Не будем долго размышлять о высоком — начнем сразу с определения.

Схема Бернулли — это когда производится n однотипных независимых опытов, в каждом из которых может появиться интересующее нас событие A , причем известна вероятность этого события P (A ) = p. Требуется определить вероятность того, что при проведении n испытаний событие A появится ровно k раз.

Задачи, которые решаются по схеме Бернулли, чрезвычайно разнообразны: от простеньких (типа «найдите вероятность, что стрелок попадет 1 раз из 10») до весьма суровых (например, задачи на проценты или игральные карты). В реальности эта схема часто применяется для решения задач, связанных с контролем качества продукции и надежности различных механизмов, все характеристики которых должны быть известны до начала работы.

Вернемся к определению. Поскольку речь идет о независимых испытаниях, и в каждом опыте вероятность события A одинакова, возможны лишь два исхода:

1. A — появление события A с вероятностью p;
2. «не А» — событие А не появилось, что происходит с вероятностью q = 1 − p.

Важнейшее условие, без которого схема Бернулли теряет смысл — это постоянство. Сколько бы опытов мы ни проводили, нас интересует одно и то же событие A , которое возникает с одной и той же вероятностью p.

Между прочим, далеко не все задачи в теории вероятностей сводятся к постоянным условиям. Об этом вам расскажет любой грамотный репетитор по высшей математике. Даже такое нехитрое дело, как вынимание разноцветных шаров из ящика, не является опытом с постоянными условиями. Вынули очередной шар — соотношение цветов в ящике изменилось. Следовательно, изменились и вероятности.

Если же условия постоянны, можно точно определить вероятность того, что событие A произойдет ровно k раз из n возможных. Сформулируем этот факт в виде теоремы:

Теорема Бернулли. Пусть вероятность появления события A в каждом опыте постоянна и равна р. Тогда вероятность того, что в n независимых испытаниях событие A появится ровно k раз, рассчитывается по формуле:

где C n k — число сочетаний, q = 1 − p.

Эта формула так и называется: формула Бернулли. Интересно заметить, что задачи, приведенные ниже, вполне решаются без использования этой формулы. Например, можно применить формулы сложения вероятностей. Однако объем вычислений будет просто нереальным.

Задача. Вероятность выпуска бракованного изделия на станке равна 0,2. Определить вероятность того, что в партии из десяти выпущенных на данном станке деталей ровно k будут без брака. Решить задачу для k = 0, 1, 10.

По условию, нас интересует событие A выпуска изделий без брака, которое случается каждый раз с вероятностью p = 1 − 0,2 = 0,8. Нужно определить вероятность того, что это событие произойдет k раз. Событию A противопоставляется событие «не A », т.е. выпуск бракованного изделия.

Таким образом, имеем: n = 10; p = 0,8; q = 0,2.

Итак, находим вероятность того, что в партии все детали бракованные (k = 0), что только одна деталь без брака (k = 1), и что бракованных деталей нет вообще (k = 10):

Задача. Монету бросают 6 раз. Выпадение герба и решки равновероятно. Найти вероятность того, что:

1. герб выпадет три раза;
2. герб выпадет один раз;
3. герб выпадет не менее двух раз.

Итак, нас интересует событие A , когда выпадает герб. Вероятность этого события равна p = 0,5. Событию A противопоставляется событие «не A », когда выпадает решка, что случается с вероятностью q = 1 − 0,5 = 0,5. Нужно определить вероятность того, что герб выпадет k раз.

Таким образом, имеем: n = 6; p = 0,5; q = 0,5.

Определим вероятность того, что герб выпал три раза, т.е. k = 3:

Теперь определим вероятность того, что герб выпал только один раз, т.е. k = 1:

Осталось определить, с какой вероятностью герб выпадет не менее двух раз. Основная загвоздка — во фразе «не менее». Получается, что нас устроит любое k , кроме 0 и 1, т.е. надо найти значение суммы X = P 6 (2) + P 6 (3) + ... + P 6 (6).

Заметим, что эта сумма также равна (1 − P 6 (0) − P 6 (1)), т.е. достаточно из всех возможных вариантов «вырезать» те, когда герб выпал 1 раз (k = 1) или не выпал вообще (k = 0). Поскольку P 6 (1) нам уже известно, осталось найти P 6 (0):

Задача. Вероятность того, что телевизор имеет скрытые дефекты, равна 0,2. На склад поступило 20 телевизоров. Какое событие вероятнее: что в этой партии имеется два телевизора со скрытыми дефектами или три?

