1. Формула Бернулли

Пусть вероятность того, в независимых испытаниях событие наступит ровно раз, равна . Тогда имеет место следующая теорема.

Теорема (формула Бернулли).

,

где - число сочетаний из по , - вероятность события , - вероятность события (т.е. вероятность не наступления события ).

Доказательство. Начнём с малого. Пусть обозначает исходное событие, т.е. появление ровно раз события в независимых испытаниях (вероятность появления в одном испытании, напомню, равняется ).

Событие может, например, появиться (событие ) следующим образом: вначале испытаний событие наступает ровно раз, а затем оно раз не наступает (значит, наступит противоположное событие ):

.

Найдём вероятность этого события. Поскольку все события независимы («вероятность произведения равна произведению вероятностей»), то:

.

А вероятность найдём исхитрившись. События и образуют полную группу, т.е.

.

Кроме того, они несовместны (т.к. вместе произойти не могут). Поэтому («вероятность суммы равна сумме вероятностей»):

,

Откуда:

.

Поэтому

.

Но событие может появиться и другим образом. Например,

.

Нетрудно убедиться в том, что вероятность по-прежнему равна:

.

Но как пересчитать все эти возможности (ясно, что они все являются несовместными, а поэтому будет равно числу (сумме) всех этих возможностей умноженной на )? Число всех возможных таких вариантов событий равно , числу способов, которыми можно расположить чисел по местам (при этом порядок, занимаемый числами, не имеет значение):

числа располагаются по местам (событие ),

числа располагаются по местам (событие ),

и т.д.

Поэтому

.

Что и требовалось доказать.

_______________

Пример. Для нормальной работы автобазы на линии должно быть не менее восьми автомашин, на автобазе всего десять машин. Вероятность невыхода каждой автомашины на линию равна . Найти вероятность нормальной работы автобазы.

Решение. Прежде всего поймём, что значит вероятность нормальной работы автобазы:

.

Причём последнее равенство справедливо, т.к. несовместными являются события « машин на линии», « машин на линии» и « машин на линии».

Вероятность того, что автомашин на линии, равна «вероятности того, что в независимых испытаниях событие (выход одной машины на линию) наступит ровно раз»

,

где - вероятность выхода одной машины на линию, а - вероятность невыхода одной машины на линию. Поскольку по условию задачи , постольку . Окончательно,

.

Аналогично:

и .

Поэтому:

.

Сделаем вывод. Поскольку в статистике считается, что событие, вероятность которого «больше достоверное событие», постольку базу, иногда, будет «лихорадить». Полностью нормальной её работу считать нельзя! А для исправления ситуации следует прикупить автомашины или поработать над уменьшением вероятности «невыхода каждой автомашины на линию».

Дискретны случайные величины

1. Закон распределения дискретной случайной величины

Начнём с примера. Если Вы сдаёте экзамен, то результатом сдачи может явиться:

а) сам факт сдачи экзамена, это известное нам случайное событие;

б) оценка, полученная на экзамене. А когда речь идёт о количестве, то это уже новая характеристика, ранее нами не исследованная. Это уже величина. А поскольку она носит случайный характер (заранее никак не угадаешь, сдадите ли экзамен на « » или на « »), то это величина - случайная. Так появляется необходимость рассмотрения случайных величин.

Определение. Переменная , принимающая в результате испытаний случайным образом одно и только одно из конечной или бесконечной последовательности значений , называется дискретной случайной величиной, если каждому значению соответствует определённая вероятность того, что переменная примет значение .

Обозначение. Обозначать дискретные случайные величины будем латинскими буквами , , ,..., а их возможные значения .

Определение. Зависимость вероятности от значения называется законом распределения вероятностей дискретной случайной величины.

Закон распределения удобно задавать в виде таблицы:

Значения случайной величины ( )
Вероятности значений ( )

Получается так называемый ряд распределений дискретной случайной величины.

Причём (что очень важно!) события - несовместные и единственно возможные (переменная принимает одно и только одно значение), поэтому (по теореме сложения вероятностей и т.к. в итоге получается достоверное событие):

,

если принимает конечное число значений, и

,

если принимает бесконечное число значений. То есть получается необходимое условие существования закона распределения!

Закон распределения дискретной случайной величины можно задавать графически:

Рис. 5.1. Многоугольник распределения.

Получается так называемый многоугольник распределения вероятностей дискретной случайной величины (на рис. 5.1 – ломаная линия, жирная).

_______________

Пример. Составить закон распределения числа попаданий в цель при четырех выстрелах, если вероятность попадания при одном выстреле равна .

Решение. Прежде всего, разберём, сколько значений может принимать случайная величина в данном случае. Можем совсем промахнуться ( будет равно ), попасть один раз из четырёх ( ), попасть два раза из четырёх ( ), попасть три раза из четырёх ( ), попасть четыре раз из четырёх ( ).

Теперь о вероятностях. Нас интересует вероятность: раз попасть при четырёх выстрелах. Иными словами, вероятность того, что в независимых испытаниях событие наступит ровно раз. В схеме Бернулли мы её обозначали как , а находили по формуле :

.

Аналогично

,

.

Причём легко подсчитать, что:

.

Поэтому закон распределения числа попаданий в цель при четырех выстрелах имеет вид

Непрерывные случайные величины