bardushkin
.pdfряд
.
Если
xn
n 1
Если
Х принимает счетное множество значений |
x1, |
x2 , ..., xn ,... |
с вероятностями |
||||
|
|
|
|
|
|
|
|
pn |
сходится абсолютно, то |
M [ X ] xn pn . |
|
|
|||
|
|
|
n 1 |
|
|
|
|
|
|
|
|
|
|
|
|
g(x) |
– числовая функция и ряд |
g(xn ) pn |
сходится абсолютно, то |
M [g( |
|||
|
|
|
n 1 |
|
|
|
|
p |
, p |
2 |
, |
1 |
|
|
|
|
|
|
|
X )] |
|||
|
n 1 |
..., p |
n |
,... |
|
|
g(x |
n |
) p |
|
|
и
n
2. Х – СВНТ.
Теорема.
|
|
|
|
Если СВ Х имеет плотность f X (x) и |
|
| x | f X (x) dx |
|
|
|
|
|
|
|
||
Если функция |
g(x) – непрерывна и |
|
| g(x) | f X (x) dx |
|
|||
|
|
(сходится), то
, то M[g(x)]
|
|
|
M[ X ] |
x |
|
|
|
|
|
|
|
|
g(x) f X |
|
|
|
|
f |
X |
(x) |
|
|
|
(x) dx |
dx
.
.
§ 2. Моменты. Дисперсия. Среднее квадратическое отклонение
МО в теории вероятностей относится к типу характеристик положения (см. далее мода, медиана), кроме них используется еще ряд числовых характеристик различного назначения, среди них особое значение имеют моменты (начальные, центральные).
Положим g(x) x |
S |
. |
|
|
|
|
|
|
|
|
|
|
|||
О п р е д е л е н и е . Начальным моментом S-го порядка СВ Х называется S M [ X |
|||||||
З а м е ч а н и е . |
|
|
|
|
|
|
|
Иногда используются абсолютные начальные моменты S-го порядка M[| X | |
S |
] . |
|||||
|
|||||||
|
|
|
|
S |
pi |
|
|
Для СВДТ: S xi |
|
|
|||||
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
||
Для СВНТ: S |
|
x |
S |
f X (x) dx . |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|||
|
|
|
|
|
|
S
]
.
З а м е ч а н и е .
1 mX – начальный момент 1-го порядка. Обозначим M [ X ] a .
О п р е д е л е н и е . Центральным моментом S-го порядка называется
З а м е ч а н и е .
Иногда используются абсолютные центральные моменты S-го порядка.
M[| X a |S ] .
Для СВДТ:
S (xi a) |
S |
pi . |
|||
|
|||||
|
i |
|
|
|
|
Для СВНТ: |
|
|
|
||
|
|
|
|
|
|
S |
|
(x a) |
S |
f X (x) dx . |
|
|
|||||
|
|
||||
|
|
|
|
|
S
M[( X
a |
S |
|
)]
.
О п р е д е л е н и е
ется 2 DX D[ X ] Для СВДТ:
DX (xi a) |
2 |
|
|
||
i |
|
|
. Центральный момент II-го порядка ( 2 ) называется дисперсией СВ Х и обознача-
M[( X a)2 ] . pi .
Для СВНТ:
|
|
|
|
DX |
(x a) |
2 |
|
|
|||
|
|
|
|
f X
(x) dx
.
О п р е д е л е н и е . X ным отклонением в литературе).
DX
– называется средним квадратическим отклонением СВ Х (стандарт-
Свойства дисперсии:
1. DX M[ X |
2 |
2 |
|
] mX |
.
Д о к а з а т е л ь с т в о :
DX
M
M
M[( X m |
|
) |
2 |
] M[ X |
2 |
|
2m |
|
X m |
2 |
] |
||||||||||
X |
|
|
X |
X |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
[ X |
2 |
] 2m |
|
|
M[ X ] M[m |
2 |
] M[ X |
2 |
] 2m |
||||||||||||
|
X |
X |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
[ X |
2 |
] m |
2 |
|
|
|
( |
) |
2 |
|
|
|
|
|
|
|
|
|
|
||
|
X |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
||
2. |
DX 0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д о к а з а т е л ь с т в о :
2 |
m |
2 |
|
|
X |
X |
|||
|
|
.
