ЛЕКЦИЯ 2 (продолжение)
Теорема. Вероятность появления хотя бы одного события.
Вероятность появления хотя бы одного из событий A1, A2,… An находится по формуле:
P (A1 + A2 +…+ An) = 1 - P
Доказательство
Пусть событие A заключается в появлении хотя бы одного из событий
A1, A2,… An . Тогда A = A1 + A2 +…+ An.
Рассмотрим противоположное событие - не произошло ни одно из
событий A1, A2,… An. Тогда = . Следовательно,
P(A) = 1 – P() = 1 – P().
Определение. Надежностью элемента называется вероятность его
безотказной работы в течение определенного промежутка времени.
Пример. Определить надежность схемы, если надежности элементов А , А , А , А и А , работающих независимо, соответственно равна
0,6; 0,4;0,5; 0,3 и 0,9.
Решение.
Пусть событие А – схема работает. Тогда
А = А · (А + А +А ) ·А
Поэтому Р(А) = Р(А (А + А +А ) А ) =
по теореме умножения независимых событий
= Р(А )·Р(А + А +А )· Р(А ) =
по теореме о вероятности появления хотя бы одного события
= Р(А )· (1 - P )·Р(А ) =
по теореме умножения независимых событий
|
|
= Р(А )· (1 - )·Р(А ) = 0,6·(1 – 0,6·0,5·0,7)·0,9 =0,43
Статистическое определение вероятности
На основании опыта мы считаем более вероятными те события, которые происходят чаще, менее вероятными – которые происходят реже. Таким образом, понятие вероятности события в самой своей основе связано с практическим понятием частоты события.
Определение. Частотой события А в данной серии опытов называется отношение числа опытов, в которых появилось событие А, к общему числу произведенных опытов:
Pn
Частоту события часто называют его статистической вероятностью. При небольшом количестве опытов частота события носит в значительной мере случайный характер и может заметно меняться от одной группы опытов к другой. Однако при увеличении числа опытов частота события все более теряет свой случайный характер, проявляет тенденцию стабилизироваться.
Пример. Опыт Бюффона.
Французский естествоиспытатель Жорж-Луи Бюффон (1707 – 1788) бросил монету 4040 раз, герб выпал 2048 раз. Частота появления герба
Схема независимых испытаний Бернулли
Проводится n независимых опытов, в каждом из которых может произойти (с вероятностью р) или не произойти (с вероятностью 1 – р = q) некоторое событие А, т.е. производится n независимых испытаний Бернулли. Такие повторные независимые испытания Бернулли называют схемой Бернулли (в честь швейцарского математика Якоба Бернулли 1654 – 1705, который доказал важную теорему, относящуюся к таким испытаниям).
Опыты являются независимыми, если вероятность того или иного исхода каждого из опытов не зависит от того, какие исходы имели другие опыты.
|
|
Примеры независимых испытаний.
1. Несколько последовательных бросаний монеты.
2. Несколько последовательных выниманий карты их колоды представляют собой независимые опыты при условии, что вынутая карта каждый раз возвращается в колоду и карты перемешиваются.
Формула Бернулли.
Теорема.
Проводится n независимых опытов, в каждом из которых может произойти или не произойти некоторое событие А. Вероятность появления события А (успех испытания) в каждом опыте Р(А) = р. Вероятность непоявления события А (неуспех испытания) в каждом опыте Р(Ā) = q = 1 - р. Тогда вероятность того, что при n испытаниях Бернулли будет k «успехов» находится по формуле Бернулли:
Рn(k) = рk qn-k.
Доказательство.
Рассмотрим событие Вk, состоящее в том, что событие А появится при n испытаниях ровно kраз.
Будем обозначать через Аiпоявление, а через Āi - не появление события А в i-ом эксперименте, Р(Аi) = р, Р(Āi) = q. События А1, А2 , …,Аn независимы.
Каждый способ реализации события Вk (т.е. каждый член суммы разложения события Вk) должен состоять из k появлений события А и n – k не появлений, т.е.
Вk = А1А2 … Аk Āk+1 … Ān + … + Ā1 Ā2 … Ān-k Аn-k+1 … Аn,
При этом в каждое такое произведение событие Аi должно входить k раз, а событие Āj - n – k раз.
Число всех комбинаций такого рода равно числу способов выбора k экспериментов, в которых осуществлялось событие А, из n экспериментов. Вероятность каждой такой комбинации по теореме умножения для независимых событий, равна рkqn-k. Так как эти комбинации между собой несовместны, то по теореме сложения вероятность события Вk равна
Рn(k) = рk qn-k.
Следствие. Вероятность того, что событие А появится не менее m 1 и не более m 2 раз при n испытаниях Бернулли определяется по формуле
.
Локальная теорема Муавра – Лапласа
Формула Бернулли Рn(k) = рk qn-kнеудобна при больших значениях n; поэтому, вероятность в этом случае вычисляют по приближенной формуле.
Теорема (локальная теорема Муавра-Лапласа). Если вероятность p наступления события A в каждом испытании постоянна и отлична от 0 и 1, то вероятность того, что событие A произойдёт k раз в n независимых испытаниях при достаточно больших значениях n, приближённо равна
Рn(k) = рk qn-k ,
где
;
(без доказательства).
Локальную теорему Муавра-Лапласа применяют, если выполнено условие n×p×q ³ 20.
Значения функции j (x) можно вычислить на калькуляторе или найти с помощью таблицы, приведенной в Приложении 1 (Гмурман). При этом следует иметь в виду, что j (x) чётная функция, значит, j (-x) = j (x). Можно также считать, что, если x > 4, то j (x) = 0.
Пример. Вычислить вероятность того, что при 100-кратном бросании монеты орёл выпадет ровно 60 раз.
Решение. Имеем n = 100; p = 0,5; q = 0,5. Условие n×p×q = 100×0,5×0,5 = 25 ³ 20 выполнено. Применим формулу Муавра-Лапласа
Р100(60)≈
Ответ: 0,0108.
Интегральная теорема Муавра-Лапласа
Теорема. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события A постоянна и равна p (0 < p < 1) событие A наступит не менее m 1 и не более m 2 раз приближённо равна
P (m 1, m 2) = F(x 2) - F(x 1).
Здесь
F(x) = - функция Лапласа,
x 1 = (m 1 – np)/ , x 2 = (m 2 – np)/ .
Таблица значений функции Лапласа F(x) для положительных значений x (0 ≤ x ≤ 5) приведена в Приложении 2 (Гмурман). При этом следует иметь в виду, что F(x) нечётная функция, поэтому F(-x) = - F(x). Можно также считать, что, если x > 5, то F(x) = 0,5.
Пример. Вычислить вероятность того, что при 100-кратном бросании монеты орёл выпадет не менее 40 и не более 60 раз.
Решение. Имеем n = 100; p = 0,5; q = 0,5; m 1 = 40; m 2 = 60.
Применим интегральную формулу Муавра-Лапласа
P (40, 60) = F(x 2) - F(x 1),
где F(x) - функция Лапласа,
x 1 = (40 - 100×0,5)/ = -2,
|
|
x 2 = (60 - 100×0,5)/ = 2.
Учитывая, что функция Лапласа нечётная функция, получим
P (40 ≤ m ≤ 60) = F (2) - F (-2) = 2 F (2).
По таблице Приложения 2 (Гмурман) находим F (2) = 0,4772.
Значит,
P (40 ≤ m ≤ 60) = 2×0,4772 = 0,9545.
Ответ: 0,9545.
Формула Пуассона
Если вероятность p наступления события A в каждом испытании есть малое число, а число испытаний n - велико, то формула Бернулли становится громоздкой и непригодна для вычислений. В этом случае вычисления выполняют по приближенной формуле Пуассона.
Теорема. Если вероятность p наступления события A в каждом испытании стремится к нулю (p ®0) при неограниченном увеличении числа n испытаний (n ®¥), причём произведение np стремится к постоянному числу l (np ® l), то вероятность Рn(k) = рk qn-k того, что событие A появится k раз в n независимых испытаниях, удовлетворяет приближённому равенству
Рn(k) ,
где l = n×p.
Эта формула называется формулой Пуассона
Пример: На факультете насчитывается 1606 студентов. Какова вероятность того, что 23 апреля является днём рождения одновременно 5 студентов?
Решение: Применим формулу Пуассона потому, что вероятность
p = 1/365 - мала, а число n = 1606 - велико. Вычислим l = np; l = 1606/365 =4,4. Положим в формуле Пуассона k = 5, l = 4,4; в результате получим
Р1606(5) = = 0,169.
Ответ: 0,169.
ЛЕКЦИЯ № 3