Математичне сподівання біноміального розподілу простіше обчислити за формулою (4.4) М (Х) = пр = 3 # 8729; 0,3 = 0,9. дисперсія # 963; 2 = D (X) = = npq = 3 # 8729; 0,3 # 8729; 0,7 = 0,63. Побудуємо графік розподілу (рис. 4.1).
При m = l (див. Рис. 4.1) ймовірність досягає максимального значення. Ймовірно частотою настання події називається та частота, при якій ймовірність досягає свого максимального значення і позначається m 0. Для визначення найімовірнішого числа використовуємо формулу:
У цьому нерівності т 0 може бути тільки цілим числом. Якщо пр - ціле число, то m 0 = ін.
Приклад 4.5. Імовірність того, що виписаний продавцем чек буде оплачений, дорівнює 0,9. Яке найімовірніше число чеків буде оплачено, якщо виписано 40 чеків?
Рішення. Знаходимо твір пр = 40 # 8729; 0,9 = 36 (ціле число), значить, т 0 = 36. Знайдемо т 0 за формулою (4.9) 40 # 8729; 0,9-0,1 ≤ т 0 ≤ 40 # 8729; 0,9 + + 0,9; 35,9 ≤ m 0 ≥ 36.9. Цьому подвійному нерівності задовольняє ціле число т 0 = 36.
4.5. розподіл Пуассона
Розподіл Пуассона (закон розподілу рідкісних подій) часто використовується тоді, коли ми маємо справу з числом подій, що з'являються в проміжку часу або простору (число машин, які прибули на автомийку протягом години, число дефектів на новому відрізку шосе довжиною в 10 км, число місць витоку води на 100 км водопроводу. число зупинок верстатів в тиждень, число дорожніх подію).
Якщо ймовірність появи події А в п окремих незалежних випробуваннях дуже мала (р де # 955; = Ін; п - число незалежних випробувань з постійною малою вірогідністю р; е - основа натурального логарифма (е = 2,71828); т - число появ події (т = 0, 1, 2, 3.). За допомогою формули (4.10) можна записати закон розподілу Пуассона. Його можна написати у вигляді ряду розподілу (табл. 4.6), якщо, надаючи m цілі невід'ємні значення т = 0, 1, 2. n, обчислити відповідні їм ймовірності Рn, т. Закон розподілу Пуассона можна записати у вигляді функції розподілу: # 955; ke- # 955; / k! де знак означає суму ймовірностей Рп, т для всіх т, менших п. Застосовуючи формулу (4.11), можна визначити ймовірність появи події хоча б один раз в п незалежних випробуваннях. Оскільки ймовірності Рп, т ≥ 1 і Рп, 0 є ймовірності протилежних подій, то За формулою (4.12) обчислюються ймовірності появи події хоча б один раз в п незалежних випробуваннях, якщо ймовірність появи події в окремих випробуваннях постійна і дуже мала, а число випробувань досить велике (n ≥ 20), т. Е. За умови застосування формули Пуассона (4.10). Математичне сподівання і дисперсія випадкової величини, розподіленої за законом Пуассона, збігаються і дорівнюють параметру # 955 ;, який визначає цей закон, т. е. Формула (4.13) встановлює важливий теоретико-імовірнісний сенс параметра # 955 ;. Послідовність подій, які настають в випадкові моменти часу, називається потоком подій (наприклад, виклик на АТС). При цьому повинні виконуватися наступні умови. Імовірність появи події одна і та ж для будь-яких двох інтервалів рівної довжини. Імовірність того, що подія з'явиться в короткий інтервал часу (або простору), пропорційна величині інтервалу. У дуже короткому інтервалі ймовірність того, що дві події з'являться, близька до нуля. Імовірність того, що будь-яке число подій з'явиться в інтервалі, не залежить від початку інтервалу. Поява або не появу події в певному інтервалі не залежить від появи або непоявленія події в будь-якому іншому інтервалі. Приклад 4.6. Припустимо, нас цікавить число інкасаторів, які прибувають вранці на автомобілі в банк протягом 15 хв. Якщо ми припустимо, що ймовірність прибуття автомобіля однакова в будь-два періоду часу рівної довжини і що прибуття або неприбуття автомобіля в будь-який період часу не залежить від прибуття або неприбуття в будь-який інший період часу, то послідовність прибуття інкасаторів в банк може бути описана розподілом Пуассона. Аналіз попередніх даних показав, що середнє число інкасаторів, які прибувають в 15-хвилинний період, дорівнює 10, тоді при # 955; = 10 отримуємо: Р (т) = # 955; me - # 955; / m! = 10me -10 / m. при т = 0, 1, 2. ... Якщо ми хочемо дізнатися ймовірність прибуття п'яти інкасаторів протягом 15 хв, то при m = 5 отримаємо: Р (5) = 105E -10/5! = 0,0378. Ймовірності розподілу Пуассона легше розрахувати, користуючись спеціальними таблицями ймовірностей розподілу Пуассона. У них містяться значення ймовірностей при заданих т і # 955 ;. Приклад 4.7. Припустимо, нас цікавить число дефектів, що з'явилися на певній ділянці шосе через місяць після його асфальтування. Ми припускаємо, що ймовірність появи дефектів одна і та ж на будь-яких двох ділянках рівної довжини і що поява або не появу дефектів на будь-якому проміжку шосе не залежить від появи дефектів на будь-якому іншому ділянці. Отже, для вирішення завдання можна використовувати розподіл Пуассона. Припустимо, ми з'ясували, що кількість дефектів через місяць після асфальтування в середньому дорівнює двом на кілометр. Знайдемо ймовірність того, що на певній ділянці шосе довжиною в 3 км ми не знайдемо жодного дефекту через місяць після