Интересующее событие A — наличие скрытого дефекта. Всего телевизоров n = 20, вероятность скрытого дефекта p = 0,2. Соответственно, вероятность получить телевизор без скрытого дефекта равна q = 1 − 0,2 = 0,8.

Получаем стартовые условия для схемы Бернулли: n = 20; p = 0,2; q = 0,8.

Найдем вероятность получить два «дефектных» телевизора (k = 2) и три (k = 3):

\[\begin{array}{l}{P_{20}}\left(2 \right) = C_{20}^2{p^2}{q^{18}} = \frac{{20!}}{{2!18!}} \cdot {0,2^2} \cdot {0,8^{18}} \approx 0,137\\{P_{20}}\left(3 \right) = C_{20}^3{p^3}{q^{17}} = \frac{{20!}}{{3!17!}} \cdot {0,2^3} \cdot {0,8^{17}} \approx 0,41\end{array}\]

Очевидно, P 20 (3) > P 20 (2), т.е. вероятность получить три телевизора со скрытыми дефектами больше вероятности получить только два таких телевизора. Причем, разница неслабая.

Небольшое замечание по поводу факториалов. Многие испытывают смутное ощущение дискомфорта, когда видят запись «0!» (читается «ноль факториал»). Так вот, 0! = 1 по определению.

P . S . А самая большая вероятность в последней задаче — это получить четыре телевизора со скрытыми дефектами. Подсчитайте сами — и убедитесь.

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение

высшего профессионального образования

«МАТИ»  РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ ИМ. К.Э. ЦИОЛКОВСКОГО

Кафедра «Моделирование систем и информационные технологии»

Повторение испытаний. Схема бернулли

Методические указания к практическим занятиям

по дисциплине «Высшая математика»

Составители: Егорова Ю.Б.

Мамонов И.М.

Москва 2006 введение

Методические указания предназначены для студентов дневного и вечернего отделения факультета №14 специальностей 150601, 160301, 230102. Указания выделяют основные понятия темы, определяют последовательность изучения материала. Большое количество рассмотренных примеров помогает в практическом освоении темы. Методические указания служат методической основой для практических занятий и выполнения индивидуальных заданий.

СХЕМА БЕРНУЛЛИ. ФОРМУЛА БЕРНУЛЛИ

Схема Бернулли - схема повторных независимых испытаний, при которой какое-то событие А может многократно повторяться с постоянной вероятностью Р (А )= р .

Примеры испытаний, проводимых по схеме Бернулли: многократное подбрасывание монеты или игральной кости, изготовление партии деталей, стрельба по мишени и т.п.

Теорема. Если вероятность наступления события А в каждом испытании постоянна и равна р , то вероятность того, что событие А наступит m раз в n испытаниях (безразлично в какой последовательности), можно определить по формуле Бернулли:

где q = 1 – p .

ПРИМЕР 1. Вероятность того, что расход электроэнергии на протяжении одних суток не превысит установленной нормы, равна р= 0,75. Найти вероятность того, что в ближайшие 6 суток расход электроэнергии в течение 4 суток не превысит нормы.

РЕШЕНИЕ. Вероятность нормального расхода элек­троэнергии на протяжении каждых из 6 суток постоянна и равна р = 0,75. Следовательно, вероятность перерасхода электроэнергии в каждые сутки также постоянна и равна q = 1р = 1  0,75 = 0,25.

Искомая вероятность по формуле Бернулли равна:

ПРИМЕР 2. Стрелок производит по мишени три выстрела. Вероятность попадания в мишень при каждом выстреле равна р= 0,3. Найти вероятность того, что поражена: а) одна мишень; б) все три мишени; в) ни одной мишени; г) хотя бы одна мишень; д) менее двух мишеней.

РЕШЕНИЕ. Вероятность попадания в мишень при каждом выстреле постоянна и равна р =0,75. Следовательно, вероятность промаха равна q = 1 р = 1  0,3= 0,7. Общее число проведенных опытов n =3.

а) Вероятность поражения одной мишени при трех выстрелах равна:

б) Вероятность поражения всех трех мишеней при трех выстрелах равна:

в) Вероятность трех промахов при трех выстрелах равна:

г) Вероятность поражения хотя бы одной мишени при трех выстрелах равна:

д) Вероятность поражения менее двух мишеней, то есть или одной мишени, или ни одной:

1. Локальная и интегральная теоремы муавра-лапласа

Если произведено большое число испытаний, то вычисление вероятностей по формуле Бернулли становится технически сложным, так как формула требует действий над огромными числами. Поэтому существуют более простые приближенные формулы для вычисления вероятностей при больших n . Эти формулы называются асимптотическими и определяются теоремой Пуассона, локальной и интегральной теоремой Лапласа.

