- •Авторы: Новротская Надежда Леонидовна, доцент
- •Рецензент: Хацкевич г.А., профессор
- •Часть I
- • Новротская н.Л.
- •Часть I
- •Тема 1. Введение.
- •§1.1. Предмет теории вероятностей.
- •§1.2. Общие правила комбинаторики.
- •§1.3. Вопросы для самопроверки.
- •§1.4. Задачи.
- •Тема 2. Случайные события и их вероятности.
- •§2.1. Случайные события и их классификация.
- •§2.2. Действия с событиями.
- •§2.3. Вероятностное пространство. Вероятности и правила действия с ними.
- •2.3.1. Определение вероятности события.
- •2.3.2. Вероятность суммы событий.
- •Условная вероятность и теорема умножения вероятностей.
- •2.3.5 Формула Байeса (английский математик 1702–1762 г.Г.)
- •§2.4. Модель независимых испытаний Бернулли.
- •2.4.1. Повторные независимые испытания. Формула Бернулли.
- •§2.5. Вопросы для самопроверки.
- •§2.6. Задачи.
- •Тема 3. Случайные величины и их распределения.
- •§3.1. Виды случайных величин и их распределения.
- •§ 3.2. Плотность распределения вероятностей.
- •§ 3.3. Числовые характеристики распределения вероятностей и их свойства
- •3.3.2. Примеры использования математического ожидания.
- •Дисперсия случайной величины и ее свойства.
- •Моменты.
- •3.3.5. Характеристики формы распределения (асимметрия и эксцесс).
- •Квантили.
- •§ 3.4. Примеры распределений.
- •3.4.2. Распределение Пуассона.
- •3.4.3. Гипергеометрическое распределение.
- •3.4.6. Нормальное распределение.
- •3.4.7. Показательное (экспоненциальное) распределение.
- •§ 3.5. Вопросы для самопроверки.
- •§ 3.6. Задачи.
2.3.5 Формула Байeса (английский математик 1702–1762 г.Г.)
Пусть в результате испытаний произошло событие А. Оно могло произойти только совместно с одним из событий ,, ..., , которые образуют полную систему и безусловные вероятности этих событий известны. Требуется найти вероятности событий при условии, что событие А произошло. По формуле условной вероятности
, i=1, 2, ..., n.
Мы получили формулу Байеса, которая дает выражение послеопытных вероятностей (апостериорных) через доопытные (априорные) вероятности. , , ..., называют гипотезами, поэтому формулу Байеса иногда называют формулой гипотез. Если доопытные вероятности событий ,, ..., неизвестны, то их полагают равными: P()= P()= ... =P(). Тогда формула упрощается и
.
Формула Байеса может служить основанием для принятия решений после проведения эксперимента. Но для того, чтобы выбор правдоподобной гипотезы имел достаточно оснований, необходимо, чтобы в результате эксперимента ее апостериорная вероятность была достаточно близка к единице.
Пример 1.(продолжение предыдущего). Определить, чему равна вероятность того, что взятое наугад изделие изготовлено первой машиной, если оно оказалось бракованным?
Решение. Необходимо вычислить P(/ A) = 0,10,01 / 0,046 = 0,022.
Пример 2. На складе имеются приборы, изготовленные тремя заводами. 20% изготовлено 1-ым заводом, 50% 2-ым и 30% 3-м заводом. Вероятности, что в течение гарантийного срока прибору потребуется ремонт, для продукции каждого из заводов соответственно равны: 0,2; 0,1; 0,3 . Взятый со склада прибор не имеет заводской маркировки и потребовал ремонта в течение гарантийного срока. Каким заводом вероятнее всего был изготовлен этот прибор? Какова его вероятность?
Решение. Обозначим через ={прибор изготовлен i-ым заводом}, i=1,2,3, а через А = {прибор дефектный}. Тогда P() = 0,2; P() = 0,5; P() = 0,3; P(A/) = 0,2; P(A/) = 0,1; P(A/) = 0,3; P(A) = 0,20,2 + 0,50,1+0,30,3=0,18; P(/ A) = 0,222; P(/ A) = 0,278; P(/ A) = 0,5. Следовательно, вероятнее всего дефектный прибор изготовлен 3-им заводом.
§2.4. Модель независимых испытаний Бернулли.
2.4.1. Повторные независимые испытания. Формула Бернулли.
Пусть испытания выполняются по следующей схеме, которая называется схемой Бернулли и удовлетворяет следующим условиям:
1. Испытания независимы, т.е. вероятность события А не зависит от того, появилось или не появилось это событие в других испытаниях.
2. Вероятность появления события А (успех) одна и та же в каждом испытании, т.е., а .
3. Испытания могут повторятся n раз при одних и тех же условиях.
Испытаниями Бернулли будут, например, бросание монеты (герб-успех), контроль на стандартность изделия (стандартное изделие-успех), наблюдение за погодой, проводимые в данный день (скажем, 10 февраля) (дождь-успех) и т.д.. Определению испытаний Бернулли не будут удовлетворять бросания по разному искривленных монет (от бросания к бросанию меняется вероятность успеха), наблюдения за погодой в последовательные дни одного года (нет независимости) и т.д..
Рассмотрим следующую задачу.
В условиях схемы Бернулли определить вероятность события A, состоящего в том, что при n повторных независимых испытаниях событие A произойдет ровно k раз безразлично в какой последовательности.
Пусть , т.е. выполнено одно испытание. Тогда событие A наступит с вероятностью или наступит противоположное ему событие с вероятностью .
Очевидно, что
При произойдет одно из следующих событий: , .
