времени используют электрическую энергию. Чтобы получить грубое представление об ожидаемой нагрузке представим себе, что в любой момент времени каждому рабочему с одной и той же вероятностью p может потребоваться единица энергии. Если они работают независимо, то вероятность того, что энергия потребуется одновременноk рабочим, будет равнаb (k ;n ,p ). Здесь «испытанием» является проверка факта использования энергии в данный момент j -м рабочим (j = 1,2,...,n ), а «успехом» является положительный результат проверки. Так, если один рабочий потребляет энергию в среднем 12 минут в течение часа40 , следует положитьp = 1260= 0,2. В этом случае вероятность того, что не менее 7 из 10 рабочих

Другими словами, если снабжение рассчитано на 6 единиц энергии, то вероятность перегрузки равна 0.000864. Это означает, что одна перегрузка приходится в среднем на 10.000864≈ 1157 минут, т.е. примерно на 12 часов рабочего времени. Поэтому, если перегрузки наблюдаются чаще, то это должно явиться сигналом для усиленного контроля над производственным циклом.

Следующий пример имеет несколько иной характер. При бросании двух правильных игральных костей, вероятность появления 12 очков равна,

очевидно, 1 6 2 ≈ 0,0278 , т.е. в среднем одно появление за 36 бросаний. Если в

казино за игорным столом в процессе игры эта пропорция существенно нарушается, то это означает либо тот факт, что кости дефектны, и их надо заменить, либо что игра идет нечестно. В любом случае, возникает основание для более тщательного наблюдения за игрой на данном игорном столе.

6.2. Обобщенная схема Бернулли

Предположим, как и выше, что проводится серия из n независимых

40 Эта величина может определяться, например, производственным циклом или технологией производства.

между собой испытаний. Однако в отличие от предыдущего, мы предположим, что результатом каждого испытания может быть одно и только одно из k попарно несовместимых событийA 1 ,A 2 , ...,A k , причем вероятности появления каждого из этих событий в каждом отдельном испытании постоянны и равны соответственно

p 1 ,p 2 , ...,p k ;p j > 0;p 1 + p 2 + ...+ p k = 1.

Найдем вероятность того, что в результате n испытаний событиеA 1 появится

m 1 +m 2 +... +m k =n .

Прежде всего, отметим, что рассужденияпредыдущего пункта приводят нас к выводу о том, что вероятность каждой допустимой комбинации будет

		pm 1	pm 2	P m k . С другой стороны, число допустимых комбинаций равно
		способов, которыми можно n элементов разбить					k групп
m 1 ,m 2 ,...,m k				элементов соответственно. Это число, согласно			теореме 5.5,
		m ! m!... m!
				образом, искомая вероятность того, что			результате

независимых испытаний событие A 1 появится ровноm 1 раз, событиеA 2 – ровноm 2 раза и т.д., событиеA k появится ровноm k раз, будет равна

Pn (m1 , m2

p j> 0;

m j≥ 0;

	M )=				pm 1	pm 2	P m k ;
		m ! m!... m!
	p 1 +p 2 +... +p k

m 1 +m 2 +... +m k =n .

p 1 = 0,4,p 2 = 0,35,p 3 = 0,25 . Какова вероятность того, что в матче из 12 партий у данного шахматиста будет 5 побед, 4 поражения и 3 ничьи?

Решение. Мы в точности находимся в ситуации обобщенной схемы Бернулли с n = 12. Подставляя значения из данных задачи в формулу (6.2),

получим: P 12 (5, 4, 3)= 5!4!3! 12! (0.4)5 (0.35)4 (0.25)3 ≈ 0.067 .

6.3. Некоторые следствия

Возвратимся к классической схеме Бернулли разд. 6.1 и поставим следующую задачу. Пусть целые числа a ,b таковы, что 0≤ a < b ≤ n . Чему равна вероятность того, что в результатеn независимых испытаний Бернулли число «успехов» будет заключено между числамиa иb ? Ответ на этот вопрос дается легко, поскольку допустимые комбинации для различных чисел «успехов» несовместимы. Соответствующая вероятность, очевидно, равна

P n (a , b ) = ∑ C n kp kq n− k=

C n ap aq n− a+ C n a+ 1 p a+ 1 q n− a− 1 + C n a+ 2 p a+ 2 q n− a− 2 + ... + C n bp bq n− b.

Замечание . Для обозначения вероятности числа успехов вn испытаниях Бернулли используются различные обозначения, в зависимости от контекста рассматриваемых задач. Так, черезP n (k < m ) часто обозначается вероятность того,чтоврезультатеn испытанийчислоk успеховбудетменьше ,чемm ;черезP n (m 1 ≤ k < m 2 ) обозначается вероятность того, в результатеn испытаний числоk успехов будетбольше либо равно m 1 , номеньше m 2 ; вместо обозначенияP n (a ,b ) может использоваться обозначениеP n (a ≤ k ≤ b ) и т.п. Как правило, проблем с однозначным пониманием смысла подобных обозначений в контексте той или иной конкретной задачи не возникает.

Наиболее вероятное число успехов. Вычислим теперь значение числа m= m0 , при котором функция b(m; n, p) достигает своего наибольшего значения. В этом случае число m0 называют наиболее вероятным числом

успехов (в n испытаниях).

Напомним, что функция b (m ;n ,p ) определяется как вероятностьm «успехов» вn испытаниях Бернулли с вероятность «успеха»p , и вычисляется

по формуле (6.1).
Рассмотрим величину
	b (m ;n ,p )		(n− m+ 1) p		(n+ 1) p− m
	b (m − 1;n ,p )

где учтено, что q = 1− p . Отсюда видно, что функцияb (m ;n ,p ) возрастает поm приm < (n + 1)p и убывает приm > (n + 1)p . Имея в виду, чтоm 0 должно быть неотрицательным целым числом, получаем, что наиболее вероятное число «успехов»m 0 есть (единственное) неотрицательное целое число, удовлетворяющее неравенству

(n + 1)p − 1< m 0 ≤ (n + 1)p .

Рассмотрим теперь несколько примеров .

1. Задача де Мере . Сколько раз нужно бросить пару игральных костей, чтобысвероятностьюболее½ ожидатьсуммуочков,равную12,хотябыодин раз?

Решение. Вероятность p «успеха», т. е. выпадения 12 очков, при каждом бросании одинакова и равнаp = 1 36 . Пустьn – искомое число бросаний,k – число «успехов». ТогдаP n (k ≥ 1)= 1− P n (k = 0) . Но

P n (k = 0)= C n 0 p 0 (1− p )n = (35 36 ) n ≈ (0.972)n .

Таким образом, требуемое значение n находится из неравенства

(0.972)n ≤ 0.5 .

Решая это неравенство, получаем: n ≥ 25.

2. Трое стрелков при стрельбе по мишени попадают в нее при одном выстреле с вероятностями 0.2, 0.3 и 0.4 соответственно. Кому из троих стрелять по мишени, определяют с помощью шести подбрасываний монеты,

причем если гербов выпадет больше, чем решек, то стреляет первый стрелок, если гербов выпадет меньше, чем решек, то стреляет второй стрелок, в противном случае – третий стрелок. Стреляющий производит 3 выстрела. Определить вероятность того, что две пули попадут в цель.

Решение. Пусть А – событие, состоящее в том, что в мишень попадут две пули. Обозначим черезB 1 ,B 2 ,B 3 – события, состоящие в том, что стреляет первый, второй и третий стрелок соответственно. Так как событияB 1 ,B 2 ,B 3 образуют полную группу событий, то по формуле полной вероятности (2.6) имеем:

P (A )= P (A /B 1 )P (B 1 )+ P (A /B 2 )P (B 2 )+ P (A /B 3 )P (B 3 ) .

Вычислим по отдельности вероятности, входящие в формулу (6.5). Начнем с вероятностей P (B j ) . Поскольку предоставление права стрельбы тому или иному стрелку зависит от результатов последовательности независимых испытаний – шести подбрасываний монеты, то соответствующие вероятности должны вычисляться в соответствии со схемой Бернулли. Именно, пусть «успех» – это выпадение герба; тогда в соответствии с условиями задачи:

P (B 1 )= P 6 (k ≥ 4)= C 6 4 (0.5)6 + C 6 5 (0.5)6 + C 6 6 (0.5)6 = 11 32 ;P (B 2 )= P 6 (k ≤ 2)= C 6 0 (0.5)6 + C 6 1 (0.5)6 + C 6 2 (0.5)6 = 11 32 ;P (B 3 )= P 6 (k = 3)= C 6 3 (0.5)6 = 5 16 .

P (A /B )= b (2; 3, 0,2)		(0,2)2 0,8= 0,096;
P (A /B )= b (2; 3, 0,3)		(0,3)2 0,7= 0,189 ;
P (A /B )= b (2; 3, 0,4)= C 2		(0,4)2 0,6= 0,288.
По формуле полной вероятности (6.5) получаем окончательно
P (A )= 0,188 .
3. Каждый из n = 50		приглашенных приходит на собрание с

Практические задачи, связанные с оценкой вероятности наступления события в результате нескольких равноценных попыток могут анализироваться с применением формулы Бернулли или (при большом количестве таких попыток) с применением приближенной формулы Пуассона. Для работы с этим материалом Вам снова потребуется знание ..

Схема Бернулли состоит в следующем: производится последовательность испытаний, в каждом из которых вероятность наступления определенного события А одна и та же и равна р. Испытания предполагаются независимыми (т.е. считается, что вероятность появления события А в каждом из испытаний не зависит от того, появилось или не появилось это событие в других испытаниях). Наступление события А обычно называют успехом, а ненаступление - неудачей. Обозначим вероятность неудачи q=1-P(A)=(1-p). Вероятность того, что в n независимых испытаниях успех наступит ровно m раз, выражается формулой Бернулли :

Вероятность Р n (m) при данном n сначала увеличивается при увеличении m от 0 до некоторого значения m 0 , а затем уменьшается при изменении m от m 0 до n.

Поэтому m 0 , называют наивероятнейшим числом наступлений успеха в опытах. Это число m 0 , заключено между числами np-q и np+p (или, что то же самое, между числами n(p+1)-1 и n(p+1) ) .Если число np-q - целое число, то наивероятнейших чисел два: np-q и np+p.

Важное замечание. Если np-q< 0, то наивероятнейшее число выигрышей равно нулю.

Пример. Игральная кость бросается 4 раза. При каждом броске нас интересует событие А ={выпала шестерка}.

Решение: Здесь четыре испытания, и т.к. кубик симметричен, то

p=P(A)=1/6, q=1-p=5/6.

Вероятность того, что в 4 независимых испытаниях успех наступит ровно m раз (m < 4), выражается формулой Бернулли:

Посчитаем эти значения и запишем их в таблицу.

Самое вероятное число успехов в нашем случае m 0 =0.

Пример. Вероятность появления успеха равна 3/5. Найти наивероятнейшее число наступлений успеха, если число испытаний равно 19, 20.

Решение: при n =19 находим

Таким образом, максимальная вероятность достигается для двух значений m 0 , равных 11 и 12. Эта вероятность равна P 19 (11)=P 19 (12)=0,1797. При n=20 максимальная вероятность достигается только для одного значения m 0 , т.к.

Не является целым числом. Наивероятнейшее число наступлений успеха m 0 равно 12. Вероятность его появления равна P 20 (12)=0,1797. Совпадение чисел P 20 (12) и P 19 (12) вызвано лишь сочетанием значений n и p и не имеет общего характера.

На практике в случае, когда n велико, а p мало (обычно p < 0,1; npq < 10) вместо формулы Бернулли применяют приближенную формулу Пуассона

Пример 4. Радиоаппаратура состоит из 1000 элементов. Вероятность отказа одного элемента в течение года равна 0,002. Какова вероятность отказа двух элементов за год? Какова вероятность отказа не менее двух элементов за год?

Решение: будем рассматривать работу каждого элемента как отдельное испытание. Обозначим А ={отказ элемента за год}.

