Испытания Бернулли. Формула Бернулли

Содержание

Слайд 2

Испытания Бернулли. Формула Бернулли Ответ на 1-й вопрос дает формула Бернулли:

Испытания Бернулли. Формула Бернулли

Ответ на 1-й вопрос дает формула Бернулли:
- вероятность

наступления события k раз в n испытаниях;
p - вероятность наступления события в одном испытании;
q = 1 – p - вероятность не наступления события в одном испытании;
Слайд 3

Число сочетаний

Число сочетаний

Слайд 4

Испытания Бернулли. Формула Бернулли При ответе на 2-й вопрос по существу

Испытания Бернулли. Формула Бернулли

При ответе на 2-й вопрос по существу требуется определить

наивероятнейшее число k0 появлений события в n испытаниях, т.е. такое число k0, которому соответствует максимальная вероятность:
Слайд 5

Испытания Бернулли. Формула Бернулли Можно показать, что эти условия приводят к

Испытания Бернулли. Формула Бернулли

Можно показать, что эти условия приводят к неравенству
Замечания:
1. k0

– целое число;
2. Может быть несколько наивероятнейших целых чисел, тогда – им соответствует одинаковая в точности максимальная вероятность.
Слайд 6

Испытания Бернулли. Формула Бернулли Задача. Монета брошена 5 раз. Какова вероятность

Испытания Бернулли. Формула Бернулли

Задача. Монета брошена 5 раз. Какова вероятность того, что

герб появится ровно 3 раза? Сколько раз вероятнее всего появится герб?
Решение: 1. По формуле Бернулли с учетом n = 5, k = 3, p = q = ½ :
Слайд 7

Испытания Бернулли. Формула Бернулли 2. Найдем k0 из неравенства с учетом

Испытания Бернулли. Формула Бернулли

2. Найдем k0 из неравенства
с учетом n = 5

и p = q = 1/2:
Слайд 8

Испытания Бернулли. Формула Бернулли Т.о. имеем два наивероятнейших числа: Поэтому должно быть Убедимся в этом:

Испытания Бернулли. Формула Бернулли

Т.о. имеем два наивероятнейших числа:
Поэтому должно быть
Убедимся

в этом:
Слайд 9

Использование противоположного события При независимых многократных испытаниях для вычисления вероятности суммы

Использование противоположного события

При независимых многократных испытаниях для вычисления вероятности суммы событий

вместо теоремы сложения вероятностей удобнее использовать вероятность противоположного события, особенно, когда число слагаемых n > 2.
Слайд 10

Использование противоположного события Пусть – наступление события A в i-м испытании.

Использование противоположного события

Пусть – наступление события A в i-м испытании.
По определению,

сумма событий – наступление события хотя бы один раз:
Противоположное событие
Слайд 11

Использование противоположного события Противоположные события составляют полную группу, поэтому сумма их

Использование противоположного события

Противоположные события составляют полную группу, поэтому сумма их вероятностей

равна единице, т. е.
Отсюда
Слайд 12

Использование противоположного события По теореме умножения вероятностей независимых событий где . Итак,

Использование противоположного события

По теореме умножения вероятностей независимых событий
где .
Итак,

Слайд 13

Использование противоположного события Задача. Три стрелка стреляют в цель с вероятностью

Использование противоположного события

Задача. Три стрелка стреляют в цель с вероятностью успеха
Найти

вероятность поражения мишени.
Решение. Введем обозначения событий:
Слайд 14

Использование противоположного события Событие Вычислим вероятности противоположных событий:

Использование противоположного события

Событие
Вычислим вероятности противоположных событий:

Слайд 15

Использование противоположного события Тогда вероятность события B:

Использование противоположного события

Тогда вероятность события B:

Слайд 16

Распределения дискретных случайных величин Все процессы, происходящие в природе, делятся на

Распределения дискретных случайных величин

Все процессы, происходящие в природе, делятся на непрерывные

и дискретные.
Например, такие величины, как количество человек в студенческой группе, число солнечных дней в году, высота горы, уровень интеллекта являются дискретными величинами, потому что имеют конкретный количественный признак, который некоторое время не изменяется
Слайд 17

Рассмотрим вероятностное пространство (Ω, σ, Р), то есть пространство элементарных исходов