DX M[( X mX ) |
2 |
]. |
|||
|
|||||
( X mX ) |
2 |
0 |
(*). |
||
|
По свойству 4 МО и с учетом неравенства (*) получаем доказательство свойства 2 для дисперсии.
3. c D[c D[ X
R . |
|
|
X ] c |
2 |
D[ X ]. |
|
||
c] D[ X ]. |
Д о к а з а т е л ь с т в о :
D[c X ] M [(c X M [c X ]) |
2 |
] |
M [(c X c m |
|
) |
2 |
] |
|||||||||||||||||
|
X |
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M [c |
2 |
( X m |
|
) |
2 |
] c |
2 |
M [( X |
m |
|
) |
2 |
] c |
2 |
D |
|
. |
|
|
|
|
|||
|
X |
|
|
X |
|
|
X |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
D[ X c] M [( X c M [ X c]) |
2 |
] |
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
M [( X c M [ X ] c) |
2 |
] D |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Лекция № 8
П р и м е р . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
-1 |
|
|
0 |
|
1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
P |
|
0,1 |
|
0,2 |
|
0,3 |
|
|
0,4 |
|
|
|
|
|
|
|||
mX 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
1) Способ. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
DX (xi mi )2 pi ( 1 1)2 0,1 (0 1)2 0,2 |
|
||||||||||||||||||
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1 1)2 0,3 (2 1)2 0,4 0,4 0,2 0 0,4 1. |
|
|
|||||||||||||||||
2) Способ. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
D |
|
M [ X |
2 |
] m |
2 |
2 1 |
2 |
1. |
|
|
|
|
D |
|
1. |
||||
X |
|
X |
|
|
X |
X |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсия СВ Х является характеристикой рассеивания, то есть она характеризует разбросанность СВ Х около ее МО.
Дисперсия имеет размерность квадрата СВ, что не всегда удобно, поэтому очень часто используется среднее квадратическое отклонение, которое имеет размерность самой СВ.
Механическая интерпретация МО и дисперсии.
Пусть на прямой в точках |
x1 x2 ... xk |
расположены точечные массы p1, p2 , |
..., pk |
||
k |
|
|
|
|
|
M [ X ] xi |
pi – центр тяжести. |
|
|
|
|
i 1 |
|
|
|
|
|
k |
|
|
|
|
|
D[ X ] (xi |
mi ) pi |
– момент инерции масс |
pi относительно центра тяжести. |
|
|
i 1 |
|
|
|
|
|
.
k |
|
i |
1: |
p |
|
i 1 |
|
Таким образом, МО характеризует место, вокруг которого группируются массы пень разбросанности этих масс относительно МО.
pi
, а дисперсия – сте-
П р и м е р .
IA |
|
0 |
1 |
P |
|
q |
p |
q 1 p |
|
|
M[I |
A |
] 0 |
q 1 p p. |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
D[I |
|
|
] M[I |
2 |
] m |
2 |
|
0 |
2 |
2 |
p p |
2 |
p(1 |
p) p q. |
|
|
|||
A |
A |
I |
A |
|
q 1 |
|
I |
A |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
§ 3. Мода, медиана и квантили
|
p q |
.
МО не единственная характеристика положения, применяемая в теории вероятностей.
О п р е д е л е н и е .
P{X x |
m |
} max P{X |
|
K |
|
|
|
Модой
x |
K |
} |
d |
X |
|
|
|
СВДТ Х называется такое возможное значение
xm .
xm
, для которого
Модой СВНТ Х называется действительное число
сти вероятностей |
( f X (x)) . |
|
|
|
|||||
|
П р и м е р . |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
X |
0 |
|
1 |
2 |
3 |
4 |
|
|
|
P |
0,05 |
0,3 |
0,25 |
0,2 |
0,2 |
||
|
d |
X |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
З а м е ч а н и е .
d x
, являющееся точкой максимума функции плотно-
Мода может не существовать, иметь единственное значение, такие распределения называются унимодальное, или иметь множества значений – полимодальное распределение.
