Вернемся к схеме независимых испытаний и найдем закон распределения случайной величины Х – числа появлений события А в серии из п испытаний. Возможные значения А: 0, 1, …, п. Соответствующие им вероятности можно вычислить по формуле Бернулли:
(19.1)
(p – вероятность появления А в каждом испытании).
Такой закон распределения называют биномиальным, поскольку правую часть равенства (4.2) можно рассматривать как общий член разложения бинома Ньютона:
Пример. Составим ряд распределения случайной величины Х – числа попаданий при 5 выстрелах, если вероятность попадания при одном выстреле равна 0,8.
р (Х =0) = 1·(0,2)5 = 0,00032;
р (Х= 1) = 5·0,8·(0,2)4 = 0,0064;
р (Х =2) = 10·(0,8)2·(0,2)3 = 0,0512;
р (Х =3) = 10·(0,8)3·(0,2)2 = 0,2048;
р (Х =4) = 5·(0,8)4·0,2 = 0,4096; р (Х =5) = 1·(0,8)5 = 0,32768.
Таким образом, ряд распределения имеет вид:
х | ||||||
р | 0.00032 | 0.0064 | 0.0512 | 0.2048 | 0.4096 | 0.32728 |
Для рассматриваемой дискретной случайной величины Х (число появлений события А в серии из п независимых испытаний), М(Х) и D(X) можно вычислить их согласно определения (16.1), (17.2) или (17.3), используя ряд распределения Х.
|
|
Но можно поступить и иначе, применяя свойства математического ожидания и дисперсии. Пусть Х 1 – число появлений А в первом испытании, Х 2 – во втором и т.д. При этом каждая из случайных величин Хi задается рядом распределения вида
Xi | ||
pi | q | p |
Следовательно, М (Хi) = p. Тогда
Аналогичным образом вычислим дисперсию: D (Xi) = 0²· q + 1²· p – p ² = p – p ² = p (1 – p), откуда по свойству 4 дисперсии