рівномірний розподіл
- •Нормальний розподіл
- •Система випадкових величин
- •Функція розподілу двох випадкових величин
- •Властивості функції розподілу:
- •Щільність розподілу системи двох випадкових величин
- •Залежні і незалежні випадкові величини
- •Числові характеристики системи двох випадкових величин
Формула Пуассона (теорема Пуассона)
Якщо число випробувань n велике, а ймовірність р появи події А в одному досліді мала, то для обчислення ймовірності того, що подія А відбудеться m раз можна скористатися формулою Пуассона.
ТЕОРЕМА
ПУАССОНА.
Якщо число
дослідів n
і ймовірність події в одному досліді
р0
так, що np=,
о<<,
то Рm,n=
при будь-якому m=0, 1, …, n.
Отже, при великих n
і малих р
можна скористатися формулою Рm,n
.
Задача. В ціль проводять 50 незалежних пострілів. Ймовірність влучення в ціль при одному пострілі дорівнює 0,04. знайти ймовірність того, що в ціль попаде: а) жодного снаряда; б) один снаряд; в) два снаряда; г) не менше ніж два снаряда.
Розв’язання. l=np=500,04=2.
a) m=0; P0;50=
,
де е=2,71828183…2,72.
б) m=1; P1;50=
=0,27127%.
в) m=2; P2;50=
=0,27127%.
г) m2; Pm2;50=1-P0;50-P1;50=1-0,135-0,271=0,594»60%.
Випадкова величина
В теорії ймовірностей найважливішим об’єктом вивчення є поняття випадкової величини.
Випадковою величиною називається величина, яка в результаті досліду (експерименту) може приймати те чи інше числове значення, але тільки одне, причому до проведення досліду невідомо яке саме.
Приклади:
Дослід: підкидання іграшкового кубика.
Випадкова величина X – число очок, що випали. Випадкова величина X може приймати значення: 1, 2, 3, 4, 5, 6.
Явище: народження дитини.
Випадкова величина X – число народжених хлопчиків серед 100 новонароджених; X може приймати значення 0, 1, 2, ..., 100.
Дослід: Вимірювання температури повітря о сьомій годині ранку у жовтні місяці.
Випадкова величина X – температура повітря може приймати значення в інтервалі (-20; +25).
Випадкові величини позначатимемо X, Y, Z, …, а їх конкретні значення малими літерами x, y, z, ...
Дискретною випадковою величиною називається така величина, для якої число можливих значень є або скінчена множина, або нескінчена зчислена множина.
Приклади:
Х – число бракованих виробів в партії виробів з n штук Х={0, 1, 2, ..., n}.
Х – число викликів, що поступають на телефонну станцію протягом доби Х{0, 1, 2, ...}.
Неперервною випадковою величиною називається така величина, можливі значення якої неперервно заповнюють деякий інтервал числової осі.
Приклади:
Х – час безвідмовної роботи радіолампи.
Х – помилка, що допущена при вимірюванні деякої величини.
Х – відстань, яку ви зможете пройти за оди день.
Закон розподілу ймовірностей дискретної випадкової величини
Нехай дискретна випадкова величина Х в результаті досліду прийняла одне з можливих значень х1, ..., хn. При повторенні дослідів одні з цих значень можуть з’являтися частіше, інші рідше. Іншими словами дискретна випадкова величина приймає значення х1 з ймовірністю р1, х2 з ймовірністю р2, ..., хn з ймовірністю рn.
Події: дискретна випадкова величина прийняла значення х1;
дискретна випадкова величина прийняла значення х2;
і т. д. ...;
дискретна випадкова величина прийняла значення хn складають повну групу подій.
Тому, р1+р2+...+рn=1.
Законом розподілу випадкової величини називають всяке співвідношення, що задає зв’язок між можливими значеннями випадкової величини і відповідними ймовірностями.
Простішою формою задання закону розподілу ймовірностей дискретної випадкової величини Х є таблиця, в якій записані можливі значення випадкової величини і відповідні ймовірності.
хі – значення випадкової величини Х.
рі – ймовірність, що випадкова величина прийме значення хі.
хі
х1
х2
...
хn
рі
р1
р2
...
рn
цю таблицю називають рядом розподілу ймовірностей випадкової величини. |
Приклад: Х – оцінка на екзамені з математики.
хі |
2 |
3 |
4 |
5 |
рі |
0,1 |
0,3 |
0,4 |
0,2 |
Ряд розподілу ймовірностей випадкової величини.
Задача. Проводяться три незалежні досліди. В кожному досліді подія А з’являється з ймовірністю 0,4. Випадкова величина Х є число появ події А в трьох дослідах. Побудувати ряд розподілу випадкової величини Х.
Розв’язання. Випадкова величина Х може прийняти значення х1=0; х2=1; х3=2; х4=3. Обчислимо відповідні ймовірності за формулою Бернуллі: Рm,n= .
P0;3=
;
P1;3=
;
P2;3=
;
P3,3=
.
Ряд розподілу випадкової величини Х має вигляд
хі |
0 |
1 |
2 |
3 |
рі |
0,216 |
0,432 |
0,288 |
0,064 |
Задача. Проводиться ряд незалежних дослідів. В кожному досліді може з’явитися подія А з ймовірністю р. досліди проводяться до першої появи події А, після появи події А досліди припиняються. Випадкова величина Х – число проведених дослідів. Побудувати ряд розподілу випадкової величини Х.
Розв’язання. Випадкова величина Х може прийняти значення: 1, 2, ..., k, … . Буде проведений один дослід, якщо подія А відбудеться у першому досліді. Буде проведено два досліди, якщо подія А в першому досліді не відбудеться, а відбудеться в другому досліді і т. д. Ряд розподілу має вигляд:
хі |
1 |
2 |
3 |
... |
k |
... |
рі |
р |
Qp |
q2р |
... |
qk-1p |
... |