- •Белкоопсоюз
- •Удк 51 ббк 22.11
- •Пояснительная записка
- •Программа курса
- •1. Случайные события и вероятность
- •2. Случайные величины и законы их распределения
- •3. Нормальный закон распределения
- •1. События и вероятности
- •1.1. Классификация событий
- •1.2. Классическое определение вероятности
- •Задачи для самостоятельного решения
- •1.3. Статистическое определение вероятности
- •Задачи для самостоятельного решения
- •1.4. Геометрическое определение вероятности
- •Задачи для самостоятельного решения
- •1.5. Действия над событиями
- •Сложение и умножение вероятностей. Теоремы сложения вероятностей
- •Теоремы умножения вероятностей
- •Вероятность произведения зависимых событий
- •Задачи для самостоятельного решения
- •1.6. Формула полной вероятности. Формула Бейеса
- •Задачи для самостоятельного решения
- •1.7. Повторные независимые испытания
- •Формула Бернулли
- •Задачи для самостоятельного решения
- •Простейший поток событий
- •Локальная теорема Лапласа
- •Задачи для самостоятельного решения
- •Интегральная теорема Лапласа
- •Задачи для самостоятельного решения
- •Наивероятнейшее число появлений события
- •Задачи для самостоятельного решения
- •2. Случайные величины
- •2.1. Понятие случайной величины
- •2.2. Функция распределения
- •Основные свойства функции распределения
- •Задачи для самостоятельного решения
- •2.3. Числовые характеристики дискретных случайных величин
- •Задачи для самостоятельного решения
- •2.4. Плотность распределения
- •Задачи для самостоятельного решения
- •2.5. Числовые характеристики непрерывных случайных величин
- •Задачи для самостоятельного решения
- •2.6. Законы распределения непрерывных случайных величин
- •Равномерное распределение
- •Задачи для самостоятельного решения
- •Нормальное распределение
- •Задачи для самостоятельного решения
- •Показательное распределение
- •Задачи для самостоятельного решения
- •2.7. Функция одной случайной величины
- •3. Система двух случайных величин
- •3.1. Условные законы распределения вероятностей составляющих дискретной двумерной случайной величины
- •3.2. Числовые характеристики системы двух случайных величин
- •Задачи для самостоятельного решения
- •Индивидуальные задания
- •Список рекомендуемой литературы
- •Приложения
Локальная теорема Лапласа
Вычисление Pn(k) по формуле Бернулли при больших n и k связаны с арифметическими трудностями, поэтому при n > 50 пользуются приближенной формулой Муавра-Лапласа:
, . (36)
Значения p и q имеют тот же смысл, что и в формуле Бернулли.
–функция вероятностей; (x) = (–x).
Значения функции (x) приведены в прил. 1.
Пример 1.28. Игральную кость бросают 800 раз. Какова вероятность того, что число очков, кратное трем выпадет 267 раз?
Решение. Вероятность выпадения числа очков, кратное трем равна , . По локальной формуле Лапласа (36) находим:
, .
По таблице значений (прил. 1) определяем (0,025) = 0,3989, P800(267) = 0,03.
Пример 1.29. Средний процент нарушения работы кинескопа телевизора в течение гарантийного срока равен 12. Какова вероятность того, что из 100 телевизоров 96 отработают гарантийный срок?
Решение. Вероятность нарушения работы кинескопа q = 0,12, поэтому вероятность нормальной работы кинескопа равна p = 1 – 0,12 = = 0,88. Вероятность того, что из 100 телевизоров 96 будут работать составит:
, .
, .
Пример 1.30. Автоматическая штамповка деталей дает 10 % отклонений от принятого стандарта. Какое количество стандартных деталей следует ожидать из 400 деталей, если вероятность их появления равна 0,0587?
Решение. Обозначим через k число стандартных деталей во всей партии. Так как вероятность появления стандартной детали p = 0,9, а брака q = 0,1, то по теореме Лапласа имеем:
.
Из полученного уравнения (x) = 0,0587 · 6 = 0,3522. По таблице прил. 1 найденному значению функции (x) = 0,3522 соответствует значение аргумента, равное x = 0,5.
; .
Отсюда k = 360 + 3 = 363.
Задачи для самостоятельного решения
1. В урне смешаны 80 % белых и 20 % красных шаров. Сколько красных шаров с вероятностью p = 0,09 можно ожидать среди 100 наудачу выбранных шаров?
Ответ:81.
2. Орудие при выстреле поражает цель с вероятностью 0,8. Какова вероятность того, что при 100 выстрелах орудия произошло 80 попаданий?
Ответ:0,099.
3. Сколько раз с вероятностью 0,0484 можно ожидать появления события A в 100 независимых испытаниях, если вероятность его появления в отдельном испытании равна 0,5?
Ответ:55.
Интегральная теорема Лапласа
Если вероятность наступления события A в каждом из независимых испытаний постоянна и 0 < p < 1, то вероятность того, что в n испытаниях событие произойдет от k1 до k2 (при достаточно большом n) равна
, (37)
где ;
–функция Лапласа.
Функция Лапласа Φ(х) существует при любом действительном значении x. Свойства функции:
1) функция Лапласа – нечетная функция, т. е. Φ(–х) = – Φ(х);
2) при возрастании х от 0 до 5 Φ(х) возрастает от 0 до 0,5. Для x > 5 Φ(х)0,5.
Таблица значений Φ(х) для находится в прил. 2.
Пример 1.31. На оптовую базу поступает в среднем 70 % продукции высшего сорта. Какова вероятность того, что в партии из 1000 изделий проверенных товароведом, число изделий высшего сорта, заключено между 652 и 760?
Решение. Событие A – «появление изделия высшего сорта», вероятность наступления события в отдельном испытании равна p = 0,7. Требуется найти: P1000(652;760) = Φ(х2) – Φ(х1).
Расчет производим по следующей схеме:
; ;
;
; .
По таблице прил. 2 определяем:
Ф(х1) = Ф(–3,31) = –0,4991; Ф(х2) = Ф(4,14) = 0,4999.
Искомая вероятность Р1000(652; 760) = 0,4999 + 0,4991 = 0,999.
Пример 1.32. Посажено 400 деревьев. Какова вероятность того, что число прижившихся деревьев больше 250, если вероятность того, что отдельное дерево приживется, равна 0,8?
Решение. Число прижившихся деревьев должно удовлетворять неравенству , поэтому вероятность этого события равна:
Р400(250; 400) = Ф(х1) – Ф(х2) = 0,999.