Как найти наивероятнейшее число выпадений - Сайт, где вы сможете решить свои вопросы

Учебник по теории вероятностей

1.8. Наивероятнейшее число успехов

Полезная страница? Сохрани или расскажи друзьям

Биномиальное распределение (распределение по схеме Бернулли) позволяет, в частности, установить, какое число появлений события $А$ наиболее вероятно. Формула для наиболее вероятного числа успехов $k$ (появлений события) имеет вид:

$$
np-q le k le np+p, quad q=1-p.
$$

Так как $np-q = np+p-1$, то эти границы отличаются на 1. Поэтому $k$, являющееся целым числом, может принимать либо одно значение, когда $np$ целое число ($k=np$) , то есть когда $np+p$ (а отсюда и $np-q$) нецелое число, либо два значения, когда $np-q$ целое число.

Бесплатный онлайн-калькулятор для расчета наиболее вероятного значения.

Примеры решений задач на наиболее вероятное число успехов

Пример. При автоматической наводке орудия вероятность попадания по быстро движущейся цели равна 0,9. Найти наивероятнейшее число попаданий при 50 выстрелах.

Решение. Здесь . Поэтому имеем неравенства:

Следовательно, .

Пример. Данные длительной проверки качества выпускаемых стандартных деталей показали, что в среднем брак составляет 7,5%. Определить наиболее вероятное число вполне исправных деталей в партии из 39 штук.

Решение. Обозначая вероятность выпуска исправной детали через , будем иметь и (получение бракованной детали и получение исправной детали — события противоположные). Так как здесь n=39, то искомое число можно найти из неравенств:

Отсюда наивероятнейшее число исправных деталей равно 36 или 37.

Неравенства для наивероятнейшего числа успехов $k$ позволяют решить и обратную задачу: по данному $k$ и известному значению $р$ определить общее число $n$ всех испытаний.

Пример. При каком числе выстрелов наивероятнейшее число попаданий равно 16, если вероятность попадания в отдельном выстреле составляет 0,7?

Решение. Здесь .

Составляем неравенства

откуда

Таким образом, число всех выстрелов здесь может быть 22 или 23.

Видео о решении задач о наивероятнейшем значение

Подробную статью о формуле с примерами, онлайн калькулятор и расчетный файл к видеоролику вы найдете тут.

Далее: Формула Пуассона
Назад: Независимые испытания. Формула Бернулли
Примеры на формулу Бернулли
Учебник по теории вероятностей
Скачать формулы по теории вероятностей

Вы можете заказать задачи по теории вероятности

Источник

Наивероятнейшим
числом появления
события
внезависимых испытаниях называется
такое число,
для которого вероятность, соответствующая
этому числу, превышает или, по крайней
мере, не меньше вероятности каждого из
остальных возможных чисел появления
события.
Для определения наивероятнейшего числа
не обязательно вычислять вероятности
возможных чисел появлений события,
достаточно знать число испытанийи вероятность появления событияв отдельном испытании. Обозначим
вероятность, соответствующую
наивероятнейшему числу,
через. Используя формулу (3.2), можно записать:

(3.3)

Согласно определению
наивероятнейшего числа, вероятности
наступления события
соответственноираз должны, по крайней мере, не превышать
вероятность,
т. е.

Подставляя в
неравенства значение
и выражения вероятностейи,
имеем:

Решая эти неравенства
относительно
,
получим:

;

Объединяя последние
неравенства, получим двойное неравенство,
которое используется для определения
наивероятнейшего числа

. (3.4)

Так как длина
интервала, определяемого неравенством
(3.4), равна единице

и событие может
произойти в
испытаниях только целое число раз, то
следует иметь в виду, что:

1) если
– целое число, то существуют два значения
наивероятнейшего числа, а именно:и;

2) если
– дробное число, то существует одно
наивероятнейшее число, а именно:
единственное целое, заключенное между
дробными числами, полученными из
неравенства (3.4);

3) если
– целое число, то существует одно
наивероятнейшее число, а именно:.