Эти четыре события попарно несовместны и одно из них обязательно должно произойти, т.е. они образуют полную систему событий. Вычислим вероятности этих событий. События, входящие в произведения, независимы. Поэтому
, , и
.
Продолжая вычисления для n=3, 4, 5, ..., k, ... убедимся в том, что, если событие А появилось ровно k раз и не появилось n – k раз, то
.
Число таких комбинаций, если взять другую последовательность появления события А, равно . Следовательно,
, k=0, 1, 2, ..., n.
Эта формула называется формулой Бернулли.
Если вычислить для всех значений k и сложить их, то эта сумма будет равна единице, как сумма вероятности событий, образующих полную систему:
Из этого равенства получим формулу вероятности появления события A хотя бы один раз в n независимых испытаниях
.
Этой формулой можно воспользоваться для вычисления числа опытов n, которые необходимы для того, чтобы с вероятностью можно было утверждать, что событие A произойдет по крайней мере один раз.
Отсюда
Пример. В лотерее 1000 билетов, среди которых 10 выигрышей по 1млн. рублей, 30 выигрышей по 500 000 рублей, 60 выигрышей по 200 000 рублей и 150 по 60 000 рублей. Найти вероятность кого-нибудь выигрыша при покупке четырех лотерейных билетов.
Решение. Пусть событие A={выигрывает лотерейный билет}; событие {проигрыш}.
Событие А наступит, если произойдет одно из несовместных событий:
{выиграть 1 млн. руб.}, { выиграть 500 000 руб.}, ={ выиграть 200000 руб.}, ={ выиграть 60 000 руб.}, т.е. По теореме сложения вероятностей найдем:
.
Тогда
Отсюда вероятность хотя бы одного выигрыша при покупке четырех лотерейных билетов равна
-
Наивероятнейшее число появления события при повторении испытаний.
Рассмотрим пример. Садовод сделал осенью 6 прививок. По опыту прошлых лет известно, что после зимовки 7 из каждых 10 черенков оставались жизнеспособными. Какое число прижившихся черенков наиболее вероятно?
Решение. Предположим, что вероятность события A = {привитый черенок приживается} одинакова для всех черенков и равна 0,7 и что испытания независимы. Составим таблицу значения вероятностей для k=0,1,...,6, учитывая, что p = 0,7, q = 0,3, n = 6.
k |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
0,0007 |
0,0102 |
0,0593 |
0,1852 |
0,3241 |
0,3025 |
0,1176 |
Из таблицы видно, что наибольшая вероятность соответствует событию
B ={приживутся 4 черенка}. Следовательно, это событие более возможно, чем другие.
Решим эту задачу в общем виде.
Обозначим число появлений события A, имеющего наибольшую вероятность, через . Тогда
и .
Для первого неравенства имеем
или, учитывая формулу Бернулли,
.
После преобразования получим
или .
Выполнив те же преобразования для второго неравенства, получим . Объединив оба неравенства, получим
.
Числа и отличаются на единицу. Поэтому, если –дробное число, то и также дробное и неравенство определяет одно . Если –целое, то и –также целое. Тогда и будут иметь равную и наибольшую вероятность.
В задаче о садоводе вычислим . Имеем . Число -целое, поэтому .
Пример. При установившемся технологическом процессе 80% всей произведенной продукции оказывается продукцией высшего сорта. Найти наивероятнейшее число изделий высшего сорта в партии из 250 изделий.
Решение. Тогда следовательно,
Вычислим вероятность того, что в партии из 250 изделий окажется изделий высшего сорта, т.е.
Непосредственное вычисление вероятности является нелегкой задачей. Поэтому английским математиком Муавром (1667–1754 гг.) была предложена в 1733 г. приближенная формула для частного случая, которая затем была обобщена французским математиком, физиком и астроном Лапласом П.С. в 1812 г. и получила гордое название «центральной предельной теоремы» (см. Тема 5, §2).
2.4.3. Локальная и интегральная теоремы Муавра-Лапласа.
Локальная теорема Муавра-Лапласа.
Теорема. Если вероятность наступления события A в каждом из n независимых испытаний постоянна и ровна p , то справедлива при следующая приближенная формула
где а
Формула дает тем более точный результат, чем больше n.
Для функции составлены таблицы. Так как то таблицы составлены для значений (см. Приложение).
Продолжим пример. По условию задачи
так как и .
Окончательно, .
Пример. На опытном поле посеяно 1500 семян. Найти вероятность события A, состоящего в том, что всходы дадут ровно 1200 семян, если считать, что каждое зерно взойдет с вероятностью 0,9.
Решение. Так как n = 1500, k = 1200, p = 0,9, q = 0,1, то
.
По таблице .
.
Интегральная теорема Муавра-Лапласа.
Теорема. Если вероятность наступления события A в каждом из n независимых испытаний постоянна и равна то справедлива следующая приближенная формула (при )
где – вероятность того, что при n независимых повторных испытаниях событие A наступит не менее чем раз и не более чем раз,
Интеграл не выражается через элементарные функции. Поэтому для вычисления вероятности пользуются таблицей функции Лапласа (см. Приложение)
.
Свойства функции .
-
Функция нечетная, т.е. Поэтому в таблице приведены значения функции для При x=0,
-
Функция , возрастающая на интервале т.к. ее производная положительная при любом x.
-
При .
Замечание. Имеются таблицы, где .
С помощью функции Лапласа вероятность можно вычислить по формуле
Пример. Вероятность того, что изделие прошло, контроль равна p=0,2. Найти вероятность того, что среди 400 случайно отобранных изделий окажутся прошедшими контроль от 70 до 100 изделий.
Решение. По условию задачи n = 400;