асфальтування. Оскільки нас цікавить інтервал довжиною в 3 км, то # 955; = = (2 деф / км) · (3 км) = 6. Це - очікуване число дефектів на трикілометровому ділянці шосе. Звідси, використовуючи формулу (4.10) або таблиці розподілу Пуассона з # 955; = 6 і т = 0, отримуємо, що ймовірність відсутності Розглянемо приклад. в якому ймовірності будуть обчислені точно за формулою Бернуллі (4.1) і наближено за формулою Пуассона (4.10). Приклад 4.8. Проведено 25 незалежних випробувань з ймовірністю появи події А в кожному з них 0,01. Побудуємо ряд розподілу для випадкової величини Х = т - числа появ події А. Імовірність Рn, m обчислюємо двома способами: за формулою Бернуллі і за формулою Пуассона. Отримані результати можна порівняти і оцінимо похибки наближеною формули. За умовою п = 25; р = 0,01; q = 0,99. Обчислимо Рn, m і зведемо їх в табл. 4. 7. Порівняння ймовірностей, отриманих за формулами Зіставлення ймовірностей показує, що розраховані за формулою Пуассона ймовірності майже збігаються з їх значеннями, обчисленими за формулою Бернуллі. Максимальна похибка результатів, обчислених за формулою Пуассона, дорівнює 0,002. 4.6. гіпергеометричний розподіл Вище ми розглянули способи обчислення ймовірностей появи події рівно т раз в п незалежних повторних випробуваннях (за формулами Бернуллі і Пуассона). Тепер познайомимося з обчисленням ймовірності появи події рівно т раз в п залежних повторних випробуваннях. Випадкова величина, яка визначає число успіхів в п повторних залежних випробуваннях, підпорядковується гіпергеометрична закону розподілу. Приклад 4.9. В урні N куль, серед яких До білих і (N-K) чорних. Без повернення витягнуті п куль. Визначимо ймовірність того, що у вибірці з п куль виявиться т білих (і відповідно n-m чорних) куль. Зобразимо ситуацію на схемі: Випадкова величина, яка цікавить нас, X = т - число білих куль в вибіркою обсягом в п куль. Число всіх можливих випадків відбору п куль з N дорівнює числу сполучень з N по n (CNn), а число випадків відбору т білих куль з наявних До білих куль (і значить, п-m чорних куль з N-K наявних чорних) дорівнює добутку CKmCN-Kn-m (відбір кожного з т білих куль може поєднуватися з відбором будь-якого з n-т чорних). Подія, ймовірність якого ми хочемо визначити, полягає в тому, що у вибірці з п куль виявиться рівно т білих куль. За формулою для ймовірності події в класичній моделі ймовірність отримання в вибірці т білих куль (т. Е. Ймовірність того, що випадкова величина X прийме значення т) дорівнює де CNn - обшее число всіх єдино можливих, рівно можливих і несумісних результатів, CKmCN-Kn-m - число випадків, що сприяють цікавого для нас події. Отже, ймовірність появи цікавить нас рівно т раз в п залежних випробуваннях обчислюється за формулою (4.14), яка задає значення гипергеометрического закону розподілу для т = 0, 1, 2. п (табл. 4.8). Гіпергеометричний закон розподілу Приклад 4.10. Розігрується тираж виграшної грошової позики, в якому випущено N облігацій, з яких К - виграшні. Хтось придбав п облігацій. Знайдемо ймовірність того, що т з них - виграшні. Розмірковуючи відповідно до викладеної схемою, за формулою (4.14) отримаємо цікаву покупця облігацій ймовірність виграшу. Приклад 4.11. Автомобілі надходять в торговий салон з заводу партіями по 10 штук. За угодою сторін для економії часу і ресурсів в торговому салоні піддаються контролю якості і безпеки тільки 5 з 10 вступників автомобілів. Зазвичай 2 з 10 надійшли машин не задовольняють стандартам якості. Визначимо, чому дорівнює ймовірність того, що хоча б одна з 5 перевірених машин буде забракована. Рішення. Тут має місце вибірка без повернення, отже, випадкова величина - число бракованих автомобілів - підпорядковується Гіпергеометричний розподіл: N = 10, К = 2, Приклад 4.13. З 20 лотерейних квитків виграшними є 4. Навмання витягуються 4 квитки. потрібно: 1) побудувати закон розподілу числа виграшних квитків серед відібраних; 2) побудувати біноміальний розподіл виграшних квитків, для р = 0,2, п = 4; 3) зіставити результати вирішення прикладів 4.12 і 4.13. 1. За умовою завдання N = 20, К = 4, n = 4. За формулою (4.14) обчислюємо ймовірності Р 4, т (т = 0, 1, 2, 3, 4) і будуємо гипергеометрическое розподіл (табл. 4.11) : 2. За умовою завдання п = 4; за постійне значення ймовірності p приймаємо частку виграшних квитків: р = 4/20 = 0,2; q = 16/20 = 0,8. За формулою Бернуллі обчислюємо ймовірності для всіх можливих значень т (0, 1, 2, 3, 4) і будуємо біноміальний закон розподілу (табл. 4.12)
Закон розподілу Пуассона
дефектів на три кілометри дороги дорівнює 0,0025. Результат говорить про те, що відсутність дефектів на досліджуваному ділянці дороги дуже малоймовірно. Імовірність того, що хоча б один дефект з'явиться на трьох кілометрах знову асфальтованої дороги, дорівнює 1-0,0025 = 0,9975.Бернуллі і Пуассона
N К = 8 і n = 5, т = 1, 2.гіпергеометричний розподіл
Підпишіться на розсилку:
Цікаві новини
важливі теми
Огляди сервісів Pandia.ru
обчислення
це отримання з вхідних даних нового знання
Проекти по темі:
Математика
Юриспруденція
логіка