P(A)=p=0,002, l=np=1000*0,002=2

П о формуле Пуассона

Обозначим через P 1000 (> 2) вероятность отказа не менее двух элементов за год.
Переходя к противоположному событию, вычислим P 1000 (> 2) как.

Производится n опытов по схеме Бернулли с вероятностью успеха p . Пусть X - число успехов. Случайная величина X имеет область значений {0,1,2,...,n}. Вероятности этих значений можно найти по формуле: , где C m n - число сочетаний из n по m .
Ряд распределения имеет вид:

x	0	1	...	m	n
p	(1-p) n	np(1-p) n-1	...	C m n p m (1-p) n-m	p n

Этот закон распределения называется биноминальным .

Назначение сервиса . Онлайн-калькулятор используется для построения биноминальным ряда распределения и вычисления всех характеристик ряда: математического ожидания, дисперсии и среднеквадратического отклонения. Отчет с решением оформляется в формате Word (пример).

Число испытаний: n = , Вероятность p =
При малой вероятности p и большом количестве n (np формула Пуассона.

Видеоинструкция

Схема испытаний Бернулли

Числовые характеристики случайной величины, распределенной по биноминальному закону

Математическое ожидание случайной величины Х, распределенной по биноминальному закону.
M[X]=np

Дисперсия случайной величины Х, распределенной по биноминальному закону.
D[X]=npq

Пример №1 . Изделие может оказаться дефектным с вероятностью р = 0.3 каждое. Из партии выбирают три изделия. Х – число дефектных деталей среди отобранных. Найти (все ответы вводить в виде десятичных дробей): а) ряд распределения Х; б) функцию распределения F(x) .
Решение . Случайная величина X имеет область значений {0,1,2,3}.
Найдем ряд распределения X.
P 3 (0) = (1-p) n = (1-0.3) 3 = 0.34
P 3 (1) = np(1-p) n-1 = 3(1-0.3) 3-1 = 0.44

P 3 (3) = p n = 0.3 3 = 0.027

x i	0	1	2	3
p i	0.34	0.44	0.19	0.027

Математическое ожидание находим по формуле M[X]= np = 3*0.3 = 0.9
Проверка: m = ∑x i p i .
Математическое ожидание M[X] .
M[x] = 0*0.34 + 1*0.44 + 2*0.19 + 3*0.027 = 0.9
Дисперсию находим по формуле D[X]=npq = 3*0.3*(1-0.3) = 0.63
Проверка: d = ∑x 2 i p i - M[x] 2 .
Дисперсия D[X] .
D[X] = 0 2 *0.34 + 1 2 *0.44 + 2 2 *0.19 + 3 2 *0.027 - 0.9 2 = 0.63
Среднее квадратическое отклонение σ(x) .

Функция распределения F(X) .
F(xF(0F(1F(2F(x>3) = 1

1. Вероятность появления события в одном испытании равна 0.6 . Производится 5 испытаний. Составить закон распределения случайной величины Х – числа появлений события.
2. Составить закон распределения случайной величины Х числа попаданий при четырех выстрелах, если вероятность попадания в цель при одном выстреле равна 0.8 .
3. Монету подбрасывают 7 раз. Найти математическое ожидание и дисперсию числа появлений герба. Примечание: здесь вероятность появление герба равна p = 1/2 (т.к. у монеты две стороны).

Пример №2 . Вероятность появления события в отдельном испытании равна 0.6 . Применяя теорему Бернулли, определите число независимых испытаний, начиная с которого вероятность отклонения частоты события от его вероятности по абсолютной величине меньше 0.1 , больше 0.97 . (Ответ: 801)

Пример №3 . Студенты выполняют контрольную работу в классе информатики. Работа состоит из трех задач. Для получения хорошей оценки нужно найти правильные ответы не меньше чем на две задачи. К каждой задаче дается 5 ответов из которых только одна правильная. Студент выбирает ответ наугад. Какая вероятность того, что он получит хорошую оценку?
Решение . Вероятность правильно ответить на вопрос: p=1/5=0.2; n=3.
Эти данные необходимо ввести в калькулятор. В ответ см. для P(2)+P(3).

Пример №4 . Вероятность попадания стрелка в мишень при одном выстреле равна (m+n)/(m+n+2) . Производится n+4 выстрела. Найти вероятность того, что он промахнется не более двух раз.

Примечание . Вероятность того, что он промахнется не более двух раз включает в себя следующие события: ни разу не промахнется P(4), промахнется один раз P(3), промахнется два раза P(2).

Пример №5 . Определите распределение вероятностей числа отказавших самолётов, если влетает 4 машины. Вероятность безотказной работы самолета Р=0.99 . Число отказавших в каждом вылете самолётов распределено по биноминальному закону.

Определение повторных независимых испытаний. Формулы Бернулли для вычисления вероятности и наивероятнейшего числа. Асимптотические формулы для формулы Бернулли (локальная и интегральная, теоремы Лапласа). Использование интегральной теоремы. Формула Пуассона, для маловероятных случайных событий.

Повторные независимые испытания

На практике приходится сталкиваться с такими задачами, которые можно представить в виде многократно повторяющихся испытаний, в результате каждого из которых может появиться или не появиться событие A . При этом интерес представляет исход не каждого "отдельного испытания, а общее количество появлений события A в результате определенного количества испытаний. В подобных задачах нужно уметь определять вероятность любого числа m появлений события A в результате n испытаний. Рассмотрим случай, когда испытания являются независимыми и вероятность появления события A в каждом испытании постоянна. Такие испытания называются повторными независимыми.

Примером независимых испытаний может служить проверка на годность изделий, взятых по одному из ряда партий. Если в этих партиях процент брака одинаков, то вероятность того, что отобранное изделие будет бракованным, в каждом случае является постоянным числом.

