10956

Локальная теорема Муавра-Лапласа

Лекция

Математика и математический анализ

Локальная теорема МуавраЛапласа Несмотря на элементарность формулы Бернулли при большом числе испытаний непосредственное вычисление по ней связано с большой вычислительной работой погрешностью. Разрешить эту проблему поможет локальная теорема МуавраЛапласа:

Русский

2013-04-03

65.77 KB

69 чел.

Локальная теорема Муавра-Лапласа

Несмотря на элементарность формулы Бернулли  при большом числе испытаний  непосредственное вычисление по ней связано с большой вычислительной работой (погрешностью). Разрешить эту проблему поможет локальная теорема Муавра-Лапласа:

Если вероятность  наступления события  в каждом испытании постоянна и отлична от  и , то вероятность  того, что событие  произойдет  раз в  независимых испытаниях при достаточно большом числе , приближенно равна

      (6.1)

где    , и    (6.2)

Данная формула (теорема) тем более точна, чем  Вычисление по этой формуле дает незначительную погрешность при выполнении условия  Функция  табулирована и обладает следующими свойствами:

  1.  функция  является четной, т.е. ;
  2.  функция  монотонно убывающая при положительных значениях  причем при .

Уже при

ПРИМЕР 1:  В некоторой местности из каждых 100 семей 80 имеют автомобили. Какова вероятность того, что из 400 семей у 300 имеются автомобили?

РЕШЕНИЕ: Вероятность того, что в семье имеется автомобиль, равна  Так как  достаточно велико (условие  выполнено), то применим локальную формулу Муавра - Лапласа:

Замечание  Значение функции  получено из соответствующих статистических таблиц.

Интегральная теорема Муавра-Лапласа

Пусть в условиях примера 1 необходимо было бы найти вероятность того, что от 300 до 360 семей (включительно) имеют автомобили. Тогда по теореме сложения вероятностей событий и, учитывая (5.5) получим:

В принципе вычислить каждое слагаемое можно по локальной формуле Муавра-Лапласа, но большое количество слагаемых делает расчет очень трудоемким. В таких случаях справедлива интегральная теорема Муавра-Лапласа:

Если вероятность  наступления события  в каждом испытании постоянна и отлична от  и , то вероятность того, что число  наступления события  в  независимых испытаниях заключено в пределах от  до  (включительно) при достаточно большом числе , приближенно равна

 (6.3)

где     

Для вычисления по этой формуле вводится функция Лапласа (интеграл вероятности):

     (6.4)

обладающая следующими свойствами:

  1.  функция  нечетная, т.е. ;
  2.  функция  монотонно возрастающая, причем при   (практически можно считать, что уже при
    ).

Учитывая свойства функции Лапласа, окончательно получим:

 (6.5)

Интегральная формула, как и локальная тем точнее, чем больше . При условии  интегральная формула (6.5) дает незначительную погрешность вычисления вероятностей.

ПРИМЕР 2:  По данным примера 1 вычислим вероятность того, что от 300 до 360 (включительно) семей из 400 имеют автомобили.

РЕШЕНИЕ: Применим интегральную теорему Муавра-Лапласа ().


СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

Числовая величина , значение которой может меняться в зависимости от случая, называется случайной величиной (СВ).

В рамках теоретико-вероятностной схемы, когда предполагаем, что имеется некоторое пространство элементарных исходов , случайной величиной  называют функцию от элементарных исходов :

где .

Различают два основных типа случайных величин: дискретные и непрерывно распределенные.

Дискретные величины в зависимости от элементарных исходов принимает конечное или счетное число различных значений х с соответствующими вероятностями:

.     (6.6)

Здесь = х, обозначает, что случайная величина принимает значение х, т.е. {}={}. Вероятность события , состоящего в том, что случайная величина принимает одно из значений х, лежащих в пределах  , есть

.    (6.7)

В формуле (6.7) суммирование производится по конечному или счетному числу х, которые может принимать дискретная случайная величина .

Соответствие между возможными значениями СВ и вероятностями этих значений называют распределением вероятностей СВ и обозначают .

Законом распределения СВ называется всякое соотношение, устанавливающее связь между возможными значениями СВ и соответствующими им вероятностями.

Тогда о СВ можно говорить, что она подчинена данному закону. Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения СВ и соответствующие им вероятности.

....

....

Такую таблицу будем называть рядом распределения дискретной СВ.

События , состоящие в том, что в результате испытаний случайная величина  примет соответственно значения , являются несовместными и единственно возможными (в таблице перечислены все возможные значения СВ), т.е. составляют полную группу. Следовательно, сумма их вероятностей равна 1. Таким образом, для любой дискретной случайной величины справедливо соотношение:

   (6.8)

Чтобы придать ряду распределения более наглядный вид часто прибегают к его графическому отображению.

 0     x1        x2         x3               x4   x5    X

 P

p2

p1

p4

p5

Многоугольник распределения

p3

Такая фигура называется многоугольником распределения.