При больших
значениях
пользоваться формулой (3.3) для подсчета
вероятности, соответствующей
наивероятнейшему числу, неудобно. Если
в равенство (3.3) подставить формулу
Стирлинга

справедливую для
достаточно больших
,
и принять наивероятнейшее число равным,
то получим формулу для приближенного
вычисления вероятности, соответствующей
наивероятнейшему числу:

. (3.5)

Пример 2.
Известно, что
часть продукции, поставляемой заводом
на торговую базу, не удовлетворяет всем
требованиям стандарта. На базу была
завезена партия изделий объемомштук. Найти наивероятнейшее число
изделий, удовлетворяющих требованиям
стандарта, и вычислить вероятность
того, что в этой партии окажется
наивероятнейшее число изделий.

Решение. По условию
,,.
Согласно неравенству (3.4) имеем

откуда
.
Следовательно, наивероятнейшее число
изделий, удовлетворяющих требованиям
стандарта, в партии изштук равно.
Подставляя данные в формулу (3.5), вычислим
вероятность наличия в партии
наивероятнейшего числа изделий:

4. Локальная теорема Лапласа.

Легко видеть, что
пользоваться формулой Бернулли при
больших значениях
весьма затруднительно, так как формула
требует выполнения действий над
громадными числами. Например, если,,,
то для отыскания вероятностинадо вычислить выражение.
Естественно возникает вопрос: нельзя
ли вычислить интересующую нас вероятность,
не прибегая к формуле Бернулли ?
Оказывается, можно. Локальная теорема
Лапласа и дает асимптотическую формулу,
которая позволяет приближенно найти
вероятность появления событий ровнораз виспытаниях, если число испытаний
достаточно велико.

Теорема 3.1.
Если вероятность
появления событияв каждом испытании постоянна и отлична
от нуля и единицы, то вероятностьтого, что событиепоявится виспытаниях ровнораз, приближенно равна (тем точнее, чем
больше)
значению функции

при
.

Имеются таблицы,
в которых помещены значения функции
,
соответствующие положительным значениям
аргумента(приложение 1). Для отрицательных значений
аргумента пользуются теми же таблицами,
так как функциячетна, т. е..

Итак, вероятность
того, что событие
появится виспытаниях ровнораз, приближенно равна

где
.

Пример 3.
Найти вероятность того, что событие
наступит ровнораз виспытаниях, если вероятность появления
этого события в каждом испытании равна.

Решение. По условию
,,,.
Воспользуемся асимптотической формулой
Лапласа:

Вычислим определяемое
данными задачи значение
:

По таблице
(приложение 1) находим
.
Искомая вероятность равна:

Формула Бернулли
приводит примерно к такому же результату
(выкладки, ввиду их громоздкости,
опущены):

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

Источник

Биномиальное распределение, как мы видели, позволяет, в частности, установить, какое число появлений события А наиболее вероятно. В примере 6 такое число имело два значения: 5 и 6, а в примере 7 таким числом оказалось 5.

Здесь мы покажем, что отыскание такого числа может быть выполнено непоСРедственно без составления полного биномиального распределения.

Обозначая искомое число через , мы должны составить условия, обеспечивающие для него наибольшую вероятность. Это значит, что соответственный член биномиального распределения должен принимать наибольшее значение, т. Е. должен удовлетворять Неравенствам:

(1)

(2)

Воспользуемся формулой общего числа члена биномиального разложения. Из неравенства (1)

После сокращений получаем

Или

Отсюда (так как Р + Q = 1 )

. (3)

Из неравенства (2)

После сокращений получаем

Или

Отсюда

. (4)

Объединяя неравенства (3) и (4), мы получаем двойное неравенство

, (5)

Устанавливающее границы для числа .

Так как , то эти границы отличаются на 1. Поэтому , являющееся целым числом, может принимать либо одно значение, когда Пр целое число и когда (а отсюда и Пр+р) нецелое число, либо два значения, когда целое число.

Пример 8. При автоматической наводке орудия вероятность попадания по быстро движущейся цели равна 0,9. Найти Наивероятнейшее число попаданий при 50 выстрелах.

Решение. Здесь и . Поэтому имеем нЕРавенства:

Отсюда

Следовательно,

Пример 9. Данные длительной проверки качества выпускаемых стандартных деталей показали, что в среднем брак составляет 7,5%. Определить наиболее вероятное число вполне исправных деталей в партии из 39 штук.

Решение. Обозначая вероятность выпуска исправной детали через Р, будем иметь Q = 0,075 и (получение бракованной детали и получение исправной детали — события противоположные). Так как здесь П=39, то искомое число можно найти из неравенств:

или

Отсюда Наивероятнейшее число исправных деталей равно 36 или 37.

