- •1. Основные понятия, определения и теоремы теории вероятностей*
- •1.1. Алгебра событий. Основые понятия теории множеств
- •1.2. Основные определения: испытание, событие. Классификация событий
- •1.3. Классическое определение вероятности. Свойства, вытекающие из этого определения
- •Значение вероятности
- •1.4. Основные теоремы теории вероятностей
- •1.5. Зависимые и независимые события
- •2. Формула полной вероятности и формула Бейеса
- •2.1. Формула полной вероятности
- •3. Случайные величины
- •3.1. Дискретные случайные величины
- •Ряд распределения случайной величины X
- •3.4. Ожидаемое среднее значение дискретной случайной величины
- •Вычисление математического ожидания числа рекламных
- •3.5. Свойства математического ожидания случайной дискретной величины
- •Возможные исходы лотереи
- •3.6. Ожидаемое среднее значение функции случайной величины
- •Ряд распределения числа месячных продаж
- •К вычислению среднего ожидаемого значения
- •3.7. Дисперсия дискретной случайной величины
- •К вычислению дисперсии случайной величины
- •3.9. Дисперсия линейной функции случайной величины
- •4. Законы распределения дискретных случайных величин
- •Формула Бернулли. Биномиальные вероятности
- •4.3. Биномиальный закон распределения
- •Биномиальное распределение
- •Биномиальное распределение X – числа гербов, появляющихся
- •Фрагмент таблиц ряда и функции биномиального распределения
- •Биномиальное распределение числа покупателей
- •Распределения
- •4.5. Распределение Пуассона
- •Закон распределения Пуассона
- •Сравнение вероятностей, полученных по формулам Бернулли и Пуассона
- •4.6. Гипергеометрическое распределение
- •Гипергеометрический закон распределения
- •Биномиальный закон распределения
- •Гипергеометрическое распределение
- •4.7. Производящая функция
- •4.8. Мультиномиальное распределение
- •4.9. Геометрическое распределение
- •5. Непрерывные случайные величины
- •6. Законы распределения непрерывных случайных величин
- •7. Закон больших чисел
- •7.1. Принцип практической уверенности. Формулировка закона больших чисел
- •7.2. Неравенства Маркова и Чебышева
- •7.3. Теорема Чебышева (частный случай)
- •7.4. Теорема Бернулли
- •7.5. Теорема Пуассона
7.2. Неравенства Маркова и Чебышева
Доказательство закона больших чисел основано на неравенстве Чебышева. Неравенство Маркова в литературе иногда называется леммой Маркова или леммой Чебышева, так как оно является частным случаем неравенства Чебышева.
Лемма Маркова. Если случайная величина Х не принимает отрицательных значений, то для любого положительного числа α справедливо неравенство
P(Х ≥ α ) ≤ М(Х/α). (7.1)
События Х < α и Х ≥ α – противоположные, поэтому, используя (7.1), получаем
Р(Х < α ) = 1–Р(Х ≥ α ) ≥ 1– М(Х)/α . (7.2)
Выражения (7.1–7.2) справедливы для дискретных и непрерывных случайных величин.
Пример 7.1. Дана случайная величина X:
Xi |
2 |
4 |
6 |
8 |
10 |
12 |
Pi |
0,1 |
0,2 |
0,25 |
0,15 |
0,15 |
0,15 |
Пользуясь неравенством Маркова, оценим вероятность того, что случайная величина X примет значение, меньшее 11.
Решение. Исходя из условия, будем рассуждать так:
(Х < 11) = Р(X = 2) + Р(Х = 4)+ Р(Х = 6) + Р(Х = 8)+Р(Х = 10) =
= 0,1 + 0,2 + 0,25 + 0,15 + 0,15 = 0,85.
Используя неравенство Маркова (7.2), получаем
Р(Х < 11) ≥1 – М(Х)/11 = 1–(2·0,1 + 4·0,2 + 6·0,25 + 8·0,15 + 10·0,15 +
+ 12·0,15)/11 = 1– (0,2 + 0,8 + 1,5 + 1,2 + 1,8)/11 = 1 – 7/11 =
= 1 – 0,636 = 0,364. Р(Х < 11) ≥ 0,364.
Пример 7.2. Сумма всех вкладов в некоторой сберегательной кассе составляет 20 000 000 руб., а вероятность того, что случайно взятый вклад меньше 100 000, равна 0,8. Определим число вкладчиков сберегательной кассы.
Решение. Пусть X – величина случайно взятого вклада, а n – число всех вкладчиков. Тогда из условия задачи следует, что М(Х) = = 20 000 000/n; Р(X < 100 000) = 0,8, и по неравенству Маркова Р(X < < 100 000) ≥ 1– М(Х)/100 000.
Таким образом, 0,8 ≥ 1 – 20 000 000 / (n·100 000); 20 000 000 / / (n·100 000) ≥ 0,2; 200 ≥ n·0,2; n ≤ 1000.
Неравенство Чебышева. Вероятность того, что отклонение X от ее математического ожидания по абсолютной величине будет меньше данного положительного числа ε, ограничена снизу величиной
1–D(X)/ε2, т.е. Р(|X – M(X)|< ε) ≥ 1–D(X)/ε2. (7.3)
Из (7.3) переходом к противоположному событию можно получить:
Р(|X–M(X) | ≥ ε) ≤ D(X)/ε2. (7.4)
Пример 7.3. Вероятность наступления некоторого события р = 0,3 в каждом из n = 900 независимых испытаний. Используя неравенство Чебышева, оценим вероятность того, что событие повторится число раз, заключенное в пределах от m1 = 240 до m2 = 300.
Решение. Здесь по условиям задачи имеет место биномиальный эксперимент. Следовательно, М(X) = а = пр = 900∙0,3 = 270;
ε = |240–270| = |300–270| = 30; D(X) = npq = 900∙0,3∙0,7 = 189;
Р(|X–270| < 30) ≥ 1 – D(X)/ε2 = 1–189/302 = 1–0,21 = 0,79,
т.е. Р(|X–270| < 30 ≥ 0,79.