Формула Бернулли

Воспользуемся понятием сложного события , под которым подразумевается совмещение нескольких элементарных событий, состоящих в появлении или непоявлении события A в i –м испытании. Пусть проводится n независимых испытаний, в каждом из которых событие A может либо появиться с вероятностью p , либо не появиться с вероятностью q=1-p . Рассмотрим событие B_m , состоящее в том, что событие A в этих n испытаниях наступит ровно m раз и, следовательно, не наступит ровно (n-m) раз. Обозначим A_i~(i=1,2,\ldots,{n}) появление события A , a \overline{A}_i - непоявление события A в i –м испытании. В силу постоянства условий испытания имеем

Событие A может появиться m раз в разных последовательностях или комбинациях, чередуясь с противоположным событием \overline{A} . Число возможных комбинаций такого рода равно числу сочетаний из n элементов по m , т. е. C_n^m . Следовательно, событие B_m можно представить в виде суммы сложных несовместных между собой событий, причем число слагаемых равно C_n^m :

B_m=A_1A_2\cdots{A_m}\overline{A}_{m+1}\cdots\overline{A}_n+\cdots+\overline{A}_1\overline{A}_2\cdots\overline{A}_{n-m}A_{n-m+1}\cdots{A_n},

где в каждое произведение событие A входит m раз, а \overline{A} - (n-m) раз.

Вероятность каждого сложного события, входящего в формулу (3.1), по теореме умножения вероятностей для независимых событий равна p^{m}q^{n-m} . Так как общее количество таких событий равно C_n^m , то, используя теорему сложения вероятностей для несовместных событий, получаем вероятность события B_m (обозначим ее P_{m,n} )

P_{m,n}=C_n^mp^{m}q^{n-m}\quad \text{or}\quad P_{m,n}=\frac{n!}{m!(n-m)!}p^{m}q^{n-m}.

Формулу (3.2) называют формулой Бернулли , а повторяющиеся испытания, удовлетворяющие условию независимости и постоянства вероятностей появления в каждом из них события A , называют испытаниями Бернулли , или схемой Бернулли .

Пример 1. Вероятность выхода за границы поля допуска при обработке деталей на токарном станке равна 0,07. Определить вероятность того, что из пяти наудачу отобранных в течение смены деталей у одной размеры диаметра не соответствуют заданному допуску.

Решение. Условие задачи удовлетворяет требования схемы Бернулли. Поэтому, полагая n=5,\,m=1,\,p=0,\!07 , по формуле (3.2) получаем

P_{1,5}=C_5^1(0,\!07)^{1}(0,\!93)^{5-1}\approx0,\!262.

Пример 2. Наблюдениями установлено, что в некоторой местности в сентябре бывает 12 дождливых дней. Какова вероятность того, что из случайно взятых в этом месяце 8 дней 3 дня окажутся дождливыми?

Решение.

P_{3;8}=C_8^3{\left(\frac{12}{30}\right)\!}^3{\left(1-\frac{12}{30}\right)\!}^{8-3}=\frac{8!}{3!(8-3)!}{\left(\frac{2}{5}\right)\!}^3{\left(\frac{3}{5}\right)\!}^5=56\cdot\frac{8}{125}\cdot\frac{243}{3125}=\frac{108\,864}{390\,625}\approx0,\!2787.

Наивероятнейшее число появлений события

Наивероятнейшим числом появления события A в n независимых испытаниях называется такое число m_0 , для которого вероятность, соответствующая этому числу, превышает или, по крайней мере, не меньше вероятности каждого из остальных возможных чисел появления события A . Для определения наивероятнейшего числа не обязательно вычислять вероятности возможных чисел появлений события, достаточно знать число испытаний n и вероятность появления события A в отдельном испытании. Обозначим P_{m_0,n} вероятность, соответствующую наивероятнейшему числу m_0 . Используя формулу (3.2), записываем

P_{m_0,n}=C_n^{m_0}p^{m_0}q^{n-m_0}=\frac{n!}{m_0!(n-m_0)!}p^{m_0}q^{n-m_0}.

Согласно определению наивероятнейшего числа, вероятности наступления события A соответственно m_0+1 и m_0-1 раз должны, по крайней мере, не превышать вероятность P_{m_0,n} , т. е.

P_{m_0,n}\geqslant{P_{m_0+1,n}};\quad P_{m_0,n}\geqslant{P_{m_0-1,n}}

Подставляя в неравенства значение P_{m_0,n} и выражения вероятностей P_{m_0+1,n} и P_{m_0-1,n} , получаем

Решая эти неравенства относительно m_0 , получаем

M_0\geqslant{np-q},\quad m_0\leqslant{np+p}

Объединяя последние неравенства, получаем двойное неравенство, которое используют для определения наивероятнейшего числа:

Np-q\leqslant{m_0}\leqslant{np+p}.

Так как длина интервала, определяемого неравенством (3.4), равна единице, т. е.

(np+p)-(np-q)=p+q=1,

и событие может произойти в n испытаниях только целое число раз, то следует иметь в виду, что:

1) если np-q - целое число, то существуют два значения наивероятнейшего числа, а именно: m_0=np-q и m"_0=np-q+1=np+p ;

2) если np-q - дробное число, то существует одно наивероятнейшее число, а именно: единственное целое, заключенное между дробными числами, полученными из неравенства (3.4);

3) если np - целое число, то существует одно наивероятнейшее число, а именно: m_0=np .

При больших значениях n пользоваться формулой (3.3) для расчета вероятности, соответствующей наивероятнейшему числу, неудобно. Если в равенство (3.3) подставить формулу Стирлинга

N!\approx{n^ne^{-n}\sqrt{2\pi{n}}},

справедливую для достаточно больших n , и принять наивероятнейшее число m_0=np , то получим формулу для приближенного вычисления вероятности, соответствующей наивероятнейшему числу:

P_{m_0,n}\approx\frac{n^ne^{-n}\sqrt{2\pi{n}}\,p^{np}q^{nq}}{(np)^{np}e^{-np}\sqrt{2\pi{np}}\,(nq)^{nq}e^{-nq}\sqrt{2\pi{nq}}}=\frac{1}{\sqrt{2\pi{npq}}}=\frac{1}{\sqrt{2\pi}\sqrt{npq}}.