Рассмотрим вероятностное пространство (Ω, σ, Р), то есть
пространство элементарных исходов

Ω,
σ -алгебру событий (определенную нами на пространстве путем введения замкнутых операций),
вероятность Р (как меру нашего множества).
Слайд 18

Случайной величиной ξ (кси) называется произвольная функция, ставящая в соответствие каждому

Случайной величиной ξ (кси) называется произвольная функция, ставящая в соответствие каждому элементарному

исходу (событию) ω число ξ = ξ(ω)
Слайд 19

Распределение дискретной случайной величины ξ

Распределение дискретной случайной величины ξ

Слайд 20

Пример Два игрока играют в “орлянку” на следующих условиях: если при

Пример

Два игрока играют в “орлянку” на следующих условиях: если при подбрасывании

монеты выпадает “орел”, то первый игрок платит второму $1, если “решка”, то второй игрок платит первому $2. Опишем случайную величину ξ , равную выигрышу первого игрока в этой игре (при одном подбрасывании монеты).
Слайд 21

Решение Пространство элементарных исходов (событий) Ω состоит из двух исходов: ω1

Решение

Пространство элементарных исходов (событий) Ω состоит из двух исходов: ω1 –

выпадение “орла” и ω2 – “решки”.
σ-Алгебра событий насчитывает 4 события: Ø, {ω1}, {ω2}, Ω .
Найдем вероятности всех событий из множества алгебры событий: Р(Ø) = 0, Р(ω1) = 1/2, Р(ω2) = 1/2, Р(Ω) = 1. Вероятностное пространство – определено
Слайд 22

Значения случайной величины

Значения случайной величины

Слайд 23

Функция распределения случайной величины Функцией распределения (вероятностей) случайной величины ξ называется

Функция распределения случайной величины

Функцией распределения (вероятностей) случайной величины ξ называется функция

F(x), значение которой в точке х равно вероятности события {ξ < x }, т.е. события, состоящего из тех и только тех элементарных исходов ω, для которых ξ (ω)F(x) = P{ξ < x}.
Слайд 24

Свойства функции распределения 1. Функция F(x) является ограниченной, то есть ее

Свойства функции распределения

1. Функция F(x) является ограниченной, то есть ее значения

лежат в интервале от 0 до 1.
0 ≤ F(x) ≤ 1.
2. Функция F(x) является неубывающей. Если х2 > x1, то F(х2) ≥ F(x1), так как вероятность любого события неотрицательна.
Слайд 25

3. Вероятность попадания случайной величины ξ на отрезок (x1, x2) определяется

3. Вероятность попадания случайной величины ξ на отрезок (x1, x2) определяется

формулой:
P{x1 ≤ ξ ≤ х2} = F(x2) – F(x1).

Свойства функции распределения

Слайд 26

Ряд распределения дискретной случайной величины числа выпавших очков при бросании кости

Ряд распределения дискретной случайной величины числа выпавших очков при бросании кости

Слайд 27

Функция распределения вероятностей выпадения очков при бросании кости

Функция распределения вероятностей выпадения очков при бросании кости

Слайд 28

Кумулятивная вероятность распределения числа очков при бросании кости

Кумулятивная вероятность распределения числа очков при бросании кости

Слайд 29

Пример В неком обществе организована лотерея. Разыгрываются две вещи стоимостью по

Пример

В неком обществе организована лотерея. Разыгрываются две вещи стоимостью по $10

и одна стоимостью $30. Составить закон распределения суммы чистого выигрыша для субъекта, который приобрел один билет за $1; всего продано 50 билетов.
Слайд 30

Решение Искомая случайная величина X может принимать три значения: -1, (если

Решение

Искомая случайная величина X может принимать три значения:
-1, (если субъект

не выиграет, а проиграет $1, уплаченный за билет);
$9,
$29.
Первому результату благоприятны 47 случаев из 50, второму – 2 из 50, третьему – 1 из 50.
Слайд 31

Закон распределения Х имеет вид

Закон распределения Х имеет вид

Слайд 32

Виды распределений

Виды распределений

Слайд 33

Биноминальное распределение является распределением числа успехов μ в n испытаниях Бернулли

