Пусть проводится n независимых испытаний, в каждом из которых событие А наступает с вероятностью р (0 < p < 1), и не наступает с вероятностью q, q = 1 – p. Обозначим Pn (m) – вероятность того, что в n испытаниях событие А наступит ровно m раз, тогда случайная величина Х такая, что Р (Х = m) = Pn (m)определяет биномиальное распределение или распределение Бернулли. Вероятности Pn (m) вычисляются по формуле:
Pn(m) = Cnmpm qn – m, | (1.16) |
где коэффициенты Cnm называются числом сочетаний из n элементов по m и вычисляют по формуле:
. | (1.17) |
Из формулы (1.17) видно, что Cnm = Cnn – m (m = 1, 2,,,,, n – 1).
По определению полагают также Cn 0 = Cnn = 1.
Рассмотрим смысл коэффициентов Cnm. Пусть заданы n разных элементов. Всевозможные группировки из данных n элементов по m элементов в каждой, отличающиеся друг от друга хотя бы одним элементом, при этом порядок расположения элементов в группировке безразличен, называются сочетаниями из n элементов по m. Например, n = 4, имеем 4 элемента: а, b, c, d. Выпишем сочетания из четырех элементов по два: ab, ac, ad, bc, bd, cd. Из определения следует, что сочетания ab и ba не различимы. Число таких сочетаний и находится по формуле (1.17), .
Примеры вычисления:
Вероятность того, что в n испытаниях событие А наступит менее m раз, равна сумме вероятностей:
Pn (0) + Pn (1) +... + Pn (m – 1);
более m раз – сумме вероятностей:
Pn (m + 1) +... + Pn (n).
Часто расчеты упрощаются, если применять свойство вероятностей Pn (m)
Pn (0) + Pn (1) +... + Pn (n) = 1.
Пример 1.10. В урне 10 шаров, из них 3 белых. Вынимают наугад 3 шара. Найти распределения вероятностей случайной величины Х – числа вынутых белых шаров при повторной выборке. При повторной выборке после каждого извлечения шара отмечают его цвет и возвращают шар в урну, снова перемешивая шары.
Решение: P (X = 0) = Р (три раза вынимали черный шар) = 0,7 · 0,7 · 0,7, где 0,7 – вероятность вынуть черный шар из урны. Так как после каждого извлечения шар возвращают в урну и шары перемешивают, то система шаров возвращается в исходное состояние и вероятность вынуть черный шар одинакова при любом извлечении.
P (X = 1) = Р (вынимали один белый шар и два черных) = Р (вынули белый шар первым или вынули белый шар вторым, или вынули белый шар третьим) =
= 0,3 · 0,7 · 0,7+0,7 · 0,3 · 0,7 + 0,7 · 0,7 · 0,3 = 3 · 0,3 · 0,72 = 0,441.
P (X = 2) = Р (вынимали один черный шар и два белых) = Р (вынули черный шар первым или вынули черный шар вторым, или вынули черный шар третьим) =
= 0,7 · 0,3 · 0,3 + 0,3 · 0,7 · 0,3 + 0,3 · 0,3 · 0,7 = 3 · 0,32 · 0,7 = 0,189.
P (X = 3) = Р (три раза вынимали белый шар) = 0,3 · 0,3 · 0,3.
Распределение вероятностей случайной величины Х представлено в таблице 1.2.
Таблица 1.2
X | P |
0,73 = 0,343 | |
3 · 0,3 · 0,72 = 0,441 | |
3 · 0,32 · 0,7 = 0,189 | |
0,33 = 0,027 | |
∑ | 1,000 |
1.1.6 Числовые характеристики дискретных случайных величин
Случайные величины могут описываться числовыми характеристиками, среди которых различают характеристики положения (математическое ожидание, мода, медиана) и характеристики рассеяния (дисперсия, среднеквадратическое отклонение).
Математическое ожидание M (X) представляет собой среднее ожидаемое значение случайной величины. Если пространство элементарных исходов состоит из конечного числа взаимно исключающих друг друга возможных исходов ω1, ω2,..., ω N с вероятностями Р (ω i) = pi (i = 1, 2,..., N; pi = 1), то математическое ожидание случайной величины Х = Х (ω), X (ω i) = xi, вычисляют по формуле:
M (X) = xi pi. | (1.18) |
Свойства математического ожидания:
1) M (C) = C, где С = const,
2) M (CX) = CM (X),
3) M (X + Y) = M (X) + M (Y) для любых случайных величин Х и Y,
4) M (XY) = M (X) · M (Y), если Х и Y независимы.
Таким образом, если случайная величина Х представлена в виде линейной комбинации величин X 1, X 2,..., XL, то ее математическое ожидание вычисляют по свойству линейности:
. | (1.19) |
Если известна таблица распределения дискретной случайной величины, то математическое ожидание любой ее функции может быть вычислено по формуле:
M (f (X)) = f (xi) · pi. | (1.20) |
Для характеристики степени разбросанности значений случайной величины около ее математического ожидания M (X) = а вводятся понятия дисперсии D (X) и среднего квадратического отклонения σ(X) по формулам:
D (X) = M (X – a)2; | (1.21) |
Свойства дисперсии и среднего квадратического отклонения:
1) D (C) = 0; σ(C) = 0, где С = const,
2) D (CX) = C 2 D (X); σ(CX) = | C |σ(X),
3) D (X + Y) = D (X) + D (Y), если Х и Y независимы.
Дисперсия для дискретной случайной величины Х может быть найдена по формуле:
D (X) = M (X 2) – a 2 = xi 2 pi – a 2. | (1.22) |
Математическое ожидание и дисперсия дискретной случайной величины Х, имеющей биномиальное распределение, могут быть найдены по формулам:
M (X) = np; D (X) = npq, | (1.23) |
где р – вероятность того, что событие А произойдет, q – вероятность того, что событие А не произойдет в каждом из независимых испытаний.