ПРИМЕР 3:  Стрелок ведет стрельбу по мишени до первого попадания, имея боезапас 4 патрона. Вероятность попадания при каждом выстреле равна 0.6. Построить ряд распределения боезапаса, оставшегося неизрасходованным.

РЕШЕНИЕ: СВ  – число неизрасходованных патронов имеет четыре возможных значения: 0, 1, 2 и 3. Вероятности этих значений равны соответственно:

0

1

2

3

0.064

0.096

0.24

0.6

Очевидно, что ряд распределения не универсальная характеристика. Нетрудно убедиться, что для непрерывной СВ такую характеристику построить нельзя (т.к. СВ имеет бесчисленное множество значений). Поэтому составить таблицу, в которой бы были перечислены все возможные значения СВ невозможно. Кроме того, как мы убедимся в дальнейшем, каждое отдельное значение непрерывной СВ обычно не обладает никакой, отличной от нуля, вероятностью.

Однако различные области возможных значений СВ все же не являются одинаково вероятными и для непрерывной СВ существует "распределение вероятностей", хотя и не в том смысле, как для дискретной.

Для количественного описания этого распределения вероятностей удобно воспользоваться не вероятностного события , а вероятностью события  где  некоторая текущая переменная. Вероятность этого события, очевидно, зависит от , и является некоторой функцией от . Эта функция называется функция распределения случайной величины Х и обозначается :

    (6.9)

Функцию F(x) иногда называют интегральной функцией распределения или интегральным законом распределения.

Функция распределения – самая универсальная характеристика СВ. Она существует как для дискретных, так и непрерывных СВ. Функция распределения полностью характеризует СВ с вероятностной точки зрения, т.е. является одной из форм закона распределения.

Общие свойства интегральной функции распределения:

  1.  Функция распределения  неубывающая функция своего аргумента, т.е. при
  2.  На минус бесконечности функция распределения равна нулю:
  3.  На плюс бесконечности функция распределения равна единице:
  4.  

График функции распределения в общем случае представляет собой график неубывающей функции, значение которой начинается от 0 и доходит до 1, причем в отдельных точках функция может иметь разрыв.

Зная ряд распределения дискретной СВ, можно легко построить функцию распределения этой величины.

Действительно: .

ПРИМЕР 4:  Произведем один опыт, в котором может произойти или не произойти событие . Вероятность события  равна . СВ  число появлений события  в опыте (дискретная СВ). Необходимо построить функцию распределения СВ.

РЕШЕНИЕ: Ряд распределения СВ  имеет вид:

0

1

Построим функцию распределения СВ

  1.  
  2.  
  3.  при

ПРИМЕР 5:  При тех же условиях (пример 4) провели 4 независимых опыта. Постройте функцию распределения числа появлений события .

РЕШЕНИЕ: Пусть СВ  число появлений события  в 4 опытах. Эта величина имеет ряд распределения:

0

1

2

3

4

> 4

0.2401

0.4116

0.2646

0.0756

0.0081

0

0.2401

0.6517

0.9163

0.9919

1

Построим функцию распределения СВ Х:

  1.  при  F(x) = 0;
  2.  0 < x  1  F(x) = 0.2401;
  3.  0 < x  2  F(x) = 0.6517;
  4.  0 <x  3  F(x) = 0.9163;
  5.  0 < x  4  F(x) = 0.9919;
  6.  x > 4   F(x) = 1.

 

А также другие работы, которые могут Вас заинтересовать

65083. Этнонимы народов золотоордынского Поволжья по данным персидских источников XIII - первой половины XV века 52.5 KB
  Обширный Поволжский регион в силу своего выгодного географического положения с давних времен занимал особое место в исторических судьбах Евразии. Являясь связующим звеном между Востоком и Западом, он стал ареной активных межэтнических контактов...
65086. ОЦЕНКА РЕЛИГИОЗНО-ПОЛИТИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ЦЗОНКАБЫ ЛОБЕАН-ДАГБЫ В ТРУДАХ Г.Ц. ЦЫБИКОВА И Б.Я. ВЛАДИМИРЦОВА 34.5 KB
  Цыбиков пользуется термином реформаторство применительно к деятельности Цзонкабы однако вместе с тем уточняет что он подразумевает под ним объясняя свое понимание сущности рассматриваемой проблемы.
65087. УКЕК В КУЛЬТУРНОМ ПРОСТРАНСТВЕ НИЖНЕГО ПОВОЛЖЬЯ 60 KB
  На южной окраине Саратова находятся остатки золотоордынского города Укека возникшего в конце 40 начале 50х гг. И в настоящее время города в отдельных регионах имеют значительные особенности. Многие считают что города у кочевников возникали сначала искусственно как военно-административные центры...
65088. Никудерийская орда как фактор чагатайской истории (1270-1330-е гг.) 99.5 KB
  Никудер поддержал Чагатаида Боракхана потерпел неудачу и попал под стражу. когда Боракхан опираясь на решение курултая в Таласе заявил о претензиях на южные территории входившие по завещанию Чингизхана в улус Чагатая.