Локальная теорема Муавра-Лапласа. А А произойдет m раз в n n (n →∞ ), приближенно равна:

где функция
а аргумент

Чем больше n , тем точнее вычисление вероятностей. Поэтому теорему Муавра-Лапласа целесообразно применять при npq  20.

f ( x ) составлены специальные таблицы (см. приложение 1). При использовании таблицы необходимо иметь в виду свойства функции f(x) :

Функция f(x) является четной f(  x)= f(x) .

При х  ∞ функция f(x)  0. Практически можно считать, что уже при х >4 функция f(x) ≈0.

ПРИМЕР 3. Найти вероятность того, что событие А наступит 80 раз в 400 испытаниях, если вероятность появления события А в каждом испытании равна р= 0,2.

РЕШЕНИЕ. По условию n =400, m =80, p =0,2, q =0,8. Следовательно:

По таблице определим значение функции f (0)=0,3989.

Интегральная теорема Муавра-Лапласа. Если вероятность наступления события А в каждом испытании постоянна и отлична от 0 и 1, то вероятность того, что событие А произойдет от m 1 до m 2 раз в n испытаниях при достаточно большом числе n (n →∞ ), приближенно равна:

где
 интеграл или функция Лапласа,

Для нахождения значений функции Ф( x ) составлены специальные таблицы (например, см. приложение 2). При использовании таблицы необходимо иметь в виду свойства функции Лапласа Ф(x) :

Функция Ф(x) является нечетной Ф(  x)=  Ф(x) .

При х  ∞ функция Ф(x)  0,5. Практически можно считать, что уже при х >5 функция Ф(x) ≈0,5.

Ф (0)=0.

ПРИМЕР 4. Вероятность того, что деталь не прошла проверку ОТК, равна 0,2. Найти вероятность того, что среди 400 деталей окажется непроверенных от 70 до 100 деталей.

РЕШЕНИЕ. По условию n =400, m 1 =70, m 2 =100, p =0,2, q =0,8. Следовательно:

По таблице, в которой приведены значения функции Лапласа, определяем:

Ф(x 1 ) = Ф(  1,25 )=  Ф( 1,25 )=  0,3944; Ф(x 2 ) = Ф( 2,5 )= 0,4938.

Опыты называются независимыми, если вероятность того или иного исхода каждого опыта не зависит от того, какие исходы имели другие опыты.

Замечание. Независимые опыты могут производиться как в одинаковых условиях, так и в различных. В первом случае вероятность появления какого-то события А во всех опытах одна и та же, во втором случае она меняется от опыта к опыту.

Пусть теперь производится n независимых опытов, в каждом из которых с одной и той же вероятностью p может наступить некоторое событие А . Требуется найти вероятность Р n (к) того, что в n опытах событие А наступит ровно к раз (событие В ).

Описанная схема называется схемой независимых испытаний, или схемой Бернулли, по имени швейцарского математика конца XVII и начала XVIII века Якоба Бернулли, изучавшего её.

Найдем вероятность Р n (к) . Событие В можно представить в виде суммы ряда элементарных событий – вариантов события А . Каждый вариант события А можно записать в виде строки длиной n (число опытов), в которой к компонент соответствуют событию А , а остальные n-к компонент событию . Например, один из возможных вариантов есть

(успех и 1,2,…,k -м опытах и неудача в остальных).

Число всех вариантов равно (числу сочетаний из n элементов по к ), а вероятность каждого варианта в виду независимости опытов равна р к q n -к (где q =1-р ). Отсюда вероятность события В будет равна

Формула (1) носит название формулы Бернулли .

Отсюда следует, что вероятность, хотя бы одного появления события А при n независимых испытаниях (опытах) в одинаковых условиях равна

Пример 1 . Монета бросается 5 раз. Какова вероятность того, что герб выпадет при этом 3 раза?

Решение . В данном случае событием А считается выпадение герба, вероятность p этого события в каждом опыте равна . Отсюда

P = .

Для наглядности условимся каждое наступление события А рассматривать как успех. Если зафиксировать n , то, Р n (к) . есть функция аргумента к , принимающая значения . Выясним, при каком значении к функция Р n (к) принимает наибольшее значение, т.е., какое число успехов к 0 является наиболее вероятным при данном числе опытов n . Оказывается что число к=к 0 можно определить из двойного неравенства.

