Формула Бернулли (частная теорема о повторении опытов)
Пример 23
Имеется три лотерейных билета. Вероятность выигрыша для любого билета одинакова и равна р. Вероятность того, что билет не выиграет q = 1 – p – как вероятность противоположного события. Определить вероятность того, что из трех билетов выиграют ровно два.
Искомую вероятность обозначим .
Интересующее нас событие произойдет, если выиграет первый И второй билет И не выиграет третий ИЛИ не выиграет первый билет И выиграют второй И третий ИЛИ не выиграет второй билет И выиграют первый И третий. Вероятность каждого из этих вариантов может быть найдена по формуле умножения, а ответ подсчитан по формуле сложения для несовместных событий:
= ppq + qpp + pqp = 3p2q.
Анализируя решение задачи, выясняем, что она была решена в следующем порядке:
- составлены различные варианты осуществления интересующего события;
- подсчитано количество этих вариантов;
- определена вероятность появления события, путём осуществления любого варианта;
|
|
- найдена искомая вероятность путём умножения вероятности появления события по одному из вариантов на общее количество вариантов.
Фактически, задача была решена по, так называемой, формуле Бернулли. Запишем ее в общем виде.
Пусть производится серия из n опытов (испытаний). Опыты проводятся неоднократно, независимо один от другого и в одинаковых условиях, так что вероятность появления события А от опыта к опыту не меняется и равняется р. Обозначим вероятность не появления события А в одном опыте- q = 1-p. Требуется определить вероятность того, что в серии из n опытов событие А повторится k раз – обозначим это событие как В.
Событие В может осуществиться различными способами (вариантами). Например, таким:
или таким:
Важно то, что в любом варианте количество появлений события А равно n, а количество появления события равно n – k, хотя появляться и не появляться они будут в разных вариантах в различной последовательности.
Для определения числа подобных вариантов можно воспользоваться формулой комбинаторики - числом сочетаний из n элементов по k.
Сочетания – это такие комбинации из k объектов (элементов), выбранных из некоторого множества в n объектов, которые содержат одинаковое число объектов, но отличаются друг от друга хотя бы одним из них.
Число сочетаний из n элементов по k обозначается, как и может быть найдено по формуле: = . (15)
Важным свойством определения числа сочетаний является следующее:
= .
В рассматриваемой задаче элементами, отличающимися друг от друга, являются номера опытов. Общее число вариантов равно .
Вероятность появления события А n раз для каждого варианта одинакова и может быть найдена по формуле умножения вероятностей исходя из фразы «Событие А произошло k раз и не произошло n – k раз»: pkqn - k
|
|
Суммируя эти одинаковые вероятности раз получаем формулу, называемую формулой Бернулли:
=pkqn-k. (16)
Необходимо помнить, что р – это вероятность появления интересующего нас события в опыте, а q – вероятность непоявления этого события в опыте.
Формулу Бернулли.(Якоб Бернулли исследовал её в своей книге «Искусство предположений») также называют частной теоремой о повторении опытов. Это значит, что каждый последующий опыт проводится при тех же условиях, что и все предыдущие, т.е. вероятность появления события от опыта к опыту не меняется и остаётся равной р.
Наряду с частной существует общая теорема о повторении опытов (вероятность появления события от опыта к опыту меняется), рассмотрение которой выходит за рамки настоящего курса.
Пример 24
В цехе имеется 10 электродвигателей, вероятность отключенного состояния каждого из которых равна 0,1.Двишгатели включаются в сеть независимо один от другого. Определить вероятность того, что отключены сразу три электродвигателя.
Решение. Условие задачи соответствует схеме повторных испытаний Я. Бернулли. Решаем задачу с использованием частной теоремой о повторении опытов, учитывая, что отключенных двигателей три (вероятность отключенного состояния 0,1), а включенных – 7 (вероятность включенного состояния 0,9):
=p3q10-3 =[10!/3!(10-3)! ]q3(1-q)10-3=120∙(0,1)3∙(0,9)7=0,0574.
Случайные величины и их законы распределения
Наряду со случайными событиями другим важнейшим понятием теории вероятностей является понятие «случайная величина» (СВ).
Величина – это количественная характеристика результата опыта.
Все величины делятся на две большие группы: неслучайные и случайные.