Пример 2. Известно, что \frac{1}{15} часть продукции, поставляемой заводом на торговую базу, не удовлетворяет всем требованиям стандарта. На базу была завезена партия изделий в количестве 250 шт. Найти наивероятнейшее число изделий, удовлетворяющих требованиям стандарта, и вычислить вероятность того, что в этой партии окажется наивероятнейшее число изделий.

Решение. По условию n=250,\,q=\frac{1}{15},\,p=1-\frac{1}{15}=\frac{14}{15} . Согласно неравенству (3.4) имеем

250\cdot\frac{14}{15}-\frac{1}{15}\leqslant{m_0}\leqslant250\cdot\frac{14}{15}+\frac{1}{15}

откуда 233,\!26\leqslant{m_0}\leqslant234,\!26 . Следовательно, наивероятнейшее число изделий, удовлетворяющих требованиям стандарта, в партии из 250 шт. равно 234. Подставляя данные в формулу (3.5), вычисляем вероятность наличия в партии наивероятнейшего числа изделий:

P_{234,250}\approx\frac{1}{\sqrt{2\pi\cdot250\cdot\frac{14}{15}\cdot\frac{1}{15}}}\approx0,\!101

Локальная теорема Лапласа

Пользоваться формулой Бернулли при больших значениях n очень трудно. Например, если n=50,\,m=30,\,p=0,\!1 , то для отыскания вероятности P_{30,50} надо вычислить значение выражения

P_{30,50}=\frac{50!}{30!\cdot20!}\cdot(0,\!1)^{30}\cdot(0,\!9)^{20}

Естественно, возникает вопрос: нельзя ли вычислить интересующую вероятность, не используя формулу Бернулли? Оказывается, можно. Локальная теорема Лапласа дает асимптотическую формулу, которая позволяет приближенно найти вероятность появления событий ровно m раз в n испытаниях, если число испытаний достаточно велико.

Теорема 3.1. Если вероятность p появления события A в каждом испытании постоянна и отлична от нуля и единицы, то вероятность P_{m,n} того, что событие A появится в n испытаниях ровно m раз, приближенно равна (тем точнее, чем больше n ) значению функции

Y=\frac{1}{\sqrt{npq}}\frac{e^{-x^2/2}}{\sqrt{2\pi}}=\frac{\varphi(x)}{\sqrt{npq}} при .

Существуют таблицы, которые содержат значения функции \varphi(x)=\frac{1}{\sqrt{2\pi}}\,e^{-x^2/2}} , соответствующие положительным значениям аргумента x . Для отрицательных значений аргумента используют те же таблицы, так как функция \varphi(x) четна, т. е. \varphi(-x)=\varphi(x) .

Итак, приближенно вероятность того, что событие A появится в n испытаниях ровно m раз,

P_{m,n}\approx\frac{1}{\sqrt{npq}}\,\varphi(x), где x=\frac{m-np}{\sqrt{npq}} .

Пример 3. Найти вероятность того, что событие A наступит ровно 80 раз в 400 испытаниях, если вероятность появления события A в каждом испытании равна 0,2.

Решение. По условию n=400,\,m=80,\,p=0,\!2,\,q=0,\!8 . Воспользуемся асимптотической, формулой Лапласа:

P_{80,400}\approx\frac{1}{\sqrt{400\cdot0,\!2\cdot0,\!8}}\,\varphi(x)=\frac{1}{8}\,\varphi(x).

Вычислим определяемое данными задачи значение x :

X=\frac{m-np}{\sqrt{npq}}=\frac{80-400\cdot0,\!2}{8}=0.

По таблице прил, 1 находим \varphi(0)=0,\!3989 . Искомая вероятность

P_{80,100}=\frac{1}{8}\cdot0,\!3989=0,\!04986.

Формула Бернулли приводит примерно к такому же результату (выкладки ввиду их громоздкости опущены):

P_{80,100}=0,\!0498.

Интегральная теорема Лапласа

Предположим, что проводится n независимых испытаний, в каждом из которых вероятность появления события A постоянна и равна p . Необходимо вычислить вероятность P_{(m_1,m_2),n} того, что событие A появится в n испытаниях не менее m_1 и не более m_2 раз (для краткости будем говорить "от m_1 до m_2 раз"). Это можно сделать с помощью интегральной теоремы Лапласа.

Теорема 3.2. Если вероятность p наступления события A в каждом испытании постоянна и отлична от нуля и единицы, то приближенно вероятность P_{(m_1,m_2),n} того, что событие A появится в испытаниях от m_1 до m_2 раз,

P_{(m_1,m_2),n}\approx\frac{1}{\sqrt{2\pi}}\int\limits_{x"}^{x""}e^{-x^2/2}\,dx, где .

При решении задач, требующих применения интегральной теоремы Лапласа, пользуются специальными таблицами, так как неопределенный интеграл \int{e^{-x^2/2}\,dx} не выражается через элементарные функции. Таблица для интеграла \Phi(x)=\frac{1}{\sqrt{2\pi}}\int\limits_{0}^{x}e^{-z^2/2}\,dz приведена в прил. 2, где даны значения функции \Phi(x) для положительных значений x , для x<0 используют ту же таблицу (функция \Phi(x) нечетна, т. е. \Phi(-x)=-\Phi(x) ). Таблица содержит значения функции \Phi(x) лишь для x\in ; для x>5 можно принять \Phi(x)=0,\!5 .

Итак, приближенно вероятность того, что событие A появится в n независимых испытаниях от m_1 до m_2 раз,

P_{(m_1,m_2),n}\approx\Phi(x"")-\Phi(x"), где x"=\frac{m_1-np}{\sqrt{npq}};~x""=\frac{m_2-np}{\sqrt{npq}} .

Пример 4. Вероятность того, что деталь изготовлена с нарушениями стандартов, p=0,\!2 . Найти вероятность того, что среди 400 случайно отобранных деталей нестандартных окажется от 70 до 100 деталей.

Решение. По условию p=0,\!2,\,q=0,\!8,\,n=400,\,m_1=70,\,m_2=100 . Воспользуемся интегральной теоремой Лапласа:

P_{(70,100),400}\approx\Phi(x"")-\Phi(x").

