Тема 4. ПОВТОРНЫЕ НЕЗАВИСИМЫЕ ИСПЫТАНИЯ
При решении вероятностных задач часто приходится сталкиваться с ситуациями, в которых одно и то же испытание повторяется многократно. Под испытанием понимается осуществление определенного комплекса условий, в результате которых может произойти (или нет) то или иное событие пространства элементарных событий.
· Повторные независимые испытания — многократные испытания, в которых вероятность появления события А в каждом испытании не меняется в зависимости от исходов других испытаний. Впервые схема независимых испытаний была рассмотрена Я. Бернулли[1] для важнейшего частного случая k=2.
· Под схемой Бернулли понимают проведение серии в n испытаний, в каждом из которых возможны два исхода: либо наступит событие А, либо не наступит, т. е. произойдет противоположное ему и при этом:
1) все п испытаний независимы;
2) вероятность события А в каждом отдельном испытании постоянна и не меняется от испытания к испытанию:
Пример. К случайным событиям, удовлетворяющим условиям схемы Бернулли, относятся: многократное подбрасывание монеты (событие А – например, выпадение «орла»), многократная стрельба по мишени (событие А – например, попадание в мишень) и т. п.
Формула Бернулли
В случае небольшого числа испытаний n вероятность того, что в n независимых испытаниях событие А наступит ровно m раз, определяется в соответствии с формулой Бернулли:
(1.24)
где n – число испытаний Бернулли;
m – число испытаний, в которых наступило событие А;
q=1-p – вероятность противоположного события ;
– число сочетаний из n элементов по m (1.6).
Доказательство.
Обозначим через появление события А в i-м испытании. Вероятность того, что А, наступают при определенных m испытаниях (например, с номерами ), а при остальных n-m не наступает, равна:
.
По теореме сложения вероятностей для несовместных событий (1.13), искомая вероятность равна сумме вероятностей полученного значения для всех возможных способов m появлений события А в n испытаниях. В соответствии с правилами комбинаторики, число таких способов определяется числом сочетаний из n по m (1.6):
.
При вычислении вероятностей в условиях большого числа испытаний n можно столкнуться со значительными вычислительными трудностями. В связи с этим возникла необходимость в построении асимптотических (приближенных) формул, позволяющих с достаточной степенью точности определить . Одними из них являются теоремы Муавра – Лапласа[2]
Локальная теорема Муавра – Лапласа
При большом числе испытаний вероятности наступления события А в каждом испытании р, отличной от 0 и 1, и при выполнении условия , вероятность того, что в n независимых испытаниях событие А наступит ровно m раз, определяется соответствии с локальной теоремой Муавра — Лапласа:
(1.25)
где n — число испытаний Бернулли;
m — число испытаний, в которых наступило событие А;
р=Р(А) — вероятность наступления события А в каждом испытании;
q=1-р — вероятность противоположного события ();
— функция Гаусса (табл. 7 Приложений).
Функция Гаусса представляет собой плотность стандартного нормального закона распределения и будет рассмотрена более подробно в гл. 7 «Нормальный закон распределения». Здесь отметим только ее основные свойства, необходимые для применения рассматриваемой теоремы.
Функций гаусса:
1. – четная функция, т. е.
2. – монотонно убывающая функция, т. е. при при можно считать