
- •Теория вероятностей и математическая статистика
- •Теория вероятностей и математическая статистика Программа курса
- •Случайные события
- •Классическое определение вероятности
- •Вероятность произведения событий
- •Вероятность суммы двух событий
- •Формула полной вероятности. Формула Байеса
- •Вероятность появления хотя бы одного из n независимых событий
- •Общая теорема сложения
- •Формула Бернулли
- •Формула Пуассона
- •Простейший поток событий
- •Случайные величины Закон распределения дискретной случайной величины
- •Математическое ожидание и дисперсия
- •Биномиальное распределение. Распределение Пуассона
- •Функция распределения и ее свойства Плотность распределения
- •Математическое ожидание и дисперсия непрерывной случайной величины
- •Нормальный закон распределения
- •Понятие о центральной предельной теореме Ляпунова Интегральная теорема Муавра-Лапласа
- •Элементы математической статистики Эмпирическая функция распределения
- •Генеральное и выборочное среднее Генеральная и выборочная дисперсии
- •Интервальные оценки параметров распределения Оценка неизвестного математического ожидания нормально распределенной с.В. При известном среднем квадратичном отклонении
- •Элементы теории корреляции Выборочное уравнение регрессии
- •Пример контрольной работы (дневное отделение)
- •Примеры контрольных тестов тест 1
- •1) Несовместные; 2) невозможные; 3) независимые равновозможные; 4) достоверные; 5)независимые
- •1) Нельзя определить; 2) 16 или 17; 3)18; 4) 15; 5) 16.5
- •43.4; 2) 1; 3) 12.04; 4) 5.6; 5) Данных недостаточно
- •1) 1; 2) 0; 3) Данных недостаточно; 4) 0.5; 5) 6
- •Равновозможные; 2) достоверные; 3) независимые; 4) несовместные;
- •5) Невозможные.
- •1) 1; 2) 0; 3) Данных недостаточно; 4) 2; 5) 0.5
- •1) 3; 2) 2.5; 3) 0.6; 4) 1; 5) Данных недостаточно
- •1) Данных недостаточно; 2) 1; 3) 0; 4) 0.5; 5) 17
- •1)Данных недостаточно; 2) 50; 3) 3; 4) 7; 5) 25
- •Литература
Формула Бернулли
Формулы теории вероятностей имеют смысл только в случае, когда возможно повторение испытаний достаточно большое число раз. Пусть производится п независимых испытаний и вероятность появления некоторого события А в каждом из испытаний равна р = р (А) и не зависит от номера испытания. Пусть q = 1 – p, тогда вероятность того, что в п независимых испытаниях событие А произойдет ровно т раз вычисляется по формуле Бернулли:
Рп(т) =
|
(14) |
Пример
13. Играется матч между шахматистами
X и Y.
Вероятность того, что X
выиграет каждую отдельную партию
равна
,
вероятность выигрыша партии Y
равна
.
Ничьих партий не бывает (т.е., если они
происходят, то они не учитываются). Матч
состоит из 6 партий. Найти вероятность
выигрыша матча X,
вероятность выигрыша матча Y
и вероятность ничейного исхода.
Решение. Здесь число испытаний п = 6; р = , q = . Введем обозначения: Аi(I = 0,1,…, 6) – событие, заключающееся в том, что X выиграл i партий из 6. По условию задачи требуется найти р(А4 + А5 + А6) = р(А4) + р(А5) + р(А6) – X выиграл не менее четырех партий (здесь вероятность суммы равна сумме вероятностей, т.к. слагаемые в скобках – несовместимые события). Далее,
р(А4) = р6(4)
=
= 15
=
,
р(А5) = р6(5)
=
= 6
=
,
р(А6) = р6(6)
=
= 1
=
.
Тогда вероятность того, что X выиграет матч равна
p(А4 +
А5 + А6) =
= 0.68.
Ничья происходит при счете ”3 -3”, т.е.
p(А3) =
р6(3) =
= 20
=
= 0.22.
Вероятность выигрыша матча Y равна
p(А0 + А1 + А2) = 1 – р(А3 + А4 + А5 + А6) = 1 – 0.68 – 0.22 = 0.1.
Интересно заметить, что вероятность того, что наиболее искусный игрок не будет выявлен после шести партий не мала (0.32).
Наивероятнейшее число
появления события в серии из n
испытаний определяется неравенством
|
(15) |
где p – вероятность появления события в одном испытании, q - вероятность не появления события в одном испытании.
Пример 14. В одном из учебных заведений
обучается 2920 студентов. Вероятность
того, что день рождения наудачу взятого
по списку студента приходится на
определенный день года равна
Найти наивероятнейшее число студентов,
родившихся 1 января.
Решение. Имеем
следовательно,
Поскольку - целое число, то = 8.
Формула Пуассона
Вычисление по формуле Бернулли (14)
становятся сложными, если число испытаний
п велико. Поэтому при большом числе
испытаний и при малых вероятностях
появления события А (п
10, р
0.1) вместо формулы Бернулли используют
приближенную формулу Пуассона:
|
(16) |
вероятность того, что в п испытаниях событие произойдет k раз; здесь λ = п р.
Пример 15. Прядильщица использует 10 веретен. Вероятность обрыва нити на каждом веретене равна р = 0.08. Найти вероятность того, что оборвутся ровно две нити.
Решение. Здесь q = 1 – p = 0.92. По формуле Бернулли получаем
Р10(2) =
р2
q8 =
45 0.082
0.928 = 0.1478.
Применим формулу Пуассона:
Таким образом, даже при не больших значениях п совпадают две первых значащих цифры.
Пример 16. В банк отправлено 40000 пакетов денежных знаков. Вероятность того, что пакет содержит недостаточное или избыточное число денежных знаков равна 0.0001. Найти вероятность того, при проверке будет обнаружено:
три ошибочно укомплектованных пакета;
не более трех пакетов;
не менее трех пакетов;
хотя бы один ошибочно укомплектованный пакет.
Решение. Вычислим параметр
в формуле Пуассона: