15. Предельная формула Пуассона:
если число испытаний велико, вероятность появления А в одном опыте мала, а произведение пр = λ сохраняет постоянное значение для разных серий опытов ( то есть среднее число появлений события А в разных сериях испытаний остается неизменным), то для вычисления биномиальной вероятности используется приближенная формула Пуассона.
Теорема
Если производится серия из n независимых испытаний Бернулли с вероятностью успеха в испытании p, причем n велико, а р - мало, но так, что np→λ=const. Тогда биномиальные вероятности приближенно равны
- прибл.
ф-ла Пуассона
Доказательство:
16. Если число испытаний Бернулли n велико, то для вычисления биномиальных вероятностей используются приближенные формулы Пуассона и Муавра-Лапласа.
Локальная теорема Муавра-Лапласа дает асимптотическую формулу, которая позволяет приближенно найти вероятность Рn(m) появления m успехов в n независимых испытаниях Бернулли, когда наряду с числом испытаний n велики также значения np.
Локальная теорема Муавра-Лапласа
Если вероятность р появления события А в каждом из n независимых испытаний постоянна и отлична от 0 и 1, то вероятность Рn(m) того, что в n испытаниях событие А появится ровно m раз, приближенно равна
где
Функция φ(х) четная.
Интегральная теорема Муавра-Лапласа
Если производится серия из n испытаний, в каждом из которых р появления события А постоянна и отлична от 0 и 1, то вероятность того, что в n испытаниях событие А появится от m1 до m2 раз, приближенно равна:
- функция Лапласа.
Следствие:
Если событие А может появиться в каждом из n испытаний с вероятностью р, отличной от 0 и 1, то вероятность того, что абсолютная величина отклонения частоты события от его вероятности будет меньше положительного числа ε, приближенно равна:
17. Полиномиальная схема — схема последовательных испытаний, каждое из которых имеет 2<k возможных исходов с вероятностями p1,p2,…pk.
0<pi<1
Ω={ω={i1,i2,…,in}}
is может принимать любой из k возможных исходов. kn — пространство возможных исходов. Объем пространства соответствует n исходам.
Вероятность того, что в n испытаниях n1 закончится 1ым исходом, n2 - 2ым, а nk - kтым исходом, равна
Полученная формула называется полиномиальным распределением. Это обобщение статистики Максвелла-Больцмана.
Если проводится n испытаний и результат каждого следующего зависит от предыдущего, то мы имеем схему последовательных зависимых испытаний. Ω={ω={i1,i2,…,in}} —пространство таких испытаний; kn — объем пространства. Вероятности каждого такого элементарного исхода рассчитываются через зависимые вероятности:
Любые условные вероятности
0<P(ij/i1…ij-1)<1
Справедлива следующая теорема:
Сумма вероятностей
всех элементарных событий такого
пространства равна 1, т.е.
Доказательство:
аналогично проделав n таких же шагов в данной сумме, мы получим док-во теоремы.
Если условные вероятности Р(is/i1,i2,…,is-1) таковы, что зависят только от последнего из предшествующих шагов, т.е. равны Р(is/is-1), то такие испытания называются цепями Маркова.
18. Случайной величиной ξ в вероятностном пространстве называется любая действительная функция ξ=ξ(ω), ω Ω, определенная на пространстве элементарных событий Ω. Причем, ф-ция ξ(ω) определена так, что событие А, состоящее в том, что ξ примет значение меньше х для любого действительного х , (т.е. А={ω: ξ(ω)<x}) принадлежит Сигма-алгебре , и, т.о., для любого такого события определена вероятность Р(А)=Р(ξ<x).
Случайная величина, принимающая конечное или счетное множество значений на числовой прямой, называется дискретной величиной.
Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями.
Законы распр-я дискретных случ. величин
1)
2)
3)
19. Функцией распределения вероятностей называется функция Fξ(x), определенная для любого х и выражающая вероятность того, что случайная величина ξ приняла значение меньше х.