Биноминальное распределение

является распределением числа успехов μ в n испытаниях Бернулли

с вероятностью успеха p и неудачи q = 1 – p.
Слайд 34

Схема Бернулли Рассмотрим последовательность независимых одинаковых испытаний: появление или не появление

Схема Бернулли

Рассмотрим последовательность независимых одинаковых испытаний: появление или не появление некоторого

наблюдаемого события в каждом испытании не будет зависеть от исходов предыдущих испытаний
Слайд 35

Результат каждого опыта можно записать в виде последовательности УНН...У, “У” –

Результат каждого опыта можно записать в виде последовательности УНН...У, “У” –

успех, “Н” – неудача.
Пространство элементарных исходов Ω состоит из 2n исходов, каждый из которых отождествляется с определенной последовательностью УНУ... (σ-алгебра событий включает 22n событий).
Слайд 36

В силу независимости испытаний сопоставим каждому элементарному исходу ω = УННУ...У

В силу независимости испытаний сопоставим каждому элементарному исходу ω = УННУ...У


вероятность Р(ω) = Р(УННУ...У)= pqqp...p, p – повторяется столько раз, сколько раз произошел успех, а q – сколько раз была неудача.
Слайд 37

Вероятность Рn(m) получить в n испытаниях ровно m успехов. Данное выражение

Вероятность Рn(m) получить в n испытаниях ровно m успехов.

Данное выражение носит

также название биноминального закона, поскольку Pn(m) можно получить как коэффициент при
zm бинома (pz+q)n:
Слайд 38

Биноминальное распределение для n=5

Биноминальное распределение для n=5

Слайд 39

Пример Монета брошена 2 раза. Определить закон распределения случайной величины Х – числа выпадений герба.

Пример

Монета брошена 2 раза. Определить закон распределения случайной величины Х

– числа выпадений герба.
Слайд 40

При бросании монеты герб может появиться или 2 раза или 1

При бросании монеты герб может появиться или 2 раза или 1

раз или совсем не появиться. Найдем вероятности этих событий по формуле Бернулли.
Слайд 41

Слайд 42

Пример На зачете студент получил n = 4 задачи. Вероятность решить

Пример

На зачете студент получил n = 4 задачи. Вероятность решить

правильно каждую задачу p = 0,8. Определим ряд распределения и построим функцию распределения случайной величины μ – числа правильно решенных задач
Слайд 43

В данном случае мы имеем дело с биноминальным законом:

В данном случае мы имеем дело с биноминальным законом:

Слайд 44

Пуассоновское распределение Распределение Пуассона моделирует случайную величину, представляющую собой число событий,

Пуассоновское распределение

Распределение Пуассона моделирует случайную величину, представляющую собой число событий, произошедших

за фиксированное время, при условии, что данные события происходят с фиксированной средней интенсивностью и независимо друг от друга
Слайд 45

Параметр пуассоновского распределения λ>0 определяет интенсивность поступления событий и определяется формулой:

Параметр пуассоновского распределения λ>0 определяет интенсивность поступления событий и определяется формулой:
λ

=n*p, где n – общее число испытаний, а Р – вероятность благоприятного исхода испытания.
Слайд 46

Распределение Пуассона носит также название закона редких событий, поскольку оно всегда

Распределение Пуассона носит также название закона редких событий, поскольку оно всегда

появляется там, где производится большое число испытаний, в каждом из которых с малой вероятностью происходит “редкое” событие. По закону Пуассона распределены, например, число вызовов, поступивших на телефонную станцию; число метеоритов, упавших в определенном районе; число распавшихся нестабильных частиц и т. д.
Слайд 47

Слайд 48

Формула Пуассона Формула Пуассона применяется тогда, когда наряду с большим значением

Формула Пуассона

Формула Пуассона применяется тогда, когда наряду с большим значением числа

испытаний n “мала” вероятность успеха р.
Она относится к приближенным формулам для вычисления Pn(m) при больших n.
Слайд 49

Пример Завод отправил на базу 5000 доброкачественных изделий. Вероятность того, что

Пример

Завод отправил на базу 5000 доброкачественных изделий. Вероятность того, что

в пути изделие повредится равно 0,0002. Найти вероятность того, что на базу прибудут 3 негодных изделия.
Слайд 50

