- •Содержание
- •Классификация случайных событий
- •Действия над событиями.
- •Элементы комбинаторики
- •Примеры вычисления вероятностей
- •Задачи для самостоятельного решения
- •Тема 2. Теоремы сложения и умножения вероятностей. Условная вероятность
- •Задачи для самостоятельного решения
- •Тема 3. Формула полной вероятности и формула Байеса
- •Задачи для самостоятельного решения
- •Тема 4. Схема независимых испытаний Бернулли. Формула Бернулли. Наивероятнейшее число наступлений события
- •Задачи для самостоятельного решения
- •Тема 5. Формула Пуассона. Локальная и интегральная формулы Муавра - Лапласа
- •Задачи для самостоятельного решения
- •Тема 6. Случайные величины
- •Формы законов распределения дискретной случайной величины
- •Формы законов распределения непрерывной случайной величины
- •Свойства плотности вероятности:
- •Свойства функции распределения:
- •Задачи для самостоятельного решения
- •Тема 7. Числовые характеристики случайных величин
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •Задачи для самостоятельного решения
- •Тема 8. Основные законы распределения случайных величин
- •Задачи для самостоятельного решения.
- •Тема 9. Законы распределения двумерной случайной величины
- •Свойства двумерной функции распределения
- •Свойства двумерной плотности вероятности
- •Условные законы распределения составляющих системы дискретных случайных величин
- •Условные законы распределения составляющих системы непрерывных случайных величин
- •Числовые характеристики системы двух случайных величин
- •Задачи для самостоятельно решения
- •Тема 10. Выборка и ее представление. Выборочные моменты
- •Эмпирическая функция распределения
- •Выборочные характеристики
- •Выборочные моменты
- •Задачи для самостоятельного решения
- •Тема 11. Методы нахождения точечных оценок
- •Задачи для самостоятельного решения
- •Тема 12. Интервальные оценки. Построение доверительных интервалов
- •Задачи для самостоятельного решения
- •Тема 13. Задачи проверки статистических гипотез
- •Правила проверки гипотез
- •Критерий - Пирсона
- •Задачи для самостоятельного решения
- •Приложения
- •Критические точки распределения с числом степеней свободына уровне значимости
- •Критические точки -распределения Стьюдента
- •Критические точки распределения Фишера-Снедекора
Тема 5. Формула Пуассона. Локальная и интегральная формулы Муавра - Лапласа
Формула Пуассона
Использование
формулы Бернулли при больших значениях
и
вызывают большие трудности. Например,
при 1000 подбрасываниях монеты необходимо
определить вероятность того, что «герб»
выпадет ровно 150 раз. В этом случае
,
,
(выпадение «герба»),
(выпадение «решки»). Формула Бернулли
примет вид:
.
Вычисления будут
очень громоздкими, поэтому возникает
необходимость в отыскании приближенных
формул для вычисления
,
обеспечивающих необходимую точность.
Такие формулы дают нам предельные
теоремы; они содержат так называемые
асимптотические формулы, которые при
больших значениях испытаний дают сколь
угодно малую относительную погрешность.
Рассмотрим три предельные теоремы,
содержащие асимптотические формулы
для вычисления вероятности при
.
Теорема Пуассона.
Если число испытаний неограниченно
увеличивается
и вероятность
наступления события
в каждом испытании неограниченно
уменьшается
,
но так, что их произведение является
постоянной величиной
,
то вероятность
удовлетворяет
предельному равенству
![]()
или
,
.
Формулу Пуассона
обычно используют в случае, когда λ
10.
Пример 1. Завод отправляет в некоторый город 1500 автомобилей. Вероятность того, что в пути машина может получить повреждение, равна 0,002. Найти вероятность того, что в пути будет повреждено не более 4-х автомобилей.
Решение.
Событие
– в пути будет повреждено не более 4-х
автомобилей, т.е. 0, 1, 2, 3, 4.
,
,
.
По формуле Пуассона

Локальная теорема Муавра – Лапласа
Теорема.
Если вероятность
наступления события
в каждом испытании постоянна и отлична
от 0 и 1, а число независимых испытаний
достаточно велико, то вероятность
может быть вычислена по приближенным
формулам:
,
где
,
.
Функция
называется функцией Гаусса.
Свойства функции
.
1. Функция
- четная, т.е.
=
.
2. Функция
- монотонно убывает, при
можно считать, что
.
Пример 2. Вероятность попадания в мишень при одном выстреле для данного стрелка равна 0,7. Найти вероятность того, что при 200 выстрелах мишень будет поражена 160 раз.
Решение.
,
,
,
.
.
Учитывая, что
,
получим
![]()
3. Интегральная теорема Муавра – Лапласа
В тех случаях,
когда требуется вычислить вероятность
того, что в
независимых испытаниях событие
появится не менее
раз и не более
раз, т.е.
используют интегральную теорему Муавра
– Лапласа.
Теорема.
Если вероятность наступления
наступления события
в каждом испытании постоянна и отлична
от 0 и 1, то вероятность
может быть найдена по приближенной
формуле
![]()
,
где
,специальная
функция, называемая нормированной
функцией Лапласа,
,
.
Свойства функции
.
1. Функция
- нечетная, т.е.
.
2. Функция
монотонно возрастает, т.е. при
можно считать, что
.
Имеются таблицы
приближенных значений функции
,
которыми удобно пользоваться для решения
задач.
Пример 3. Проверкой установлено, что цех в среднем выпускает 96% продукции высшего сорта. На базе приемщик проверяет 200 изделий этого цеха. Если среди них окажется более 10 изделий не высшего сорта, то вся партия бракуется, т.е. возвращается в цех. Какова вероятность того, что партия будет принята?
Решение.
,
– вероятность бракованного изделия,
– вероятность хорошего изделия.
Вероятность
принятия всей партии, т.е.
можно найти по формуле:
,
,
,
,
,
,
.