Наличие более чем одной моды, часто указывает на разнородность статистического материала, который положен в основу исследований.
О п р е д е л е н и е . Медианой СВ Х называется действительное число
P{X hX } P{X hX } , то есть это корень уравнения FX (x) |
1 |
. |
|
2 |
|||
|
|
hx
, удовлетворяющее условию:
Эта характеристика применяется, как правило, только для СВНТ и геометрически медиана, это абсцисса
той точки на оси ОХ, для которой площади под графиком |
f X (x) лежащие слева и справа от нее одинаковы и |
||
равны |
1 |
. |
|
2 |
|
||
|
|
|
З а м е ч а н и е .
В случае симметричного распределения (имеющего моду) три характеристики: 1) МО ; 2) мода; 3) медиана совпадают.
З а м е ч а н и е .
Уравнение
F |
|
(x) |
1 |
|
X |
2 |
|||
|
|
|||
|
|
|
может иметь множество корней, поэтому медиана может определяться неодно-
значно.
О п р е д е л е н и е . Квантильлью порядка р распределения СВНТ Х называется действительное число t p , удовлетворяющее уравнению P{X t p } p .
З а м е ч а н и е .
Медиана hx t0,5 – квантиль порядка 0,5.
§ 4. Целочисленные СВ и их производящие функции
В ряде случаев при определении важнейших числовых характеристик дискретных СВ может помочь аппарат производящих функций.
О п р е д е л е н и е . Дискретную СВ Х, принимающую только целые, неотрицательные значения назы-
вают целочисленной СВ.
Закон распределения целочисленной СВ определяется
p |
n |
P{X |
|
|
n}, n 0,1, 2,..., pn
n 0
1
.
Закон распределения целочисленной СВ удобно изучать с помощью производящей функции, которая определяется, как
В соответствии с определением МО:
Этот ряд сходится абсолютно при | S
|
|
(S) M[S |
X |
] |
X |
|
|||
|
|
|
|
|
|
|
|
|
|
X (S) pn S n |
||||
|
|
n 0 |
|
|
| 1 . |
|
|
|
|
.
.
Поскольку
pn
1 (n) (0), n! X
n
0,1,
2,...
, то между законом распределения
p |
n |
P{X n}, n 0,1, 2 |
|
|
и производящими функциями
|
|
X (S) pn S |
n |
|
|
n 0 |
|
устанавливается взаимноодноз-начное соответствие.
З а м е ч а н и е
|
|
X (S) pn S |
n |
|
|
n 0 |
|
– вероятностная производящая функция.
В математике рассматриваются произвольные производящие функции.
a0 , a1, a2 , ...
a |
|
a |
S a |
|
S |
2 |
0 |
2 |
|
||||
|
1 |
|
|
|
З а м е ч а н и е
...
– производящая функция, если она имеет не нулевой радиус сходимости.
X (1) pn 1.
n 0
Возьмем первую производную по S от производящей функции.
'X
'X
(S ) n pn n
(1) n pn n
S |
n 1 |
|
|
m X . |
, подставим значение S = 1.
Возьмем вторую производную по S от производящей функции
" |
n (n 1) |
pn S |
n 2 |
|
|
||
X (S) |
|
|
|
||||
|
n |
|
|
|
|
|
|
" |
|
(n |
2 |
n) pn n |
2 |
pn n pn |
|
S 1: X (1) |
|
|
|||||
|
|
n |
|
|
n |
|
n |
2 mX
2 "X (1) 'X (1) .
D |
|
|
|
m |
2 |
|
" |
(1) |
|
' |
(1) ( |
' |
||||||
X |
2 |
X |
X |
X |
X |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
'" |
(1) |
3 |
3 |
2 |
2 |
1 |
. |
|
|
|
||||||||
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
(1)) |
2 |
|
.
То есть можно выразить начальные моменты более высокого порядка, через начальные моменты более низкого порядка.
Глава V. Некоторые важные для практики распределения дискретных СВ
§ 1. Биномиальное распределение
О п р е д е л е н и е . СВДТ Х имеет биномиальное распределение, если ее возможные значения 0, 1, 2, …, m, …, n, а соответствующие вероятности
p |
|
P X m C |
m |
p |
|
q |
n m |
, m 0,1, 2,..., n |
m |
n |
m |
|
|||||
0 p 1, q 1 p |
|
|
|
|
|
|
Это распределение зависит от двух параметров: n, p. В литературе X ~ B(n, p) .
Рассмотрим условия, при которых возникает биномиальное распределение.
Пусть производится n независимых опытов (испытаний), в каждом из которых событие А (“успех”) появляется с вероятностью p, СВ Х – это число успехов при n-опытах.
Комментарии.
Опыты называются независимыми, если вероятность какого-либо исхода каждого из них не зависит от
того, какие исходы имели другие опыты. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Покажем, что СВ Х имеет биномиальное распределение. |
|
|
|
|
|
|
|||||||||||||||||||
B x m – это количество успехов в n опытах , равно m. Событие B распадается на ряд вариантов, в |
|||||||||||||||||||||||||
каждом варианте успех достигается m раз, а неуспех n–m раз. |
|
|
|
|
|
|
|||||||||||||||||||
Если успех ставим в соответствие 1. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Если неуспех ставим в соответствие 0. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
0,1,1, 0, 0,..., 0,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m штук – “1” |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
n–m штук – “0”. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Так как опыты независимы, то каждый такой вариант имеет вероятность |
P p |
m |
1 p |
n m |
(по тео- |
||||||||||||||||||||
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
реме умножения), а всего таких вариантов Сn |
штук, причем все такие варианты несовместны, то по теореме |
||||||||||||||||||||||||
сложения вероятностей несовместных событий следует. |
|
|
|
|
|
|
|
||||||||||||||||||
P B P X m C |
m |
p |
m |
1 |
|
n m |
|
|
|
|
|
|
|
|
|
|
|||||||||
n |
|
|
p |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Лекция № 9 |
|
|
|
|
|
|
|||
Найдем важнейшие числовые характеристики X ~ B(n, p) . |
|
|
|
|
|
||||||||||||||||||||
|
|
Воспользуемся производящей функцией |
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
n |
|
|
|
|
n m |
|
|
n |
|
|
n m |
|
|
|
|
|
|
|
||
|
|
|
|
|
m |
m |
q |
S |
m |
|
m |
q |
( pS) |
m |
|
|
|
|
|
||||||
X (S) Cn p |
|
|
|
|
|
Cn |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
m 0 |
|
|
|
|
|
|
|
|
|
m 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
(S) (q p S) |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Возьмем производную по S. |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
' |
(S) n (q p S) |
n 1 |
p |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
m |
|
|
' |
(1) n p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
X |
n p |
|
|
" (S) n (n 1) (q p S)n 2 p 2
X
" (1) n (n 1) p 2
X
D |
X |
" |
(1) ' |
(1) ( ' |
(1))2 |
|
|
|
|||||
|
|
X |
|
|
X |
|
|
X |
|
|
|
|
|
D |
|
n |
2 |
p |
2 |
n |
p |
2 |
n p n |
2 |
p |
2 |
|
X |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n p q |
|
|
|
|
|
|
|
|
|
|
D |
X |
n p q |
|
||
|
|
|
|
|
|
|
X |
D |
X |
|
n p q |
|
|
|
|
n p (1 p)
П р и м е р .
Передается 5 сообщений по каналу связи (n = 5). Каждое сообщение с вероятностью p = 0,3, независимо от других искажается. СВ Х – количество искаженных сообщений. Построить ряд распределения, МО, DX, X, моду, а также вероятность того, что будет искажено не менее двух сообщений.