По условию n =5000, р=0,0002, k=3. Найдем λ= np =5000*0.0002=1 По формуле Пуассона искомая вероятность равна

По условию n =5000, р=0,0002, k=3.
Найдем λ= np =5000*0.0002=1
По формуле Пуассона

искомая вероятность равна
Слайд 51

Пример Среднее число вызовов, поступающих на АТС в одну минуту, равно

Пример

Среднее число вызовов, поступающих на АТС в одну минуту, равно

– 2. Найти вероятности того, что за 5 минут поступит:
А) 2 вызова;
б); не менее 2 вызовов.
Слайд 52

по условию λ=2, t=5, m=4. По формуле Пуассона: А) Вероятность, что

по условию λ=2, t=5, m=4.
По формуле Пуассона:
А) Вероятность, что за 5

минут поступят 2 вызова:
Это событие практически невозможно.
Слайд 53

Б) События «не поступило не одного вызова» и «поступил 1 вызов»

Б) События «не поступило не одного вызова» и «поступил 1 вызов»

– несовместны, поэтому по теореме сложения вероятностей: вероятность того, что за 5 минут поступят менее 2 вызовов, равна
Слайд 54

Геометрическое распределение Пусть ξ – число испытаний, которое необходимо провести, прежде

Геометрическое распределение

Пусть ξ – число испытаний, которое необходимо провести, прежде чем

появится первый успех. Тогда ξ – дискретная случайная величина, принимающая
значения 0, 1, 2, ..., n, ....
Слайд 55

Слайд 56

Пример Из орудия производится стрельба по цели до первого попадания. Вероятность

Пример

Из орудия производится стрельба по цели до первого попадания. Вероятность

попадания в цель р=0,6. Найти вероятность того, что попадание произойдет при третьем выстреле.
Слайд 57

По условию, р=0,6, q=0,4, k=3. Искомая вероятность определяется по формуле:

По условию, р=0,6, q=0,4, k=3. Искомая вероятность определяется по формуле:

Слайд 58

Продолжение примера Производится стрельба по мишени до первого попадания (число патронов

Продолжение примера

Производится стрельба по мишени до первого попадания (число патронов не

ограничено). Требуется составить ряд распределения числа сделанных выстрелов.
Определить вероятность того, что для поражения цели потребуется не более трёх патронов.
Слайд 59

Случайная величина X – число сделанных выстрелов – имеет геометрическое распределение

Случайная величина X – число сделанных выстрелов – имеет геометрическое распределение

с параметром p=0,6. Ряд распределения X имеет вид:

-1

Слайд 60

Гипергеометрическое распределение Дискретная случайная величина X имеет гипергеометрическое распределение, если она

Гипергеометрическое распределение

Дискретная случайная величина X имеет гипергеометрическое распределение, если она принимает

значения 0,1, 2, ..., min {n, M} с вероятностями
Слайд 61

где m=1, 2, ..., min {n, M}, m≤N, n≤N; n, N,

где m=1, 2, ..., min {n, M}, m≤N, n≤N; n, N,

M – натуральные числа.
N – общее количество объектов в генеральной совокупности;
M – количество объектов с определенным свойством в генеральной совокупности;
n – объем выборки;
m – количество деталей с определенным свойством.
Слайд 62

Гипергеометрическое распределение широко используется в практике статистического приёмочного контроля качества промышленной

Гипергеометрическое распределение широко используется в практике статистического приёмочного контроля качества промышленной

продукции, в задачах, связанных с организацией выборочных обследований, и некоторых других областях.
Слайд 63

Пример В национальной лотерее "6 из 45" денежные призы получают участники,

Пример

В национальной лотерее "6 из 45" денежные призы получают участники,

угадавшие от трёх до шести чисел из случайно отобранных 6 из 45 (размер выигрыша увеличивается с увеличением числа угаданных чисел). Найти закон распределения.
Какова вероятность получения денежного приза?
Слайд 64

Случайная величина X – число угаданных чисел среди случайно отобранных шести

Случайная величина X – число угаданных чисел среди случайно отобранных шести

– имеет гипергеометрическое распределение с параметрами n=6, N=45, M=6. Ряд распределения X, рассчитанный по формуле: