Обобщение схемы независимых испытаний. Локальная теорема Муавра – Лапласа.
1. Пусть производится n независимых опытов, в каждом из которых может появиться или не появиться некоторое событие А, причем вероятность появления события А в i-м опыте равна pi, а вероятность непоявления qi=1 – pi(i= 1...n). Требуется найти вероятность Рm,n того, что в результате n опытов событие А появится ровно m раз.
Вероятность того, что событие А в n независимых опытах появится ровно m раз, равна коэффициенту при xm в выражении производящей функции:
где pi — вероятность появления события А в i-м опыте, qi = 1 – pi
2.Пусть производится n независимых опытов, в каждом из которых событие
А1 появится m1раз с вероятностью p1
А2 появится m2 раз с вероятностью p2
......................
Аk появится mk раз с вероятностью pk
И . Требуется найти вероятность Рn,m1m2,...,mk того, что в результате n опытов событие Аi появится ровно mi раз.
Такая вероятность равна коэффициенту при в выражении производящей функции:
Локальная теорема Муавра – Лапласа.
Если в схеме Бернулли n стремится к бесконечности, p (0 < p < 1) постоянно, величина ограничена равномерно по m и n , то
Эта формула работает плохо при малых р, а хорошо при р = q
Теорема Бернулли, как одна из форм закона больших чисел.
Теорема Бернулли устанавливает связь между относительной частотой появления события и его вероятностью.
Если m число появления события А в n независимых испытаниях с вероятностью успеха в одном испытании p, , то для любого справедливо .
|
|
Это означает, что с ростом числа испытаний n относительная частота успехов приближается к вероятности p успеха в одном испытании.
Задача 13.1 (а,б).
Экзаменационный Билет №10
Функции распределения случайных величин.
Функцией распределения случайной величины X называется функция F(х), выражающая вероятность того, что X примет значение, меньшее чем х:
F(x) = P(X <x).
Функция F (х) есть неубывающая функция;
Для дискретных случайных величин функция распределения есть разрывная ступенчатая функция, непрерывная слева.
Если функция распределения F (х) везде непрерывна и имеет производную, случайная величина называется непрерывной в узком смысле слова или просто непрерывной.
Если функция распределения F (х) на некоторых участках непрерывна, а в отдельных точках имеет разрывы, случайная величина называется смешанной.
Закон больших чисел в форме теоремы Чебышева.
Пусть папарны независимых случайных величин, имеющих математическое ожидание М[Xi] и дисперцию, ограниченную некоторую постоянную величину с, .
При достаточно большом числе независимых опытов среднее арифметическое наблюденных значений случайной величины сходится по вероятности к ее математическому ожиданию.
|
|
Доказательство
Задача 10.3.
Xi – случайное число испытания приборов.
X1 = 1; X2 = 2; X3 = 3; X4 = 4; X5 = 5
Потому, что каждый следующий прибор испытается только в том случае, если предыдущий оказал надёжным, вероятность Рi = P(X = xi) вычисляется по формуле:
Xi | 1 | 2 | 3 | 4 | 5 |
pi | 0.1 | 0.09 | 0.081 | 0.0729 | 0.6561 |
Экзаменационный Билет №11
1. Плотность распределения случайных величин.
Плотностью распределения непрерывной (в узком смысле слова) случайной величины называется функция f(x) = F'(x).
Плотность распределения любой случайной величины неотрицательна, f(x) > 0, и обладает свойством
График плотности f(x) называется кривой распределения.
Элементом вероятности для случайной величины X называется величина f(x)dx, приближенно выражающая вероятность попадания случайной точки X в элементарный отрезок dx, примыкающий к точке х.
Функция распределения F (х) выражается через плотность распределения формулой
Вероятностьпопадания случайной величины X на участок от до (включая ) выражается формулой
Если случайная величина X непрерывна, то и
|
|
Вероятность попадания на участок от до для непрерывной случайной величины выражается формулой
Неравенство Чебышева.
Первая формула.
Если х – случайная неотрицательная велична, то
Доказательство:
1.Пусть величина X прерывная, с рядом распределения
xi | x1 | x2 | ... | xn |
p1 | p1 | p2 | ... | pn |
2. Для непрерывных величин
B. Вторая формула.
Пусть имеется случайная величина X с математическим ожиданием mx и дисперсией Dx. Неравенство Чебышева утверждает, что каково бы ни было положительное число а, вероятность того, что величина X отклонится от своего математического ожидания не меньше чем на , ограничена сверху величиной : .
Доказательство:
1.Пусть величина X прерывная, с рядом распределения
xi | x1 | x2 | ... | xn |
p1 | p1 | p2 | ... | pn |
2. Для непрерывных величин
Примечание.
Неравенство Чебышева дает только верхнюю границу вероятности данного отклонения. Выше этой границы вероятность не может быть ни при каком законе распределения. На практике в большинстве случаев вероятность того, что величина X выйдет за пределы участка значительно меньше 1/9
Задача 12.3.
Мы имеем ряд распределения:
Xi | 0 | 1 | 2 | 3 | 4 | 5 |
Pi | 0.0672 | 0.2584 | 0.3644 | 0.2344 | 0.0784 | 0.0072 |
|
|
Экзаменационный Билет №12
Дата добавления: 2018-05-13; просмотров: 241; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!