Выведенные неравенства для позволяют решить и обратную задачу: по данному и известному значению Р определить общее число П всех испытаний.

Пример 10. При каком числе выстрелов наивероятнейшее число попаданий равно 16, если вероятность попадания в отдельном выстреле составляЕТ 0,7?

Решение. Здесь и

Составляем неравенства

Отсюда

Таким образом, и , т. е. число всех выстрелов здесь может быть 22 или 23.

< Предыдущая		Следующая >

Источник

Повторные независимые испытания.
Схема и формула Бернулли

Определение повторных независимых испытаний. Формулы Бернулли для вычисления вероятности и наивероятнейшего числа. Асимптотические формулы для формулы Бернулли (локальная и интегральная, теоремы Лапласа). Использование интегральной теоремы. Формула Пуассона, для маловероятных случайных событий.

Повторные независимые испытания

На практике приходится сталкиваться с такими задачами, которые можно представить в виде многократно повторяющихся испытаний, в результате каждого из которых может появиться или не появиться событие . При этом интерес представляет исход не каждого “отдельного испытания, а общее количество появлений события в результате определенного количества испытаний. В подобных задачах нужно уметь определять вероятность любого числа появлений события в результате испытаний. Рассмотрим случай, когда испытания являются независимыми и вероятность появления события в каждом испытании постоянна. Такие испытания называются повторными независимыми.

Примером независимых испытаний может служить проверка на годность изделий, взятых по одному из ряда партий. Если в этих партиях процент брака одинаков, то вероятность того, что отобранное изделие будет бракованным, в каждом случае является постоянным числом.

Формула Бернулли

Воспользуемся понятием сложного события, под которым подразумевается совмещение нескольких элементарных событий, состоящих в появлении или непоявлении события в –м испытании. Пусть проводится независимых испытаний, в каждом из которых событие может либо появиться с вероятностью , либо не появиться с вероятностью q=1-p . Рассмотрим событие B_m , состоящее в том, что событие в этих испытаниях наступит ровно раз и, следовательно, не наступит ровно (n-m) раз. Обозначим $A_i~(i=1,2,ldots,{n})$ появление события , a $overline{A}_i$ — непоявление события в –м испытании. В силу постоянства условий испытания имеем

$begin{gathered}P{A_1}=P{A_2}=cdots=P{A_n}=p,\P{overline{A}_1}=P{overline{A}_2}=cdots=P{overline{A}_n}=1-p=qend{gathered}$

Событие может появиться раз в разных последовательностях или комбинациях, чередуясь с противоположным событием overline{A} . Число возможных комбинаций такого рода равно числу сочетаний из элементов по , т. е. C_n^m . Следовательно, событие B_m можно представить в виде суммы сложных несовместных между собой событий, причем число слагаемых равно C_n^m :

$B_m=A_1A_2cdots{A_m}overline{A}_{m+1}cdotsoverline{A}_n+cdots+overline{A}_1overline{A}_2cdotsoverline{A}_{n-m}A_{n-m+1}cdots{A_n},$

(3.1)

где в каждое произведение событие входит раз, а overline{A} — (n-m) раз.

Вероятность каждого сложного события, входящего в формулу (3.1), по теореме умножения вероятностей для независимых событий равна $p^{m}q^{n-m}$ . Так как общее количество таких событий равно C_n^m , то, используя теорему сложения вероятностей для несовместных событий, получаем вероятность события B_m (обозначим ее $P_{m,n}$ )

$P_{m,n}=C_n^mp^{m}q^{n-m}quad text{or}quad P_{m,n}=frac{n!}{m!(n-m)!}p^{m}q^{n-m}.$

(3.2)

Формулу (3.2) называют формулой Бернулли, а повторяющиеся испытания, удовлетворяющие условию независимости и постоянства вероятностей появления в каждом из них события , называют испытаниями Бернулли, или схемой Бернулли.

Пример 1. Вероятность выхода за границы поля допуска при обработке деталей на токарном станке равна 0,07. Определить вероятность того, что из пяти наудачу отобранных в течение смены деталей у одной размеры диаметра не соответствуют заданному допуску.