(3)

Разность граничных значений в этом двойном неравенстве равна 1. Если np+p не является целым числом, то двойное неравенство определяет лишь одно наивероятнейшее значение к 0 .Если же np+p – целое число, то имеются два наивероятнейших значения: и .

Пример 2 . Игральную кость бросают 20 раз. Каково наиболее вероятное число выпадений грани «6» ?

Решение. В данном случае n = 20, откуда . Поскольку nр + р не целое число, то наибольшим среди чисел Р 20 (0), Р 20 (1),…, Р 20 (20) будет число Р 20 (3). Следовательно, наиболее вероятное число выпадений грани «6» будет 3. Найдём, чему равна вероятность такого числа выпадений. По формуле Бернулли имеет:

.

Из формулы (3) видно, что одно из двух ближайших к nр целых чисел является наиболее вероятным числом успехов.

Оказывается, число nр допускает и другую интерпретацию. А именно: nр можно рассматривать, в определенном смысле, как среднее число успехов в n опытах . Будем исходить из частотного истолкования вероятности. Назовем (для краткости) n - кратное повторение данного опыта серией. Пусть мы произвели N серий. Пусть в первой серии было получено к 1 успехов, во второй – к 2 , ….., в N -ой –к N . Составим среднее арифметическое этих чисел

. (4)

Равенство (4) - есть среднее число успехов в N сериях. Оказывается, что с увеличением N указанное среднее арифметическое приближается к некоторому постоянному значению, а именно к числу np .

Действительно запишем (4) в виде:

. (5)

Поскольку каждая серия состоит из n опытов, то производя N серий мы осуществляем данный опыт раз.

Написанная дробь (5) со знаменателем Nn есть нечто иное как отношение общего числа успехов в этих опытах к числу всех опытов. С увеличением N (а значит, и Nn ) эта дробь будет приближаться к числу р - вероятности успеха. Следовательно, число (4) будет приближаться к рn , что и требовалось получить.

Пример 3 . Станок штампует изделия. Вероятность р брака одного изделия равна 0,05. Чему равно среднее число бракованных изделий на сотню?

Решение . Искомое число бракованных изделий равно: .

Замечание 1. Можно рассмотреть более общую схему независимых испытаний. Рассмотрим n независимых испытаний (в различных условиях), причём вероятность события А («успеха») в i -ом опыте равна p i , a q i =1-p i – вероятность неуспеха в i -м испытании (i =1,2,…,n ). Тогда можно показать, что вероятность P n (к) того, что событие А появится в этих n опытах ровно к раз, равна коэффициенту при z k в разложении по степеням z функции

Такую схему независимых испытаний называют схемой Пуассона . Схема Пуассона при p i =p превращается в схему Бернулли. Вероятности P n (к) в схеме Пуассона не записываются в компактном виде аналогичной формуле(1). Из (6) , например, следует:

Замечание 2. Схемы Бернулли и Пуассона допускают обобщение на тот случай, когда в результате каждого опыта возможные не два исхода (А или ), а несколько исходов.

Если производится n независимых опытов (схема Бернулли) причём каждый опыт может иметь к исключающих друг друга исходов , с вероятностями , то вероятность того, что в m 1 опытах появится событие А 1 , в m 2 опытах событие А 2 и т.д., в m k опытах событие А к выражается формулой

Если условия опыта различны (схема Пуассона), т.е.

в i- омопыте событие A j имеет вероятность p ji (i =1,2,…,n ; j =1,2,…,k ), то вероятность вычисляется как коэффициент при члене в разложении по степеням функции:

Пример 4. Завод изготавливает изделия, каждое из которых подвергается четырём видам испытаний. Первое испытание изделия проходит благополучно с вероятностью 0,9; второе с вероятностью 0,95; третье-0,8 и четвертое-0,85. Найти вероятность того, что изделие пройдет благополучно:

A- все четыре испытания

B- ровно два испытания (из четырех)

C- не менее двух испытании (из четырех)

Решение. В условиях задачи проводятся четыре независимых опыта (испытания) в различных условиях. Вероятность события. А – испытание прошло благополучно, в каждом опыте разное. Искомые вероятности находим из формулы (6)

Отсюда получаем:

§12. Вероятности P n (к) при больших значениях n . Приближённые формулы Лапласа и Пуассона.

В приложениях часто возникает необходимость в вычислении вероятностей Р n (к) для весьма больших значений n и k . Рассмотрим, например, такую задачу.

Задача. На некотором предприятии вероятность брака, равна 0,02. Обследуются 500 изделий готовой продукции. Найти вероятность того, что среди них окажется ровно 10 бракованных.

Рассматривая обследование каждого изделия как отдельный опыт, можно сказать, что производиться 500 независимых опытов, причем в каждом их них событие А (изделие оказалось бракованным) наступает с вероятностью 0,02, тогда по формуле Бернулли получаем

Непосредственный подсчет этого выражения представляется сложным. Ещё большую трудность пришлось бы испытать, если бы мы искали вероятность того, что число бракованных изделий среди 500 окажется в пределах, скажем, от 10 до 20. В этом случае потребовалось бы вычислить сумму , что является более сложным делом.

Задачи подобного рода встречаются в приложениях весьма часто. Поэтому возникает необходимость в отыскании приближённых формул для вероятностей Р n (к) , а также для сумм вида

(1)

при больших n .

1. Приближённые формулы Лапласа. Их используют при больших n (порядка сотен или тысяч), вероятностей p или q не слишком близким к 0 или 1 (порядка сотых долей). Обычно условием применения этих приближений является условие npq >9.

а) Локальная приближённая формула Лапласа . При больших n справедливо равенство.

, (2)

где , а φ (х ) обозначает следующую функцию: .

Заметим, что функция φ(х) табулирована, т.е. для нее составлена таблица её значений.

Вторая приближённая формула Лапласа даёт приближённые значения для величины -вероятности того, что число наступлений события А в n опытах (число «успехов») окажется заключенным между заданными границами к 1 и к 2 .

б) Интегральная приближённая формула Лапласа . При больших n справедливо приближённое равенство

, (3)

где Φ(х) обозначает следующую функцию

. (4)

Функция Φ(х) обладает следующими полезными для вычисления свойствами:

1. Φ(х) – нечётная функция: ,

2. при возрастании х от 0 до ∞ функция Φ(х) растет от 0

до 0,5, причем уже при х = 5 значение функции Φ(х)

отличается от 0,5 меньше чем на (т.е. при функция Ф(x) практически равна 0,5).

Пример 1. Монету бросают 100 раз. Какова вероятность того, что герб выпадет ровно 50 раз?

Решение . Имеем: npq = 100· · = 25>9. Воспользовавшись приближённой формулой (2), получим. . Из таблицы для функции φ(x) найдем, что φ(0) = 0,3989…. Отсюда получаем .

Пример 2 . Доведём до конца решение задачи, приведённой в начале этого параграфа. В ней требовалось найти , а также вероятность P 500 (10≤ к ≤20).

Решение. В данном случае npq = 500·0,02·0,98=9,8. Воспользовавшись приближёнными формулами (2) и (3), получим: ,

Замечание. Если мы осуществляем опыт n раз и k - число наступлений события А при этом, то, вообще говоря, дробь -относительная частота наступления события

А – будет близка к р (вероятности события А ). Однако сколь тесной окажется эта близость, предугадать невозможно.

Интегральная теорема Лапласа позволяет оценить вероятность неравенства при достаточно больших n и значениях р не слишком близких к 0 или 1, т.е. определить вероятность того, что отклонение частоты случайного события от его вероятности р по абсолютной величине не превосходит некоторого . Имеем

Таким образом, получаем

(5)

Вероятность в этом случае называют надёжностью оценки , а сама оценка доверительной оценкой частоты с надёжностью .

На практике надёжность оценки задаётся заранее. Тогда по заданной надёжности можно найти соответствующее значение из уравнения с помощью таблиц функции Лапласа. В этом случае доверительная оценка с заданной надёжностью примет вид р или q к нулю, поэтому, в этом случае используют приближённые формулы Пуассона. При больших n (порядка тысяч, десятков тысяч и больше) и малых р (порядка тысячных долей и меньше) справедливы приближённые равенства. Обычно условием применения этих приближений является условие npq <9.

, (7).

, (8)

где λ =np .

Особенностью формул (7) и (8) является то, что для того, чтобы найти вероятность того или иного числа успехов, вовсе не требуется знать n и р . Всё определяется числом λ=np , которое является (см. §11) средним числом успехов .

Для выражения , рассматриваемого как функция двух переменных к и λ, составлены таблицы значений.

Пример 5 . Прядильщица обслуживает 1000 веретён. Вероятность обрыва нити на одном веретене в течение одной минуты равна 0,004. Найти вероятность того, что в течение одной минуты обрыв произойдет в пяти веретенах.