Неслучайные (детерминированные) – это такие величины, которые в результате опыта принимают заранее определенное, известное значение. Например, время восхода и захода солнца, дата наступления нового года, количество пальцев на руках у новорожденного, число экзаменов и зачётов в семестре.
Случайные(стохастические) – это такие величины, о которых заранее неизвестно, какое значение они примут в результате опыта.
Случайные величины, в свою очередь, могут быть дискретными и непрерывными.
Дискретными называют такие СВ, которые в опыте принимают какое-то одно из множества возможных значений, причем эти значения при желании можно перечислить или пронумеровать, т.е. это множество является конечным. Чаще всего (хотя не обязательно) - это целые, неотрицательные значения. Например, о ценка студента на экзамене; количество волос на голове, число работающих в цехе ЭД.
Непрерывными называют такие СВ, которые в опыте принимают какое-то одно из возможных значений, причем количество этих значений даже в очень малом интервале бесконечно велико. Иначе говоря, множество возможных значений непрерывной СВ является несчётным. Например, уровень напряжения в сети, длительность работы ЛЭП до отказа, рост и вес человека, масса авторучки.
Названия случайных величин принято обозначать заглавными буквами латинского алфавита – X, Y; а значения, которые случайные величины принимают в опыте, – строчными - x, y.
Различные значения одной и той же случайной величины наблюдаются не одинаково часто. Например, мужчины носят 42-й размер обуви гораздо чаще, чем 46-й; напряжение в сети гораздо чаще лежит в интервале 215- 225 В, чем в интервале 225 –235 В.
Взаимосвязь между значениями случайной величины и вероятностями их появления устанавливает з акон распределения случайной величины. Говорят, что СВ распределена (подчиняется) по тому или иному закону распределения. Существует несколько форм задания закона распределения:
|
|
· в виде таблицы (таблично);
· виде рисунка (графически);
· формулой (аналитически).
Способы задания законов распределения случайных величин
Все способы задания законов распределения СВ условно можно разделить на теоретические и статистические. Теоретические законы распределения отражают истинные законы, существующие в природе. Для их установления, согласно закону больших чисел, необходимо переработать близкий к бесконечному объём информации. Практически такие законы устанавливаются на основании ограниченного объёма статистических данных и оформляются теми или иными статистическими способами. Статистические данные часто называют экспериментальными (эмпирическими). Каждый теоретический способ задания закона распределения (ТЗР) имеет статистические аналогии (СтЗР). Рассмотрим эти способы.
ТЗР-1. Ряд распределения СВ
Ряд распределения – это таблица, в которой с одной стороны указаны значения случайной величины, а с другой – их вероятности (табл. 2). В ряду распределения значения СВ располагаются упорядочено – по мере их возрастания.
Между всеми возможными значениями СВ делится суммарная вероятность этих значений, равная единице. Поэтому сумма всех вероятностей ряда распределения равна единице: = 1
Таблица 2. Ряд распределения СВ
Х | х1 | х2 | х3 | ….. | хi | … | хn |
Р | р1 | р2 | р3 | ….. | рi | … | рn |
Ряд распределения можно записать только в том случае, если СВ является дискретной, т.е. он является теоретическим способом задания закона распределения дискретной СВ.
Пример 25
Таблица 3. Ряд распределения экзаменационных оценок
Оценка | ||||
Р | 0,10 | 0,45 | 0,30 | 0,15 |
СтЗР-1. Статистический ряд распределения
Статистический ряд является аналогией теоретического ряда распределения и устанавливает взаимосвязь между значениями СВ, полученными в опыте (их часто называют вариантами), и их статистическими вероятностями (частостями) - pi*. Статистический ряд в целом называют также вариационным рядом.
Так как один и тот же объект может быть охарактеризован с разных сторон (например, для ЛЭП можно одновременно измерить ток, напряжение, активную и реактивную мощность, частоту и др.), то вариационные ряды могут быть одномерными, двумерными, трёхмерными и т.д. В дальнейшем будем рассматривать одномерные вариационные ряды.
|
|
В зависимости от того, как много вариант (значений СВ) хi, получено эмпирическим путём статистические ряды подразделяются на негруппированные (безинтервальные) и группированные (интервальные).
СтЗР-1а. Негруппированный вариационный ряд
Этот ряд распределения (табл. 4) используется для описания статистических данных при малом (не более 15…20) числе k наблюдавшихся вариант.