Решение. Условие задачи удовлетворяет требования схемы Бернулли. Поэтому, полагая n=5,,m=1,,p=0,!07 , по формуле (3.2) получаем

$P_{1,5}=C_5^1(0,!07)^{1}(0,!93)^{5-1}approx0,!262.$

Пример 2. Наблюдениями установлено, что в некоторой местности в сентябре бывает 12 дождливых дней. Какова вероятность того, что из случайно взятых в этом месяце 8 дней 3 дня окажутся дождливыми?

Решение.

$P_{3;8}=C_8^3{left(frac{12}{30}right)!}^3{left(1-frac{12}{30}right)!}^{8-3}=frac{8!}{3!(8-3)!}{left(frac{2}{5}right)!}^3{left(frac{3}{5}right)!}^5=56cdotfrac{8}{125}cdotfrac{243}{3125}=frac{108,864}{390,625}approx0,!2787.$

Наивероятнейшее число появлений события

Наивероятнейшим числом появления события в независимых испытаниях называется такое число m_0 , для которого вероятность, соответствующая этому числу, превышает или, по крайней мере, не меньше вероятности каждого из остальных возможных чисел появления события . Для определения наивероятнейшего числа не обязательно вычислять вероятности возможных чисел появлений события, достаточно знать число испытаний и вероятность появления события в отдельном испытании. Обозначим $P_{m_0,n}$ вероятность, соответствующую наивероятнейшему числу m_0 . Используя формулу (3.2), записываем

$P_{m_0,n}=C_n^{m_0}p^{m_0}q^{n-m_0}=frac{n!}{m_0!(n-m_0)!}p^{m_0}q^{n-m_0}.$

(3.3)

Согласно определению наивероятнейшего числа, вероятности наступления события соответственно m_0+1 и m_0-1 раз должны, по крайней мере, не превышать вероятность $P_{m_0,n}$ , т. е.

$P_{m_0,n}geqslant{P_{m_0+1,n}};quad P_{m_0,n}geqslant{P_{m_0-1,n}}$

Подставляя в неравенства значение $P_{m_0,n}$ и выражения вероятностей $P_{m_0+1,n}$ и $P_{m_0-1,n}$ , получаем

$begin{gathered}frac{n!}{m_0!(n-m_0)!}p^{m_0}q^{n-m_0}geqslantfrac{n!}{(m_0+1)!(n-m_0-1)!}p^{m_0+1}q^{n-m_0-1}\\frac{n!}{m_0!(n-m_0)!}p^{m_0}q^{n-m_0}geqslantfrac{n!}{(m_0-1)!(n-m_0+1)!}p^{m_0-1}q^{n-m_0+1}end{gathered}$

Решая эти неравенства относительно m_0 , получаем

$m_0geqslant{np-q},quad m_0leqslant{np+p}$

Объединяя последние неравенства, получаем двойное неравенство, которое используют для определения наивероятнейшего числа:

$np-qleqslant{m_0}leqslant{np+p}.$

(3.4)

Так как длина интервала, определяемого неравенством (3.4), равна единице, т. е.

(np+p)-(np-q)=p+q=1,

и событие может произойти в испытаниях только целое число раз, то следует иметь в виду, что:

1) если np-q — целое число, то существуют два значения наивероятнейшего числа, а именно: m_0=np-q и m'_0=np-q+1=np+p ;

2) если np-q — дробное число, то существует одно наивероятнейшее число, а именно: единственное целое, заключенное между дробными числами, полученными из неравенства (3.4);

3) если — целое число, то существует одно наивероятнейшее число, а именно: m_0=np .

При больших значениях пользоваться формулой (3.3) для расчета вероятности, соответствующей наивероятнейшему числу, неудобно. Если в равенство (3.3) подставить формулу Стирлинга

$n!approx{n^ne^{-n}sqrt{2pi{n}}},$

справедливую для достаточно больших , и принять наивероятнейшее число m_0=np , то получим формулу для приближенного вычисления вероятности, соответствующей наивероятнейшему числу:

$P_{m_0,n}approxfrac{n^ne^{-n}sqrt{2pi{n}},p^{np}q^{nq}}{(np)^{np}e^{-np}sqrt{2pi{np}},(nq)^{nq}e^{-nq}sqrt{2pi{nq}}}=frac{1}{sqrt{2pi{npq}}}=frac{1}{sqrt{2pi}sqrt{npq}}.$

(3.5)

Пример 2. Известно, что $frac{1}{15}$ часть продукции, поставляемой заводом на торговую базу, не удовлетворяет всем требованиям стандарта. На базу была завезена партия изделий в количестве 250 шт. Найти наивероятнейшее число изделий, удовлетворяющих требованиям стандарта, и вычислить вероятность того, что в этой партии окажется наивероятнейшее число изделий.