Решение. Формула Бернулли приведёт к громоздким вычислениям, поэтому воспользуемся формулой Пуассона (7). Здесь к = 5, р =0.004, n = 1000, тогда λ = np = 4.

Отсюда: .

Пример 6 . Книга в 1000 страниц имеет 100 опечаток. Какова вероятность того, что на случайно выбранной странице будет не менее четырёх опечаток (событие В ).

Решение: Среднее количество опечаток на одну страницу есть . В данном случае следует применить формулу Пуассона. Тогда вероятность p к иметь к опечаток на одной странице будет равна .

Сумма р = p 0 +p 1 +p 2 +p 3 есть вероятность того, что на странице окажется не более трёх опечаток. Пользуясь таблицами (или калькулятором) получаем р = 0,999996 (в данном случае мы пользовались калькулятором, таблицы дадут р =0,9048+0,0905+0,0045+0,0002=1). Вероятность того, что на случайно выбранной странице будет не менее четырёх опечаток, равна 1-р =1-0,999996=0,0000004 (таблицы дадут 1-р =1-1=0). Отсюда можно сделать вывод, что событие В практически невозможно.

(опять же согласно теореме 5.5) 48!(12!)4 способами. Следовательно, искомая вероятность равна

24 48!(13!) 4 = 2448!13 4 = 0,105... .

(12!)4 52! 52!

Любопытно, что при игре «в дурака» такая вероятность оказывается существенно меньше. Действительно, найдем вероятность того, что при раздачечетыремигрокампо6картизколодыв36карт,каждыйигрокполучит ровно по одному тузу. Поскольку раздается 24 карты из 36, то нам прежде всего надо знать число способов, которыми можно выбрать 24 карты из 36. Это число равно C 36 24 = 36!(24!12!) .

Далее, число способов, которыми можно разбить 24 карты на 4 группы по 6 карт согласно теореме 5.5 равно 24! (6!)4 . Таким образом, общее число способов, которыми можно раздать четырем игрокам по 6 карт из колоды в 36

карт, равно C 36 24 (6!) 24! 4 . Четыре туза могут быть распределены между четырьмя

игроками 4!= 24 способами. Число способов, которыми можно раздать четыремигрокампо5картизоставшихся32 карт, подсчитываетсяаналогично

предыдущему, и будет равно C 32 20 (5!) 20! 4 . Таким образом, искомая вероятность равна

24 C 20

32!12!64

(5!)4

≈ 0,022 .

(6!)4

§6. ИСПЫТАНИЯ БЕРНУЛЛИ. ФОРМУЛА ПУАССОНА

6.1. Схема независимых испытаний Бернулли

На практике часто встречается ситуация, хорошо иллюстрирующаяся

следующими примерами.

Некто несколько раз подряд бросает монету. Спрашивается, можно ли заранее оценить вероятность того, что в результате n бросаний герб выпадет ровноm раз? Или:n раз бросается игральная кость; требуется оценить вероятность того, что при этомm раз выпадет 5 или 6 очков.

Очевидно, что без дополнительных предположений относительно условий проведения эксперимента однозначно ответить на эти вопросы нельзя. Так, результат, несомненно, должен зависеть от того, является ли монета (или кость) правильной, т.е. однородной и симметричной. С другой стороны, возможно ли ответить на вопрос: сколько раз надо бросить монету (или кость), чтобы с достаточной степенью уверенности можно было утверждать, что данная монета (или кость) не является правильной ? Умение отвечать на такой вопрос весьма важно, например, для игорных заведений.

Естественно предположить, что если монета правильная, то вероятность появления герба при каждом бросании равна ½ . Аналогично, в случае правильной кости вероятность появления 5 или 6 очков при каждом бросании равна⅓ . Иными словами, если испытаний достаточно много, то герб при бросании монеты будет появляться примерно в половине исходов, а 5 или 6 очков на кости – в одной трети случаев.

Однако всеэти рассуждения основаны на интуиции. Мы жепостараемся в этом параграфе описать теоретическую модель, которая позволит нам вполне обоснованно ответить на все сформулированные выше вопросы. Модель, о которой пойдет речь ниже, впервые была предложена швейцарским математиком Якобом Бернулли (1654 1705), и получила его имя37 .

Схема независимых испытаний Бернулли. Будем производить последовательные испытания, в результате каждого из которых может

37 Основные результаты Я. Бернулли по теории вероятностей были опубликованы лишь после его смерти в 1713 г. Брат Я. Бернулли – Иоганн (1667-1748) и сын – Даниил (1700-1782) являлись членами Петербургской Императорской Академии Наук, и внесли большой вклад в развитие вариационного исчисления и теоретической механики.