Y |
|
|
0 |
|
|
|
|
1 |
|
|
|
|
2 |
|
|
|
3 |
|
|
|
|
4 |
|
|
|
|
P |
|
0 |
p |
0 |
q |
5 |
|
1 |
1 |
q |
4 |
2 |
p |
2 |
q |
3 |
3 |
3 |
q |
2 |
4 |
p |
4 |
q |
1 |
|
|
|
C5 |
|
|
|
C5 p |
|
|
C5 |
|
|
C5 p |
|
|
C5 |
|
|
|||||||||
|
|
0,168 |
|
|
0,36 |
|
0,309 |
|
0,133 |
|
0,028 |
|
||||||||||||||
|
mX 5 0,3 1,5 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
DX 5 0,3 0,7 1,05 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
X |
1,05 1,03 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d X 1.
P{X 2} 1 P{X 2} 1 (0,168 0,36) 0,472
5
C |
5 |
p |
5 |
q |
0 |
5 |
|
|
|||
|
|
|
|
|
0,002
.
§ 2. Распределение Пуассона
О п р е д е л е н и е . СВДТ Х имеет распределение Пуассона, если ее возможные значения 0, 1, 2, …, m, … (счетное множество значений), а соответствующие вероятности выражаются формулой
P |
P{X |
m |
|
|
a |
m |
|
m} |
|
||
m! |
|||
|
e |
a |
|
.
З а м е ч а н и е .
Закон Пуассона зависит только от a, смысл этого параметра состоит в следующем, он одновременно является МО и дисперсией СВ Х.
|
|
|
|
a |
m |
|
|
|
(aS) |
m |
|||
X (S ) |
|
|
e a |
S m e a |
|
e a eaS a a(S 1) |
|||||||
|
|
|
|
|
|||||||||
|
|
|
m 0 |
m! |
|
|
m 0 |
m! |
|
|
|||
|
' |
|
(S) e |
a(S 1) |
a |
|
|
|
|||||
X |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
m |
|
|
' |
(1) a |
|
|
|
|
|
|
|||
X |
X |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
" |
(S) a2 ea(S 1) |
|
|
|
||||||||
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
D |
|
a |
2 |
a a |
2 |
a |
|
|
|
||||
X |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
DX a
X a
Рассмотрим условия, при которых возникает Пуассоновское распределение. Покажем, что оно является предельным, для биноминального распределения при n и одновременно р 0, но nр а (а~0,1–10).
Т е о р е м а (Пуассона).
Если n , р 0, но n p а,
P{X m} C |
m |
p |
m |
q |
n m |
n |
|
|
|||
|
|
|
|
|
Д о к а з а т е л ь с т в о .
то
фиксированного значения m, где m=0,1,…
a |
m |
|
a |
|
|
e |
. |
||
|
|
|||
m! |
|
|||
|
|
|
P{X m} |
|||
|
n(n 1)(n |
||
|
|
|
|
|
(np) |
m |
|
|
|
||
|
|
1 |
|
|
m! |
|
|
n! |
p |
m |
(1 |
|
|||
m!(n m)! |
|
||
|
|
|
2)...(n m 1) p m!
|
1 |
|
|
|
2 |
|
|
|
|
|
1 |
|
... 1 |
||||
|
n |
|
|
|
n |
|
|
p) |
n |
|
|
|
|
m |
|
|
(1 |
||
m 1 |
||
|
|
|
n |
|
|
m |
|
|
|
|
|
|
|
|
|
p) |
n m |
|
|
|
|
|
|
||
(1 p) |
n |
(1 p) |
m |
|
|
|
фиксированного значения m.
p 0 (1 p) |
m |
1 |
|
|
|
|
||
|
|
|
|
|
|
|||
np a p |
a |
|
|
a n |
e a |
|||
|
|
|
lim 1 |
|
|
|||
|
|
|
|
|||||
|
n |
n |
|
n |
|
|
a |
m |
|
a |
lim P{X m} |
|
e |
||
|
|
|||
m! |
|
|||
n |
|
|
К о м м е н т а р и и :
.
Так как n-велико, а вероятность p - очень мала, то в каждом отдельном опыте “успех” приходит редко. Поэтому закон Пуассона в литературе называется законом редких явлений.
П р и м е р .
Завод отправил на базу n=5000 доброкачественных изделий. Вероятность того, что в пути изделие повредится p=0,0002. Найти вероятность того, что на базу прибудут 3 негодных изделия.
Решение. n=5000. p=0,0002. np 1 a