Решение. По условию $n=250,,q=frac{1}{15},,p=1-frac{1}{15}=frac{14}{15}$ . Согласно неравенству (3.4) имеем

$250cdotfrac{14}{15}-frac{1}{15}leqslant{m_0}leqslant250cdotfrac{14}{15}+frac{14}{15}$

откуда $233,!26leqslant{m_0}leqslant234,!26$ . Следовательно, наивероятнейшее число изделий, удовлетворяющих требованиям стандарта, в партии из 250 шт. равно 234. Подставляя данные в формулу (3.5), вычисляем вероятность наличия в партии наивероятнейшего числа изделий:

$P_{234,250}approxfrac{1}{sqrt{2picdot250cdotfrac{14}{15}cdotfrac{1}{15}}}approx0,!101$

Локальная теорема Лапласа

Пользоваться формулой Бернулли при больших значениях очень трудно. Например, если n=50,,m=30,,p=0,!1 , то для отыскания вероятности $P_{30,50}$ надо вычислить значение выражения

$P_{30,50}=frac{50!}{30!cdot20!}cdot(0,!1)^{30}cdot(0,!9)^{20}$

Естественно, возникает вопрос: нельзя ли вычислить интересующую вероятность, не используя формулу Бернулли? Оказывается, можно. Локальная теорема Лапласа дает асимптотическую формулу, которая позволяет приближенно найти вероятность появления событий ровно раз в испытаниях, если число испытаний достаточно велико.

Теорема 3.1. Если вероятность появления события в каждом испытании постоянна и отлична от нуля и единицы, то вероятность $P_{m,n}$ того, что событие появится в испытаниях ровно раз, приближенно равна (тем точнее, чем больше ) значению функции

$y=frac{1}{sqrt{npq}}frac{e^{-x^2/2}}{sqrt{2pi}}=frac{varphi(x)}{sqrt{npq}}$ при $x=frac{m-np}{sqrt{npq}}$ .

Существуют таблицы, которые содержат значения функции $varphi(x)=frac{1}{sqrt{2pi}},e^{-x^{2}/2}$ , соответствующие положительным значениям аргумента . Для отрицательных значений аргумента используют те же таблицы, так как функция четна, т. е. varphi(-x)=varphi(x) .

Итак, приближенно вероятность того, что событие появится в испытаниях ровно раз,

$P_{m,n}approxfrac{1}{sqrt{npq}},varphi(x),$ где $x=frac{m-np}{sqrt{npq}}$ .

Пример 3. Найти вероятность того, что событие наступит ровно 80 раз в 400 испытаниях, если вероятность появления события в каждом испытании равна 0,2.

Решение. По условию n=400,,m=80,,p=0,!2,,q=0,!8 . Воспользуемся асимптотической, формулой Лапласа:

$P_{80,400}approxfrac{1}{sqrt{400cdot0,!2cdot0,!8}},varphi(x)=frac{1}{8},varphi(x).$

Вычислим определяемое данными задачи значение :

$x=frac{m-np}{sqrt{npq}}=frac{80-400cdot0,!2}{8}=0.$

По таблице прил, 1 находим varphi(0)=0,!3989 . Искомая вероятность

$P_{80,100}=frac{1}{8}cdot0,!3989=0,!04986.$

Формула Бернулли приводит примерно к такому же результату (выкладки ввиду их громоздкости опущены):

$P_{80,100}=0,!0498.$

Интегральная теорема Лапласа

Предположим, что проводится независимых испытаний, в каждом из которых вероятность появления события постоянна и равна . Необходимо вычислить вероятность $P_{(m_1,m_2),n}$ того, что событие появится в испытаниях не менее m_1 и не более m_2 раз (для краткости будем говорить “от m_1 до m_2 раз”). Это можно сделать с помощью интегральной теоремы Лапласа.

