Интегральная теорема Лапласа.



Вероятность А от m1 до m2 раза при n испытаниях.

Р(m1,m2)-?

Р(m1,m2) , где             

 

 нечетная

Пример 1. Вероятнос ть появления события в каждом из 100 независимых

              испытаний =0,8. Найти вероятность того, что событие появится:

                а)ровно 75 раз; б)не менее 75 и не более 90; в)менее 75 раз.

n=100   p=0.8        q=1-p=0.2

m=75

a) P75; 100=

x=

φ(-1.25)=0.1826

P=0.1826/4=0.05

б) Р75; 90=

x1=       Ф(x1)=0.1826

x2=           Ф(x2)=0.4938

Р75; 90=0.4938-0.1826=0.3112

в) P75; 100=Ф(x2)-Ф(x1)

=

=

P75; 100=Ф(5)+Ф(1,25)=0,5+0,3944=0,8944

Вероятное отклонение относительной частоты от показаний в независимых испытаниях

,  вероятность того, что относительная частота отклонится от постоянной не более чем на

Применим интегральную Т. Лапласа

Таким образом мы получаем, что вероятность отклонения =

Пример 1. Вероятность появления событий в каждом из 625

              независимыхиспытаний=0,8. найти вероятность того, что

              относительная частота появления событий отклоняется от его

              вероятности по абсолютной величине не более чем на 0,04.

  n=625        p=0.8     q=1-p=0.2

x=

Ф=0,4938

Р=2*0,4938=0,9876

Пример 2. Вероятность появления событий в каждом из независимых испытаний

            =0,5. Найти число испытаний, при которых с вероятность 0,7698 можно

            ожидать, что относительная частота появления событий отклонится от

             его вероятности по абсолютной величине не более чем на 0,02

2Ф(х)=0,7698

=0,02

р=0,5 q=0.5

Ф=0,7698/2=0,3849

х=1,2=

1,2=       n=900

Пример 3. Вероятность появления события в каждом из 400 испытаний =0,8.

             Найти такое положение , чтобы с вероятностью 0,99. Абсолютная

            величина отклонения относительной частоты по абсолютной величине

           не привышает .

p=0.8    q==0.2

Ф(х)=0,99/2=0,495

2Ф=0,99

n=400

2.58=           =0.0516

Формула Пуассона

Если n велико, а p вероятность в каждом испытании мала (p<0.1), то формула Лапласа дает неоправданно большую погрешность. В таких случаях для вычисления того, что в независимых испытаниях событие наступит m раз при n испытаниях вычисляется по формуле: где

a=np               Pm; n =  

Пример 1. Издано 100 тыс. экземпляров книг. Вероятность брака составляет

              0,0001. Найти вероятность того, что в тираже 5 бракованых книг.

n=100000       p=0.0001                m=5       a=10

=0.000045

Пример 2.

а) n=12           m=7      p=0.6      q=0.4

б) n=200          m=1     p=0.6      q=0.4

P(1; 200)=           

P(1; 200)=0

P(111; 130)=Ф(х2)-Ф(х1)=Ф(1,44)+Ф(1,3)=0,4265+0,4032=0,8297

в) Р(0; 10)=Ф(х2)-Ф(х1)

х2=-17,14             х1=-1,43

г) Р(115; 200)=Ф(х2)-Ф(х1)

=0,03        n=600 p=0.6 q=0.4

                     

P=2*0.1808=0.36

=?     =?     n=600     P=0.993

P(m1; m2)=Ф(х2)-Ф(х1)

р=0,6   q=0.4           

                          х=0,49

                       п=1866,24

 

Случайные величины и их распределение.

Случайная величина (СВ) – величина, которая может принять то или иное значение, наперед неизвестное.

Случайные величины бывают: 1)дискретные – такие, возможные значения которых можно перечислить (кол-во выбитых очков); б)непрерывные – те, возможные значения которых заполняют некоторый промежуток.

Чтобы задать СВ нужно задать возможные значения этой величины и соответствующей вероятности. Если СВ дискретная, то законом для нее может быть таблица

∑ Pi=1

x x1 x2 xn
Pi P1 P2 Pn

 

Если рисовать график, по ОХ откладывать возможные значения, а по ОУ соответ вероятности и соответ точки соединить. График называется полигоном

 

Интегральная функция распределения, ее свойства.

Интегральной функцией распределения называется функция  определяющая вероятность того, что СВ х примет значение <X

F(x)=P(X<x)

Свойства функции:

1.

2.   функция неубывающая

3.

 

Мат ожидание

Для того, чтобы задать случайную величину нужно задать закон определения случайной величины. Для дискретной случайной величины закон может быть задан в виде таблицы.

x x1 x2 xn
Pi P1 P2 Pn

СВ характеризуется числовыми характеристиками. К ним относится математическое ожидание.

Свойства мат ожидания:

1. М(С)=С, х=С, М(х)=С*1=С

2. постоянный множитель можно выносить за знак мат ожидания.

М(Сх)=СМ(х), х=Сх

М(Сх)=

3.      

y y1 y2
q q1 q2
x x1 x2
P P1 P2

 

x+y x1+ y1 x2 + y2 x2 + y1 x2 + y2
Pq P1 q1 P1 q2 P2q1 P2 q2

 

4.

 

Дисперсия

Дисперсия – это матожидание квадрата отклонения СВ от матожидания.

матожидание есть величина постоянная

                  

 


Дата добавления: 2018-05-13; просмотров: 281; Мы поможем в написании вашей работы!

Поделиться с друзьями:






Мы поможем в написании ваших работ!