- •Введение
- •Глава 1. Элементы теории вероятностей
- •§1. Основные правила комбинаторики
- •1. Правило сложения
- •2. Правило умножения
- •3. Размещения
- •Перестановки
- •Сочетания
- •Задачи для самостоятельного решения
- •§2. Классическое определение вероятности
- •Задачи для самостоятельного решения
- •§3. Операции над событиями
- •Задачи для самостоятельного решения
- •§4. Формула полной вероятности. Формула Байеса
- •Задачи для самостоятельного решения
- •§5. Последовательность независимых испытаний (схема Бернулли) Теорема Пуассона. Локальная и интегральная теоремы Муавра – Лапласа
- •Последовательность независимых испытаний (схема Бернулли)
- •2. Локальная теорема Муавра – Лапласа
- •3. Интегральная теорема Муавра – Лапласа
- •4. Теорема Пуассона Если достаточно велико, а - мало, то
- •Решение. Р – мало. Воспользуемся теоремой Пуассона:
- •Задачи для самостоятельного решения
- •§6. Случайные величины. Законы распределения случайных величин. Числовые характеристики
- •Задачи для самостоятельного решения
- •§7. Важнейшие примеры распределений
- •1. Биноминальное распределение
- •2. Нормальный закон распределения
- •3. Распределение Пуассона
- •4. Равномерное распределение вероятностей
- •5. Геометрическое распределение
- •Задачи для самостоятельного решения
- •§8. Системы случайных величин
- •Задачи для самостоятельного решения
3. Распределение Пуассона
Как и закон Гаусса, распределение Пуассона может быть получено как асимптотическое для биноминального.
Рассмотрим случай, когда вероятность р положительного исхода каждого испытания в серии из п испытаний равна λ/n, где λ – некоторая постоянная величина, и укажем в этом случае новую приближенную формулу для . Пусть в серии из n испытаний вероятность появления события А в каждом испытании равна λ/n. Тогда вероятность появления события А в этой серии к раз при большом n выражается приближенной формулой (см. §5)
. (1.45)
Пусть теперь Х – дискретная случайная величина, которая может принимать целые неотрицательные значения. Если вероятность равенства Х=к определяется формулой (1.45), то мы говорим, что величина Х распределена по закону Пуассона.
Запишем закон распределения в виде таблицы
хi |
0 |
1 |
2 |
… |
к |
… |
pi |
е-λ |
|
|
… |
|
… |
Легко проверить, что
.
Для математического ожидания имеем
М(Х)=0· е-λ +1· +2· +…+к· +…=
=λ е-λ(1+ + +…+ +…).
Но, как известно, ряд в скобках представляет собой разложение функции еλ в ряд Маклорена. Поэтому математическое ожидание равно e-λ·λ·eλ или
М(Х)= λ. (1.46)
Мы выяснили, таким образом, вероятностный смысл параметра λ, входящего в закон распределения Пуассона: параметр λ равен математическому ожиданию случайной величины.
Нетрудно показать, что дисперсия случайной величины, распределенной по закону Пуассона, равна математическому ожиданию
D(X)=λ, (1.47)
т. е. в этом случае дисперсия равна математическому ожиданию.
К случайным величинам, подчиненным закону Пуассона, приводит большое число задач, относящихся к вопросам массового обслуживания.
В качестве примера укажем работу телефонной станции. Можно доказать, что при выполнении некоторых условий вероятность к вызовов за промежуток времени t определяется формулой
. (1.48)
Если положить at=λ, то из формулы (1.48) следует, что случайная величина Х распределена по закону Пуассона.
Задача 4. Среднее число вызовов, поступающих на АТС в одну минуту, равно двум. Найти вероятности того, что за 5 минут поступит 2 вызова.
Решение. По условию, а = 2, t = 5, к = 2. Воспользуемся формулой (1.48).
.
Это событие практически невозможно.
4. Равномерное распределение вероятностей
Пусть плотность вероятности равна нулю всюду, кроме интервала (а, b), на котором она постоянна. Если обозначить эту постоянную через А, то в силу свойств плотности распределения получим
,
откуда А = 1/(b–a) . Поэтому плотность распределения (дифференциальный закон) равномерного распределения задается формулой
(1.49)
(рис. 1.12). В точках х=а и х=b функция f(x) разрывна. Для нахождения функции распределения (интегрального закона распределения), воспользовавшись формулой (1.17), получим
(1.50)
(рис. 1.13). Эта функция непрерывна всюду.
Пользуясь формулой (1.19) для математического ожидания, получим
, (1.51)
так что математическое ожидание случайной величины, равномерно распределенной на интервале (а, b), находится в центре этого интервала. Для вычисления дисперсии найдем , пользуясь формулой (1.19):
. (1.52)
Поэтому дисперсия равномерно распределенной случайной величины по формуле (1.25) равна
. (1.53)
Таким образом, для случайной величины, равномерно распределенной на интервале (а, b), среднее квадратическое отклонение равно 0,288675 … длины интервала.
З адача 5. Точка бросается наугад (без прицеливания) на отрезок [0,1]. Случайная величина Х–абсцисса точки попадания (считается, что бросаемая точка обязательно попадает на отрезок [0, 1]). Найти функцию плотности распределения и функцию распределения. Вычислить математическое ожидание и дисперсию указанной случайной величины. Найти вероятность того, что точка попадет в интервал [0; 0,5].
Решение. В этом случае мы имеем дело с непрерывной случайной величиной, все значения которой принадлежат отрезку [0, 1]. Поэтому в выражении для плотности распределения и функции распределения а = 0, а b = 1, т. е.
Согласно формулам (1.51) и (1,53) , D(X) = 1/12,
.
Задача 6. Цена деления шкалы амперметра равна 0,1 А. Показания округляют до ближайшего целого деления. Найти вероятность того, что при отсчете будет сделана ошибка, превышающая 0,02 А.
Решение. Ошибку округления отсчета можно рассматривать как случайную величину X, которая распределена равномерно в интервале между двумя соседними целыми делениями. Плотность равномерного распределения f (х)-=1/(b–а), где (b–а)–длина интервала, в котором заключены возможные значения X; вне этого интервала f (х) = 0 (см. (1.50)). В рассматриваемой задаче длина интервала, в котором заключены возможные значения X, равна 0,1, поэтому
Легко сообразить, что ошибка отсчета превысит 0,02, если она будет заключена в интервале (0,02, 0,08).
По формуле Р (а < x < b) = F(a)–F(b) получим
Р (0,02 < x <0,08) = F(0,08)–F(0,02) = 10·0,08 – 10·0,02 = 0,6.