Теорема 3.2. Если вероятность наступления события в каждом испытании постоянна и отлична от нуля и единицы, то приближенно вероятность $P_{(m_1,m_2),n}$ того, что событие появится в испытаниях от m_1 до m_2 раз,

$P_{(m_1,m_2),n}approxfrac{1}{sqrt{2pi}}intlimits_{x'}^{x''}e^{-x^2/2},dx,$ где $x'=frac{m_1-np}{sqrt{npq}};~x''=frac{m_2-np}{sqrt{npq}}$ .

При решении задач, требующих применения интегральной теоремы Лапласа, пользуются специальными таблицами, так как неопределенный интеграл $int{e^{-x^2/2},dx}$ не выражается через элементарные функции. Таблица для интеграла $Phi(x)=frac{1}{sqrt{2pi}}intlimits_{0}^{x}e^{-z^2/2},dz$ приведена в прил. 2, где даны значения функции Phi(x) для положительных значений , для x<0 используют ту же таблицу (функция Phi(x) нечетна, т. е. Phi(-x)=-Phi(x) ). Таблица содержит значения функции Phi(x) лишь для xin[0;5] ; для x>5 можно принять Phi(x)=0,!5 .

Итак, приближенно вероятность того, что событие появится в независимых испытаниях от m_1 до m_2 раз,

$P_{(m_1,m_2),n}approxPhi(x'')-Phi(x'),$ где $x'=frac{m_1-np}{sqrt{npq}};~x''=frac{m_2-np}{sqrt{npq}}$ .

Пример 4. Вероятность того, что деталь изготовлена с нарушениями стандартов, p=0,!2 . Найти вероятность того, что среди 400 случайно отобранных деталей нестандартных окажется от 70 до 100 деталей.

Решение. По условию p=0,!2,,q=0,!8,,n=400,,m_1=70,,m_2=100 . Воспользуемся интегральной теоремой Лапласа:

$P_{(70,100),400}approxPhi(x'')-Phi(x').$

Вычислим пределы интегрирования:

нижний

$x'=frac{m_1-np}{sqrt{npq}}=frac{70-400cdot0,!2}{sqrt{400cdot0,!2cdot0,!8}}=-1,!25,$

верхний

$x''=frac{m_2-np}{sqrt{npq}}=frac{100-400cdot0,!2}{sqrt{400cdot0,!2cdot0,!8}}=2,!5,$

Таким образом

$P_{(70,100),400}approxPhi(2,!5)-Phi(-1,!25)=Phi(2,!5)+Phi(1,!25).$

По таблице прил. 2 находим

Phi(2,!5)=0,!4938;~~~~~Phi(1,!25)=0,!3944.

Искомая вероятность

$P_{(70,100),400}=0,!4938+0,!3944=0,!8882.$

Применение интегральной теоремы Лапласа

Если число (число появлений события при независимых испытаниях) будет изменяться от m_1 до m_2 , то дробь $frac{m-np}{sqrt{npq}}$ будет изменяться от $frac{m_1-np}{sqrt{npq}}=x'$ до $frac{m_2-np}{sqrt{npq}}=x''$ . Следовательно, интегральную теорему Лапласа можно записать и так:

$Pleft{x'leqslantfrac{m-np}{sqrt{npq}}leqslant{x''}right}=frac{1}{sqrt{2pi}}intlimits_{x'}^{x''}e^{-x^2/2},dx.$

(3.6)

Поставим задачу найти вероятность того, что отклонение относительной частоты $frac{m}{n}$ от постоянной вероятности по абсолютной величине не превышает заданного числа varepsilon>0 . Другими словами, найдем вероятность осуществления неравенства $left|frac{m}{n}-pright|leqslantvarepsilon$ , что то же самое, $-varepsilonleqslantfrac{m}{n}-pleqslantvarepsilon$ . Эту вероятность будем обозначать так: $Pleft{left|frac{m}{n}-pright|leqslantvarepsilonright}$ . С учетом формулы (3.6) для данной вероятности получаем

$Pleft{left|frac{m}{n}-pright|leqslantvarepsilonright}approx2Phileft(varepsilon,sqrt{frac{n}{pq}}right).$

(3.7)

Пример 5. Вероятность того, что деталь нестандартна, p=0,!1 . Найти вероятность того, что среди случайно отобранных 400 деталей относительная частота появления нестандартных деталей отклонится от вероятности p=0,!1 по абсолютной величине не более чем на 0,03.