Вычислим пределы интегрирования:

нижний

X"=\frac{m_1-np}{\sqrt{npq}}=\frac{70-400\cdot0,\!2}{\sqrt{400\cdot0,\!2\cdot0,\!8}}=-1,\!25,

верхний

X""=\frac{m_2-np}{\sqrt{npq}}=\frac{100-400\cdot0,\!2}{\sqrt{400\cdot0,\!2\cdot0,\!8}}=2,\!5,

Таким образом

P_{(70,100),400}\approx\Phi(2,\!5)-\Phi(-1,\!25)=\Phi(2,\!5)+\Phi(1,\!25).

По таблице прил. 2 находим

\Phi(2,\!5)=0,\!4938;~~~~~\Phi(1,\!25)=0,\!3944.

Искомая вероятность

P_{(70,100),400}=0,\!4938+0,\!3944=0,\!8882.

Применение интегральной теоремы Лапласа

Если число m (число появлений события A при n независимых испытаниях) будет изменяться от m_1 до m_2 , то дробь \frac{m-np}{\sqrt{npq}} будет изменяться от \frac{m_1-np}{\sqrt{npq}}=x" до \frac{m_2-np}{\sqrt{npq}}=x"" . Следовательно, интегральную теорему Лапласа можно записать и так:

P\left\{x"\leqslant\frac{m-np}{\sqrt{npq}}\leqslant{x""}\right\}=\frac{1}{\sqrt{2\pi}}\int\limits_{x"}^{x""}e^{-x^2/2}\,dx.

Поставим задачу найти вероятность того, что отклонение относительной частоты \frac{m}{n} от постоянной вероятности p по абсолютной величине не превышает заданного числа \varepsilon>0 . Другими словами, найдем вероятность осуществления неравенства \left|\frac{m}{n}-p\right|\leqslant\varepsilon , что то же самое, -\varepsilon\leqslant\frac{m}{n}-p\leqslant\varepsilon . Эту вероятность будем обозначать так: P\left\{\left|\frac{m}{n}-p\right|\leqslant\varepsilon\right\} . С учетом формулы (3.6) для данной вероятности получаем

P\left\{\left|\frac{m}{n}-p\right|\leqslant\varepsilon\right\}\approx2\Phi\left(\varepsilon\,\sqrt{\frac{n}{pq}}\right).

Пример 5. Вероятность того, что деталь нестандартна, p=0,\!1 . Найти вероятность того, что среди случайно отобранных 400 деталей относительная частота появления нестандартных деталей отклонится от вероятности p=0,\!1 по абсолютной величине не более чем на 0,03.

Решение. По условию n=400,\,p=0,\!1,\,q=0,\!9,\,\varepsilon=0,\!03 . Требуется найти вероятность P\left\{\left|\frac{m}{400}-0,\!1\right|\leqslant0,\!03\right\} . Используя формулу (3.7), получаем

P\left\{\left|\frac{m}{400}-0,\!1\right|\leqslant0,\!03\right\}\approx2\Phi\left(0,\!03\sqrt{\frac{400}{0,\!1\cdot0,\!9}}\right)=2\Phi(2)

По таблице прил. 2 находим \Phi(2)=0,\!4772 , следовательно, 2\Phi(2)=0,\!9544 . Итак, искомая вероятность приближенно равна 0,9544. Смысл полученного результата таков: если взять достаточно большое число проб по 400 деталей в каждой, то примерно в 95,44% этих проб отклонение относительной частоты от постоянной вероятности p=0,\!1 по абсолютной величине не превысит 0,03.

Формула Пуассона для маловероятных событий

Если вероятность p наступления события в отдельном испытании близка к нулю, то даже при большом числе испытаний n , но при небольшом значении произведения np получаемые по формуле Лапласа значения вероятностей P_{m,n} оказываются недостаточно точными и возникает потребность в другой приближенной формуле.

Теорема 3.3. Если вероятность p наступления события A в каждом испытании постоянна, но мала, число независимых испытаний n достаточно велико, но значение произведения np=\lambda остается небольшим (не больше десяти), то вероятность того, что в этих испытаниях событие A наступит m раз,

P_{m,n}\approx\frac{\lambda^m}{m!}\,e^{-\lambda}.

Для упрощения расчетов с применением формулы Пуассона составлена таблица значений функции Пуассона \frac{\lambda^m}{m!}\,e^{-\lambda} (см. прил. 3).

Пример 6. Пусть вероятность изготовления нестандартной детали равна 0,004. Найти вероятность того, что среди 1000 деталей окажется 5 нестандартных.

Решение. Здесь n=1000,p=0,004,~\lambda=np=1000\cdot0,\!004=4 . Все три числа удовлетворяют требованиям теоремы 3.3, поэтому для нахождения вероятности искомого события P_{5,1000} применяем формулу Пуассона. По таблице значений функции Пуассона (прил. 3) при \lambda=4;m=5 получаем P_{5,1000}\approx0,\!1563 .

Найдем вероятность того же события по формуле Лапласа. Для этого сначала вычисляем значение x , соответствующее m=5 :

X=\frac{5-1000\cdot0,\!004}{\sqrt{1000\cdot0,\!004\cdot0,\!996}}\approx\frac{1}{1,\!996}\approx0,\!501.

Поэтому согласно формуле Лапласа искомая вероятность

P_{5,1000}\approx\frac{\varphi(0,\!501)}{1,\!996}\approx\frac{0,\!3519}{1,\!996}\approx0,\!1763

а согласно формуле Бернулли точное ее значение

P_{5,1000}=C_{1000}^{5}\cdot0,\!004^5\cdot0,\!996^{995}\approx0,\!1552.

Таким образом, относительная ошибка вычисления вероятностей P_{5,1000} по приближенной формуле Лапласа составляет

\frac{0,\!1763-0,\!1552}{0,\!1552}\approx0,\!196 , или 13,\!6\%

а по формуле Пуассона -

\frac{0,\!1563-0,\!1552}{0,\!1552}\approx0,\!007 , или 0,\!7\%

Т. е. во много раз меньше.
Перейти к следующему разделу
Одномерные случайные величины В вашем браузере отключен Javascript.
Чтобы произвести расчеты, необходимо разрешить элементы ActiveX!

