- •1.2. Статистическое определение вероятности
- •1.3. Классификация случайных событий
- •1.4. Операции над событиями
- •1.5. Классическое определение вероятности
- •1.6. Основные теоремы теории вероятностей
- •1.7. Формула полной вероятности. Формула Байеса (гипотез)
- •Тема 2. Повторные независимые испытания
- •2.1. Формула Бернулли
- •2.2. Формула Пуассона (редких событий)
- •2.3. Локальная теорема Муавра-Лапласа
- •Свойства функции Гаусса.
- •2.4. Интегральная теорема Муавра-Лапласа
- •Свойства функции Лапласа
- •Следствия из интегральной теоремы Муавра-Лапласа
- •Тема 3. Дискретная случайная величина
- •3.1. Закон распределения дискретной случайной величины
- •3.2. Арифметические операции над случайными величинами
- •3.3. Параметры распределения дискретной случайной величины
- •Свойства математического ожидания
- •Свойства дисперсии
- •3.4. Функция распределения дискретной случайной величины
- •Свойства функции распределения
- •Тема 4. Непрерывная случайная величина
- •4.1. Плотность распределения непрерывной случайной величины
- •Свойства плотности распределения
- •Парадокс нулевой вероятности
- •Функция распределения непрерывной случайной величины
- •Математическое ожидание и дисперсия непрерывной случайной величины
- •Нормальный закон распределения
- •4.3. Центральная предельная теорема и теоремы Муавра-Лапласа как следствия из нее
- •Тема 5. Двумерные случайные величины
- •5.1. Совместные распределения и их параметры
- •Коэффициент корреляции и его свойства
- •Двумерный нормальный закон распределения
- •Тема 6. Закон больших чисел
- •6.1. Неравенство Чебышёва
- •6.2. Теоремы Бернулли и Чебышёва
- •Математическая статистика Тема 7. Выборочный метод
- •7.1. Оценка неизвестного параметра. Свойства оценок
- •7.2. Первичная обработка результатов эксперимента. Характеристики вариационных рядов
- •7.3. Сплошное и выборочное наблюдения
- •7.4. Оценка генеральной средней
- •7.5 Оценка генеральной доли
Свойства функции Лапласа
Функция Лапласа нечетна:
Функция Лапласа – монотонно возрастающая;
т.е. прямые и являются горизонтальными асимптотами (правой и левой соответственно) графика ; на практике полагаем при
График функции Лапласа схематично изображен на рис. 2.
Следствия из интегральной теоремы Муавра-Лапласа
Пусть выполнены условия применимости интегральной теоремы Муавра-Лапласа.
Следствие 1. Вероятность того, что число наступлений события А в n повторных независимых испытаниях будет отличаться от величины не более чем на (по абсолютной величине), вычисляется по формуле
Следствие 2. Вероятность того, что доля наступлений события А в n повторных независимых испытаниях будет отличаться от вероятности p наступления этого события в одном испытании не более чем на (по абсолютной величине), вычисляется по формуле
Пример. Подлежат исследованию 1000 проб руды. Вероятность промышленного содержания металла в каждой пробе равна 0,15. Найти границы, в которых с вероятностью 0,9973 будет заключено число проб руды с промышленным содержанием металла.
Решение. Искомые границы для числа проб руды с промышленным содержанием металла (из данных 1000 проб) определяются величинами и (см. интегральную теорему Муавра-Лапласа). Будем предполагать, что искомые границы симметричны относительно величины , где и . Тогда , для некоторого , и, тем самым, единственной определяющей неизвестной данной задачи становится величина . Из следствия 1 и условия задачи следует, что
По таблице значений функции Лапласа найдем такое , что
Тогда и . Окончательно получаем искомые границы: т.е. с вероятностью 0,9973 число проб руды с промышленным содержанием металла (из данных 1000 проб) попадет в интервал (116; 184).
Пример. В лесхозе приживается в среднем 80 саженцев. Сколько саженцев надо посадить, чтобы с вероятностью 0,9981 можно было утверждать, что доля прижившихся саженцев будет находиться в границах от 0,75 до 0,85.
Решение. – вероятность прижиться для каждого из саженцев, . Пусть – необходимое число саженцев (искомая величина данной задачи) и – число прижившихся из них, тогда – доля прижившихся саженцев. По условию,
Данные границы для доли симметричны относительно величины , поэтому неравенство равносильно неравенству
Следовательно, вероятность 0,9981 – это та самая вероятность, которая вычисляется по следствию 2 из интегральной теоремы Муавра-Лапласа при , :
По таблице функции Лапласа найдем такое значение , что Это значение: Тогда
и
Заметим, что значение округлено до целых в большую сторону, чтобы обеспечить, как говорят, “запас по вероятности”. Кроме того, видно, что полученное значение достаточно велико (более 100), поэтому применение интегральной теоремы Муавра-Лапласа для решения данной задачи было возможно.
Тема 3. Дискретная случайная величина
3.1. Закон распределения дискретной случайной величины
Определение. Случайной величиной называется переменная, которая в результате испытания принимает то или иное числовое значение.
Пример. Число попаданий в мишень при выстрелах – случайная величина.
Пример. Рост наудачу взятого человека – случайная величина.
Определение. Случайная величина называется дискретной, если число ее возможных значений конечно или счетно.
(Напомним, что множество называется счетным, если его элементы можно перенумеровать натуральными числами.)
В этом смысле, число попаданий в мишень – пример дискретной случайной величины. Рост человека – непрерывная случайная величина (такие случайные величины будут рассмотрены ниже).
Для обозначения случайных величин будем использовать заглавные буквы латинского алфавита (возможно с индексами), например, и т.п.
Определение. Законом распределения дискретной случайной величины называется такая таблица, в которой перечислены все возможные значения этой случайной величины (без повторений) с соответствующими им вероятностями.
В общем виде закон распределения для случайной величины, например, :
: |
|
|
|
… |
|
|
|
|
… |
|
где
Из определения закона распределения следует, что события … , образуют полную систему, поэтому (см. следствие из теоремы сложения вероятностей для несовместных событий в §1.6):
т.е.
Данное равенство называется основным свойством закона распределения.
Пример. Два стрелка одновременно выстреливают в мишень. Вероятность попадания для первого равна 0,6, для второго – 0,8. Составить закон распределения случайной величины – общего числа попаданий в мишень.
Решение. Возможные значения данной случайной величины: 0, 1, 2. Так же как в примере из §1.6, через и обозначим события, состоящие в попадании в мишень первого и второго стрелков (соответственно). Тогда аналогично упомянутому примеру получаем
Окончательно, закон распределения случайной величины имеет вид:
: |
|
|
|
2 |
|
|
|
0,44 |
0,48 |
1 |
Упражнение. В коробке 3 белых шара и 2 красных. Составить закон распределения случайной величины – числа белых шаров среди 2-х извлеченных шаров.
Ответ.
|
|
0 |
1 |
2 |
|
|
0,1 |
0,6 |
0,3 |
1 |
Пример. В коробке – 3 белых шара и 2 красных. Шары извлекаются последовательно до появления белого шара. Составить закон распределения случайной величины Х – числа извлеченных шаров.
Решение. Возможные значения данной случайной величины: 1, 2, 3. Событие (из коробки будет извлечен один единственный шар) наступает тогда и только тогда, когда первый из шаров оказывается белым, т.к. появление именно белого шара является сигналом к прекращению последующих извлечений (см. условие). Поэтому
где событие – первый из извлеченных шаров – белый. Событие (из коробки будет извлечено ровно 2 шара) наступает тогда и только тогда, когда первый из извлеченных шаров оказывается красным, а второй – белым. Поэтому
где событие – первый из извлеченных шаров – красный, – второй шар – белый. Наконец событие (из коробки будет извлечено 3 шара) наступает тогда и только тогда, когда первый шар – красный, второй – красный и третий – белый. Поэтому
Окончательно искомый закон распределения имеет вид:
Х : |
|
1 |
2 |
3 |
|
|
0,6 |
0,3 |
0,1 |
1 |
Упражнение. Имея 3 патрона, стрелок стреляет по мишени до первого попадания (или до израсходования патронов). Вероятность попадания при каждом выстреле равна 0,8. Составить закон распределения случайной величины Х – числа произведенных выстрелов.
Ответ.
Х : |
|
1 |
2 |
3 |
|
|
0,8 |
0,16 |
0,04 |
1 |
Пример. Стрелок стреляет в мишень 3 раза. Вероятность попадания при каждом выстреле равна 0,8. Составить закон распределения случайной величины Х – числа попаданий в мишень.
Решение. Возможные значения для числа попаданий: 0, 1, 2, 3. Вероятности того, что случайная величина Х примет эти значения вычисляются по формуле Бернулли при
Окончательно искомый закон распределения имеет вид:
Х : |
|
0 |
1 |
2 |
3 |
|
|
0,008 |
0,096 |
0,384 |
0,512 |
1 |
Полученный закон распределения является частным случаем так называемого биномиального закона распределения (при ).
Определение. Случайная величина Х имеет биномиальный закон распределения с параметрами и , если ее закон распределения имеет вид :
-
Х :
0
1
2
…
,
…
где вероятности вычисляются по формуле Бернулли:
– положительное целое число,
В пределе при и биномиальное распределение переходит в так называемое распределение Пуассона.
Определение. Говорят, что случайная величина Х имеет распределение Пуассона с параметром , если ее закон распределения имеет вид:
-
Х :
0
1
2
…
,
…
где
,
– положительное число.
Убедимся в том, что для распределения Пуассона выполняется основное свойство закона распределения: . Действительно, имеем
(см. курс математического анализа, разложение функции в ряд Маклорена).
Домашнее задание. 3.25, 3.31, 3.36, 3.40, 3.45.