Решение. По условию n=400,,p=0,!1,,q=0,!9,,varepsilon=0,!03 . Требуется найти вероятность $Pleft{left|frac{m}{400}-0,!1right|leqslant0,!03right}$ . Используя формулу (3.7), получаем

$Pleft{left|frac{m}{400}-0,!1right|leqslant0,!03right}approx2Phileft(0,!03sqrt{frac{400}{0,!1cdot0,!9}}right)=2Phi(2)$

По таблице прил. 2 находим Phi(2)=0,!4772 , следовательно, 2Phi(2)=0,!9544 . Итак, искомая вероятность приближенно равна 0,9544. Смысл полученного результата таков: если взять достаточно большое число проб по 400 деталей в каждой, то примерно в 95,44% этих проб отклонение относительной частоты от постоянной вероятности p=0,!1 по абсолютной величине не превысит 0,03.

Формула Пуассона для маловероятных событий

Если вероятность наступления события в отдельном испытании близка к нулю, то даже при большом числе испытаний , но при небольшом значении произведения получаемые по формуле Лапласа значения вероятностей $P_{m,n}$ оказываются недостаточно точными и возникает потребность в другой приближенной формуле.

Теорема 3.3. Если вероятность наступления события в каждом испытании постоянна, но мала, число независимых испытаний достаточно велико, но значение произведения np=lambda остается небольшим (не больше десяти), то вероятность того, что в этих испытаниях событие наступит раз,

$P_{m,n}approxfrac{lambda^m}{m!},e^{-lambda}.$

Для упрощения расчетов с применением формулы Пуассона составлена таблица значений функции Пуассона $frac{lambda^m}{m!},e^{-lambda}$ (см. прил. 3).

Пример 6. Пусть вероятность изготовления нестандартной детали равна 0,004. Найти вероятность того, что среди 1000 деталей окажется 5 нестандартных.

Решение. Здесь n=1000,p=0,004,~lambda=np=1000cdot0,!004=4 . Все три числа удовлетворяют требованиям теоремы 3.3, поэтому для нахождения вероятности искомого события $P_{5,1000}$ применяем формулу Пуассона. По таблице значений функции Пуассона (прил. 3) при lambda=4;m=5 получаем $P_{5,1000}approx0,!1563$ .

Найдем вероятность того же события по формуле Лапласа. Для этого сначала вычисляем значение , соответствующее m=5 :

$x=frac{5-1000cdot0,!004}{sqrt{1000cdot0,!004cdot0,!996}}approxfrac{1}{1,!996}approx0,!501.$

Поэтому согласно формуле Лапласа искомая вероятность

$P_{5,1000}approxfrac{varphi(0,!501)}{1,!996}approxfrac{0,!3519}{1,!996}approx0,!1763$

а согласно формуле Бернулли точное ее значение

$P_{5,1000}=C_{1000}^{5}cdot0,!004^5cdot0,!996^{995}approx0,!1552.$

Таким образом, относительная ошибка вычисления вероятностей $P_{5,1000}$ по приближенной формуле Лапласа составляет

$frac{0,!1763-0,!1552}{0,!1552}approx0,!196$ , или 13,!6%

а по формуле Пуассона —

$frac{0,!1563-0,!1552}{0,!1552}approx0,!007$ , или 0,!7%

т.е. во много раз меньше.

Математический форум (помощь с решением задач, обсуждение вопросов по математике).

Кнопка "Поделиться"

Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.

Источник

Учебник по теории вероятностей

1.8. Наивероятнейшее число успехов

Примеры решений задач на наиболее вероятное число успехов

Видео о решении задач о наивероятнейшем значение

4. Локальная теорема Лапласа.

Повторные независимые испытания.Схема и формула Бернулли

Повторные независимые испытания

Формула Бернулли

Наивероятнейшее число появлений события

Локальная теорема Лапласа

Интегральная теорема Лапласа

Применение интегральной теоремы Лапласа

Формула Пуассона для маловероятных событий

Вам также может понравиться

Как составить расписание дня в excel

Как составить опцион на заключение договора

Как найти смешные мультики

Добавить комментарий Отменить ответ

Повторные независимые испытания.
Схема и формула Бернулли