Опыты называются независимыми, если вероятность того или иного исхода каждого опыта не зависит от того, какие исходы имели другие опыты.

Замечание. Независимые опыты могут производиться как в одинаковых условиях, так и в различных. В первом случае вероятность появления какого-то события А во всех опытах одна и та же, во втором случае она меняется от опыта к опыту.

Пусть теперь производится n независимых опытов, в каждом из которых с одной и той же вероятностью p может наступить некоторое событие А . Требуется найти вероятность Р n (к) того, что в n опытах событие А наступит ровно к раз (событие В ).

Описанная схема называется схемой независимых испытаний, или схемой Бернулли, по имени швейцарского математика конца XVII и начала XVIII века Якоба Бернулли, изучавшего её.

Найдем вероятность Р n (к) . Событие В можно представить в виде суммы ряда элементарных событий – вариантов события А . Каждый вариант события А можно записать в виде строки длиной n (число опытов), в которой к компонент соответствуют событию А , а остальные n-к компонент событию . Например, один из возможных вариантов есть

(успех и 1,2,…,k -м опытах и неудача в остальных).

Число всех вариантов равно (числу сочетаний из n элементов по к ), а вероятность каждого варианта в виду независимости опытов равна р к q n -к (где q =1-р ). Отсюда вероятность события В будет равна

Формула (1) носит название формулы Бернулли .

Отсюда следует, что вероятность, хотя бы одного появления события А при n независимых испытаниях (опытах) в одинаковых условиях равна

Пример 1 . Монета бросается 5 раз. Какова вероятность того, что герб выпадет при этом 3 раза?

Решение . В данном случае событием А считается выпадение герба, вероятность p этого события в каждом опыте равна . Отсюда

P = .

Для наглядности условимся каждое наступление события А рассматривать как успех. Если зафиксировать n , то, Р n (к) . есть функция аргумента к , принимающая значения . Выясним, при каком значении к функция Р n (к) принимает наибольшее значение, т.е., какое число успехов к 0 является наиболее вероятным при данном числе опытов n . Оказывается что число к=к 0 можно определить из двойного неравенства.

(3)

Разность граничных значений в этом двойном неравенстве равна 1. Если np+p не является целым числом, то двойное неравенство определяет лишь одно наивероятнейшее значение к 0 .Если же np+p – целое число, то имеются два наивероятнейших значения: и .

Пример 2 . Игральную кость бросают 20 раз. Каково наиболее вероятное число выпадений грани «6» ?

Решение. В данном случае n = 20, откуда . Поскольку nр + р не целое число, то наибольшим среди чисел Р 20 (0), Р 20 (1),…, Р 20 (20) будет число Р 20 (3). Следовательно, наиболее вероятное число выпадений грани «6» будет 3. Найдём, чему равна вероятность такого числа выпадений. По формуле Бернулли имеет:

.

Из формулы (3) видно, что одно из двух ближайших к nр целых чисел является наиболее вероятным числом успехов.

Оказывается, число nр допускает и другую интерпретацию. А именно: nр можно рассматривать, в определенном смысле, как среднее число успехов в n опытах . Будем исходить из частотного истолкования вероятности. Назовем (для краткости) n - кратное повторение данного опыта серией. Пусть мы произвели N серий. Пусть в первой серии было получено к 1 успехов, во второй – к 2 , ….., в N -ой –к N . Составим среднее арифметическое этих чисел

. (4)

Равенство (4) - есть среднее число успехов в N сериях. Оказывается, что с увеличением N указанное среднее арифметическое приближается к некоторому постоянному значению, а именно к числу np .

Действительно запишем (4) в виде:

. (5)

Поскольку каждая серия состоит из n опытов, то производя N серий мы осуществляем данный опыт раз.

Написанная дробь (5) со знаменателем Nn есть нечто иное как отношение общего числа успехов в этих опытах к числу всех опытов. С увеличением N (а значит, и Nn ) эта дробь будет приближаться к числу р - вероятности успеха. Следовательно, число (4) будет приближаться к рn , что и требовалось получить.

Пример 3 . Станок штампует изделия. Вероятность р брака одного изделия равна 0,05. Чему равно среднее число бракованных изделий на сотню?

Решение . Искомое число бракованных изделий равно: .

Замечание 1. Можно рассмотреть более общую схему независимых испытаний. Рассмотрим n независимых испытаний (в различных условиях), причём вероятность события А («успеха») в i -ом опыте равна p i , a q i =1-p i – вероятность неуспеха в i -м испытании (i =1,2,…,n ). Тогда можно показать, что вероятность P n (к) того, что событие А появится в этих n опытах ровно к раз, равна коэффициенту при z k в разложении по степеням z функции

Такую схему независимых испытаний называют схемой Пуассона . Схема Пуассона при p i =p превращается в схему Бернулли. Вероятности P n (к) в схеме Пуассона не записываются в компактном виде аналогичной формуле(1). Из (6) , например, следует:

Замечание 2. Схемы Бернулли и Пуассона допускают обобщение на тот случай, когда в результате каждого опыта возможные не два исхода (А или ), а несколько исходов.

Если производится n независимых опытов (схема Бернулли) причём каждый опыт может иметь к исключающих друг друга исходов , с вероятностями , то вероятность того, что в m 1 опытах появится событие А 1 , в m 2 опытах событие А 2 и т.д., в m k опытах событие А к выражается формулой

Если условия опыта различны (схема Пуассона), т.е.

в i- омопыте событие A j имеет вероятность p ji (i =1,2,…,n ; j =1,2,…,k ), то вероятность вычисляется как коэффициент при члене в разложении по степеням функции:

Пример 4. Завод изготавливает изделия, каждое из которых подвергается четырём видам испытаний. Первое испытание изделия проходит благополучно с вероятностью 0,9; второе с вероятностью 0,95; третье-0,8 и четвертое-0,85. Найти вероятность того, что изделие пройдет благополучно:

A- все четыре испытания

B- ровно два испытания (из четырех)

C- не менее двух испытании (из четырех)

Решение. В условиях задачи проводятся четыре независимых опыта (испытания) в различных условиях. Вероятность события. А – испытание прошло благополучно, в каждом опыте разное. Искомые вероятности находим из формулы (6)

Отсюда получаем:

§12. Вероятности P n (к) при больших значениях n . Приближённые формулы Лапласа и Пуассона.