наступить или не наступить некоторое событие А . Пусть при каждом отдельном испытании вероятность наступления событияА одна и та же и не зависит от наступления или ненаступления этого события при других испытаниях; обозначим эту вероятность черезp . Обычно говорят, чтоp – это вероятность «успеха»; соответственно величинаq = 1− p называется вероятностью «неудачи». Понятно, что эта терминология весьма условна.

Такая модель называется схемой (независимых) испытаний Бернулли.

Зададимся следующим вопросом: какова вероятность того, что при проведении n испытаний «успех» (т.е. появления событияА ) будет наблюдаться ровно вm случаях?38

Эта задача решается следующим образом. Представим себе все возможные комбинации из последовательных результатов наших испытаний. Так, например, в случае 3 испытаний возможны восемь таких комбинаций39 , а именно:

AAA; AAA; AAA; AAA;

AAA; AAA; AAA; AAA.

Выделим те комбинации, в которых событие А наступает ровноm раз (и, следовательно, не наступает ровноn ─ m раз); назовем для краткости такие комбинациидопустимыми . Определим вероятность появления каждой отдельной допустимой комбинации. Для этого заметим, что появление допустимой комбинации представляет собой произведениеn событий, а именно:m наступлений событияА при одних испытаниях иn ─ m его ненаступлений при других испытаниях. Вероятность наступления событияА при каждом отдельном испытании по условию равнаp ; вероятность его ненаступления равна, следовательно,q = 1− p . По условию наступления или ненаступления событияА при различных испытаниях представляют собой независимые события; следовательно, вероятность их произведения равна

38 Здесь естественно считать, что m = 0, 1, 2, …,n .

39 Здесь A означает событие, противоположное событиюА , т.е. «неудачу».

произведению их вероятностей, т. е. равна величине p m q n − m = p m (1− p )n − m . Заметимтеперь, чтособытие, состоящеевнаступлениисобытияА ровно

при m испытаниях, равносильно появлению хотя бы одной из допустимых комбинаций. Так как различные допустимые комбинации представляют собой несовместимые события, искомая вероятность появления событияА ровно вm испытаниях равна сумме вероятностей появления допустимых комбинаций. Поскольку вероятности появления допустимых комбинаций одинаковы, то вероятность их суммы равна величинеKp m q n − m , гдеK – число всех допустимых комбинаций. Это число равно, очевидно, числу различных способов, которыми можно выделитьm мест из общего числаn мест, иными

	словами равно		числу сочетаний из n элементов поm , т.е. равно
	C n m= C n n− m=
		m!(n− m)!

Таким образом, вероятность появления ровно m «успехов» в последовательностиn независимых испытаний Бернулли равна

распределением Бернулли , определяется формулой (6.1) и дает значение вероятностиm «успехов» вn испытаниях Бернулли с вероятностью «успеха»p . При фиксированныхn иp она является функцией целочисленного неотрицательного аргументаm .

Испытания Бернулли – теоретическая схема, и только практика может показать, годна ли схема для описания данного физического опыта. Однако такая ситуация, как мы видели ранее, вполне естественна при построении вероятностных моделей. При всем этом во многих практических ситуациях использование схемы Бернулли оказывается вполне оправданным.

Приведем следующий поучительный пример . Американский ученый Уэлдон провел 26 306 серий испытаний по 12 бросаний одной и той же

игральной кости в каждой серии, вычисляя частоту появления события («успеха»), состоящего в выпадении на кости 5 или 6 очков. Результаты его опытов приведены в табл. 6.1.

Если кость считать правильной, то вероятность «успеха» должна быть равна ⅓ . Соответствующие теоретические значения функцииb (k ;12,13) даны во второй колонке. Эксперимент показал, однако, довольно существенное отличие от теоретических значений приp =⅓ , но хорошее согласование с теоретическими значениями функцииb (k ;12, 0.3377) дляp = 0.3377 . Этот результат естественно интерпретировать в том смысле, что игральная кость, использованная в эксперименте,не является правильной .

Это замечание имеет весьма важные практические приложения в вопросах, связанных с контролем за выполнением определенных нормативов (например, в производстве). В связи с этим рассмотрим следующий пример.

Таблица 6.1

		Экспериментальная

Задача о снабжении энергией . Допустим, чтоn рабочих время от

Производится n опытов по схеме Бернулли с вероятностью успеха p . Пусть X - число успехов. Случайная величина X имеет область значений {0,1,2,...,n}. Вероятности этих значений можно найти по формуле: , где C m n - число сочетаний из n по m .
Ряд распределения имеет вид:

x	0	1	...	m	n
p	(1-p) n	np(1-p) n-1	...	C m n p m (1-p) n-m	p n

Этот закон распределения называется биноминальным .

Назначение сервиса . Онлайн-калькулятор используется для построения биноминальным ряда распределения и вычисления всех характеристик ряда: математического ожидания, дисперсии и среднеквадратического отклонения. Отчет с решением оформляется в формате Word (пример).

Число испытаний: n = , Вероятность p =
При малой вероятности p и большом количестве n (np формула Пуассона.

Видеоинструкция

Схема испытаний Бернулли

Числовые характеристики случайной величины, распределенной по биноминальному закону

Математическое ожидание случайной величины Х, распределенной по биноминальному закону.
M[X]=np

Дисперсия случайной величины Х, распределенной по биноминальному закону.
D[X]=npq

Пример №1 . Изделие может оказаться дефектным с вероятностью р = 0.3 каждое. Из партии выбирают три изделия. Х – число дефектных деталей среди отобранных. Найти (все ответы вводить в виде десятичных дробей): а) ряд распределения Х; б) функцию распределения F(x) .
Решение . Случайная величина X имеет область значений {0,1,2,3}.
Найдем ряд распределения X.
P 3 (0) = (1-p) n = (1-0.3) 3 = 0.34
P 3 (1) = np(1-p) n-1 = 3(1-0.3) 3-1 = 0.44

P 3 (3) = p n = 0.3 3 = 0.027

x i	0	1	2	3
p i	0.34	0.44	0.19	0.027

Математическое ожидание находим по формуле M[X]= np = 3*0.3 = 0.9
Проверка: m = ∑x i p i .
Математическое ожидание M[X] .
M[x] = 0*0.34 + 1*0.44 + 2*0.19 + 3*0.027 = 0.9
Дисперсию находим по формуле D[X]=npq = 3*0.3*(1-0.3) = 0.63
Проверка: d = ∑x 2 i p i - M[x] 2 .
Дисперсия D[X] .
D[X] = 0 2 *0.34 + 1 2 *0.44 + 2 2 *0.19 + 3 2 *0.027 - 0.9 2 = 0.63
Среднее квадратическое отклонение σ(x) .

Функция распределения F(X) .
F(xF(0F(1F(2F(x>3) = 1

1. Вероятность появления события в одном испытании равна 0.6 . Производится 5 испытаний. Составить закон распределения случайной величины Х – числа появлений события.
2. Составить закон распределения случайной величины Х числа попаданий при четырех выстрелах, если вероятность попадания в цель при одном выстреле равна 0.8 .
3. Монету подбрасывают 7 раз. Найти математическое ожидание и дисперсию числа появлений герба. Примечание: здесь вероятность появление герба равна p = 1/2 (т.к. у монеты две стороны).

Пример №2 . Вероятность появления события в отдельном испытании равна 0.6 . Применяя теорему Бернулли, определите число независимых испытаний, начиная с которого вероятность отклонения частоты события от его вероятности по абсолютной величине меньше 0.1 , больше 0.97 . (Ответ: 801)

Пример №3 . Студенты выполняют контрольную работу в классе информатики. Работа состоит из трех задач. Для получения хорошей оценки нужно найти правильные ответы не меньше чем на две задачи. К каждой задаче дается 5 ответов из которых только одна правильная. Студент выбирает ответ наугад. Какая вероятность того, что он получит хорошую оценку?
Решение . Вероятность правильно ответить на вопрос: p=1/5=0.2; n=3.
Эти данные необходимо ввести в калькулятор. В ответ см. для P(2)+P(3).

Пример №4 . Вероятность попадания стрелка в мишень при одном выстреле равна (m+n)/(m+n+2) . Производится n+4 выстрела. Найти вероятность того, что он промахнется не более двух раз.

Примечание . Вероятность того, что он промахнется не более двух раз включает в себя следующие события: ни разу не промахнется P(4), промахнется один раз P(3), промахнется два раза P(2).

Пример №5 . Определите распределение вероятностей числа отказавших самолётов, если влетает 4 машины. Вероятность безотказной работы самолета Р=0.99 . Число отказавших в каждом вылете самолётов распределено по биноминальному закону.