В приложениях часто возникает необходимость в вычислении вероятностей Р n (к) для весьма больших значений n и k . Рассмотрим, например, такую задачу.

Задача. На некотором предприятии вероятность брака, равна 0,02. Обследуются 500 изделий готовой продукции. Найти вероятность того, что среди них окажется ровно 10 бракованных.

Рассматривая обследование каждого изделия как отдельный опыт, можно сказать, что производиться 500 независимых опытов, причем в каждом их них событие А (изделие оказалось бракованным) наступает с вероятностью 0,02, тогда по формуле Бернулли получаем

Непосредственный подсчет этого выражения представляется сложным. Ещё большую трудность пришлось бы испытать, если бы мы искали вероятность того, что число бракованных изделий среди 500 окажется в пределах, скажем, от 10 до 20. В этом случае потребовалось бы вычислить сумму , что является более сложным делом.

Задачи подобного рода встречаются в приложениях весьма часто. Поэтому возникает необходимость в отыскании приближённых формул для вероятностей Р n (к) , а также для сумм вида

(1)

при больших n .

1. Приближённые формулы Лапласа. Их используют при больших n (порядка сотен или тысяч), вероятностей p или q не слишком близким к 0 или 1 (порядка сотых долей). Обычно условием применения этих приближений является условие npq >9.

а) Локальная приближённая формула Лапласа . При больших n справедливо равенство.

, (2)

где , а φ (х ) обозначает следующую функцию: .

Заметим, что функция φ(х) табулирована, т.е. для нее составлена таблица её значений.

Вторая приближённая формула Лапласа даёт приближённые значения для величины -вероятности того, что число наступлений события А в n опытах (число «успехов») окажется заключенным между заданными границами к 1 и к 2 .

б) Интегральная приближённая формула Лапласа . При больших n справедливо приближённое равенство

, (3)

где Φ(х) обозначает следующую функцию

. (4)

Функция Φ(х) обладает следующими полезными для вычисления свойствами:

1. Φ(х) – нечётная функция: ,

2. при возрастании х от 0 до ∞ функция Φ(х) растет от 0

до 0,5, причем уже при х = 5 значение функции Φ(х)

отличается от 0,5 меньше чем на (т.е. при функция Ф(x) практически равна 0,5).

Пример 1. Монету бросают 100 раз. Какова вероятность того, что герб выпадет ровно 50 раз?

Решение . Имеем: npq = 100· · = 25>9. Воспользовавшись приближённой формулой (2), получим. . Из таблицы для функции φ(x) найдем, что φ(0) = 0,3989…. Отсюда получаем .

Пример 2 . Доведём до конца решение задачи, приведённой в начале этого параграфа. В ней требовалось найти , а также вероятность P 500 (10≤ к ≤20).

Решение. В данном случае npq = 500·0,02·0,98=9,8. Воспользовавшись приближёнными формулами (2) и (3), получим: ,

Замечание. Если мы осуществляем опыт n раз и k - число наступлений события А при этом, то, вообще говоря, дробь -относительная частота наступления события

А – будет близка к р (вероятности события А ). Однако сколь тесной окажется эта близость, предугадать невозможно.

Интегральная теорема Лапласа позволяет оценить вероятность неравенства при достаточно больших n и значениях р не слишком близких к 0 или 1, т.е. определить вероятность того, что отклонение частоты случайного события от его вероятности р по абсолютной величине не превосходит некоторого . Имеем

Таким образом, получаем

(5)

Вероятность в этом случае называют надёжностью оценки , а сама оценка доверительной оценкой частоты с надёжностью .

На практике надёжность оценки задаётся заранее. Тогда по заданной надёжности можно найти соответствующее значение из уравнения с помощью таблиц функции Лапласа. В этом случае доверительная оценка с заданной надёжностью примет вид р или q к нулю, поэтому, в этом случае используют приближённые формулы Пуассона. При больших n (порядка тысяч, десятков тысяч и больше) и малых р (порядка тысячных долей и меньше) справедливы приближённые равенства. Обычно условием применения этих приближений является условие npq <9.

, (7).

, (8)

где λ =np .

Особенностью формул (7) и (8) является то, что для того, чтобы найти вероятность того или иного числа успехов, вовсе не требуется знать n и р . Всё определяется числом λ=np , которое является (см. §11) средним числом успехов .

Для выражения , рассматриваемого как функция двух переменных к и λ, составлены таблицы значений.

Пример 5 . Прядильщица обслуживает 1000 веретён. Вероятность обрыва нити на одном веретене в течение одной минуты равна 0,004. Найти вероятность того, что в течение одной минуты обрыв произойдет в пяти веретенах.

Решение. Формула Бернулли приведёт к громоздким вычислениям, поэтому воспользуемся формулой Пуассона (7). Здесь к = 5, р =0.004, n = 1000, тогда λ = np = 4.

Отсюда: .

Пример 6 . Книга в 1000 страниц имеет 100 опечаток. Какова вероятность того, что на случайно выбранной странице будет не менее четырёх опечаток (событие В ).

Решение: Среднее количество опечаток на одну страницу есть . В данном случае следует применить формулу Пуассона. Тогда вероятность p к иметь к опечаток на одной странице будет равна .

Сумма р = p 0 +p 1 +p 2 +p 3 есть вероятность того, что на странице окажется не более трёх опечаток. Пользуясь таблицами (или калькулятором) получаем р = 0,999996 (в данном случае мы пользовались калькулятором, таблицы дадут р =0,9048+0,0905+0,0045+0,0002=1). Вероятность того, что на случайно выбранной странице будет не менее четырёх опечаток, равна 1-р =1-0,999996=0,0000004 (таблицы дадут 1-р =1-1=0). Отсюда можно сделать вывод, что событие В практически невозможно.